11、动态条件下出租车热点预测方法研究

动态条件下出租车热点预测方法研究

1. 初始有影响力节点选择

在对节点进行分类并生成连通子图 $S = (v_0, v_1, …, v_n)$ 的问题中，需要一个起始节点 $v_0$。选择起始点是一项复杂的任务，自然的选择是利用可用数据集中的历史信息，选择图中最具影响力的节点。这里采用了基于支配集的方法来寻找道路网络图形中最具影响力的节点。

以下是寻找最具影响力节点的算法：

# 算法 1：寻找道路网络中定位器（最具影响力节点）的算法
# 输入: (a) 道路网络图形 G(V,E) (b) 出租车请求数据历史
# 输出: 图形中最具影响力节点的列表 'DS'
DS = []  # 用于在每次迭代中添加支配集节点的数组列表
freq = {}  # 空字典数据结构
for v in G.vertices():  # 遍历图 G 的每个顶点
    freq[v] = calculate_requests(v)  # 计算顶点 v 上的请求数量并添加到字典 freq 中
while freq:  # 当 freq 不为空时
    maxnode = max(freq, key=freq.get)  # 从 freq 中选择值最大的节点
    DS.append(maxnode)  # 将最大节点添加到 DS 中
    nbr = NeighbourSearch(G, maxnode, k)  # 搜索最大节点的 k 跳邻居
    for j in nbr:  # 遍历邻居节点
        if j in freq:  # 如果邻居节点在 freq 中
            del freq[j]  # 从 fr