本發(fā)明屬于交通運(yùn)輸、信息科學(xué)技術(shù)領(lǐng)域,涉及一種車(chē)聯(lián)網(wǎng)環(huán)境下的個(gè)性化路徑推薦方法。
背景技術(shù):
基于信息技術(shù)和通信技術(shù)的現(xiàn)代化交通出行作為人們?nèi)粘I钪胁豢苫蛉钡幕顒?dòng),一直受到廣泛關(guān)注。車(chē)聯(lián)網(wǎng)是物聯(lián)網(wǎng)應(yīng)用于智能交通系統(tǒng)的集中體現(xiàn),隨著車(chē)聯(lián)網(wǎng)技術(shù)不斷的推廣與普及,路網(wǎng)交通信息的采集、傳輸與存儲(chǔ)也更加高效便捷,大量與出行相關(guān)的交通信息涌入出行者的視野。但是,面對(duì)如此紛繁復(fù)雜的交通信息,如何提取符合自己個(gè)性化偏好的信息一直是交通學(xué)科和行為科學(xué)當(dāng)中的難題。新興的推薦系統(tǒng)為我們提供了一種應(yīng)對(duì)信息過(guò)載,實(shí)現(xiàn)信息篩選的有效途徑。運(yùn)用推薦技術(shù),能夠從海量信息中為用戶提取出最為需要的個(gè)性化信息。
眾多廠商(如電商amazon、影視netflix以及音樂(lè)pandora、last.fm和國(guó)內(nèi)的豆瓣、京東、天貓等)的個(gè)性化物品推薦服務(wù)(如新聞推送、電影書(shū)刊的私人定制等),有效滿足了人們?cè)谶^(guò)載的信息當(dāng)中篩選出符合自身興趣偏好的個(gè)性化需求。同樣,在推薦系統(tǒng)面向的嶄新的交通出行領(lǐng)域,人們?cè)诔鲂羞^(guò)程中對(duì)交通信息個(gè)性化的需求也日趨強(qiáng)烈。然而,針對(duì)個(gè)性化路徑推薦領(lǐng)域,特別是系統(tǒng)可行的個(gè)性化路徑推薦方法,目前尚未見(jiàn)公開(kāi)報(bào)道(截至2017年3月)。
現(xiàn)有的路徑規(guī)劃方法并不考慮出行者個(gè)性化偏好,并且交通信息來(lái)源單一,大部分產(chǎn)品基于靜態(tài)信息(無(wú)實(shí)時(shí)變化),或者是定性分級(jí)的路況信息(非常擁堵、擁堵、通暢等),而非量化的交通信息。主流的路徑規(guī)劃產(chǎn)品,如百度地圖(導(dǎo)航)、高德地圖(導(dǎo)航)等,也只是分情況的提供了不同種類(lèi)的路徑規(guī)劃方案(如最短時(shí)間、最小距離、優(yōu)先高速公路等),并未考慮不同個(gè)體出行者的不同出行偏好。
現(xiàn)有路徑規(guī)劃技術(shù)的主要缺點(diǎn)有如下3點(diǎn):
(1)未考慮實(shí)時(shí)動(dòng)態(tài)變化的路徑交通信息。交通網(wǎng)絡(luò)當(dāng)中的一條路徑會(huì)由多個(gè)路段構(gòu)成,路段上的通行時(shí)間、路況等信息也會(huì)隨著時(shí)間的變化而發(fā)生改變,這樣會(huì)造成路徑狀態(tài)信息呈現(xiàn)出非線性、隨機(jī)的復(fù)雜特征。也就是說(shuō),路網(wǎng)當(dāng)中的路徑是屬性隨著時(shí)間變化而變化的動(dòng)態(tài)多屬性實(shí)體;受制于傳統(tǒng)交通信息采集、傳輸、存儲(chǔ)、計(jì)算等技術(shù)的限制,現(xiàn)有的路徑規(guī)劃系統(tǒng)沒(méi)有考慮實(shí)時(shí)動(dòng)態(tài)變化的路徑交通信息。
(2)未考慮不利天氣因素(如霧、雨、雪、霾等)對(duì)路徑狀態(tài)和個(gè)體出行者的量化影響,對(duì)道路施工、大型賽事等事件對(duì)交通出行的影響也考慮不足。多變的天氣因素對(duì)不同道路的出行影響程度有所不同;同樣,不種各類(lèi)和性質(zhì)的道路施工和體育賽事等,也會(huì)影響局部區(qū)域的道路通行狀況。而現(xiàn)有的路徑規(guī)劃技術(shù)沒(méi)有量化考慮這些因素對(duì)道路通行能力的實(shí)際影響。
(3)未考慮不同出行個(gè)體間的個(gè)性化偏好差異。交通網(wǎng)絡(luò)當(dāng)中涉及到的因素繁多,而現(xiàn)實(shí)當(dāng)中的個(gè)體出行者更是需求多樣。不同出行者所考慮的偏好因素有所不同,即使考慮的偏好因素大致一樣,而偏好程度也必定會(huì)有所差異。同時(shí),也必須認(rèn)識(shí)到,個(gè)體出行者的偏好程度是一個(gè)主觀、模糊且難以定量測(cè)量的因素。這樣以來(lái),傳統(tǒng)的路徑規(guī)劃技術(shù)無(wú)法實(shí)現(xiàn)對(duì)個(gè)體出行者偏好因素的定量采集與分析。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的缺陷,提供一種車(chē)聯(lián)網(wǎng)環(huán)境下的個(gè)性化路徑推薦方法,是一種在車(chē)聯(lián)網(wǎng)環(huán)境提供的交通信息中,為滿足用戶對(duì)個(gè)性化出行的需求,運(yùn)用推薦技術(shù)提取出符合用戶偏好的動(dòng)態(tài)個(gè)性化路徑信息的一整套解決方案。本發(fā)明中,建立路網(wǎng)模型,給定起始點(diǎn)和終點(diǎn),在路網(wǎng)中搜索出所有的可行路徑,根據(jù)出行者的出行偏好,利用推薦算法找到與用戶偏好最相似的路徑。
本發(fā)明在個(gè)性化路徑推薦過(guò)程中,同時(shí)考慮4種出行因素集合,即{時(shí)間,費(fèi)用,便捷性,距離};在交通網(wǎng)絡(luò)中,采用棧思想實(shí)現(xiàn)的求解從起點(diǎn)到終點(diǎn)所有可行路徑集合的回溯算法;依據(jù)出行者個(gè)性偏好特征向量和可行路徑特征向量實(shí)現(xiàn)的基于pearson相關(guān)系數(shù)的路徑推薦算法。
其具體技術(shù)方案為:
一種車(chē)聯(lián)網(wǎng)環(huán)境下的個(gè)性化路徑推薦方法,包括以下步驟:
步驟1:在車(chē)聯(lián)網(wǎng)環(huán)境下,建立符合個(gè)性化出行的路網(wǎng)模型;
步驟2:根據(jù)起始點(diǎn)與終點(diǎn),在路網(wǎng)中找到所有可行路徑;
步驟3:獲得可行路徑的路徑特征向量;
步驟4:根據(jù)出行者的偏好獲得出行者偏好特征向量;
步驟5:用推薦算法將可行路徑進(jìn)行排序;
步驟6:輸出排序?yàn)樽钋懊娴穆窂阶鳛閭€(gè)性化推薦路徑。
進(jìn)一步,所述步驟1包括:
步驟1.1:定義g(v,a)表示由有限個(gè)數(shù)的節(jié)點(diǎn)組成的物理交通網(wǎng)絡(luò),v代表節(jié)點(diǎn)集合,a代表有向路段集合。a代表路網(wǎng)中的一個(gè)有向路段,a∈a;r代表源點(diǎn)集合,且
步驟1.2:路徑長(zhǎng)度屬性,路徑長(zhǎng)度可以由實(shí)際路徑經(jīng)由的各個(gè)路段的物理距離疊加得到。
所述路徑長(zhǎng)度屬性定義為:od對(duì)rs間第k條路徑的物理出行距離lrs,k可由式(1)計(jì)算:
其中,la表示路段a的物理長(zhǎng)度,
步驟1.3:便捷性也是路段的重要屬性,影響路段便捷性的主要因素為道路等級(jí)、天氣情況、交通事故情況以及道路管制情況,路徑便捷性由構(gòu)成該路徑的所有路段的便捷性疊加得到。
步驟1.4:對(duì)bpr函數(shù)進(jìn)行改進(jìn),用于計(jì)算路段通行時(shí)間。進(jìn)而,路徑通行時(shí)間可由構(gòu)成該路徑的所有路段的通行時(shí)間疊加得到。
所述bpr函數(shù)定義為:bpr函數(shù)是美國(guó)聯(lián)邦公路局函數(shù),使用于路段自由行駛時(shí)間計(jì)算。
所述路段通行時(shí)間定義為:路段上的實(shí)際出行時(shí)間,可用式(4)計(jì)算:
其中,
所述實(shí)際通行能力定義為:受到天氣、交通事故以及道路管制對(duì)路段的影響后的通行能力,可用式(5)計(jì)算:
其中,qa為路段a的理論通行能力。
所述路徑通行時(shí)間定義為:第h時(shí)刻od對(duì)rs間第k條路徑的出行時(shí)間
步驟1.5:路徑費(fèi)用屬性,路徑費(fèi)用可以由實(shí)際路徑經(jīng)由的各個(gè)路段的實(shí)際收費(fèi)疊加得到。
所述路徑費(fèi)用屬性定義為:od對(duì)rs間第k條路徑的出行費(fèi)用ers,k,可由式(7)計(jì)算:
其中,ea表示路段a上的擁擠收費(fèi)。
再進(jìn)一步,步驟1.3中,所述道路等級(jí)定義為:城市道路等級(jí)分為快速路、主干路、次干路、支路四級(jí);
針對(duì)路段便捷度,設(shè)定一級(jí)路段取值為“1”,二級(jí)路段取值為“2”,三級(jí)路段取值為“3”,四級(jí)路段取值為“4”;
所述天氣情況定義為:天氣情況對(duì)路段a的影響程度;
所述交通事故情況定義為:交通事故情況對(duì)路段a的影響程度;
所述道路管制情況定義為:道路管制情況對(duì)路段a的影響程度;
所述路段便捷性定義為:路段a的便捷性ba由式(2)計(jì)算:
其中,ga為路段a的道路等級(jí),
所述路徑便捷性定義為:od對(duì)rs間第k條路徑的便捷性brs,k由式(3)計(jì)算:
進(jìn)一步,所述步驟2包括:
步驟2.1:輸入起點(diǎn)vr和終點(diǎn)vs;
步驟2.2:將vj(j∈{1,2,3,...,n})的鄰接結(jié)點(diǎn)按編號(hào)順序從小到大依次存入數(shù)組
步驟2.3:push(vr);
步驟2.4:若stack不為空,則vk=peek();否則,轉(zhuǎn)向步驟2.8;
步驟2.5:若
步驟2.6:若peek()≠vs,轉(zhuǎn)向步驟2.4;
2.7:逆序(自棧底向棧頂)打印棧stack中的全部元素,記錄至krs,m,m=m+1,pop(),轉(zhuǎn)向步驟2.4;
2.8:生成新的集合krs={krs,m|m∈n*};
2.9:算法結(jié)束。
所述push(vr)定義為:將數(shù)據(jù)元素vr壓入棧頂,同理
所述peek()定義為:讀取棧頂元素并返回其值。
所述pop()定義為:刪除棧頂元素。
進(jìn)一步,所述步驟3包括:
步驟3.1:將可行路徑用路徑特征向量
步驟3.2:為了使路徑推薦具有統(tǒng)一可行的標(biāo)準(zhǔn),需要將路徑特征向量中的數(shù)據(jù)進(jìn)行歸一化,如式(8)所示:
其中,xmax為備選路徑的四元組中每一項(xiàng)屬性的最大值。
步驟3.3:路徑特征向量
進(jìn)一步,所述步驟4包括:
步驟4.1:不同出行者對(duì)出行時(shí)間、費(fèi)用、便捷度、以及路徑距離的偏好程度不同。因此,可以定義出行者i的路徑偏好特征向量
進(jìn)一步,所述步驟5包括:
步驟5.1:使用pearson相關(guān)系數(shù)度量偏好特征向量和路徑特征向量間的相關(guān)程度。根據(jù)pearson相關(guān)系數(shù)計(jì)算krs中每條可行路徑與指定出行者i的相似程度,進(jìn)而將相似度最高的路徑推薦給出行者i。則第h時(shí)刻出行者i和備選路徑k的相似度
進(jìn)一步,所述步驟6包括:
步驟6.1:
針對(duì)于出行者i,在h時(shí)刻相似度最大的路徑
與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果為:
1.充分利用車(chē)聯(lián)網(wǎng)提供的實(shí)時(shí)準(zhǔn)確的多種交通信息,結(jié)合出行者的個(gè)性化出行需求,為出行者提供符合個(gè)體偏好需求的路徑推薦服務(wù),實(shí)現(xiàn)了個(gè)體出行路徑的私人定制;
2.能夠?qū)崟r(shí)響應(yīng)一些意外交通狀況,如交通事故、道路施工維護(hù)、大型賽事等,提供在這些狀況發(fā)生時(shí)的個(gè)性化路徑推薦;
3.從整體交通網(wǎng)絡(luò)的角度來(lái)看,由于出行者的偏好千差萬(wàn)別,個(gè)性化路徑推薦可以有效的實(shí)現(xiàn)交通流依據(jù)個(gè)體偏好進(jìn)行分配,客觀上避免了所有出行者在個(gè)別路徑上的集聚,使得整個(gè)交通網(wǎng)絡(luò)的交通流分配更加合理均衡。
附圖說(shuō)明
圖1是車(chē)聯(lián)網(wǎng)環(huán)境下的個(gè)性化路徑推薦方法流程圖;
圖2是仿真路網(wǎng)。
具體實(shí)施方式
下面結(jié)合具體附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)地說(shuō)明。
參照?qǐng)D1,一種車(chē)聯(lián)網(wǎng)環(huán)境下的個(gè)性化路徑推薦方法,包括以下步驟:
步驟1:在車(chē)聯(lián)網(wǎng)環(huán)境下,建立符合個(gè)性化出行的路網(wǎng)模型;
步驟2:根據(jù)起始點(diǎn)與終點(diǎn),在路網(wǎng)中找到所有可行路徑;
步驟3:獲得可行路徑的路徑特征向量;
步驟4:根據(jù)出行者的偏好獲得出行者偏好特征向量;
步驟5:用推薦算法將可行路徑進(jìn)行排序;
步驟6:輸出排序?yàn)樽钋懊娴穆窂阶鳛閭€(gè)性化推薦路徑。
進(jìn)一步,所述步驟1包括:
步驟1.1:定義g(v,a)表示由有限個(gè)數(shù)的節(jié)點(diǎn)組成的物理交通網(wǎng)絡(luò),v代表節(jié)點(diǎn)集合,a代表有向路段集合。a代表路網(wǎng)中的一個(gè)有向路段,a∈a;r代表源點(diǎn)集合,且
步驟1.2:路徑長(zhǎng)度屬性,路徑長(zhǎng)度可以由實(shí)際路徑經(jīng)由的各個(gè)路段的物理距離疊加得到。
所述路徑長(zhǎng)度屬性定義為:od對(duì)rs間第k條路徑的物理出行距離lrs,k可由式(1)計(jì)算:
其中,la表示路段a的物理長(zhǎng)度,
步驟1.3:便捷性也是路段的重要屬性,影響路段便捷性的主要因素為道路等級(jí)、天氣情況、交通事故情況以及道路管制情況。進(jìn)而,路徑便捷性可由構(gòu)成該路徑的所有路段的便捷性疊加得到。
所述道路等級(jí)定義為:城市道路等級(jí)分為快速路、主干路、次干路、支路四級(jí)。根據(jù)國(guó)家《城市規(guī)劃定額指標(biāo)暫行規(guī)定》的有關(guān)規(guī)定,道路可劃分為四級(jí),如表1所示:
表1道路等級(jí)劃分表
為便于量化研究,針對(duì)路段便捷度,本發(fā)明中設(shè)定一級(jí)路段取值為“1”,二級(jí)路段取值為“2”,三級(jí)路段取值為“3”,四級(jí)路段取值為“4”。
所述天氣情況定義為:天氣情況對(duì)路段a的影響程度,如霧、雨天、雪天等。
所述交通事故情況定義為:交通事故情況對(duì)路段a的影響程度。
所述道路管制情況定義為:道路管制情況對(duì)路段a的影響程度,如修路、修地鐵等。
所述路段便捷性定義為:路段a的便捷性ba由式(2)計(jì)算:
其中,ga為路段a的道路等級(jí),
所述路徑便捷性定義為:od對(duì)rs間第k條路徑的便捷性brs,k可由式(3)計(jì)算:
步驟1.4:對(duì)bpr函數(shù)進(jìn)行改進(jìn),用于計(jì)算路段通行時(shí)間。進(jìn)而,路徑通行時(shí)間可由構(gòu)成該路徑的所有路段的通行時(shí)間疊加得到。
所述bpr函數(shù)定義為:bpr函數(shù)是美國(guó)聯(lián)邦公路局函數(shù),使用于路段自由行駛時(shí)間計(jì)算。
所述路段通行時(shí)間定義為:路段上的實(shí)際出行時(shí)間,可用式(4)計(jì)算:
其中,
所述實(shí)際通行能力定義為:受到天氣、交通事故以及道路管制對(duì)路段的影響后的通行能力,可用式(5)計(jì)算:
其中,qa為路段a的理論通行能力。
所述路徑通行時(shí)間定義為:第h時(shí)刻od對(duì)rs間第k條路徑的出行時(shí)間
步驟1.5:路徑費(fèi)用屬性,路徑費(fèi)用可以由實(shí)際路徑經(jīng)由的各個(gè)路段的實(shí)際收費(fèi)疊加得到。
所述路徑費(fèi)用屬性定義為:od對(duì)rs間第k條路徑的出行費(fèi)用ers,k,可由式(7)計(jì)算:
所述步驟2包括:
步驟2.1:輸入起點(diǎn)vr和終點(diǎn)vs;
步驟2.2:將vj(j∈{1,2,3,...,n})的鄰接結(jié)點(diǎn)按編號(hào)順序從小到大依次存入數(shù)組
步驟2.3:push(vr);
步驟2.4:若stack不為空,則vk=peek();否則,轉(zhuǎn)向步驟2.8;
步驟2.5:若
步驟2.6:若peek()≠vs,轉(zhuǎn)向步驟2.4;
2.7:逆序(自棧底向棧頂)打印棧stack中的全部元素,記錄至krs,m,m=m+1,pop(),轉(zhuǎn)向步驟2.4;
2.8:生成新的集合krs={krs,m|m∈n*};
2.9:算法結(jié)束。
所述push(vr)定義為:將數(shù)據(jù)元素vr壓入棧頂,同理
所述peek()定義為:讀取棧頂元素并返回其值。
所述pop()定義為:刪除棧頂元素。
所述步驟3包括:
步驟3.1:將可行路徑用路徑特征向量
步驟3.2:為了使路徑推薦具有統(tǒng)一可行的標(biāo)準(zhǔn),需要將路徑特征向量中的數(shù)據(jù)進(jìn)行歸一化,如式(8)所示:
其中,xmax為備選路徑的四元組中每一項(xiàng)屬性的最大值。
步驟3.3:路徑特征向量
所述步驟4包括:
步驟4.1:不同出行者對(duì)出行時(shí)間、費(fèi)用、便捷度、以及路徑距離的偏好程度不同。因此,可以定義出行者i的路徑偏好特征向量
所述步驟5包括:
步驟5.1:使用pearson相關(guān)系數(shù)度量偏好特征向量和路徑特征向量間的相關(guān)程度。根據(jù)pearson相關(guān)系數(shù)計(jì)算krs中每條可行路徑與指定出行者i的相似程度,進(jìn)而將相似度最高的路徑推薦給出行者i。則第h時(shí)刻出行者i和備選路徑k的相似度
所述步驟6包括:
步驟6.1:
針對(duì)于出行者i,在h時(shí)刻相似度最大的路徑
實(shí)施例
首先,建立實(shí)時(shí)交通路網(wǎng)模型,如圖2所示的仿真路網(wǎng)。圖中邊上的數(shù)字順序依次為路段編號(hào)、長(zhǎng)度(單位:km)、交通容量(單位:veh/h)、路段費(fèi)用(單位:元)、路段等級(jí)。
其次,根據(jù)出行者的出行目的,從起點(diǎn)編號(hào)1到終點(diǎn)編號(hào)9,計(jì)算出所有的可行路徑。根據(jù)可行路徑上的路段屬性,獲得路徑基礎(chǔ)屬性,如表2所示。
表2.路徑基礎(chǔ)屬性
對(duì)路徑屬性數(shù)據(jù)進(jìn)行歸一化,得到路徑特征向量,根據(jù)路徑特征向量分析出路徑特征,如表3所示。
表3.路徑特征向量
最后,針對(duì)具有不同偏好的出行者,計(jì)算出所有可行路徑與他們之間的pearson相似系數(shù),將pearson相似系數(shù)進(jìn)行排序,pearson相似系數(shù)越大的越符合出行者偏好,從而獲得推薦路徑結(jié)果,如表4所示。
表4.出行者與路徑之間的pearson相似系數(shù)
對(duì)于出行者1,出行偏好側(cè)重時(shí)間和便捷性,因此路徑1與之最相似;對(duì)于出行者2,出行偏好側(cè)重費(fèi)用,對(duì)時(shí)間和便捷性也較為偏好,因此路徑2與之最相似;對(duì)于出行者3,出行偏好側(cè)重便捷性,對(duì)時(shí)間也較為偏好,因此路徑1與之最相似;對(duì)于出行者4,出行偏好側(cè)重長(zhǎng)度,對(duì)時(shí)間和費(fèi)用也較為偏好,因此路徑4與之最相似;對(duì)于出行者5,出行偏好側(cè)重時(shí)間,對(duì)費(fèi)用和便捷性也較為偏好,因此路徑2與之最相似;對(duì)于出行者6,出行偏好側(cè)重便捷性,對(duì)時(shí)間和費(fèi)用也較為偏好,因此路徑1與之最相似。
以上所述,僅為本發(fā)明較佳的具體實(shí)施方式,本發(fā)明的保護(hù)范圍不限于此,任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi),可顯而易見(jiàn)地得到的技術(shù)方案的簡(jiǎn)單變化或等效替換均落入本發(fā)明的保護(hù)范圍內(nèi)。