原文传递
基于车辆运行轨迹的大数据分析与应用
| 论文题名： | 基于车辆运行轨迹的大数据分析与应用 |
| 关键词： | 数据分析;路径规划;卡车运输;OD点识别;布谷鸟算法 |
| 摘要： | 随着物流行业的快速发展，物流公司的货运需求大幅增加，因此行业中存在的一些问题亟待解决：1）在货物运输过程中，司机偷窃货物或私自拉货等异常行为时有发生，如何检测这类异常行为成为物流行业的一大难点；2）在配送之前，需要对配送地点进行路径规划，找出最优路径，这可以降低物流公司成本并提高货物配送效率。货运卡车配备的GPS设备采集了海量的车辆轨迹数据，数据中包含车辆位置和驾驶状态等大量信息，为上述问题的研究提供了可能。本文利用车辆轨迹数据信息对以上两个问题进行研究，主要内容有： （1）提出一种重型卡车异常停车点的检测方法。首先通过轨迹数据的速度分布确定速度阈值来识别停车轨迹点，并通过路网匹配来排除无效轨迹点。然后对有序轨迹数据聚类识别OD点，最后基于孤立森林识别异常OD点。利用物流公司的车辆轨迹数据进行实验，实验结果表明本文提出的方法能够有效识别异常OD点。 （2）基于双种群策略改进布谷鸟搜索算法（DPCS）。为了提高布谷鸟搜索算法（CS）性能，对算法进行改进。先用混沌映射来改变初始种群产生方式，使初始种群能均匀的分布在解空间中；接着提出双种群策略，即算法初始生成两个种群，种群一注重探索能力，种群二注重开发能力。在种群一中，用非线性递减函数代替取固定值的步长因子，并借鉴粒子群算法自我学习和社会学习的思想来更新种群位置，种群二为原始CS算法机制；最后当算法迭代一定次数时，两个种群进行信息交流，淘汰较差解，使算法在保持种群多样性的情况下，提高算法寻优精度。仿真实验结果验证了改进算法的有效性。 （3）将DPCS算法用于求解物流配送的路径规划问题。路径规划问题为离散型优化问题，需对其进行随机键编码转化为连续型问题，即先将编码进行排序映射成一条可行路径，随后利用邻接距离表最终决定配送点的访问顺序，最后根据问题模型即可求解出最短路径。用物流公司的OD点进行对比实验，结果显示在相同迭代次数下DPCS算法所规划的路径总路程最短，表明DPCS算法在路径规划问题中有较好的寻优能力，也进一步证明了改进算法在解决实际问题时的可行性。 |
| 作者： | 李韵 |
| 专业： | 数学 |
| 导师： | 尹湘锋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖南科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
