APFD：面向移动轨迹大数据的出租车路径推荐方法（英文）

作者：张文勇; 夏大文; 常国艳; 胡杨; 霍雨佳; 冯夫健; 李艳涛; 李华青^*

来源：Frontiers of Information Technology & Electronic Engineering, 2022, 23(10): 1494-1511.

• 大数据分析
• 区域提取
• 人工势场
• Dijkstra
• 路线推荐
• 出租车GPS轨迹

随着数据驱动智能交通系统的迅猛发展，高效的出租车路径推荐方法成为智慧城市的研究热点。基于移动轨迹大数据，提出一种基于人工势场（APF）和Dijkstra方法的出租车路径推荐方法。为提高路径推荐效率，提出一种区域提取方法，该方法通过原点和终点坐标搜索包含最优路径的区域。基于APF方法，提出一种有效的冗余节点去除方法。最后，通过Dijkstra方法推荐最优路径。将APFD方法应用于仿真地图和北京四环的实际路网。在地图上随机选取20对起点和终点坐标，采用APFD方法、蚁群（AC）算法、贪婪算法（A*）、APF、迅速探索随机树（RRT）、非支配排序遗传算法-II(NSGA-II)、粒子群算法（PSO）和Dijkstra算法进行最短路径推荐。在最短路径规划方面，与AC、A*、APF、RRT、NSGA-II和PSO相比，APFD的路径规划能力分别提高了1.45%–39.56%、4.64%–54.75%、8.59%–37.25%、5.06%–45.34%、0.94%–20.40%和2.43%–38.31%。与Dijkstra算法相比，APFD的执行效率提高了1.03–27.75倍。此外，在北京四环实际路网中，APFD推荐最短路径的能力优于AC、A*、APF、RRT、NSGA-II和PSO，且APFD的执行效率高于Dijkstra方法。

• 单位
  重庆大学; 贵州民族大学; 西南大学; 贵州医科大学