出租车载客点推荐算法

　　针对现有出租车载客点推荐算法忽略出租车所处上下文的情况，提出了一种基于时空上下文协同过滤的出租车载客点推荐算法。该算法将载客点信息映射到空间网格，通过在出租车司机驾驶行为相似度的计算中引入时间衰减因子，得到与目标出租车司机驾驶行为最相似的邻居集合，基于地点上下文过滤从相似邻居集合中选取感兴趣程度高的载客点推荐给目标出租车。在基于福州市出租车轨迹数据的实验中，时间衰减因子为0.7时，整体推荐效果最佳，同时该算法在邻居集合的不同大小时推荐准确率均优于传统协同过滤推荐算法。结果表明该算法与传统的协同过滤算法相比有更高的推荐准确度。