随着移动互联网和大数据技术的发展,出租车轨迹数据作为一种出租车行驶的日志数据,更容易地被采集,并运用到为出租车司机进行寻客路线规划研究的相关工作中。通过分析出租车轨迹数据,研究人员可以进行诸如载客点提取、载客区域推荐、寻客路线规划等工作。然而仅依靠出租车的轨迹数据这一种类型的信息,出租车寻客路线的研究是不能准确地对真实情况进行建模的。因此,本文通过融合包括POI信息和路网信息在内的地理信息,作为出租车轨迹信息的补充,进行了出租车寻客路线方面的相关研究。本文的主要工作如下:(1)融合地理信息的出租车载客区域推荐模型。该模型通过将出租车司机所处的客观地理环境信息,融合到用户-载客区域矩阵分解的过程中,从而弥补数据稀疏性带来的不足。与此同时,根据出租车实时的空间位置信息,为身处于不同地点的出租车推荐不同的载客区域。实验证明,我们的实验方法与常用方法相比,推荐结果与实际的出租车载客情况间的平均绝对误差降低了23.4%,均方根误差降低了19.8%。(2)基于经验司机的出租车载客区域推荐模型。该模型通过参考经验司机在寻客决策上的行为,为普通司机进行载客推荐提供意见参考。首先,依据利润函数求得每个司机的载客总收益。然后,提取出数据集中收益较高的司机作为经验丰富的出租车司机候选集,并依据其在寻客阶段选择行车方向的行为信息,作为训练数据,基于改进的KNN的分类算法,训练得到方向选择器,用于出租车司机的行车方向判断。最后,在方向判断结果的基础上为司机推荐载客区域。实验证明,该模型的方向判断的准确度较常用的分类模型有5%左右的提升,平均绝对误差较常用的推荐模型降低了3%。(3)结合道路方向的出租车寻客路线规划。该模型主要存在两方面挑战,一是在出租车路网分析中,同一条道路上的不同方向载客效益是不同的,如何按照不同行车方向对路网进行统计是一个重要问题。二是在启发式搜索路径过程中,如何有效地结合当前点的局部收益与全局信息进行路径规划。为应对上述挑战,本文在区分道路行车方向的基础上,计算路段不同方向的效益。并根据不同载客区域内部的载客点数量,为司机提供全局启发信息,从而进行启发式路径规划。实验证明,相比于传统的路径规划方法,我们的方法在规划路径的载客效益上,有着较大提升。出租车载客区域推荐为出租车在大范围城市区域内筛选出一些具有较高载客效益的区域。出租车司机在这些推荐方案中,根据推荐结果选择并前往某些载客区域。在去往候选载客区域之前,为出租车司机规划具有较高效益的路线。从而改善出租车司机在巡航过程中的效益。总的来说,本文的工作从载客区域推荐入手,并结合融合地理信息,寻客方向判断、路径规划,形成一套完整的出租车寻客路线方案。