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)量也越來越多，這些數(shù)據(jù)包含很多關于交通路況、車輛甚至社會經(jīng)濟發(fā)展等信息。軌跡數(shù)據(jù)挖掘主要通過統(tǒng)計和分析車輛行駛距離、停車時間、地理位置信息、車輛特征等發(fā)現(xiàn)貨運線路特征，為物流公司提供基于時間、成本等車輛調(diào)度方案以及衍生出來的一系列LBS應用提供服務。
　　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理論，通過建立聚類模型和分析海量GPS數(shù)據(jù)來了解物

2、流車輛行駛規(guī)律，提出針對物流車輛貨運線路推薦系統(tǒng)的設計框架并實現(xiàn)。其中重點就是數(shù)據(jù)預處理方法，停車點偵測和路徑分割方法，相似貨運軌跡聚類和貨運線路推薦四個方面進行了深入研究。具體工作如下：
　?。?）作為軌跡數(shù)據(jù)挖掘的必要工作，研究了預處理方法，包括數(shù)據(jù)清洗，數(shù)據(jù)中的異常進行偵查和排除，并針對本系統(tǒng)所有的GPS數(shù)據(jù)進行了特征分析和提出了一種基于歷史軌跡數(shù)據(jù)的異常點檢測算法。本文提出的算法在處理海量軌跡數(shù)據(jù)時具有時間復雜度低的特點。

3、
　?。?）停車點偵測和路徑分割可以發(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的停車和普通停車在時空屬性上的不同，將軌跡進行分割。
　　（3）相似貨運軌跡聚類將相同起始點和終點的軌跡規(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，聚類后的結果中可以發(fā)現(xiàn)物流車輛頻繁的行駛軌跡。
　?。?）貨運線路推薦方面，設計了基于