原文传递
基于Hadoop的共享单车停放点选址方法的研究
| 论文题名： | 基于Hadoop的共享单车停放点选址方法的研究 |
| 关键词： | 共享单车;停放点;选址模型;需求预测 |
| 摘要： | 公共自行车系统曾经在解决公共交通“最后一公里”的问题做出了贡献，他能够有效的提升城市公共交通服务的整体水平，但公共自行车系统在迅速发展的同时，也经常面临着“无车可借”与“无法还车”的问题。随着共享单车的出现，它更加方便了人们的出行需求，但随之产生的乱停乱放问题严重，影响市容环境，造成交通拥堵，违背了共享单车服务出行者的初衷。因此，针对共享单车乱停乱放的问题，本文对共享单车需求进行预测以及共享单车停放点选址问题进行建模并采用改进算法优化求解，为共享单车的管理规划提供了重要的理论依据。 本文首先根据采集到的大量共享单车数据，对共享单车的需求进行分析预测，提出了基于Canopy-Kmeans聚类算法的共享单车需求预测模型，该模型利用用户出行的真实数据进行分析，能够更好的预测出各区域范围内共享单车的实际需求。本文利用Hadoop平台对模型算法进行实现，在预测需求点的位置以及需求量上取得了很好的效果。 然后，本文根据需求点和可规划停放点，对两者进行选址分析，建立了多目标的共享单车停放点选址模型，该模型以最低建设费用和最短总出行距离为目标函数，能够切实的将选址因素体现在模型中，选址的有效性和合理性都能够得到保证。 最后，针对本文提出的共享单车停放点选址模型，采用了改进的NSGA-Ⅱ算法对模型进行求解。通过实验对比分析，表明改进的NSGA-Ⅱ算法在对模型的求解过程中得到了不错的效果，其集解更加贴近真实解。同时，针对算法运行时间较长、效率较低的问题，采用Hadoop平台的MapReduce计算框架对算法进行并行化实现。实验结果显示，并行化方法对提升算法的执行效率起到了显著的作用。 |
| 作者： | 史豫坤 |
| 专业： | 计算机技术 |
| 导师： | 陈观林 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽理工大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
