原文传递
共享单车需求预测及优化调度算法的研究与应用
| 论文题名： | 共享单车需求预测及优化调度算法的研究与应用 |
| 关键词： | 共享单车;需求预测;优化调度;层次聚类算法 |
| 摘要： | 共享单车的出现为人们日常出行提供了便捷的服务，也为城市交通服务带来了新活力。但是在实际使用中，由于一些不可避免的原因，常常会发生站点没有可用单车或车桩的问题，站点间的单车资源经常需要重新分配和平衡。站点经常发生的短缺现象，使站点集群更能体现出人们真实的用车需求，因此，对站点集群用车需求的准确预测，以及最大程度地满足站点集群的用车需求对于充分利用系统中的单车资源有着不言而喻的意义。然而，站点集群对系统真实用车需求的体现和在单车资源再分配中的价值常常被忽略，本文对上述问题进行了研究，具体的研究内容如下： 本文通过两个阶段分别解决有桩共享单车系统的再平衡调度问题，分别是站点集群挖掘及需求预测阶段和静态再平衡调度路径规划阶段。在第一阶段中，本文通过处理骑行记录以挖掘站点的用车需求模式，利用不同时间段的用车需求以及站点之间的位置关系提出了用于站点聚类的层次聚类算法(Location-awareHierarchalClustering,LHC)。详细分析了多源数据中潜在因素对用车需求的影响，并提出基于XGBoost的回归模型对充分提取的相关特征进行建模，以预测不同时段的用车和还车需求。第二阶段本文提出一种历史时间窗口K近邻与再分配算法(HistoricalTimeWindowK-NearestNeighborandRedistribution,HTKR)来估计站点集群中每个站点在不同时间段的用车需求量，最大程度地满足站点集群的预测用车需求，然后通过研究和分析蚁群算法及衍生蚁群系统的优缺点，结合混沌理论提出了一种解决静态再平衡调度路径规划问题的蚁群优化算法。 本文在纽约花旗单车的真实数据集上进行了充分的实验，以验证和评估本文提出方法的有效性。实验结果表明与对比方法相比，LHC-XGBoost算法对站点集群不同时段的需求预测更加准确。在静态再平衡调度阶段，HTKR-ACO再分配单车资源后能够满足88%以上的站点集群预测的用车需求，并与对比方法相比能够以更快的收敛速度找到调度成本最小的调度路径，可以为系统有效地规划出合理的调度路径。最后，本文基于上述两阶段的工作成果，通过PyQT5框架设计和实现了共享单车调度系统的实际应用，以指导单车资源再分配和调度路径规划的实践，提高共享单车服务的可用性。 |
| 作者： | 周奕杉 |
| 专业： | 软件工程 |
| 导师： | 黄健斌;于思宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
