轨道站点周边共享自行车短时需求预测与调度问题研究
发布时间：2020-12-05 02:02
共享自行车作为移动互联网和租赁自行车融合发展的新型服务模式,是共享经济的典型业态。共享自行车采用无固定锁桩、依托手机移动端结算等方式,凭借着这种灵活、方便、快捷的特点,吸引着大量的出行者,极大地方便了市民日常短途出行,促进了城市的绿色交通发展。但是共享自行车大批量无序的投放,产生了大量车辆违规占用道路资源,调度不合理以及高峰客流潮汐现象不均衡等问题,对城市交通秩序以及城市形象均带来了严重的负面影响。本文基于北京市摩拜共享自行车一周的数据,以轨道站点周边共享自行车为研究对象,结合现实背景和国内外研究现状,对共享自行车出行特征进行了分析,探讨了共享自行车短时需求预测方法,在此基础上构建了将夜间静态调度和日间早高峰动态调度相结合的共享自行车调度模型,并通过案例进行了验证。研究成果表示模型能较好地通过调度轨道交通站点周边共享自行车,解决高峰客流需求与供给不平衡的问题,为共享自行车的科学投放和有效管理提供理论和实践应用参考。本文主要研究包括:(1)分析国内外相关文献及共享自行车运营现状,总结了共享自行车的调度现状和存在问题,根据共享自行车的特点确定了本文的研究对象为轨道站点周边共享自行车。(2)...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
共享自行车图
第二章 共享自行车出行特征及需求分析13图2-2 摩拜自行车出行热力图上图为 2017 年 5 月 10 日一天的借车热力图，颜色越深说明借车频率越高。从上图可以看出，摩拜共享自行车主要集中分布中北京市的城市中心区域，特别是轨道交通区域，外围区域也基本上实现了摩拜共享自行车的覆盖。这样的分布规律与共享自行车本身的性质离不开。共享自行车是由企业运营，所以投放的第一目的是为了盈利，因此往往选择高密度人口流量的城市中心进行投放。城市中心车辆流动性强，使用率高，这也可以促进企业盈利。而在城市外围等较偏远地区，投放数量较少，只是实现广域覆盖，而没有进行大规模投放。（2）共享自行车主要以短距离出行为主2017 年 5 月 10 日-2017 年 5 月 16 日一周内
2017 年 5 月 10 日-2017 年 5 月 16 日一周内，北京市使用摩拜共享自行车的用户的平均骑行时间为 9-11 分钟，平均骑行距离为 1.41Km。图2-3 摩拜共享自行车平均单次骑行时间图
【参考文献】：
期刊论文
[1]基于CNN-XGBoost混合模型的短时交通流预测[J]. 王青松,谢兴生,佘颢. 测控技术. 2019(04)
[2]基于神经网络的地铁短时客流预测服务[J]. 侯晨煜,孙晖,周艺芳,曹斌,范菁. 小型微型计算机系统. 2019(01)
[3]时间序列预测方法综述[J]. 杨海民,潘志松,白玮. 计算机科学. 2019(01)
[4]基于XGBoost节假日路网流量预测研究[J]. 黄骞,郑颖尔,邓钰桥. 公路. 2018(12)
[5]共享单车调配路线优化问题研究[J]. 徐国勋,张伟亮,李妍峰. 工业工程与管理. 2019(01)
[6]基于模糊C均值聚类和随机森林的短时交通状态预测方法[J]. 陈忠辉,凌献尧,冯心欣,郑海峰,徐艺文. 电子与信息学报. 2018(08)
[7]基于随机森林回归算法的高速铁路短期客流预测研究[J]. 李丽辉,朱建生,强丽霞,乔庆杰. 铁道运输与经济. 2017(09)
[8]基于BP神经网络的共享单车调度优化[J]. 周龙雨,常兴甲,田博. 中国战略新兴产业. 2017(24)
[9]数据挖掘中聚类分析算法及应用研究[J]. 张超群,孟海东. 山东工业技术. 2017(11)
[10]共享单车发展研究分析[J]. 刘亚楠. 时代金融. 2017(08)
博士论文
[1]启发式算法及其在车辆路径问题中的应用[D]. 陈萍.北京交通大学 2009
硕士论文
[1]成都市共享单车管理之案例研究[D]. 傅良颖.电子科技大学 2019
[2]基于改进遗传算法的物流车辆路径规划方法研究与应用[D]. 仪孝展.西安理工大学 2018
[3]基于时空特性的短时交通流预测模型研究[D]. 李扬.北京建筑大学 2018
[4]共享单车车辆调度问题研究[D]. 卢琰.西南交通大学 2018
[5]基于XGBoost算法的武汉市二手房价格预测模型的实证研究[D]. 龚洪亮.华中师范大学 2018
[6]共享单车投放量测算和调度方法研究[D]. 周传钰.北京交通大学 2018
[7]城市公共自行车调运优化问题研究[D]. 徐冠宇.西南交通大学 2017
[8]考虑节能减排的物流配送车辆路径优化问题研究[D]. 孟凡婷.北京交通大学 2017
[9]城市公共自行车站点需求预测及调度优化方法研究[D]. 刘路美.北京交通大学 2017
[10]公共自行车短时需求预测与车辆调度方法研究[D]. 何承韡.苏州科技大学 2016
本文编号：2898660
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
共享自行车图
第二章 共享自行车出行特征及需求分析13图2-2 摩拜自行车出行热力图上图为 2017 年 5 月 10 日一天的借车热力图，颜色越深说明借车频率越高。从上图可以看出，摩拜共享自行车主要集中分布中北京市的城市中心区域，特别是轨道交通区域，外围区域也基本上实现了摩拜共享自行车的覆盖。这样的分布规律与共享自行车本身的性质离不开。共享自行车是由企业运营，所以投放的第一目的是为了盈利，因此往往选择高密度人口流量的城市中心进行投放。城市中心车辆流动性强，使用率高，这也可以促进企业盈利。而在城市外围等较偏远地区，投放数量较少，只是实现广域覆盖，而没有进行大规模投放。（2）共享自行车主要以短距离出行为主2017 年 5 月 10 日-2017 年 5 月 16 日一周内
2017 年 5 月 10 日-2017 年 5 月 16 日一周内，北京市使用摩拜共享自行车的用户的平均骑行时间为 9-11 分钟，平均骑行距离为 1.41Km。图2-3 摩拜共享自行车平均单次骑行时间图
【参考文献】：
期刊论文
[1]基于CNN-XGBoost混合模型的短时交通流预测[J]. 王青松,谢兴生,佘颢. 测控技术. 2019(04)
[2]基于神经网络的地铁短时客流预测服务[J]. 侯晨煜,孙晖,周艺芳,曹斌,范菁. 小型微型计算机系统. 2019(01)
[3]时间序列预测方法综述[J]. 杨海民,潘志松,白玮. 计算机科学. 2019(01)
[4]基于XGBoost节假日路网流量预测研究[J]. 黄骞,郑颖尔,邓钰桥. 公路. 2018(12)
[5]共享单车调配路线优化问题研究[J]. 徐国勋,张伟亮,李妍峰. 工业工程与管理. 2019(01)
[6]基于模糊C均值聚类和随机森林的短时交通状态预测方法[J]. 陈忠辉,凌献尧,冯心欣,郑海峰,徐艺文. 电子与信息学报. 2018(08)
[7]基于随机森林回归算法的高速铁路短期客流预测研究[J]. 李丽辉,朱建生,强丽霞,乔庆杰. 铁道运输与经济. 2017(09)
[8]基于BP神经网络的共享单车调度优化[J]. 周龙雨,常兴甲,田博. 中国战略新兴产业. 2017(24)
[9]数据挖掘中聚类分析算法及应用研究[J]. 张超群,孟海东. 山东工业技术. 2017(11)
[10]共享单车发展研究分析[J]. 刘亚楠. 时代金融. 2017(08)
博士论文
[1]启发式算法及其在车辆路径问题中的应用[D]. 陈萍.北京交通大学 2009
硕士论文
[1]成都市共享单车管理之案例研究[D]. 傅良颖.电子科技大学 2019
[2]基于改进遗传算法的物流车辆路径规划方法研究与应用[D]. 仪孝展.西安理工大学 2018
[3]基于时空特性的短时交通流预测模型研究[D]. 李扬.北京建筑大学 2018
[4]共享单车车辆调度问题研究[D]. 卢琰.西南交通大学 2018
[5]基于XGBoost算法的武汉市二手房价格预测模型的实证研究[D]. 龚洪亮.华中师范大学 2018
[6]共享单车投放量测算和调度方法研究[D]. 周传钰.北京交通大学 2018
[7]城市公共自行车调运优化问题研究[D]. 徐冠宇.西南交通大学 2017
[8]考虑节能减排的物流配送车辆路径优化问题研究[D]. 孟凡婷.北京交通大学 2017
[9]城市公共自行车站点需求预测及调度优化方法研究[D]. 刘路美.北京交通大学 2017
[10]公共自行车短时需求预测与车辆调度方法研究[D]. 何承韡.苏州科技大学 2016
本文编号：2898660
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2898660.html
