公共自行車是一種健康環(huán)保的交通方式,為人們的出行提供了便利。在公共自行車系統(tǒng)運(yùn)行過(guò)程中,站點(diǎn)分布不合理、高峰時(shí)段各個(gè)站點(diǎn)自行車供需不平衡、運(yùn)營(yíng)管理收支不平衡等一些問(wèn)題也隨之出現(xiàn),制約著公共自行車系統(tǒng)的發(fā)展。解決這些問(wèn)題關(guān)鍵在于對(duì)用戶行為、站點(diǎn)運(yùn)行情況的分析,以及對(duì)未來(lái)時(shí)段站點(diǎn)自行車需求量預(yù)測(cè)。本文選擇了美國(guó)舊金山灣區(qū)公共自行車系統(tǒng)作為研究對(duì)象,對(duì)其用戶用車行為特征和站點(diǎn)運(yùn)行規(guī)律進(jìn)行了研究。本文的主要研究?jī)?nèi)容如下:（1）簡(jiǎn)述研究公共自行車系統(tǒng)的背景,及利用大數(shù)據(jù)技術(shù)解決公共自行車現(xiàn)存問(wèn)題的意義,同時(shí)介紹了國(guó)內(nèi)外學(xué)者對(duì)公共自行車系統(tǒng)的研究現(xiàn)狀。（2）結(jié)合美國(guó)舊金山灣區(qū)公共自行車系統(tǒng)的歷史數(shù)據(jù),利用大數(shù)據(jù)工具如Spark SQL、HDFS等進(jìn)行了數(shù)據(jù)處理。此外,還研究了用戶用車行為特征和站點(diǎn)運(yùn)行規(guī)律,并使用Highchart、Origin、Python等工具實(shí)現(xiàn)可視化分析。（3）搭建了Hadoop、Spark大數(shù)據(jù)計(jì)算平臺(tái),在基礎(chǔ)上構(gòu)建了基于隨機(jī)森林的公共自行車需求量預(yù)測(cè)模型。預(yù)測(cè)時(shí),將用戶數(shù)據(jù)、站點(diǎn)數(shù)據(jù)以及天氣數(shù)據(jù)作為輸入變量,站點(diǎn)需求量為輸出變量,對(duì)未來(lái)一天中不同站點(diǎn)各個(gè)時(shí)段的自行車需求... 

【文章來(lái)源】：太原理工大學(xué)山西省 211工程院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

騎行量月分布圖

（a）2014 年 （b）2015 年圖 2-2 不同用戶類型騎行量月分布圖Figure 2-2 Monthly cycling of different types of users從以上分析可以看出，月份對(duì)騎行量存在一定的影響。不同類型的用戶每月的使用量是有所差異的。同時(shí)從側(cè)面反映了不同的季節(jié)對(duì)騎行量也有所影響。夏季騎行量最大，而冬季騎行量最小。2.4.1.2 一周對(duì)騎行量的影響圖 2-3（a）和圖 2-3（b）分別展示了不同類型的用戶在 2014 年和 2015 年中騎行量周分布情況。從整體上看，不同類型用戶的騎行量在 2014 年和 2015 年周分布情況是一致。年費(fèi)用戶和臨時(shí)用戶在工作日（周一至周五）和非工作日（周六和周日）使用自行車出行有著顯著的差異。對(duì)于年費(fèi)用戶來(lái)說(shuō)，他們更加傾向于在工作日使用自行車出行，相比于在非工作日騎行量下降了 5 倍。這說(shuō)明年費(fèi)用戶一般選擇騎自行車上下班。而對(duì)于臨時(shí)用戶來(lái)說(shuō)，他們?cè)诜枪ぷ魅盏尿T行量相比于工作日會(huì)有較大幅度的增長(zhǎng)。在非工

（a）2014 年 （b）2015 年圖 2-3 不同用戶類型騎行量周分布圖Figure 2-3 Weekly cycling of different types of users2.4.1.3 小時(shí)對(duì)騎行量的影響一天之中每時(shí)每刻用戶騎行量都發(fā)生著不同的變化。圖 2-4 展現(xiàn)了 2014 年和 2015年各個(gè)小時(shí)中用戶騎行量的變化規(guī)律。從圖中可以看出，2014 年和 2015 年用戶騎行量隨時(shí)間變化的曲線具有很高的相似度。兩條曲線都呈雙駝峰的形式，即具有兩個(gè)高峰期：早高峰和晚高峰。早高峰期從早上 6:00 開(kāi)始，到 8:00 到達(dá)頂峰，之后用戶騎行量會(huì)降低，到 10:00 時(shí)，早高峰結(jié)束；之后用戶騎行量保持一個(gè)平穩(wěn)的趨勢(shì)，直到下午 14:00開(kāi)始晚高峰開(kāi)始，用戶騎行量開(kāi)始大幅度增長(zhǎng)，一直到 17:00 達(dá)到頂峰，隨后用戶騎行量開(kāi)始下降，直至降到最低。出現(xiàn)這種現(xiàn)象的原因就是在城市中具有上下班的高峰期。

【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM的公共自行車服務(wù)點(diǎn)租還需求量預(yù)測(cè)[J]. 陸凱韜,董紅召,陳寧.  計(jì)算機(jī)測(cè)量與控制. 2017(09)
[2]公共自行車系統(tǒng)規(guī)劃方法研究[J]. 潘媛媛,竇萬(wàn)峰.  南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2017(01)
[3]基于季節(jié)性時(shí)間序列模型的公共自行車使用量預(yù)測(cè)研究[J]. 趙鈺坤,蔡臻,竇萬(wàn)峰.  產(chǎn)業(yè)與科技論壇. 2016(07)
[4]城市公共自行車系統(tǒng)自然租賃需求估算方法[J]. 董紅召,吳滿金,劉冬旭,陳寧.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2016(02)
[5]淺談公共自行車調(diào)度問(wèn)題[J]. 葉攀,劉磊磊.  科技風(fēng). 2015(21)
[6]基于蟻群算法的城市公共自行車調(diào)度研究[J]. 張輝,鄭彭軍.  科技與管理. 2015(06)
[7]法國(guó)公共自行車系統(tǒng)布局方法與實(shí)證研究——以巴黎和里昂為例[J]. 朱瑋,何京洋,王德.  國(guó)際城市規(guī)劃. 2015(S1)
[8]基于蟻群算法的公共自行車系統(tǒng)調(diào)度算法研究[J]. 張建國(guó),吳婷,蔣陽(yáng)升.  西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(03)
[9]公共自行車文獻(xiàn)綜述[J]. Elliot Fishman,Simon Washington,Narelle Haworth,張曉為.  城市交通. 2014(02)
[10]大數(shù)據(jù)技術(shù)研究綜述[J]. 劉智慧,張泉靈.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2014(06)

碩士論文
[1]城市公共自行車系統(tǒng)需求預(yù)測(cè)研究[D]. 劉佳.西安建筑科技大學(xué) 2016
[2]公共自行車租賃點(diǎn)車輛數(shù)的預(yù)測(cè)方法研究[D]. 陸朕.南京師范大學(xué) 2015
[3]公共自行車租賃系統(tǒng)調(diào)度問(wèn)題研究[D]. 秦茜.北京交通大學(xué) 2013
[4]城市公共自行車系統(tǒng)規(guī)劃研究[D]. 周思穎.蘇州科技學(xué)院 2013
[5]公共自行車調(diào)度優(yōu)化研究[D]. 李錦霞.長(zhǎng)沙理工大學(xué) 2013



本文編號(hào)：3068983