一种改进kNN算法及在即时拼车预测中的应用

摘要

目前，手机打车软件已经在我们的生活中普及，拼车也成为时下一种省钱又环保的新风尚。打车软件中的拼车主要有两种形式：一种是快车业务下即拼即走的即时拼车，另一种是顺风车业务下需要提前发布行程的预约拼车。与诞生于拼车网站的预约拼车不同，即时拼车是伴随智能手机的普及以及手机打车软件的出现才逐渐走入人们的视野。本文主要针对即时拼车场景下的拼车结果进行研究。 目前针对拼车的研究主要包括拼车的路径匹配、拼车方法以及其发展效应等。本文针对即时拼车结果预测问题，提出了一种新的改进kNN算法。算法根据研究问题中数据集样本在整体和类间分布不平衡的特点，对传统kNN算法进行了两个方面的改进工作：一是根据样本的整体分布不均匀性，基于密度聚类中的密度可达思想提出了一种基于样本密度的噪声近邻检测过程，使得待测样本的近邻选择过程更加合理。二是基于样本的类间分布不平衡性，提出了使用各疑似近邻对应的类内样本平均密度作为其密度可达检测距离阈值，使得噪声近邻的检测准确性不受样本的类间分布差异影响。最终在UCI公开数据集上的实验证明了本算法在样本分布不平衡分类预测问题中的优越性，并在实际的拼车结果数据集上验证了算法的预测效果取得了明显的提升。 本文通过对即时拼车结果进行预测，帮助用户合理安排出行方式，同时也给司机抢单提供重要的偏好信息，未来可应用于手机打车软件平台，为用户提供更加方便有效的出行。

目录

第一个书签之前

参考文献范例