原文传递
基于属性网络表示学习的网约共享车供需匹配优化策略设计与实现
| 论文题名： | 基于属性网络表示学习的网约共享车供需匹配优化策略设计与实现 |
| 关键词： | 网约共享车;供需匹配;属性网络表示学习;注意力机制 |
| 摘要： | 现有的共享出行上的供需匹配研究，多数存在着搜索空间与目标维度过大，执行效率低，信息间的关联不够紧密等问题，因此能够识别对象相关性的网络表示学习成为了一种解决方法。同时现有表示学习方法往往仅关注网络结构，未融合出行者的物理与偏好信息，进而造成共享出行供需匹配因无法区分个体属性而遭遇响应率低的问题。 针对上述问题，为了适应乘客的个体属性特征，实现融合出行偏好的供需匹配，本文提出了一种基于属性网络表示学习的网约共享车供需匹配优化策略，将乘客的偏好信息与网络结构相结合，在供需匹配中融入乘客的特征属性。具体研究内容包括：首先扩展了R-Tree遍历检索车辆轨迹点与乘客出行起终点（origin-destination,OD）获得每对司乘双方一定距离范围内的相遇地集合。基于此，构造基于异质信息网络（heterogeneous information network,HIN）的共享出行网络（Attributed Ridesharing Network，ARN）结构并建模乘客的距离偏好属性。然后，设计蕴含时空语义的出行元路径模型，并基于此以等待时间为优化目标，学习仅考虑网络结构的司乘对向量。同时，运用one-hot编码实现网络节点属性表示，生成仅考虑属性的乘客向量。并引入注意力机制融合基于属性与基于元路径的乘客向量，通过自适应分配权重获得最终乘客向量。最后度量司乘双方的向量相似度，进而确定供需匹配方案。 本文使用成都市的滴滴盖亚开放数据进行了大量实验验证，结果证明了所提出方法在优化匹配上的有效性，并且优化方案能够为乘客提供个性化的匹配结果。通过与多种其他方法相比，本文的方法在匹配效果上取得了明显的改善。 |
| 作者： | 刘子航 |
| 专业： | 软件工程 |
| 导师： | 唐蕾 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
