共享單車系統(tǒng)在全球的許多重要城市越來(lái)越受歡迎,它為“開始和最后一英里”的旅行問(wèn)題提供了良好的解決方案,并且對(duì)解決城市交通擁堵和建設(shè)綠色環(huán)保生態(tài)有著積極意義。在共享單車系統(tǒng)中,不同站點(diǎn)在不同時(shí)段的單車借還量需求分布非常不平衡,因此系統(tǒng)維護(hù)人員需要經(jīng)常性地重新平衡每個(gè)站點(diǎn)的單車數(shù)量。對(duì)每個(gè)站點(diǎn)不同時(shí)段內(nèi)單車需求的準(zhǔn)確預(yù)測(cè)有利于系統(tǒng)中單車的重新分配。然而,每個(gè)站點(diǎn)重要程度所存在的差異性從未被考慮過(guò),而這是由城市人流分布的疏密所必然導(dǎo)致的現(xiàn)象,同時(shí)這種疏密性也導(dǎo)致了站點(diǎn)集群的產(chǎn)生。本文通過(guò)處理多源城市數(shù)據(jù),可以挖掘出共享單車系統(tǒng)中的核心站點(diǎn)和站點(diǎn)群,并對(duì)系統(tǒng)中的單車需求進(jìn)行多層次的預(yù)測(cè),以指導(dǎo)單車再平衡操作,提高單車系統(tǒng)利用率和用戶體驗(yàn)度。本文設(shè)計(jì)了兩個(gè)算法分別解決站點(diǎn)群挖掘和需求預(yù)測(cè)問(wèn)題,稱作CSC（Central Station based Clustering）和HP（Hierarchical Predictor）。CSC算法通過(guò)三個(gè)階段生成站點(diǎn)群,分別為核心站點(diǎn)挖掘、核心站點(diǎn)聚類和普通站點(diǎn)劃分。第一階段我們首先定義并計(jì)算出所有單車站點(diǎn)的需求核心度,然后選擇需求核心度最大的一部分站點(diǎn)作為... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 站點(diǎn)聚類問(wèn)題
        1.2.2 需求預(yù)測(cè)問(wèn)題
    1.3 本文主要工作及創(chuàng)新點(diǎn)
    1.4 論文結(jié)構(gòu)安排
第二章 問(wèn)題形式化定義
    2.1 問(wèn)題的描述
    2.2 問(wèn)題的討論
        2.2.1 站點(diǎn)聚類的影響
        2.2.2 核心站點(diǎn)的影響
    2.3 本章小結(jié)
第三章 站點(diǎn)群挖掘算法的研究與實(shí)現(xiàn)
    3.1 核心站點(diǎn)挖掘
    3.2 核心站點(diǎn)聚類
    3.3 普通站點(diǎn)劃分
        3.3.1 站點(diǎn)間相似度度量
        3.3.2 站點(diǎn)劃分
    3.4 本章小結(jié)
第四章 需求預(yù)測(cè)算法的研究與實(shí)現(xiàn)
    4.1 特征分析與提取
        4.1.1 天氣特征
        4.1.2 出行特征
    4.2 TWSWK算法
        4.2.1 天氣相似度
        4.2.2 時(shí)間相似度
        4.2.3 加權(quán)計(jì)算
    4.3 線性優(yōu)化模型
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 數(shù)據(jù)集分析
    5.2 比較算法與評(píng)價(jià)函數(shù)
    5.3 實(shí)驗(yàn)評(píng)估與分析
        5.3.1 站點(diǎn)群挖掘算法相關(guān)實(shí)驗(yàn)分析
        5.3.2 需求預(yù)測(cè)算法相關(guān)實(shí)驗(yàn)分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3499153