基于租赁点集群的公共自行车使用需求预测方法的研究

发布时间：2022-11-10 19:48

　　公共自行车作为一种绿色交通工具,深受民众喜爱,是人们日常出行的重要方式,但是最近几年,随着共享自行车系统规模逐渐增大、使用频率的增加,公共自行车使用不均衡问题严重影响了用户的使用体验,使得公共自行车使用率未能实现最大化。然而,现有研究方法中存在着数据考虑不全面以及缺乏预测前的特征处理,使得方法的预测准确率并不是很高以及在适用性方面具有一定的局限性。针对上述问题,本文提出了一种基于租赁点集群的公共自行车使用需求预测的方法。首先,整合公共自行车数据、气象数据分析了公共自行车的时空分布规律,提取影响公共自行车使用需求的相关特征。其次,利用所提取到的特征,提出了以K-medoids聚类、关联规则和集群内总使用需求约束调整（优化聚类使其达到最大平衡）三者相结合的算法,对公共自行车使用模式相似的租赁点进行了聚类,以提高公共自行车预测准确率。最后,在租赁点集群的基础上获取跨集群使用占比特征,再与气象、时间特征组合构建了基于租赁点集群的Elman神经网络预测模型。本文使用来自纽约市公共自行车系统的数据评估了我们的方法。从特征选择上验证了本文所提取的特征对提升预测方法的性能有很大帮助,同时通过与RF、B... 

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

公共自行车系统当前存在的问题[4]

论文的研究结构图

划分法的聚类示意图

【参考文献】：
期刊论文
[1]BP神经网络基本原理[J]. 袁冰清,程功,郑柳刚.  数字通信世界. 2018(08)
[2]基于划分的聚类个数与初始中心的确定方法[J]. 征原,谢云.  计算机技术与发展. 2017(07)
[3]基于Elman神经网络的公共自行车单站点需求预测[J]. 解小平,邱建东,汤旻安.  计算机工程与应用. 2017(16)
[4]一种基于最大最小距离和SSE的自适应聚类算法[J]. 成卫青,卢艳红.  南京邮电大学学报(自然科学版). 2015(02)
[5]污水处理中BP神经网络与Elman神经网络的预测比较[J]. 关学忠,宋韬略,徐延海,刘扬.  自动化技术与应用. 2014(10)
[6]一种结合SVM与卡尔曼滤波的短时交通流预测模型[J]. 朱征宇,刘琳,崔明.  计算机科学. 2013(10)
[7]基于关联规则的公共自行车调度区域聚类划分[J]. 董红召,史彩霞,陈宁,刘冬旭.  科技通报. 2013(09)
[8]基于数据挖掘关联规则的微粒群算法[J]. 李丹.  山西师范大学学报(自然科学版). 2013(02)
[9]数据挖掘中关联规则Apriori算法[J]. 亓文娟,晏杰.  计算机系统应用. 2013(04)
[10]一种高效的K-medoids聚类算法[J]. 夏宁霞,苏一丹,覃希.  计算机应用研究. 2010(12)

博士论文
[1]基于有向项集图的关联规则挖掘算法研究与应用[D]. 温磊.天津大学 2004

硕士论文
[1]公共自行车流量时空分布预测[D]. 谢嘉元.广东工业大学 2019
[2]改进粒子群算法优化Elman神经网络的交通流预测[D]. 张琪琪.长安大学 2019
[3]公共自行车数据分析及站点需求量预测的研究[D]. 王鹏涛.太原理工大学 2018
[4]基于站点聚类的公共自行车系统需求量预测[D]. 闫厦.大连理工大学 2018
[5]公共自行车租赁点选址与配置优化研究[D]. 潘媛媛.南京师范大学 2017
[6]基于租赁点关联的公共自行车需求量预测方法研究[D]. 林燕平.南京师范大学 2017
[7]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
[8]公共自行车调度优化研究[D]. 王恺.西南交通大学 2016
[9]基于城市居民出行特征分析的北京公共自行车系统发展研究[D]. 姜玲丽.北京交通大学 2016
[10]城市公共自行车租赁点借还需求预测与分析[D]. 钱进.长安大学 2015



本文编号：3705195