原文传递
基于数据驱动的电动自行车换电需求预测
| 题名： | 基于数据驱动的电动自行车换电需求预测 |
| 作者： | 帅春燕;杨芳;欧阳鑫;许庚 |
| 作者单位： | 昆明理工大学;交通工程学院 |
| 关键词： | 智能交通;换电需求预测;ARIMA模型;电动自行车;K-means聚类 |
| 摘要： | 换电企业在城市内建立换电柜，满足不断增长的电动自行车换电需求，涉及到换电柜的选址，电池的投放和换电需求的预测。本文分析了国内某大型换电企业的换电订单数据，发现换电柜存在使用严重不均衡问题，为提高使用率，降低换电成本，提出按区域对换电需求量进行聚类并预测的方法。首先，对换电柜位置进行K-means聚类，据此优化换电柜的投放量，提高使用率；随后，采用整合移动平均自回归模型(AutoregressiveIntegratedMovingAveragemodel，ARIMA)预测短时换电需求。实验发现，ARIMA模型在短时换电订单的需求预测上具有较高的预测精度，与其他基线模型相比，各指标均为最好，说明换电需求在时间上更趋于线性关系。本文提出的换电柜优化方法和短时需求预测结果为换电企业的换电柜选址和电池投放量提供数据支持。 |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版日期： | 202102 |
| 出版年： | 2021 |
| 期： | 02 |
| 页码： | 173-179 |
检索历史
应用推荐
