原文传递
公共自行车需求多因素预测模型与调度算法研究
| 论文题名： | 公共自行车需求多因素预测模型与调度算法研究 |
| 关键词： | 公共自行车;出行需求;预测模型;调度算法 |
| 摘要： | 随着社会的飞速发展，人们的生活节奏日益加快，城市机动车保有量持续攀升，引发的交通阻塞、出行困难问题引起了人们的密切关注，公共自行车作为城市公共交通的创新形式，有力解决了人们绿色出行的需要。然而，公共自行车分配不均衡问题极大影响用户的使用体验，是目前系统运营商面临的重点难题之一。因此，本文对公共自行车出行需求影响因素的分析、出行需求的预测以及公共自行车调度问题的优化求解，为公共自行车系统优化服务提供了重要的理论依据。 论文首先阐述国内外公共自行车站点规划、需求预测、车辆调度的研究现状，分析目前公共自行车系统存在的需求不平衡，调度成本大的问题，阐述解决该问题的研究方法与相关理论概述，包括历史时序均值模型，自回归平均滑动模型(ARMA)等预测模型，以及求解车辆调度问题(VRP)的启发式算法等。 其次，论文根据纽约市Citi Bike公共自行车系统的出行数据、纽约市历史天气数据，阐述影响公共自行车出行需求的多种因素，并分别对时间、位置、天气、温度因素进行分析。然后采用基于特征加权的K-means对站点进行聚类，确定天气对公共自行车使用需求的滞后变量模型，并提出带AMRA误差的多冈素预测模型(Multiple Factor Regression Model with ARMA error,简称MFR-ARMA)，对各个聚类的使用需求进行预测。实验结果表明，MFR-ARMA预测结果的平均错误率达到28％，比历史时序均值、自回归滑动平均模型预测结果优化了约8％，进而为设计调度方案提供决策支持。 最后，建立带约束的公共自行车调度优化模型，并分析基于实际距离与基于欧式距离求解调度问题的效用差异。以调度路径的总实际距离最小化为目标，提出了2-opt改进的遗传算法求解方法，通过构造实例分析该算法求解实际距离调度优化问题的可行性。实验结果表明，该算法求解的最优解平均距离为38.02km，比传统遗传算法优化了3.3％;同时，其收敛速度较传统遗传算法提高了61.1％。 |
| 作者： | 陈思浓 |
| 专业： | 计算机技术 |
| 导师： | 郑增威 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
