原文传递
基于神经网络的共享单车需求量预测及站点优化研究
| 论文题名： | 基于神经网络的共享单车需求量预测及站点优化研究 |
| 关键词： | 共享单车;需求预测;站点优化;神经网络 |
| 摘要： | 随着新业态经济的发展，共享单车作为共享经济的产物和城市公共交通的辅助手段，因其自身绿色、低能耗、占地少和灵活性高等特点，近年来备受欢迎，带动了共享经济的发展，解决了居民“最后一公里”的出行难题。但在实际运营中，存在着车辆淤积、随意停放和供需不平衡等诸多问题，严重影响市容市貌和用户积极性。因此，本文将共享单车的出行需求量预测和关键站点的选取及优化作为研究内容，对运营区域内共享单车需求量进行预测有助于分析该区域共享单车用户的出行需求，为共享单车调度提供数据支撑；研究关键站点的选取及优化方案，车辆调度有利于实现车辆的供需平衡，关键站点周边增设节点有助于企业合理规划单车停放点并设置电子围栏。本文的主要研究工作分为以下几个方面： （1）基于共享单车的历史出行数据，结合用户的自身属性特征和出行目的，分别从时间特征、空间特征和天气状况对共享单车用户出行需求量的影响因素进行分析，明确了不同的日期类型、出行目的地功能区域和天气都会对共享单车的需求量产生不同程度的影响。基于共享单车出行需求量的重要影响因素，进行数据预处理，为后续研究提供数据支撑。 （2）共享单车需求量预测直接决定车辆的使用率和项目运营效益，根据已有的运营数据进行准确的预测，能减少不必要的投放。综合考虑关键影响因素，建立基于注意力机制的共享单车需求量（CNN-GRU-AM）预测模型。首先利用卷积神经网络CNN提取天气特征；其次使用循环神经网络GRU捕获经由CNN输出数据的时间序列关系；再引入注意力机制挖掘数据间的潜在规律，依据特征重要性程度给各个特征赋予不同权重；最后用全连接层连接，建立预测模型。在三个运营区域内的共享单车数据集上展开实验，与常用预测模型进行对比分析，实验结果表明本文所提模型预测精度更高。 （3）根据共享单车运营区域内的单车运行数据，界定了共享单车流量净流的计算方法，构建了共享单车运营区域内的站点有向复杂网络模型；结合度、度中心性等复杂网络重要性指标，选取各运营区域复杂网络模型中的关键节点；对于共享单车关键站点的车辆供需不平衡问题，从车辆调度和站点辐射周边增设节点这两方面提出了优化方案，经济效益和社会效益显著。 |
| 作者： | 梁婷 |
| 专业： | 管理科学与工程 |
| 导师： | 彭雅丽 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江西师范大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
