

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于海量數(shù)據(jù)挖掘的打車推薦系統(tǒng).pdf
- 基于GPS軌跡和照片軌跡的時空數(shù)據(jù)挖掘.pdf
- 基于海量數(shù)據(jù)挖掘的分類算法研究.pdf
- 海量數(shù)據(jù)上基于抽樣的模式挖掘研究.pdf
- 基于海量時空數(shù)據(jù)的路線挖掘與檢索.pdf
- 基于Rough Set的海量數(shù)據(jù)挖掘算法研究.pdf
- 基于數(shù)據(jù)挖掘的物流決策系統(tǒng)的研究.pdf
- 基于數(shù)據(jù)挖掘的物流監(jiān)管分析系統(tǒng)研究與實現(xiàn).pdf
- 基于Hadoop的海量小型XML數(shù)據(jù)挖掘的研究.pdf
- 基于粒計算的海量數(shù)據(jù)挖掘算法研究.pdf
- 基于云計算的海量數(shù)據(jù)挖掘處理與研究.pdf
- 基于海量時空數(shù)據(jù)的路線挖掘與檢索(1)
- 面向車輛軌跡分析的數(shù)據(jù)挖掘算法研究
- 基于數(shù)據(jù)挖掘的系統(tǒng)日志分析.pdf
- 基于海量數(shù)據(jù)挖掘的居民用電行為分析與互動方法研究.pdf
- 海量數(shù)據(jù)關鍵分類挖掘算法.pdf
- 基于數(shù)據(jù)挖掘的物流運輸系統(tǒng)研究.pdf
- 基于云計算的海量數(shù)據(jù)挖掘分類算法研究.pdf
- 基于SPARK的海量數(shù)據(jù)頻繁模式挖掘算法研究.pdf
- 基于貝葉斯理論的海量科學數(shù)據(jù)挖掘.pdf
評論
0/150
提交評論