有桩共享单车站点借还量需求预测的研究与实现

发布时间：2021-11-16 15:29

　　共享单车系统在全球的许多重要城市越来越受欢迎,它为“开始和最后一英里”的旅行问题提供了良好的解决方案,并且对解决城市交通拥堵和建设绿色环保生态有着积极意义。在共享单车系统中,不同站点在不同时段的单车借还量需求分布非常不平衡,因此系统维护人员需要经常性地重新平衡每个站点的单车数量。对每个站点不同时段内单车需求的准确预测有利于系统中单车的重新分配。然而,每个站点重要程度所存在的差异性从未被考虑过,而这是由城市人流分布的疏密所必然导致的现象,同时这种疏密性也导致了站点集群的产生。本文通过处理多源城市数据,可以挖掘出共享单车系统中的核心站点和站点群,并对系统中的单车需求进行多层次的预测,以指导单车再平衡操作,提高单车系统利用率和用户体验度。本文设计了两个算法分别解决站点群挖掘和需求预测问题,称作CSC（Central Station based Clustering）和HP（Hierarchical Predictor）。CSC算法通过三个阶段生成站点群,分别为核心站点挖掘、核心站点聚类和普通站点划分。第一阶段我们首先定义并计算出所有单车站点的需求核心度,然后选择需求核心度最大的一部分站点作为... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 站点聚类问题
        1.2.2 需求预测问题
    1.3 本文主要工作及创新点
    1.4 论文结构安排
第二章 问题形式化定义
    2.1 问题的描述
    2.2 问题的讨论
        2.2.1 站点聚类的影响
        2.2.2 核心站点的影响
    2.3 本章小结
第三章 站点群挖掘算法的研究与实现
    3.1 核心站点挖掘
    3.2 核心站点聚类
    3.3 普通站点划分
        3.3.1 站点间相似度度量
        3.3.2 站点划分
    3.4 本章小结
第四章 需求预测算法的研究与实现
    4.1 特征分析与提取
        4.1.1 天气特征
        4.1.2 出行特征
    4.2 TWSWK算法
        4.2.1 天气相似度
        4.2.2 时间相似度
        4.2.3 加权计算
    4.3 线性优化模型
    4.4 本章小结
第五章 实验结果与分析
    5.1 数据集分析
    5.2 比较算法与评价函数
    5.3 实验评估与分析
        5.3.1 站点群挖掘算法相关实验分析
        5.3.2 需求预测算法相关实验分析
    5.4 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 未来展望
参考文献
致谢
作者简介



本文编号：3499153