个性化公交线路推荐系统的研究与设计
这是一篇关于系统搭建,个性化推荐,线路推荐,多目标规划的论文, 主要内容为随着经济社会发展,我国人均拥车量急剧增长,城市的交通拥挤现象愈演愈烈,发展公共交通便成为了解决城市拥堵病的良方。同时,人们往往根据传统电子地图的线路推荐来选择公共交通出行方案,但由于其只是根据单因素进行线路推荐无法满足乘客的个性化需求,限制了人们乘坐公共交通的意愿。为此,本文提出个性化公交线路推荐系统,对公交车内拥挤度、出行时间和出行距离这三个因素构建乘客线路推荐模型,并根据乘客给予各个因素的不同权重进行个性化推荐。该系统前端采用vue框架后端采用Spring Boot+Spring Cloud框架构建的分布式微服务系统,通过功能需求分析确定系统功能包括:站点查询、线路查询、个性化线路推荐、热门线路推荐和后台信息管理等,每个功能为每一个微服务能够独立的部署、运行以及测试并通过服务间的调用为系统完整功能。最后结合实际的数据集和百度地图提供的API接口将运行效果展现在地图上。本文的主要研究内容如下:(1)介绍了公交乘客出行在选择线路时考虑到各种因素并进行分析,主要因素包括:换乘次数、出行距离、出行时间、花费以及客流量等因素,从而确定模型所需要优化的因素。(2)介绍常规公交数据的数据结构并对其中的IC卡数据和GPS数据进行预处理,然后将IC卡数据以设定的时间阈值作为约束条件进行聚类分组并与GPS数据中车辆到站时间进行匹配,推断出刷卡乘客上车的站点。对基于公交乘客出行行为的下车概率模型进行改进,结合站点吸引权和站点换乘能力构建本文下车概率模型。由此可推测出车内拥挤度并建立车内拥挤程度与时间价值的函数关系进而将车内拥挤度转化为支付额外时间,并结合出行时间、出行距离构建出乘客线路推荐模型。最后,通过实际的数据集对上下车站点判断进行验证说明模型的有效性。(3)分析解决多目标问题的传统方法存在的缺点,提出将传统的基于线性加权算法结合粗粒度并行遗传算法作为求解模型算法并给出详细的步骤,最后进行实验将推荐的线路与百度地图推荐的线路进行对比说明可行性。(4)通过功能性与非功能性需求分析确定系统所需开发功能,并结合分布式微服务项目思想构建系统架构图同时对数据库进行设计,最后根据实际的数据集并结合百度地图API对系统功能模块运行效果进行验证。
个性化公交线路推荐系统的研究与设计
这是一篇关于系统搭建,个性化推荐,线路推荐,多目标规划的论文, 主要内容为随着经济社会发展,我国人均拥车量急剧增长,城市的交通拥挤现象愈演愈烈,发展公共交通便成为了解决城市拥堵病的良方。同时,人们往往根据传统电子地图的线路推荐来选择公共交通出行方案,但由于其只是根据单因素进行线路推荐无法满足乘客的个性化需求,限制了人们乘坐公共交通的意愿。为此,本文提出个性化公交线路推荐系统,对公交车内拥挤度、出行时间和出行距离这三个因素构建乘客线路推荐模型,并根据乘客给予各个因素的不同权重进行个性化推荐。该系统前端采用vue框架后端采用Spring Boot+Spring Cloud框架构建的分布式微服务系统,通过功能需求分析确定系统功能包括:站点查询、线路查询、个性化线路推荐、热门线路推荐和后台信息管理等,每个功能为每一个微服务能够独立的部署、运行以及测试并通过服务间的调用为系统完整功能。最后结合实际的数据集和百度地图提供的API接口将运行效果展现在地图上。本文的主要研究内容如下:(1)介绍了公交乘客出行在选择线路时考虑到各种因素并进行分析,主要因素包括:换乘次数、出行距离、出行时间、花费以及客流量等因素,从而确定模型所需要优化的因素。(2)介绍常规公交数据的数据结构并对其中的IC卡数据和GPS数据进行预处理,然后将IC卡数据以设定的时间阈值作为约束条件进行聚类分组并与GPS数据中车辆到站时间进行匹配,推断出刷卡乘客上车的站点。对基于公交乘客出行行为的下车概率模型进行改进,结合站点吸引权和站点换乘能力构建本文下车概率模型。由此可推测出车内拥挤度并建立车内拥挤程度与时间价值的函数关系进而将车内拥挤度转化为支付额外时间,并结合出行时间、出行距离构建出乘客线路推荐模型。最后,通过实际的数据集对上下车站点判断进行验证说明模型的有效性。(3)分析解决多目标问题的传统方法存在的缺点,提出将传统的基于线性加权算法结合粗粒度并行遗传算法作为求解模型算法并给出详细的步骤,最后进行实验将推荐的线路与百度地图推荐的线路进行对比说明可行性。(4)通过功能性与非功能性需求分析确定系统所需开发功能,并结合分布式微服务项目思想构建系统架构图同时对数据库进行设计,最后根据实际的数据集并结合百度地图API对系统功能模块运行效果进行验证。
个性化公交线路推荐系统的研究与设计
这是一篇关于系统搭建,个性化推荐,线路推荐,多目标规划的论文, 主要内容为随着经济社会发展,我国人均拥车量急剧增长,城市的交通拥挤现象愈演愈烈,发展公共交通便成为了解决城市拥堵病的良方。同时,人们往往根据传统电子地图的线路推荐来选择公共交通出行方案,但由于其只是根据单因素进行线路推荐无法满足乘客的个性化需求,限制了人们乘坐公共交通的意愿。为此,本文提出个性化公交线路推荐系统,对公交车内拥挤度、出行时间和出行距离这三个因素构建乘客线路推荐模型,并根据乘客给予各个因素的不同权重进行个性化推荐。该系统前端采用vue框架后端采用Spring Boot+Spring Cloud框架构建的分布式微服务系统,通过功能需求分析确定系统功能包括:站点查询、线路查询、个性化线路推荐、热门线路推荐和后台信息管理等,每个功能为每一个微服务能够独立的部署、运行以及测试并通过服务间的调用为系统完整功能。最后结合实际的数据集和百度地图提供的API接口将运行效果展现在地图上。本文的主要研究内容如下:(1)介绍了公交乘客出行在选择线路时考虑到各种因素并进行分析,主要因素包括:换乘次数、出行距离、出行时间、花费以及客流量等因素,从而确定模型所需要优化的因素。(2)介绍常规公交数据的数据结构并对其中的IC卡数据和GPS数据进行预处理,然后将IC卡数据以设定的时间阈值作为约束条件进行聚类分组并与GPS数据中车辆到站时间进行匹配,推断出刷卡乘客上车的站点。对基于公交乘客出行行为的下车概率模型进行改进,结合站点吸引权和站点换乘能力构建本文下车概率模型。由此可推测出车内拥挤度并建立车内拥挤程度与时间价值的函数关系进而将车内拥挤度转化为支付额外时间,并结合出行时间、出行距离构建出乘客线路推荐模型。最后,通过实际的数据集对上下车站点判断进行验证说明模型的有效性。(3)分析解决多目标问题的传统方法存在的缺点,提出将传统的基于线性加权算法结合粗粒度并行遗传算法作为求解模型算法并给出详细的步骤,最后进行实验将推荐的线路与百度地图推荐的线路进行对比说明可行性。(4)通过功能性与非功能性需求分析确定系统所需开发功能,并结合分布式微服务项目思想构建系统架构图同时对数据库进行设计,最后根据实际的数据集并结合百度地图API对系统功能模块运行效果进行验证。
个性化公交线路推荐系统的研究与设计
这是一篇关于系统搭建,个性化推荐,线路推荐,多目标规划的论文, 主要内容为随着经济社会发展,我国人均拥车量急剧增长,城市的交通拥挤现象愈演愈烈,发展公共交通便成为了解决城市拥堵病的良方。同时,人们往往根据传统电子地图的线路推荐来选择公共交通出行方案,但由于其只是根据单因素进行线路推荐无法满足乘客的个性化需求,限制了人们乘坐公共交通的意愿。为此,本文提出个性化公交线路推荐系统,对公交车内拥挤度、出行时间和出行距离这三个因素构建乘客线路推荐模型,并根据乘客给予各个因素的不同权重进行个性化推荐。该系统前端采用vue框架后端采用Spring Boot+Spring Cloud框架构建的分布式微服务系统,通过功能需求分析确定系统功能包括:站点查询、线路查询、个性化线路推荐、热门线路推荐和后台信息管理等,每个功能为每一个微服务能够独立的部署、运行以及测试并通过服务间的调用为系统完整功能。最后结合实际的数据集和百度地图提供的API接口将运行效果展现在地图上。本文的主要研究内容如下:(1)介绍了公交乘客出行在选择线路时考虑到各种因素并进行分析,主要因素包括:换乘次数、出行距离、出行时间、花费以及客流量等因素,从而确定模型所需要优化的因素。(2)介绍常规公交数据的数据结构并对其中的IC卡数据和GPS数据进行预处理,然后将IC卡数据以设定的时间阈值作为约束条件进行聚类分组并与GPS数据中车辆到站时间进行匹配,推断出刷卡乘客上车的站点。对基于公交乘客出行行为的下车概率模型进行改进,结合站点吸引权和站点换乘能力构建本文下车概率模型。由此可推测出车内拥挤度并建立车内拥挤程度与时间价值的函数关系进而将车内拥挤度转化为支付额外时间,并结合出行时间、出行距离构建出乘客线路推荐模型。最后,通过实际的数据集对上下车站点判断进行验证说明模型的有效性。(3)分析解决多目标问题的传统方法存在的缺点,提出将传统的基于线性加权算法结合粗粒度并行遗传算法作为求解模型算法并给出详细的步骤,最后进行实验将推荐的线路与百度地图推荐的线路进行对比说明可行性。(4)通过功能性与非功能性需求分析确定系统所需开发功能,并结合分布式微服务项目思想构建系统架构图同时对数据库进行设计,最后根据实际的数据集并结合百度地图API对系统功能模块运行效果进行验证。
个性化公交线路推荐系统的研究与设计
这是一篇关于系统搭建,个性化推荐,线路推荐,多目标规划的论文, 主要内容为随着经济社会发展,我国人均拥车量急剧增长,城市的交通拥挤现象愈演愈烈,发展公共交通便成为了解决城市拥堵病的良方。同时,人们往往根据传统电子地图的线路推荐来选择公共交通出行方案,但由于其只是根据单因素进行线路推荐无法满足乘客的个性化需求,限制了人们乘坐公共交通的意愿。为此,本文提出个性化公交线路推荐系统,对公交车内拥挤度、出行时间和出行距离这三个因素构建乘客线路推荐模型,并根据乘客给予各个因素的不同权重进行个性化推荐。该系统前端采用vue框架后端采用Spring Boot+Spring Cloud框架构建的分布式微服务系统,通过功能需求分析确定系统功能包括:站点查询、线路查询、个性化线路推荐、热门线路推荐和后台信息管理等,每个功能为每一个微服务能够独立的部署、运行以及测试并通过服务间的调用为系统完整功能。最后结合实际的数据集和百度地图提供的API接口将运行效果展现在地图上。本文的主要研究内容如下:(1)介绍了公交乘客出行在选择线路时考虑到各种因素并进行分析,主要因素包括:换乘次数、出行距离、出行时间、花费以及客流量等因素,从而确定模型所需要优化的因素。(2)介绍常规公交数据的数据结构并对其中的IC卡数据和GPS数据进行预处理,然后将IC卡数据以设定的时间阈值作为约束条件进行聚类分组并与GPS数据中车辆到站时间进行匹配,推断出刷卡乘客上车的站点。对基于公交乘客出行行为的下车概率模型进行改进,结合站点吸引权和站点换乘能力构建本文下车概率模型。由此可推测出车内拥挤度并建立车内拥挤程度与时间价值的函数关系进而将车内拥挤度转化为支付额外时间,并结合出行时间、出行距离构建出乘客线路推荐模型。最后,通过实际的数据集对上下车站点判断进行验证说明模型的有效性。(3)分析解决多目标问题的传统方法存在的缺点,提出将传统的基于线性加权算法结合粗粒度并行遗传算法作为求解模型算法并给出详细的步骤,最后进行实验将推荐的线路与百度地图推荐的线路进行对比说明可行性。(4)通过功能性与非功能性需求分析确定系统所需开发功能,并结合分布式微服务项目思想构建系统架构图同时对数据库进行设计,最后根据实际的数据集并结合百度地图API对系统功能模块运行效果进行验证。
个性化公交线路推荐系统的研究与设计
这是一篇关于系统搭建,个性化推荐,线路推荐,多目标规划的论文, 主要内容为随着经济社会发展,我国人均拥车量急剧增长,城市的交通拥挤现象愈演愈烈,发展公共交通便成为了解决城市拥堵病的良方。同时,人们往往根据传统电子地图的线路推荐来选择公共交通出行方案,但由于其只是根据单因素进行线路推荐无法满足乘客的个性化需求,限制了人们乘坐公共交通的意愿。为此,本文提出个性化公交线路推荐系统,对公交车内拥挤度、出行时间和出行距离这三个因素构建乘客线路推荐模型,并根据乘客给予各个因素的不同权重进行个性化推荐。该系统前端采用vue框架后端采用Spring Boot+Spring Cloud框架构建的分布式微服务系统,通过功能需求分析确定系统功能包括:站点查询、线路查询、个性化线路推荐、热门线路推荐和后台信息管理等,每个功能为每一个微服务能够独立的部署、运行以及测试并通过服务间的调用为系统完整功能。最后结合实际的数据集和百度地图提供的API接口将运行效果展现在地图上。本文的主要研究内容如下:(1)介绍了公交乘客出行在选择线路时考虑到各种因素并进行分析,主要因素包括:换乘次数、出行距离、出行时间、花费以及客流量等因素,从而确定模型所需要优化的因素。(2)介绍常规公交数据的数据结构并对其中的IC卡数据和GPS数据进行预处理,然后将IC卡数据以设定的时间阈值作为约束条件进行聚类分组并与GPS数据中车辆到站时间进行匹配,推断出刷卡乘客上车的站点。对基于公交乘客出行行为的下车概率模型进行改进,结合站点吸引权和站点换乘能力构建本文下车概率模型。由此可推测出车内拥挤度并建立车内拥挤程度与时间价值的函数关系进而将车内拥挤度转化为支付额外时间,并结合出行时间、出行距离构建出乘客线路推荐模型。最后,通过实际的数据集对上下车站点判断进行验证说明模型的有效性。(3)分析解决多目标问题的传统方法存在的缺点,提出将传统的基于线性加权算法结合粗粒度并行遗传算法作为求解模型算法并给出详细的步骤,最后进行实验将推荐的线路与百度地图推荐的线路进行对比说明可行性。(4)通过功能性与非功能性需求分析确定系统所需开发功能,并结合分布式微服务项目思想构建系统架构图同时对数据库进行设计,最后根据实际的数据集并结合百度地图API对系统功能模块运行效果进行验证。
个性化公交线路推荐系统的研究与设计
这是一篇关于系统搭建,个性化推荐,线路推荐,多目标规划的论文, 主要内容为随着经济社会发展,我国人均拥车量急剧增长,城市的交通拥挤现象愈演愈烈,发展公共交通便成为了解决城市拥堵病的良方。同时,人们往往根据传统电子地图的线路推荐来选择公共交通出行方案,但由于其只是根据单因素进行线路推荐无法满足乘客的个性化需求,限制了人们乘坐公共交通的意愿。为此,本文提出个性化公交线路推荐系统,对公交车内拥挤度、出行时间和出行距离这三个因素构建乘客线路推荐模型,并根据乘客给予各个因素的不同权重进行个性化推荐。该系统前端采用vue框架后端采用Spring Boot+Spring Cloud框架构建的分布式微服务系统,通过功能需求分析确定系统功能包括:站点查询、线路查询、个性化线路推荐、热门线路推荐和后台信息管理等,每个功能为每一个微服务能够独立的部署、运行以及测试并通过服务间的调用为系统完整功能。最后结合实际的数据集和百度地图提供的API接口将运行效果展现在地图上。本文的主要研究内容如下:(1)介绍了公交乘客出行在选择线路时考虑到各种因素并进行分析,主要因素包括:换乘次数、出行距离、出行时间、花费以及客流量等因素,从而确定模型所需要优化的因素。(2)介绍常规公交数据的数据结构并对其中的IC卡数据和GPS数据进行预处理,然后将IC卡数据以设定的时间阈值作为约束条件进行聚类分组并与GPS数据中车辆到站时间进行匹配,推断出刷卡乘客上车的站点。对基于公交乘客出行行为的下车概率模型进行改进,结合站点吸引权和站点换乘能力构建本文下车概率模型。由此可推测出车内拥挤度并建立车内拥挤程度与时间价值的函数关系进而将车内拥挤度转化为支付额外时间,并结合出行时间、出行距离构建出乘客线路推荐模型。最后,通过实际的数据集对上下车站点判断进行验证说明模型的有效性。(3)分析解决多目标问题的传统方法存在的缺点,提出将传统的基于线性加权算法结合粗粒度并行遗传算法作为求解模型算法并给出详细的步骤,最后进行实验将推荐的线路与百度地图推荐的线路进行对比说明可行性。(4)通过功能性与非功能性需求分析确定系统所需开发功能,并结合分布式微服务项目思想构建系统架构图同时对数据库进行设计,最后根据实际的数据集并结合百度地图API对系统功能模块运行效果进行验证。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码向导 ，原文地址：https://m.bishedaima.com/lunwen/52736.html
