隨著現代化進程的加快,城市道路交通量激增所導致的擁堵和環(huán)境污染已成為影響人民幸福指數的重要因素之一。隨著綠色、共享等發(fā)展理念的不斷深入,共享單車出行方式應勢而生,其不僅減輕了城市路網壓力和擁堵狀況,而且為人們的出行提供了便捷。但是,由于尚未形成完善的共享單車運營管理系統,運營調度的不合理、不及時造成了諸如亂停亂放、一車難求等現象,使得共享單車在城市道路交通系統中發(fā)揮的作用大打折扣。因此,準確預測用戶出行需求量及安排合理的調度方案對于發(fā)揮共享單車系統的效率和優(yōu)勢作用重大。本文以北京某一區(qū)域300萬條共享單車出行記錄為樣本,對該區(qū)域共享單車進行需求預測分析和需求分配優(yōu)化,并對智能調度策略進行了研究,為共享單車運營管理提供智能解決方案。首先,將單車軌跡數據通過Geohash變換獲取位置、距離信息,使用樣本過濾、規(guī)則預過濾、起點漂移完成出行目的地的構建,對數據進行統計和挖掘,從特征群和特征類型兩個方面構建數據集。然后,基于單車在各區(qū)域歷史出行軌跡信息及出行規(guī)律,得到不同區(qū)域間的單車流量,根據數據類型,采用二次k-means算法,實現調度區(qū)域的劃分,得到與預測區(qū)域直接相關的區(qū)域簇。同時,針對不同... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數】：56 頁

【學位級別】：碩士

【部分圖文】：

圖２－１共享單車出行流量統計??

某一區(qū)域共享單車出行流量不僅和該區(qū)域位置特點有關，還與其相關區(qū)域的??單車出行規(guī)律相關。從路徑信息矩陣中選�。担秱�出行地點描述出行地點間復雜??的網絡關系，如圖３－２所示，由圖可知，出行地點間存在著直接或間接的網絡關??系，本文基于各區(qū)域歷史出行軌跡信息，考慮出行地點間直接的相關關系，得到??共享單車流量，以及本區(qū)域的單車需求量，提出了二次Ｋ－ｍｅａｎｓ算法，得到與預??測區(qū)域直接相關的區(qū)域簇。第一次先按區(qū)域的地理位置進行聚類，得到區(qū)域簇??以＃＝１，第二次從得到的ｋ個區(qū)域中按軌跡信息得到與預測區(qū)域５｜相關的區(qū)域Ｓｐ??Ｓ２?５?Ｓ３，？?？?？?７?Ｓｐ?〇??圖３－２出行地點間的網絡結構??本章所用到的部分專業(yè)術語定義如下：??區(qū)域數??？Ｖ第ｉ個區(qū)域??與ｉ區(qū)域相關的ｊ區(qū)域??時刻Ｓｊ區(qū)域的單車出行需求量??時刻ｊ區(qū)域到ｉ區(qū)域的單車量??Ｌｍ：第ｍ條歷史出行軌跡??（１）輸入／輸出數據的確定??共享單車的需求量不僅受該區(qū)域位置的影響，也受相關區(qū)域的影響。大多數??用戶都遵循就近原則，選擇距離自己最近的地點尋找單車，根據第二章軌跡數據??的預處理和提取

第三章基于ＬＳＴＭ網絡模型的共享單車需求預測??圖３－３簇內誤方差??通過上圖可以看出，當簇數量為１０的時候出現了拐點，這說明ｋ�。保皩τ�??聚類算法是一個精確的選擇。在聚類算法計算過程中，將ｋ值設定為１０。??②輪廓圖定量分析聚類質量??輪廓分析（ｓｉｌｈｏｕｅｔｔｅ?ａｎａｌｙｓｉｓ），使用圖形工具來度量聚類族中樣本的聚集程度，??通過以下三個步驟計算當前樣本的輪廓系數（ｓｉｌｈｏｕｅｔｔｅ?ｃｏｅｆｆｉｃｉｅｎｔ）：??ｓｔｅｐｌ：將樣本ｘ與族內的其他點之間的平均距離作為簇內的內聚度ａ。??ｓｔｅｐ２：將樣本ｘ與最近簇中所有點之間的平均距離看作是與最近簇的分離??度ｂ。??ｓｔｅｐ３：將簇的分離度與簇內聚度之差除以二者中比較大的數得到輪廓系數，??計算公式如式３－３。??Ａ（ｊ）?＿?ａ⑴??５（｜）＝?ｂ?，?（３－３）??ｍａｘ｛ｂ（１?，ａ?｝??輪廓系數的取值在－１到１之間。當族內聚度與分離度相等時，輪廓系數為０；??當ｂ？ａ時

【參考文獻】：
期刊論文
[1]新形勢下共享單車現象分析與發(fā)展路徑探索[J]. 鄭雨蕃.  中國集體經濟. 2019(07)
[2]協同治理視角下共享單車治理研究[J]. 欒楚婷.  經濟師. 2019(02)
[3]城市共享單車發(fā)展存在的問題及規(guī)制路徑探析——基于多中心治理的視角[J]. 江童.  重慶文理學院學報(社會科學版). 2019(01)
[4]淺析共享單車發(fā)展現狀、問題及對策[J]. 陳浪,江珊,尹鈳雨,胡力源.  現代營銷(下旬刊). 2019(01)
[5]試論“共享單車”的社會風險治理[J]. 李文.  行政與法. 2019(01)
[6]共享單車無序停放的規(guī)制現狀探析[J]. 沈宇晨.  現代商貿工業(yè). 2019(06)
[7]共享單車停放問題分析及解決方案探究[J]. 金夢婷,張文昊,李路曼,李志斌.  中國集體經濟. 2019(04)
[8]基于集成學習的共享單車需求量預測方法研究[J]. 陳赫.  現代商業(yè). 2018(36)
[9]基于共享單車數據的居民出行熱點區(qū)域與時空特征分析[J]. 王璐,李斌,徐永龍,馬博超,魏俊博.  河南科學. 2018(12)
[10]基于波動出行需求的共享單車調度方案研究[J]. 侯海晶,磨少清,杜海興,劉新潮,李琦.  智庫時代. 2018(52)

碩士論文
[1]物流配送中車輛路徑問題的多目標優(yōu)化算法研究[D]. 衛(wèi)田.清華大學 2007



本文編號：3561854