基于時間序列分析的網(wǎng)約車需求短時預測研究
發(fā)布時間：2021-03-26 05:45
出租車作為城市公共交通出行體系必要組成部分,以其便利性、靈活性等特點,豐富了城市客運公共交通體系,滿足了多樣化的出行需求,逐漸成為了人們重要出行方式之一。傳統(tǒng)出租車行業(yè)供需信息的不對稱性導致“打車難”問題持續(xù)存在,隨著“互聯(lián)網(wǎng)+”在各行業(yè)的不斷滲透,網(wǎng)絡(luò)預約出租車（網(wǎng)約車）應運而生,改變了傳統(tǒng)出租車運營格局,將出租車供給和需求利用互聯(lián)網(wǎng)連接在一起,緩解了打車難問題,改善了傳統(tǒng)出租車行業(yè)供需關(guān)系。本文利用滴滴打車平臺公開數(shù)據(jù),對網(wǎng)約車需求量影響因素和時序性進行分析,基于時序分析構(gòu)建模型對網(wǎng)約車需求量進行短時預測,為網(wǎng)約車運營方法提供了借鑒,對提高網(wǎng)約車營運效率和網(wǎng)約車供需匹配效率有重要意義。本文主要作了以下研究:第一,網(wǎng)約車需求量影響因素相關(guān)性分析,結(jié)合網(wǎng)約車需求量數(shù)據(jù),分析區(qū)域POI數(shù)、天氣情況、溫度、PM2.5、道路擁堵狀況的變化對網(wǎng)約車需求量的影響,為網(wǎng)約車需求短時預測提供依據(jù)。第二,網(wǎng)約車需求變化趨勢研究,對網(wǎng)約車需求量數(shù)據(jù)進行時序分析,網(wǎng)約車需求量呈七天周期性變化,分別分析工作日和非工作日的網(wǎng)約車需求量變化趨勢,找出網(wǎng)約車出行需求變化規(guī)律,得出網(wǎng)約車需求量在工作日和非工作日下不...
【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：96 頁
【學位級別】：碩士
【部分圖文】：
圖２－１出租車數(shù)量與出租車客運量變化趨勢??Ｆｉｇｕｒｅ?２－１?Ｔｒｅｎｄ?ｏｆ?Ｔａｘｉ?Ｎｕｍｂｅｒ?ａｎｄ?Ｔａｘｉ?Ｐａｓｓｅｎｇｅｒ?Ｖｏｌｕｍｅ??
這種運營模式更符合共享經(jīng)濟的定義。在網(wǎng)約車Ｃ２Ｃ運營模式中，用戶是司??機和乘客，平臺實現(xiàn)乘客用戶與司機用戶之間的對接。移動線上平臺的核心運行環(huán)??見下圖２－５。??移動打車線上平臺軟件＇??（滴滴、Ｕｂｅｒ等）??????Ｉ??、、??核心環(huán)節(jié)?需求處理機制?派單處理機制?需求對接機制?丨??｜?ｔ?言?言?言?！??ｉ運行環(huán)節(jié)［訂單接收）［訂單處理］１向司麵單Ｊ?Ｉ司機■」???ｙ??圖２－５移動線上平臺的核心運行環(huán)節(jié)??Ｆｉｇｕｒｅ?２－５?Ｃｏｒｅ?Ｏｐｅｒａｔｉｎｇ?Ｌｉｎｋｓ?ｏｆ?Ｍｏｂｉｌｅ?Ｐｌａｔｆｏｒｍ??下面模擬滴滴打車流程，流程如圖２－６。??［路鑑諡航］??Ｉ地圖定￡預估費用ｊ?Ｌ?品變更?ｊ?Ｉ?１體剛?ｊ??Ｉ?ｔ?ｉ??ｆ＼?＼??系統(tǒng)派單?乘客上車?支付??自動／人工派車?賬戶充值?乘客主動支付??Ｖ???）?Ｖ???＾?Ｖ?＾??Ｉ?＼?１??ｃ??＾?＾?＾??到達上車點?結(jié)束??ｕｓ蓋思?短信通知?評價行程??＼?級寸?Ｊ?＼?ｙ?＼?／??Ｖ＿＿夕??圖２－６網(wǎng)約車訂單流程??Ｆｉｇｕｒｅ?
這種運營模式更符合共享經(jīng)濟的定義。在網(wǎng)約車Ｃ２Ｃ運營模式中，用戶是司??機和乘客，平臺實現(xiàn)乘客用戶與司機用戶之間的對接。移動線上平臺的核心運行環(huán)??見下圖２－５。??移動打車線上平臺軟件＇??（滴滴、Ｕｂｅｒ等）??????Ｉ??、、??核心環(huán)節(jié)?需求處理機制?派單處理機制?需求對接機制?丨??｜?ｔ?言?言?言?！??ｉ運行環(huán)節(jié)［訂單接收）［訂單處理］１向司麵單Ｊ?Ｉ司機■」???ｙ??圖２－５移動線上平臺的核心運行環(huán)節(jié)??Ｆｉｇｕｒｅ?２－５?Ｃｏｒｅ?Ｏｐｅｒａｔｉｎｇ?Ｌｉｎｋｓ?ｏｆ?Ｍｏｂｉｌｅ?Ｐｌａｔｆｏｒｍ??下面模擬滴滴打車流程，流程如圖２－６。??［路鑑諡航］??Ｉ地圖定￡預估費用ｊ?Ｌ?品變更?ｊ?Ｉ?１體剛?ｊ??Ｉ?ｔ?ｉ??ｆ＼?＼??系統(tǒng)派單?乘客上車?支付??自動／人工派車?賬戶充值?乘客主動支付??Ｖ???）?Ｖ???＾?Ｖ?＾??Ｉ?＼?１??ｃ??＾?＾?＾??到達上車點?結(jié)束??ｕｓ蓋思?短信通知?評價行程??＼?級寸?Ｊ?＼?ｙ?＼?／??Ｖ＿＿夕??圖２－６網(wǎng)約車訂單流程??Ｆｉｇｕｒｅ?
【參考文獻】：
期刊論文
[1]蘭州新區(qū)出租車需求研究[J]. 王樹祺. 公路交通科技(應用技術(shù)版). 2018(12)
[2]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時間序列預測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生. 北京航空航天大學學報. 2018(04)
[3]一種基于LSTM神經(jīng)網(wǎng)絡(luò)的短期用電負荷預測方法[J]. 張宇航,邱才明,賀興,凌澤南,石鑫. 電力信息與通信技術(shù). 2017(09)
[4]基于LSTM神經(jīng)網(wǎng)絡(luò)的用電量預測[J]. 徐堯強,方樂恒,趙冬華,王凱. 電力大數(shù)據(jù). 2017(08)
[5]深度學習框架下LSTM網(wǎng)絡(luò)在短期電力負荷預測中的應用[J]. 陳亮,王震,王剛. 電力信息與通信技術(shù). 2017(05)
[6]基于因子分析的西安出租車需求量預測與分析[J]. 張紅紅. 公路交通科技(應用技術(shù)版). 2017(05)
[7]基于LSTM神經(jīng)網(wǎng)絡(luò)模型的鋼鐵價格預測[J]. 陸澤楠,商玉林. 科技視界. 2017(13)
[8]基于ARMA和卡爾曼濾波的短時交通預測[J]. 楊高飛,徐睿,秦鳴,鄭凱俐,張兵. 鄭州大學學報(工學版). 2017(02)
[9]時空因素影響下在線短時交通量預測[J]. 李林超,何賞璐,張健. 交通運輸系統(tǒng)工程與信息. 2016(05)
[10]基于運營系統(tǒng)的出租車出行需求短時預測模型[J]. 林永杰,鄒難. 東北大學學報(自然科學版). 2016(09)
博士論文
[1]北京大氣污染物時空變化規(guī)律及評價預測模型研究[D]. 劉杰.北京科技大學 2015
碩士論文
[1]基于LSTM的時間序列混合預測方法研究[D]. 黃宏偉.湘潭大學 2018
[2]基于LSTM深度網(wǎng)絡(luò)的城市道路短時交通狀態(tài)預測模型研究[D]. 陳韞.福建工程學院 2018
[3]基于LSTM神經(jīng)網(wǎng)絡(luò)的PM2.5預測[D]. 周永生.湖南大學 2018
[4]基于LSTM神經(jīng)網(wǎng)絡(luò)的電商需求預測的研究[D]. 王淵明.山東大學 2018
[5]基于LSTM模型的汽車配件安全庫存量預測研究[D]. 劉慶.西南交通大學 2018
[6]基于大規(guī)�？爝f數(shù)據(jù)的時序分析研究與實現(xiàn)[D]. 李帥.北京郵電大學 2018
[7]基于北京市載客熱點區(qū)的出租車出行需求研究[D]. 王貝貝.北京交通大學 2018
[8]出租車需求量預測模型的研究[D]. 于揚紅雪.大連海事大學 2017
[9]基于GPS數(shù)據(jù)的城市出租車出行需求研究[D]. 王芮.山東大學 2016
[10]基于GPS數(shù)據(jù)的交通速度估計及短時預測研究[D]. 丁濤杰.國防科學技術(shù)大學 2014
本文編號：3101064
【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：96 頁
【學位級別】：碩士
【部分圖文】：
圖２－１出租車數(shù)量與出租車客運量變化趨勢??Ｆｉｇｕｒｅ?２－１?Ｔｒｅｎｄ?ｏｆ?Ｔａｘｉ?Ｎｕｍｂｅｒ?ａｎｄ?Ｔａｘｉ?Ｐａｓｓｅｎｇｅｒ?Ｖｏｌｕｍｅ??
這種運營模式更符合共享經(jīng)濟的定義。在網(wǎng)約車Ｃ２Ｃ運營模式中，用戶是司??機和乘客，平臺實現(xiàn)乘客用戶與司機用戶之間的對接。移動線上平臺的核心運行環(huán)??見下圖２－５。??移動打車線上平臺軟件＇??（滴滴、Ｕｂｅｒ等）??????Ｉ??、、??核心環(huán)節(jié)?需求處理機制?派單處理機制?需求對接機制?丨??｜?ｔ?言?言?言?！??ｉ運行環(huán)節(jié)［訂單接收）［訂單處理］１向司麵單Ｊ?Ｉ司機■」???ｙ??圖２－５移動線上平臺的核心運行環(huán)節(jié)??Ｆｉｇｕｒｅ?２－５?Ｃｏｒｅ?Ｏｐｅｒａｔｉｎｇ?Ｌｉｎｋｓ?ｏｆ?Ｍｏｂｉｌｅ?Ｐｌａｔｆｏｒｍ??下面模擬滴滴打車流程，流程如圖２－６。??［路鑑諡航］??Ｉ地圖定￡預估費用ｊ?Ｌ?品變更?ｊ?Ｉ?１體剛?ｊ??Ｉ?ｔ?ｉ??ｆ＼?＼??系統(tǒng)派單?乘客上車?支付??自動／人工派車?賬戶充值?乘客主動支付??Ｖ???）?Ｖ???＾?Ｖ?＾??Ｉ?＼?１??ｃ??＾?＾?＾??到達上車點?結(jié)束??ｕｓ蓋思?短信通知?評價行程??＼?級寸?Ｊ?＼?ｙ?＼?／??Ｖ＿＿夕??圖２－６網(wǎng)約車訂單流程??Ｆｉｇｕｒｅ?
這種運營模式更符合共享經(jīng)濟的定義。在網(wǎng)約車Ｃ２Ｃ運營模式中，用戶是司??機和乘客，平臺實現(xiàn)乘客用戶與司機用戶之間的對接。移動線上平臺的核心運行環(huán)??見下圖２－５。??移動打車線上平臺軟件＇??（滴滴、Ｕｂｅｒ等）??????Ｉ??、、??核心環(huán)節(jié)?需求處理機制?派單處理機制?需求對接機制?丨??｜?ｔ?言?言?言?！??ｉ運行環(huán)節(jié)［訂單接收）［訂單處理］１向司麵單Ｊ?Ｉ司機■」???ｙ??圖２－５移動線上平臺的核心運行環(huán)節(jié)??Ｆｉｇｕｒｅ?２－５?Ｃｏｒｅ?Ｏｐｅｒａｔｉｎｇ?Ｌｉｎｋｓ?ｏｆ?Ｍｏｂｉｌｅ?Ｐｌａｔｆｏｒｍ??下面模擬滴滴打車流程，流程如圖２－６。??［路鑑諡航］??Ｉ地圖定￡預估費用ｊ?Ｌ?品變更?ｊ?Ｉ?１體剛?ｊ??Ｉ?ｔ?ｉ??ｆ＼?＼??系統(tǒng)派單?乘客上車?支付??自動／人工派車?賬戶充值?乘客主動支付??Ｖ???）?Ｖ???＾?Ｖ?＾??Ｉ?＼?１??ｃ??＾?＾?＾??到達上車點?結(jié)束??ｕｓ蓋思?短信通知?評價行程??＼?級寸?Ｊ?＼?ｙ?＼?／??Ｖ＿＿夕??圖２－６網(wǎng)約車訂單流程??Ｆｉｇｕｒｅ?
【參考文獻】：
期刊論文
[1]蘭州新區(qū)出租車需求研究[J]. 王樹祺. 公路交通科技(應用技術(shù)版). 2018(12)
[2]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時間序列預測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生. 北京航空航天大學學報. 2018(04)
[3]一種基于LSTM神經(jīng)網(wǎng)絡(luò)的短期用電負荷預測方法[J]. 張宇航,邱才明,賀興,凌澤南,石鑫. 電力信息與通信技術(shù). 2017(09)
[4]基于LSTM神經(jīng)網(wǎng)絡(luò)的用電量預測[J]. 徐堯強,方樂恒,趙冬華,王凱. 電力大數(shù)據(jù). 2017(08)
[5]深度學習框架下LSTM網(wǎng)絡(luò)在短期電力負荷預測中的應用[J]. 陳亮,王震,王剛. 電力信息與通信技術(shù). 2017(05)
[6]基于因子分析的西安出租車需求量預測與分析[J]. 張紅紅. 公路交通科技(應用技術(shù)版). 2017(05)
[7]基于LSTM神經(jīng)網(wǎng)絡(luò)模型的鋼鐵價格預測[J]. 陸澤楠,商玉林. 科技視界. 2017(13)
[8]基于ARMA和卡爾曼濾波的短時交通預測[J]. 楊高飛,徐睿,秦鳴,鄭凱俐,張兵. 鄭州大學學報(工學版). 2017(02)
[9]時空因素影響下在線短時交通量預測[J]. 李林超,何賞璐,張健. 交通運輸系統(tǒng)工程與信息. 2016(05)
[10]基于運營系統(tǒng)的出租車出行需求短時預測模型[J]. 林永杰,鄒難. 東北大學學報(自然科學版). 2016(09)
博士論文
[1]北京大氣污染物時空變化規(guī)律及評價預測模型研究[D]. 劉杰.北京科技大學 2015
碩士論文
[1]基于LSTM的時間序列混合預測方法研究[D]. 黃宏偉.湘潭大學 2018
[2]基于LSTM深度網(wǎng)絡(luò)的城市道路短時交通狀態(tài)預測模型研究[D]. 陳韞.福建工程學院 2018
[3]基于LSTM神經(jīng)網(wǎng)絡(luò)的PM2.5預測[D]. 周永生.湖南大學 2018
[4]基于LSTM神經(jīng)網(wǎng)絡(luò)的電商需求預測的研究[D]. 王淵明.山東大學 2018
[5]基于LSTM模型的汽車配件安全庫存量預測研究[D]. 劉慶.西南交通大學 2018
[6]基于大規(guī)�？爝f數(shù)據(jù)的時序分析研究與實現(xiàn)[D]. 李帥.北京郵電大學 2018
[7]基于北京市載客熱點區(qū)的出租車出行需求研究[D]. 王貝貝.北京交通大學 2018
[8]出租車需求量預測模型的研究[D]. 于揚紅雪.大連海事大學 2017
[9]基于GPS數(shù)據(jù)的城市出租車出行需求研究[D]. 王芮.山東大學 2016
[10]基于GPS數(shù)據(jù)的交通速度估計及短時預測研究[D]. 丁濤杰.國防科學技術(shù)大學 2014
本文編號：3101064
本文鏈接：http://sikaile.net/kejilunwen/daoluqiaoliang/3101064.html
