计算机工程

作者：张德城, 刘毅志, 赵肄江, 廖祝华

单位：1. 湖南科技大学计算机科学与工程学院, 湖南 湘潭 4112012. 湖南科技大学服务计算与软件服务新技术湖南省重点实验室, 湖南 湘潭 411201

关键词：载客路线推荐,载客区域推荐,层次化推荐,极深因子分解机,深度Q网络

基金：国家自然科学基金面上项目(41871320); 湖南省重点研发计划项目(2023sk2081); 湖南省教育厅科学研究重点项目(22A0341)

出租车载客推荐能够有效提高司机利润, 对于提升交通效率、改善城市出行体验以及推动智能交通的发展都具有重要意义。现有方法一般直接向司机进行载客区域或载客路线推荐, 没有考虑将这两者进行结合, 不仅面临数据稀疏性问题, 而且难以兼顾推荐准确性与实时性能。为此, 提出一种面向GPS数据的出租车载客路线层次化推荐模型, 其中采用了抗稀疏性的极深因子分解机(xDeepFM)、深度Q网络(DQN)强化学习算法以及层次化推荐策略。首先, 离线推荐高载客概率的大网格, 以减少在线计算量; 然后, 当出租车司机提出实时载客推荐需求时, 在离线推荐的大网格内进一步推荐高载客概率的小网格; 最后, 给司机规划一条到小网格的载客路线。在滴滴公司数据集上进行实验, 结果表明, 与现有的一些先进方法相比, 该方法可以使空载出租车司机的巡航时间至少减少36%, 巡航距离至少减少26%, 并且推荐时间仅需85 ms。

来源：2024年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第12期