本文選題：自行車共享系統(tǒng) + 分層聚類算法�。� 參考：《計算機應用研究》2017年09期

【摘要】：自行車共享系統(tǒng)逐漸出現(xiàn)在許多城市中,由于在不同時間和站點的自行車需求量(租/還量)不平衡,系統(tǒng)中各站點的自行車需要人工頻繁地調(diào)整使其不斷達到平衡狀態(tài),然而實時監(jiān)控并不能很好地解決這個問題。因此,提出了一個基于網(wǎng)絡圖的預測模型,可以預測未來時間段內(nèi)的某個站點自行車的需求量,提前對站點自行車進行分配。通過分層聚類算法對預測站點進行聚類,得到與其相關(guān)的站點簇,并對站點簇構(gòu)建網(wǎng)絡模型。最后,使用紐約(NYC)和華盛頓(D.C.)兩個自行車共享系統(tǒng)的數(shù)據(jù)進行實驗,并與基線法、歷史平均法及ARIMA模型進行比較。結(jié)果發(fā)現(xiàn)同一簇的站點具有相似的使用模式,模型預測誤差率不高于0.45,網(wǎng)絡模型預測性能較好,且能夠應用于不同城市的自行車共享系統(tǒng)。
[Abstract]:Bicycle sharing system is gradually appearing in many cities. Because of the imbalance of bicycle demand (rent / amount) at different time and site, the bicycle needs to be constantly adjusted by manual and frequent adjustment in the system. However, real-time monitoring can not solve this problem well. Therefore, a network based on network is proposed. The forecast model of collaterals can predict the demand of bicycle in a certain site in the future time, allocate the bicycle in advance, cluster the forecast site by hierarchical clustering algorithm, get its related site cluster, and build the network model of the site cluster. At the last, use two self-propelled New York (NYC) and Washington (D.C.). The data of car sharing system are tested and compared with baseline method, historical average method and ARIMA model. The results show that the same cluster of sites have similar usage patterns, the prediction error rate of the model is not higher than 0.45, the network model has better prediction performance and can be applied to the bicycle sharing system in different cities.

【作者單位】： 南京師范大學計算機科學與技術(shù)學院;江蘇省信息安全保密技術(shù)工程研究中心;
【基金】：國家自然科學基金資助項目(41171298)
【分類號】：TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 黃威,林麗閩,宋亮;基于第三方整合的商業(yè)網(wǎng)絡模型[J];合肥工業(yè)大學學報(自然科學版);2003年S1期

2 韋洛霞;耦合生長網(wǎng)絡模型的模擬[J];河南大學學報(自然科學版);2004年02期

3 江瓊琴;宋文廣;;一種改進的BP網(wǎng)絡模型在唇裂手術(shù)預測分析中的應用[J];池州學院學報;2012年06期

4 殷洪義 ,榮明宗 ,周昭南 ,周曼殊;網(wǎng)絡模型的統(tǒng)一表征[J];國防科技大學學報;1981年02期

5 常樂;陸熙;李佳鈺;;BP網(wǎng)絡模型對人臉朝向的識別[J];計算機與現(xiàn)代化;2012年03期

6 樂美龍;姜丹;;基于網(wǎng)絡模型的集裝箱預翻箱問題研究[J];計算機工程與應用;2014年04期

7 文舸一;基于多邊形離散的網(wǎng)絡模型分解算法—波導特征值問題[J];電子學報;1991年01期

8 李躍新;一種基于知識的網(wǎng)絡模型計算機系統(tǒng)模擬工具[J];計算機應用研究;1993年06期

9 駱繼明;郭新軍;;分布復雜機電系統(tǒng)網(wǎng)絡模型圖自動生成算法研究[J];鄭州輕工業(yè)學院學報(自然科學版);2011年03期

10 王甲佳;;構(gòu)建網(wǎng)絡模型 解決庫存積壓[J];中國計算機用戶;2009年04期

相關(guān)會議論文 前1條

1 駱繼明;郭新軍;;分布復雜機電系統(tǒng)網(wǎng)絡模型圖自動生成算法研究[A];煤礦機電一體化新技術(shù)創(chuàng)新與發(fā)展2012學術(shù)年會論文集[C];2012年

相關(guān)碩士學位論文 前10條

1 王芳;基于深度信念網(wǎng)絡的資源檢索與推薦系統(tǒng)[D];北京郵電大學;2015年

2 閆廷亞;基于GHSOM網(wǎng)絡模型的FY-2E夜間衛(wèi)星云圖分類方法研究[D];華東交通大學;2015年

3 鄭光璞;模擬視覺皮層工作機制的發(fā)育網(wǎng)絡模型研究[D];鄭州大學;2016年

4 張磊;微博超網(wǎng)絡模型的建立及關(guān)鍵節(jié)點識別方法研究[D];南京航空航天大學;2016年

5 田茂根;并行超網(wǎng)絡的研究及其在電影評分預測等問題中的應用[D];重慶郵電大學;2016年

6 潘楚云;重復性項目調(diào)度模型轉(zhuǎn)化為網(wǎng)絡模型的方法及時差研究[D];華北電力大學;2014年

7 孟永;基于一類局部耦合神經(jīng)元振子網(wǎng)絡模型的定性分析及應用[D];北京工業(yè)大學;2010年

8 王悅凱;仿大腦視覺皮層的自主發(fā)育網(wǎng)絡模型研究[D];復旦大學;2013年

9 程軍;MapInfo網(wǎng)絡模型擴充研究[D];長安大學;2005年

10 付婷婷;用于科技文獻檢索的擴展信念網(wǎng)絡模型[D];河北大學;2010年

，

本文編號：1862494