原文传递
基于LSTM需求预测的交通枢纽站场出租车调度优化研究
| 论文题名： | 基于LSTM需求预测的交通枢纽站场出租车调度优化研究 |
| 关键词： | 交通枢纽站场;出租车调度;长短时记忆网络;需求预测 |
| 摘要： | 交通枢纽站场作为城市交通系统中的重要节点，其综合功能的发挥对于优化交通组织、提升运输效率、促进城市经济发展、满足人民出行需求均具有重要意义。快速客流集散是交通枢纽站场高效运营的重要基础。出租车作为客流集散的重要交通方式，其运营效率深受调度方案影响。站场出租车调度问题是一个具有需求随机和运营时变等特点的优化问题。针对这一问题的特点，本文提出基于长短时记忆网络（LongShort-TermMemoryLSTM）的站场出租车调度优化模型。本文主要内容如下： 1.融合分析多源数据揭示站场出租车需求与运营规律。针对交通枢纽站场多源数据，采用大数据分析技术对数据进行处理及规律分析。通过对站场出租车需求数据的提取，揭示多源数据之间的关联性。 2.构建基于LSTM出租车需求预测模型。根据多源数据分析结果，采用LSTM神经网络技术，通过时间特征和客票特征构建站场出租车需求预测模型，从而应对出租车需求时空随机的特性。 3.构建站场出租车调度优化模型。通过分析站场出租车调度机理，以站场及周边区域为研究对象，构建内外区协同的站场出租车调度优化模型。采用贪婪策略实现内区调度优化，采用NSGA-II算法实现内外区间调度优化。为进一步提升调度策略的准确性，结合LSTM的需求预测模型，提出基于LSTM的站场出租车调度优化模型。 4.通过仿真模型实现调度优化模型求解与方案评价。基于SUMO微观仿真提出站场出租车调度仿真与优化框架，构建还原站场调度运行机理的仿真模型，实现调度优化模型的求解与最优调度方案的评价。 总体上，本文借助LSTM进行交通枢纽站场出租车需求预测，在此基础上建立了站场出租车调度优化模型，在仿真环境中通过优化算法进行模型求解，实现了站场出租车调度方案的优化与评价。 |
| 作者： | 黄鑫凯 |
| 专业： | 工业工程与管理 |
| 导师： | 傅惠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
