網(wǎng)約車供需失衡是近幾年交通領(lǐng)域的一大熱點問題,針對該問題,相關(guān)部門要求網(wǎng)約車平臺建立供需測算模型,科學(xué)調(diào)控運力規(guī)模和結(jié)構(gòu),避免供需失衡。由于現(xiàn)有的網(wǎng)約車供需預(yù)測模型未能充分考慮時空動態(tài)關(guān)聯(lián)性,使模型在一定程度上丟失了部分重要信息,降低了模型預(yù)測的精準性。因此,本文旨在從時空動態(tài)關(guān)聯(lián)的角度出發(fā),構(gòu)建網(wǎng)約車供需預(yù)測模型,以彌補現(xiàn)有研究的不足。主要研究內(nèi)容如下:(1)構(gòu)建網(wǎng)約車供需預(yù)測模型。一方面,本文通過引入時間注意力機制學(xué)習(xí)不同特征對預(yù)測目標影響的關(guān)鍵時間信息。另一方面,本文通過引入空間注意力機制學(xué)習(xí)不同特征對預(yù)測目標影響的關(guān)鍵空間信息。最后,結(jié)合時間和空間注意力機制,構(gòu)建了Temporal＿Spatial＿AM-LSTM模型。(2)通過實驗對比RNN、LSTM、RNN-LSTM與Temporal＿Spatial＿AM-LSTM模型的預(yù)測性能。實驗結(jié)果表明:Temporal＿Spatial＿AM-LSTM模型的平均絕對誤差為16.069,相比其他對照模型,本文所構(gòu)建的模型的預(yù)測誤差最小、性能最佳。(3)根據(jù)滴滴網(wǎng)約車相關(guān)數(shù)據(jù)進行供需預(yù)測。設(shè)置時間窗為144,預(yù)測步長為12,預(yù)測結(jié)果表明:...

【文章頁數(shù)】：99 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 傳統(tǒng)出租車供需預(yù)測模型研究現(xiàn)狀
        1.2.2 網(wǎng)約車供需預(yù)測模型研究現(xiàn)狀
        1.2.3 研究現(xiàn)狀總結(jié)
    1.3 研究內(nèi)容與技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
        1.3.3 創(chuàng)新點
    1.4 本章小結(jié)
2 相關(guān)理論基礎(chǔ)
    2.1 網(wǎng)約車相關(guān)概念界定
        2.1.1 網(wǎng)約車運營模式
        2.1.2 網(wǎng)約車服務(wù)類型
    2.2 長短期記憶網(wǎng)絡(luò)模型理論基礎(chǔ)
    2.3 Encoder-Decoder理論基礎(chǔ)
    2.4 注意力機制理論基礎(chǔ)
    2.5 Tensor Flow理論基礎(chǔ)
    2.6 本章小結(jié)
3 數(shù)據(jù)特征分析
    3.1 網(wǎng)約車數(shù)據(jù)質(zhì)量探索
        3.1.1 數(shù)據(jù)說明
        3.1.2 數(shù)據(jù)存在的問題
        3.1.3 數(shù)據(jù)預(yù)處理
    3.2 訂單數(shù)據(jù)特征分析
        3.2.1 訂單請求量數(shù)據(jù)分析
        3.2.2 訂單完成量數(shù)據(jù)分析
        3.2.3 訂單請求量與訂單完成量對比分析
    3.3 交通擁堵數(shù)據(jù)特征分析
    3.4 天氣狀況數(shù)據(jù)特征分析
        3.4.1 天氣類型數(shù)據(jù)分析
        3.4.2 溫度數(shù)據(jù)分析
        3.4.3 PM2.5 數(shù)據(jù)分析
    3.5 本章小結(jié)
4 網(wǎng)約車供需預(yù)測模型構(gòu)建
    4.1 時間注意力機制
        4.1.1 問題描述
        4.1.2 引入時間注意力機制的Encoder-Decoder模型
    4.2 空間注意力機制
        4.2.1 問題描述
        4.2.2 引入空間注意力機制的Encoder-Decoder模型
    4.3 基于時間和空間注意力機制的網(wǎng)約車供需預(yù)測模型
    4.4 本章小結(jié)
5 網(wǎng)約車供需預(yù)測實驗
    5.1 特征工程構(gòu)建
        5.1.1 特征編碼
        5.1.2 特征選擇
        5.1.3 特征抽取
    5.2 基于Tensor Flow的模型訓(xùn)練
    5.3 模型評價
    5.4 模型預(yù)測結(jié)果分析
        5.4.1 供需預(yù)測結(jié)果分析
        5.4.2 時空注意力分布結(jié)果分析
    5.5 網(wǎng)約車供需平衡策略建議
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號：3787186