公共自行车数据分析及站点需求量预测的研究
发布时间：2021-03-07 11:14
公共自行车是一种健康环保的交通方式,为人们的出行提供了便利。在公共自行车系统运行过程中,站点分布不合理、高峰时段各个站点自行车供需不平衡、运营管理收支不平衡等一些问题也随之出现,制约着公共自行车系统的发展。解决这些问题关键在于对用户行为、站点运行情况的分析,以及对未来时段站点自行车需求量预测。本文选择了美国旧金山湾区公共自行车系统作为研究对象,对其用户用车行为特征和站点运行规律进行了研究。本文的主要研究内容如下:（1）简述研究公共自行车系统的背景,及利用大数据技术解决公共自行车现存问题的意义,同时介绍了国内外学者对公共自行车系统的研究现状。（2）结合美国旧金山湾区公共自行车系统的历史数据,利用大数据工具如Spark SQL、HDFS等进行了数据处理。此外,还研究了用户用车行为特征和站点运行规律,并使用Highchart、Origin、Python等工具实现可视化分析。（3）搭建了Hadoop、Spark大数据计算平台,在基础上构建了基于随机森林的公共自行车需求量预测模型。预测时,将用户数据、站点数据以及天气数据作为输入变量,站点需求量为输出变量,对未来一天中不同站点各个时段的自行车需求...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
骑行量月分布图
（a）2014 年 （b）2015 年图 2-2 不同用户类型骑行量月分布图Figure 2-2 Monthly cycling of different types of users从以上分析可以看出，月份对骑行量存在一定的影响。不同类型的用户每月的使用量是有所差异的。同时从侧面反映了不同的季节对骑行量也有所影响。夏季骑行量最大，而冬季骑行量最小。2.4.1.2 一周对骑行量的影响图 2-3（a）和图 2-3（b）分别展示了不同类型的用户在 2014 年和 2015 年中骑行量周分布情况。从整体上看，不同类型用户的骑行量在 2014 年和 2015 年周分布情况是一致。年费用户和临时用户在工作日（周一至周五）和非工作日（周六和周日）使用自行车出行有着显著的差异。对于年费用户来说，他们更加倾向于在工作日使用自行车出行，相比于在非工作日骑行量下降了 5 倍。这说明年费用户一般选择骑自行车上下班。而对于临时用户来说，他们在非工作日的骑行量相比于工作日会有较大幅度的增长。在非工
（a）2014 年 （b）2015 年图 2-3 不同用户类型骑行量周分布图Figure 2-3 Weekly cycling of different types of users2.4.1.3 小时对骑行量的影响一天之中每时每刻用户骑行量都发生着不同的变化。图 2-4 展现了 2014 年和 2015年各个小时中用户骑行量的变化规律。从图中可以看出，2014 年和 2015 年用户骑行量随时间变化的曲线具有很高的相似度。两条曲线都呈双驼峰的形式，即具有两个高峰期：早高峰和晚高峰。早高峰期从早上 6:00 开始，到 8:00 到达顶峰，之后用户骑行量会降低，到 10:00 时，早高峰结束；之后用户骑行量保持一个平稳的趋势，直到下午 14:00开始晚高峰开始，用户骑行量开始大幅度增长，一直到 17:00 达到顶峰，随后用户骑行量开始下降，直至降到最低。出现这种现象的原因就是在城市中具有上下班的高峰期。
【参考文献】：
期刊论文
[1]基于LSTM的公共自行车服务点租还需求量预测[J]. 陆凯韬,董红召,陈宁. 计算机测量与控制. 2017(09)
[2]公共自行车系统规划方法研究[J]. 潘媛媛,窦万峰. 南京师范大学学报(工程技术版). 2017(01)
[3]基于季节性时间序列模型的公共自行车使用量预测研究[J]. 赵钰坤,蔡臻,窦万峰. 产业与科技论坛. 2016(07)
[4]城市公共自行车系统自然租赁需求估算方法[J]. 董红召,吴满金,刘冬旭,陈宁. 浙江大学学报(工学版). 2016(02)
[5]浅谈公共自行车调度问题[J]. 叶攀,刘磊磊. 科技风. 2015(21)
[6]基于蚁群算法的城市公共自行车调度研究[J]. 张辉,郑彭军. 科技与管理. 2015(06)
[7]法国公共自行车系统布局方法与实证研究——以巴黎和里昂为例[J]. 朱玮,何京洋,王德. 国际城市规划. 2015(S1)
[8]基于蚁群算法的公共自行车系统调度算法研究[J]. 张建国,吴婷,蒋阳升. 西华大学学报(自然科学版). 2014(03)
[9]公共自行车文献综述[J]. Elliot Fishman,Simon Washington,Narelle Haworth,张晓为. 城市交通. 2014(02)
[10]大数据技术研究综述[J]. 刘智慧,张泉灵. 浙江大学学报(工学版). 2014(06)
硕士论文
[1]城市公共自行车系统需求预测研究[D]. 刘佳.西安建筑科技大学 2016
[2]公共自行车租赁点车辆数的预测方法研究[D]. 陆朕.南京师范大学 2015
[3]公共自行车租赁系统调度问题研究[D]. 秦茜.北京交通大学 2013
[4]城市公共自行车系统规划研究[D]. 周思颖.苏州科技学院 2013
[5]公共自行车调度优化研究[D]. 李锦霞.长沙理工大学 2013
本文编号：3068983
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
骑行量月分布图
（a）2014 年 （b）2015 年图 2-2 不同用户类型骑行量月分布图Figure 2-2 Monthly cycling of different types of users从以上分析可以看出，月份对骑行量存在一定的影响。不同类型的用户每月的使用量是有所差异的。同时从侧面反映了不同的季节对骑行量也有所影响。夏季骑行量最大，而冬季骑行量最小。2.4.1.2 一周对骑行量的影响图 2-3（a）和图 2-3（b）分别展示了不同类型的用户在 2014 年和 2015 年中骑行量周分布情况。从整体上看，不同类型用户的骑行量在 2014 年和 2015 年周分布情况是一致。年费用户和临时用户在工作日（周一至周五）和非工作日（周六和周日）使用自行车出行有着显著的差异。对于年费用户来说，他们更加倾向于在工作日使用自行车出行，相比于在非工作日骑行量下降了 5 倍。这说明年费用户一般选择骑自行车上下班。而对于临时用户来说，他们在非工作日的骑行量相比于工作日会有较大幅度的增长。在非工
（a）2014 年 （b）2015 年图 2-3 不同用户类型骑行量周分布图Figure 2-3 Weekly cycling of different types of users2.4.1.3 小时对骑行量的影响一天之中每时每刻用户骑行量都发生着不同的变化。图 2-4 展现了 2014 年和 2015年各个小时中用户骑行量的变化规律。从图中可以看出，2014 年和 2015 年用户骑行量随时间变化的曲线具有很高的相似度。两条曲线都呈双驼峰的形式，即具有两个高峰期：早高峰和晚高峰。早高峰期从早上 6:00 开始，到 8:00 到达顶峰，之后用户骑行量会降低，到 10:00 时，早高峰结束；之后用户骑行量保持一个平稳的趋势，直到下午 14:00开始晚高峰开始，用户骑行量开始大幅度增长，一直到 17:00 达到顶峰，随后用户骑行量开始下降，直至降到最低。出现这种现象的原因就是在城市中具有上下班的高峰期。
【参考文献】：
期刊论文
[1]基于LSTM的公共自行车服务点租还需求量预测[J]. 陆凯韬,董红召,陈宁. 计算机测量与控制. 2017(09)
[2]公共自行车系统规划方法研究[J]. 潘媛媛,窦万峰. 南京师范大学学报(工程技术版). 2017(01)
[3]基于季节性时间序列模型的公共自行车使用量预测研究[J]. 赵钰坤,蔡臻,窦万峰. 产业与科技论坛. 2016(07)
[4]城市公共自行车系统自然租赁需求估算方法[J]. 董红召,吴满金,刘冬旭,陈宁. 浙江大学学报(工学版). 2016(02)
[5]浅谈公共自行车调度问题[J]. 叶攀,刘磊磊. 科技风. 2015(21)
[6]基于蚁群算法的城市公共自行车调度研究[J]. 张辉,郑彭军. 科技与管理. 2015(06)
[7]法国公共自行车系统布局方法与实证研究——以巴黎和里昂为例[J]. 朱玮,何京洋,王德. 国际城市规划. 2015(S1)
[8]基于蚁群算法的公共自行车系统调度算法研究[J]. 张建国,吴婷,蒋阳升. 西华大学学报(自然科学版). 2014(03)
[9]公共自行车文献综述[J]. Elliot Fishman,Simon Washington,Narelle Haworth,张晓为. 城市交通. 2014(02)
[10]大数据技术研究综述[J]. 刘智慧,张泉灵. 浙江大学学报(工学版). 2014(06)
硕士论文
[1]城市公共自行车系统需求预测研究[D]. 刘佳.西安建筑科技大学 2016
[2]公共自行车租赁点车辆数的预测方法研究[D]. 陆朕.南京师范大学 2015
[3]公共自行车租赁系统调度问题研究[D]. 秦茜.北京交通大学 2013
[4]城市公共自行车系统规划研究[D]. 周思颖.苏州科技学院 2013
[5]公共自行车调度优化研究[D]. 李锦霞.长沙理工大学 2013
本文编号：3068983
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3068983.html
