本文選題：自行車(chē)共享系統(tǒng) + 分層聚類(lèi)算法��； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年09期

【摘要】：自行車(chē)共享系統(tǒng)逐漸出現(xiàn)在許多城市中,由于在不同時(shí)間和站點(diǎn)的自行車(chē)需求量(租/還量)不平衡,系統(tǒng)中各站點(diǎn)的自行車(chē)需要人工頻繁地調(diào)整使其不斷達(dá)到平衡狀態(tài),然而實(shí)時(shí)監(jiān)控并不能很好地解決這個(gè)問(wèn)題。因此,提出了一個(gè)基于網(wǎng)絡(luò)圖的預(yù)測(cè)模型,可以預(yù)測(cè)未來(lái)時(shí)間段內(nèi)的某個(gè)站點(diǎn)自行車(chē)的需求量,提前對(duì)站點(diǎn)自行車(chē)進(jìn)行分配。通過(guò)分層聚類(lèi)算法對(duì)預(yù)測(cè)站點(diǎn)進(jìn)行聚類(lèi),得到與其相關(guān)的站點(diǎn)簇,并對(duì)站點(diǎn)簇構(gòu)建網(wǎng)絡(luò)模型。最后,使用紐約(NYC)和華盛頓(D.C.)兩個(gè)自行車(chē)共享系統(tǒng)的數(shù)據(jù)進(jìn)行實(shí)驗(yàn),并與基線(xiàn)法、歷史平均法及ARIMA模型進(jìn)行比較。結(jié)果發(fā)現(xiàn)同一簇的站點(diǎn)具有相似的使用模式,模型預(yù)測(cè)誤差率不高于0.45,網(wǎng)絡(luò)模型預(yù)測(cè)性能較好,且能夠應(yīng)用于不同城市的自行車(chē)共享系統(tǒng)。
[Abstract]:Bicycle sharing system is gradually appearing in many cities. Because of the imbalance of bicycle demand (rent / amount) at different time and site, the bicycle needs to be constantly adjusted by manual and frequent adjustment in the system. However, real-time monitoring can not solve this problem well. Therefore, a network based on network is proposed. The forecast model of collaterals can predict the demand of bicycle in a certain site in the future time, allocate the bicycle in advance, cluster the forecast site by hierarchical clustering algorithm, get its related site cluster, and build the network model of the site cluster. At the last, use two self-propelled New York (NYC) and Washington (D.C.). The data of car sharing system are tested and compared with baseline method, historical average method and ARIMA model. The results show that the same cluster of sites have similar usage patterns, the prediction error rate of the model is not higher than 0.45, the network model has better prediction performance and can be applied to the bicycle sharing system in different cities.

【作者單位】： 南京師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;江蘇省信息安全保密技術(shù)工程研究中心;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(41171298)
【分類(lèi)號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃威,林麗閩,宋亮;基于第三方整合的商業(yè)網(wǎng)絡(luò)模型[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年S1期

2 韋洛霞;耦合生長(zhǎng)網(wǎng)絡(luò)模型的模擬[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

3 江瓊琴;宋文廣;;一種改進(jìn)的BP網(wǎng)絡(luò)模型在唇裂手術(shù)預(yù)測(cè)分析中的應(yīng)用[J];池州學(xué)院學(xué)報(bào);2012年06期

4 殷洪義 ,榮明宗 ,周昭南 ,周曼殊;網(wǎng)絡(luò)模型的統(tǒng)一表征[J];國(guó)防科技大學(xué)學(xué)報(bào);1981年02期

5 常樂(lè);陸熙;李佳鈺;;BP網(wǎng)絡(luò)模型對(duì)人臉朝向的識(shí)別[J];計(jì)算機(jī)與現(xiàn)代化;2012年03期

6 樂(lè)美龍;姜丹;;基于網(wǎng)絡(luò)模型的集裝箱預(yù)翻箱問(wèn)題研究[J];計(jì)算機(jī)工程與應(yīng)用;2014年04期

7 文舸一;基于多邊形離散的網(wǎng)絡(luò)模型分解算法—波導(dǎo)特征值問(wèn)題[J];電子學(xué)報(bào);1991年01期

8 李躍新;一種基于知識(shí)的網(wǎng)絡(luò)模型計(jì)算機(jī)系統(tǒng)模擬工具[J];計(jì)算機(jī)應(yīng)用研究;1993年06期

9 駱繼明;郭新軍;;分布復(fù)雜機(jī)電系統(tǒng)網(wǎng)絡(luò)模型圖自動(dòng)生成算法研究[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年03期

10 王甲佳;;構(gòu)建網(wǎng)絡(luò)模型 解決庫(kù)存積壓[J];中國(guó)計(jì)算機(jī)用戶(hù);2009年04期

相關(guān)會(huì)議論文 前1條

1 駱繼明;郭新軍;;分布復(fù)雜機(jī)電系統(tǒng)網(wǎng)絡(luò)模型圖自動(dòng)生成算法研究[A];煤礦機(jī)電一體化新技術(shù)創(chuàng)新與發(fā)展2012學(xué)術(shù)年會(huì)論文集[C];2012年

相關(guān)碩士學(xué)位論文 前10條

1 王芳;基于深度信念網(wǎng)絡(luò)的資源檢索與推薦系統(tǒng)[D];北京郵電大學(xué);2015年

2 閆廷亞;基于GHSOM網(wǎng)絡(luò)模型的FY-2E夜間衛(wèi)星云圖分類(lèi)方法研究[D];華東交通大學(xué);2015年

3 鄭光璞;模擬視覺(jué)皮層工作機(jī)制的發(fā)育網(wǎng)絡(luò)模型研究[D];鄭州大學(xué);2016年

4 張磊;微博超網(wǎng)絡(luò)模型的建立及關(guān)鍵節(jié)點(diǎn)識(shí)別方法研究[D];南京航空航天大學(xué);2016年

5 田茂根;并行超網(wǎng)絡(luò)的研究及其在電影評(píng)分預(yù)測(cè)等問(wèn)題中的應(yīng)用[D];重慶郵電大學(xué);2016年

6 潘楚云;重復(fù)性項(xiàng)目調(diào)度模型轉(zhuǎn)化為網(wǎng)絡(luò)模型的方法及時(shí)差研究[D];華北電力大學(xué);2014年

7 孟永;基于一類(lèi)局部耦合神經(jīng)元振子網(wǎng)絡(luò)模型的定性分析及應(yīng)用[D];北京工業(yè)大學(xué);2010年

8 王悅凱;仿大腦視覺(jué)皮層的自主發(fā)育網(wǎng)絡(luò)模型研究[D];復(fù)旦大學(xué);2013年

9 程軍;MapInfo網(wǎng)絡(luò)模型擴(kuò)充研究[D];長(zhǎng)安大學(xué);2005年

10 付婷婷;用于科技文獻(xiàn)檢索的擴(kuò)展信念網(wǎng)絡(luò)模型[D];河北大學(xué);2010年

，

本文編號(hào)：1862494