基于海量物流軌跡數(shù)據(jù)的分析挖掘系統(tǒng).pdf

1、電子商務(wù)盛行的今天，物流行業(yè)空前繁榮，物流車輛的海量GPS數(shù)據(jù)量也越來(lái)越多，這些數(shù)據(jù)包含很多關(guān)于交通路況、車輛甚至社會(huì)經(jīng)濟(jì)發(fā)展等信息。軌跡數(shù)據(jù)挖掘主要通過(guò)統(tǒng)計(jì)和分析車輛行駛距離、停車時(shí)間、地理位置信息、車輛特征等發(fā)現(xiàn)貨運(yùn)線路特征，為物流公司提供基于時(shí)間、成本等車輛調(diào)度方案以及衍生出來(lái)的一系列LBS應(yīng)用提供服務(wù)。
　　本文以海量GPS數(shù)據(jù)作為數(shù)據(jù)源，利用海量軌跡數(shù)據(jù)挖掘和道路推薦相關(guān)理論，通過(guò)建立聚類模型和分析海量GPS數(shù)據(jù)來(lái)了解物

2、流車輛行駛規(guī)律，提出針對(duì)物流車輛貨運(yùn)線路推薦系統(tǒng)的設(shè)計(jì)框架并實(shí)現(xiàn)。其中重點(diǎn)就是數(shù)據(jù)預(yù)處理方法，停車點(diǎn)偵測(cè)和路徑分割方法，相似貨運(yùn)軌跡聚類和貨運(yùn)線路推薦四個(gè)方面進(jìn)行了深入研究。具體工作如下：
　?。?）作為軌跡數(shù)據(jù)挖掘的必要工作，研究了預(yù)處理方法，包括數(shù)據(jù)清洗，數(shù)據(jù)中的異常進(jìn)行偵查和排除，并針對(duì)本系統(tǒng)所有的GPS數(shù)據(jù)進(jìn)行了特征分析和提出了一種基于歷史軌跡數(shù)據(jù)的異常點(diǎn)檢測(cè)算法。本文提出的算法在處理海量軌跡數(shù)據(jù)時(shí)具有時(shí)間復(fù)雜度低的特點(diǎn)。

3、
　?。?）停車點(diǎn)偵測(cè)和路徑分割可以發(fā)現(xiàn)物流車輛的上下貨的模式，本文依據(jù)樸素貝葉斯算法提出一種新的基于歷史數(shù)據(jù)的路徑分割算法，根據(jù)物流車輛在上下貨時(shí)的停車和普通停車在時(shí)空屬性上的不同，將軌跡進(jìn)行分割。
　?。?）相似貨運(yùn)軌跡聚類將相同起始點(diǎn)和終點(diǎn)的軌跡規(guī)則化后投射到同一緯度然后分析軌跡特征，采用K均值聚類算法將這些規(guī)則化后的軌跡聚類，聚類后的結(jié)果中可以發(fā)現(xiàn)物流車輛頻繁的行駛軌跡。
　?。?）貨運(yùn)線路推薦方面，設(shè)計(jì)了基于