原文传递
共享单车的需求预测与调度优化研究
| 论文题名： | 共享单车的需求预测与调度优化研究 |
| 关键词： | 共享单车;需求预测;集成算法;调度需求;混合粒子群算法 |
| 摘要： | 共享单车是“互联网+”的创新，它解决了“最后1公里”的问题，便捷化了人们的出行，也可以有效缓解交通拥堵和空气污染。但是，共享单车的需求会随着时间和位置不断变化，所以，找不到共享单车或者某地停放着大量共享单车的现象经常出现。为了解决这个问题，本文将会基于2017年5月10号-2017年5月16号的北京摩拜单车的订单数据，构建以位置、时间、天气为导向的共享单车需求预测方法、以运输距离和需求供给差为导向的共享单车调度模型，让共享单车的需求与供给在时空上相互匹配。 首先，本文会通过用户出行特征分析，确定影响共享单车需求的因素。特征分析主要包括时间和空间两个方面。从小时、是否为周末分析用户出行的时间特征，从周末和工作日早晚高峰订单数据起终点的分布情况、骑行距离分析用户出行的空间特征。本文发现：小时、是否为周末和地理位置对共享单车需求的影响较大。 此后，基于特征分析、POI分析和文献总结，确定了共享单车借还车数量预测的自变量，并用集成算法进行预测，从而确定调度需求。本文用Bagging集成算法中的随机森林、Boosting集成算法中的XGBOOST和LightGBM，BP神经网络、决策树、多元线性回归和Stacking集成算法的原理搭建而成的集成模型来预测共享单车的借还车数量。结果发现：在三类集成算法中，预测性能最好的算法是Boosting集成算法，其中，LightGBM预测借车数量的RMSE最小，XGBOOST预测还车数量的RMSE最小，分别为4.2840和5.4312。 最后，基于预测得到的借还车数量，可以确定每个站点需要调入或者可以调出的共享单车数量，并以此为基础，计算目标函数值，从而确定站点被运输车辆服务的顺序。基于站点位置和累计需要调入的共享单车数量，确定调度中心，使每个运输车辆的起终点都是调度中心。以需求供给差和运输车辆行驶距离最小化为目标，建立取送一体化的共享单车调度模型。将遗传算法中的变异和交叉操作加入到粒子群算法中，组成混合粒子群算法，并用它求解调度模型，确定站点被运输车辆服务的顺序。结果发现：在求解调度模型的过程中，目标函数值的下降速度很快，所以，该算法可以较快地求解模型。 |
| 作者： | 王帆 |
| 专业： | 交通运输工程 |
| 导师： | 谭华春;翟剑峰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
