公共自行車需求多因素預(yù)測模型與調(diào)度算法研究
發(fā)布時(shí)間:2023-10-15 15:53
隨著社會的飛速發(fā)展,人們的生活節(jié)奏日益加快,城市機(jī)動車保有量持續(xù)攀升,引發(fā)的交通阻塞、出行困難問題引起了人們的密切關(guān)注,公共自行車作為城市公共交通的創(chuàng)新形式,有力解決了人們綠色出行的需要。然而,公共自行車分配不均衡問題極大影響用戶的使用體驗(yàn),是目前系統(tǒng)運(yùn)營商面臨的重點(diǎn)難題之一。因此,本文對公共自行車出行需求影響因素的分析、出行需求的預(yù)測以及公共自行車調(diào)度問題的優(yōu)化求解,為公共自行車系統(tǒng)優(yōu)化服務(wù)提供了重要的理論依據(jù)。論文首先闡述國內(nèi)外公共自行車站點(diǎn)規(guī)劃、需求預(yù)測、車輛調(diào)度的研究現(xiàn)狀,分析目前公共自行車系統(tǒng)存在的需求不平衡,調(diào)度成本大的問題,闡述解決該問題的研究方法與相關(guān)理論概述,包括歷史時(shí)序均值模型,自回歸平均滑動模型(ARMA)等預(yù)測模型,以及求解車輛調(diào)度問題(VRP)的啟發(fā)式算法等。其次,論文根據(jù)紐約市Citi Bike公共自行車系統(tǒng)的出行數(shù)據(jù)、紐約市歷史天氣數(shù)據(jù),闡述影響公共自行車出行需求的多種因素,并分別對時(shí)間、位置、天氣、溫度因素進(jìn)行分析。然后采用基于特征加權(quán)的K-means對站點(diǎn)進(jìn)行聚類,確定天氣對公共自行車使用需求的滯后變量模型,并提出帶AMRA誤差的多因素預(yù)測模型(Mul...
【文章頁數(shù)】:81 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 選題背景及意義
1.2 國內(nèi)外發(fā)展及研究現(xiàn)狀
1.3 研究內(nèi)容與研究框架
第2章 相關(guān)理論概述
2.1 傳統(tǒng)時(shí)序預(yù)測算法概述
2.1.1 歷史時(shí)序均值法
2.1.2 指數(shù)平滑法
2.1.3 自回歸滑動平均模型
2.2 車輛調(diào)度問題啟發(fā)式算法概述
2.2.1 蟻群算法
2.2.2 禁忌搜索
2.2.3 遺傳算法
2.3 K-means聚類算法
第3章 公共自行車出行影響因素分析
3.1 數(shù)據(jù)集概述
3.1.1 數(shù)據(jù)集選取
3.1.2 出行記錄數(shù)據(jù)
3.1.3 站點(diǎn)信息數(shù)據(jù)
3.1.4 天氣數(shù)據(jù)
3.2 時(shí)間因素分析
3.3 位置因素分析
3.4 天氣因素分析
3.5 溫度因素分析
3.6 本章小結(jié)
第4章 MFR-ARMA需求預(yù)測模型
4.1 MFR-ARMA模型框架
4.2 基于特征加權(quán)K-means的站點(diǎn)聚類
4.3 天氣滯后變量模型
4.4 MFR-ARMA模型建立
4.5 實(shí)驗(yàn)結(jié)果分析
4.5.1 實(shí)驗(yàn)環(huán)境
4.5.2 聚類結(jié)果分析
4.5.3 天氣滯后系數(shù)分析
4.5.4 預(yù)測結(jié)果
第5章 公共自行車系統(tǒng)車輛調(diào)度優(yōu)化
5.1 公共自行車調(diào)度模型建模
5.2 調(diào)配量分析
5.3 基于實(shí)際距離的車輛路徑問題優(yōu)化
5.4 基于2-opt改進(jìn)的遺傳算法求解
5.4.1 遺傳算法求解分析
5.4.2 算法設(shè)計(jì)
5.5 實(shí)例分析
5.5.1 實(shí)驗(yàn)數(shù)據(jù)
5.5.2 參數(shù)設(shè)置
5.5.3 求解結(jié)果分析
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝
附錄
本文編號:3854208
【文章頁數(shù)】:81 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 選題背景及意義
1.2 國內(nèi)外發(fā)展及研究現(xiàn)狀
1.3 研究內(nèi)容與研究框架
第2章 相關(guān)理論概述
2.1 傳統(tǒng)時(shí)序預(yù)測算法概述
2.1.1 歷史時(shí)序均值法
2.1.2 指數(shù)平滑法
2.1.3 自回歸滑動平均模型
2.2 車輛調(diào)度問題啟發(fā)式算法概述
2.2.1 蟻群算法
2.2.2 禁忌搜索
2.2.3 遺傳算法
2.3 K-means聚類算法
第3章 公共自行車出行影響因素分析
3.1 數(shù)據(jù)集概述
3.1.1 數(shù)據(jù)集選取
3.1.2 出行記錄數(shù)據(jù)
3.1.3 站點(diǎn)信息數(shù)據(jù)
3.1.4 天氣數(shù)據(jù)
3.2 時(shí)間因素分析
3.3 位置因素分析
3.4 天氣因素分析
3.5 溫度因素分析
3.6 本章小結(jié)
第4章 MFR-ARMA需求預(yù)測模型
4.1 MFR-ARMA模型框架
4.2 基于特征加權(quán)K-means的站點(diǎn)聚類
4.3 天氣滯后變量模型
4.4 MFR-ARMA模型建立
4.5 實(shí)驗(yàn)結(jié)果分析
4.5.1 實(shí)驗(yàn)環(huán)境
4.5.2 聚類結(jié)果分析
4.5.3 天氣滯后系數(shù)分析
4.5.4 預(yù)測結(jié)果
第5章 公共自行車系統(tǒng)車輛調(diào)度優(yōu)化
5.1 公共自行車調(diào)度模型建模
5.2 調(diào)配量分析
5.3 基于實(shí)際距離的車輛路徑問題優(yōu)化
5.4 基于2-opt改進(jìn)的遺傳算法求解
5.4.1 遺傳算法求解分析
5.4.2 算法設(shè)計(jì)
5.5 實(shí)例分析
5.5.1 實(shí)驗(yàn)數(shù)據(jù)
5.5.2 參數(shù)設(shè)置
5.5.3 求解結(jié)果分析
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝
附錄
本文編號:3854208
本文鏈接:http://sikaile.net/kejilunwen/jiaotonggongchenglunwen/3854208.html
最近更新
教材專著