基于社交网络的多目标共乘群体匹配优化方法研究

基于社交网络的多目标共乘群体匹配优化方法研究

论文摘要

共乘出行的方式极大地方便了人们的生活,而基于位置的社交网络的普及也为共乘出行的发展注入了新的理念。LBSN中丰富的社交资源可以为共乘出行提供多元的数据支持,从而帮助用户匹配到令其满意的共乘伙伴,以此提高共乘群体的出行质量并间接提高共乘吸引力。但是,由于带有社交需求的共乘群体匹配需要引入体验约束条件,因此造成共乘匹配率下降,并且在共乘群体发现中需要综合考虑共乘总体验度和匹配率,而现有的方法难以实现带有社交需求的共乘群体的最优匹配。基于此,本文以提高共乘总体验度和共乘匹配率并达到共乘群体匹配最优为目标,从以下三个方面展开研究:(1)提出了一种基于兴趣和轨迹的社交相似群体发现方法,该方法融合用户社交兴趣和轨迹信息,通过构建社交异构信息网络表征用户多元特征,从而计算用户之间的社交相似度并发现相似群体。实验表明该方法的准确性较高,并有效提高了目的地推荐的准确率和共乘总体验度。(2)提出了一种基于位置预测的潜在目的地推荐方法,该方法基于V-PPM位置预测算法学习用户历史POI轨迹,通过预测紧邻访问位置点的POI类型并结合社交相似群体访问偏好,为用户推荐具有时效性的潜在目的地。实验表明该方法在一定接受率的条件下可显著增加共乘匹配率。(3)提出了一种带有社交属性的多目标共乘群体匹配优化方法。该方法融合社交相似群体发现和潜在目的地推荐的结果,利用时空约束和体验约束发现候选共乘群体,通过构建带有社交属性的多目标函数,并基于SA优化算法生成最优共乘群体。实验表明该方法提高了共乘出行的总体验度和共乘匹配率,并使得共乘群体匹配的最终结果达到最优。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景及意义
  •   1.2 国内外研究现状
  •     1.2.1 共乘群体匹配
  •     1.2.2 目的地推荐
  •     1.2.3 社交相似性
  •     1.2.4 研究现状总结
  •   1.3 主要研究内容
  •   1.4 论文组织结构
  • 第二章 多目标共乘群体匹配优化关键技术分析
  •   2.1 共乘关键技术
  •     2.1.1 共乘模式分类
  •     2.1.2 多目标优化问题
  •   2.2 推荐关键技术
  •     2.2.1 推荐方法分类
  •     2.2.2 协同过滤方法
  •   2.3 相似关键技术
  •     2.3.1 基于内容的度量方法
  •     2.3.2 基于链接的度量方法
  •   2.4 本章小结
  • 第三章 社交网络中基于兴趣和轨迹的相似群体发现
  •   3.1 社交相似度量问题描述
  •   3.2 社交出行位置点标识
  •   3.3 基于兴趣和轨迹的社交相似群体发现
  •     3.3.1 社交兴趣主题提取
  •     3.3.2 社交异构信息网络建模
  •     3.3.3 基于PathSim的社交相似度计算
  •     3.3.4 SSBIT算法描述
  •   3.4 本章小结
  • 第四章 社交共乘中基于预测的潜在目的地推荐
  •   4.1 目的地推荐问题描述
  •   4.2 社交POI类别轨迹建模
  •   4.3 基于V-PPM预测算法的潜在目的地推荐
  •     4.3.1 带有POI类别的潜在目的地预测
  •     4.3.2 用户的POI兴趣度计算
  •     4.3.3 PDRBP算法描述
  •   4.4 本章小结
  • 第五章 带有社交属性的多目标共乘群体匹配优化
  •   5.1 带有社交属性的共乘模型描述
  •   5.2 带有社交属性的多目标共乘群体匹配优化
  •     5.2.1 共乘预匹配
  •     5.2.2 多目标优化函数构造
  •     5.2.3 最优共乘群体发现
  •     5.2.4 MORMS算法描述
  •   5.3 本章小结
  • 第六章 实验及结果分析
  •   6.1 实验数据与预处理
  •     6.1.1 实验数据
  •     6.1.2 数据预处理
  •   6.2 社交相似群体发现算法性能分析
  •     6.2.1 主题数的获取
  •     6.2.2 SSBIT算法性能分析
  •   6.3 潜在目的地推荐算法性能分析
  •     6.3.1 PDRBP算法与典型POI推荐算法性能对比
  •     6.3.2 三种因素对PDRBP算法性能的影响
  •   6.4 多目标共乘群体匹配优化算法性能分析
  •     6.4.1 迭代次数对共乘结果的影响
  •     6.4.2 社交权重和时空阈值对共乘结果的影响
  •     6.4.3 推荐算法对共乘匹配的影响
  •     6.4.4 相似算法对共乘体验度的影响
  •     6.4.5 MORMS算法性能分析
  •   6.5 本章小结
  • 第七章 总结与展望
  •   7.1 工作总结
  •   7.2 研究展望
  • 参考文献
  • 攻读学位期间取得的研究成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 蔡丹丹

    导师: 段宗涛

    关键词: 社交共乘,体验度,群体匹配,多目标优化

    来源: 长安大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑,信息科技

    专业: 数学,公路与水路运输,计算机软件及计算机应用

    单位: 长安大学

    分类号: U491;TP391.3;O157.5

    总页数: 101

    文件大小: 3359K

    下载量: 60

    相关论文文献

    • [1].有轨电车燃料电池混合动力多目标匹配优化[J]. 西南交通大学学报 2020(03)
    • [2].进离场程序匹配优化给航空公司带来的利益[J]. 民航管理 2017(03)
    • [3].基于运行工况的装载机发动机与液力变矩器匹配优化[J]. 矿山机械 2013(06)
    • [4].牵引车冷却系统的匹配优化[J]. 内燃机与动力装置 2019(05)
    • [5].混合动力汽车动力系统匹配优化仿真实验研究[J]. 交通科技与经济 2018(01)
    • [6].基于双边匹配优化模型的电厂煤炭采购及船舶运输调度[J]. 物流科技 2015(09)
    • [7].车用发动机匹配优化的一种试验分析方法[J]. 柴油机设计与制造 2010(01)
    • [8].私家车位预订匹配优化模型及计算方法研究[J]. 石家庄铁道大学学报(自然科学版) 2019(04)
    • [9].基于单纯形法的大宗商品车货匹配优化[J]. 冶金自动化 2020(02)
    • [10].典型供热电厂热电匹配优化节能研究[J]. 华北电力技术 2012(12)
    • [11].基于协同效益的任务与资源匹配优化方法[J]. 指挥信息系统与技术 2015(03)
    • [12].集成实证和定性模拟的移动增值战略匹配优化[J]. 中国管理科学 2015(01)
    • [13].基于分段Hausdorff距离的车身前脸匹配优化[J]. 上海交通大学学报 2010(04)
    • [14].基于多轴转向的转向轴匹配优化研究[J]. 机械设计与制造 2016(09)
    • [15].电控柴油机与液力变矩器匹配优化设计[J]. 内燃机与动力装置 2014(05)
    • [16].基于刻面分类的信息检索匹配优化探讨[J]. 办公自动化 2010(22)
    • [17].基于FloMASTER的某乘用车热管理分析[J]. 小型内燃机与车辆技术 2017(05)
    • [18].汽车车身结构安全部件材料匹配优化设计[J]. 时代农机 2016(09)
    • [19].基于等速油耗测量的车用发动机匹配优化试验分析方法[J]. 柴油机设计与制造 2014(01)
    • [20].基于MATLAB的双前桥汽车钢板弹簧的刚度匹配优化[J]. 浙江水利水电学院学报 2020(03)
    • [21].基于Cruise软件的汽车动力系统匹配优化[J]. 汽车工程师 2013(04)
    • [22].多能流分布式综合能源系统容量匹配优化与调度研究[J]. 电网技术 2018(11)
    • [23].气囊匹配优化设计方法[J]. 汽车工程 2017(07)
    • [24].基于二分图的故障规则匹配优化算法[J]. 控制与决策 2011(08)
    • [25].基于防火墙规则匹配优化算法的研究[J]. 计算机安全 2008(03)
    • [26].增程式电动汽车动力系统匹配优化研究[J]. 计算机仿真 2016(08)
    • [27].发动机与液力变矩器匹配优化[J]. 机械设计与制造 2009(06)
    • [28].某款柴油车整车燃油消耗优化浅析[J]. 汽车实用技术 2017(19)
    • [29].共享停车泊位供需匹配优化模型[J]. 山东农业大学学报(自然科学版) 2018(06)
    • [30].整车动力经济性速比匹配优化策略[J]. 计算机辅助工程 2017(02)

    标签:;  ;  ;  ;  

    基于社交网络的多目标共乘群体匹配优化方法研究
    下载Doc文档

    猜你喜欢