论文研究基于Hadoop及出租车历史轨迹的乘客推荐算法.pdf

针对智慧城市中乘客打车策略的推荐算法效率不高的问题，使用古典概率学统计历史轨迹中该时间该路段有空车的天数占数据集总天数比例，作为乘客等到空车概率;使用最小二乘法拟合时间与到达空车数曲线，预测乘客等到空车时间，以提高推荐效率。同时，使用Hadoop作为数据存储和计算平台以提高数据处理能力;提出一种基于地图栅格化的路网存储结构来提高搜索地图速度;改进一种基于计算几何的地图匹配算法提高匹配准确率。实验结果显示，空车概率推荐算法正确率约87%，等待时间推荐算法正确率达88.4%，表明挖掘轨迹数据为乘客提供推荐服务的可行性。