基于多源數(shù)據(jù)的公共自行車短時(shí)租借預(yù)測(cè)模型研究.pdf

1、隨著經(jīng)濟(jì)不斷發(fā)展，城市化進(jìn)程不斷加快，道路交通問(wèn)題日益嚴(yán)重。其中，交通擁堵和環(huán)境污染是道路交通問(wèn)題最突出的兩個(gè)方面。為了緩解城市交通擁堵，減少環(huán)境污染，在人們環(huán)保意識(shí)的逐漸增強(qiáng)和政府的大力推動(dòng)下，公共自行車系統(tǒng)（Public Bicycle System，PBS）迅猛發(fā)展，有效地緩解了城市道路交通問(wèn)題。但是公共自行車用戶出行的潮汐性帶來(lái)的“無(wú)車借”、“無(wú)位還”問(wèn)題制約了PBS的進(jìn)一步發(fā)展。因此利用智能算法進(jìn)行公共自行車租借預(yù)測(cè)，從而引導(dǎo)

2、用戶前往合適的公共自行車租賃點(diǎn)進(jìn)行租車還車操作，同時(shí)及時(shí)提醒PBS運(yùn)營(yíng)公司提前進(jìn)行公共自行車調(diào)度是很有必要的。然而，傳統(tǒng)的交通流預(yù)測(cè)研究大多集中在機(jī)動(dòng)車輛的道路交通流預(yù)測(cè)方面，針對(duì)公共自行車的預(yù)測(cè)研究還較少，也很少有根據(jù)公共自行車的使用特性進(jìn)行有針對(duì)性的研究。
　　本文對(duì)機(jī)動(dòng)車交通流預(yù)測(cè)模型和公共自行車的使用特性進(jìn)行了研究，提出了一種基于多源數(shù)據(jù)的公共自行車短時(shí)租借預(yù)測(cè)模型，使用公共自行車歷史租借記錄、天氣、節(jié)假日數(shù)據(jù)，解決了公共

3、自行車短時(shí)租借預(yù)測(cè)問(wèn)題。本文的主要貢獻(xiàn)與創(chuàng)新有：
　?。?）根據(jù)公共自行車的使用特性，結(jié)合公共自行車歷史租借記錄、天氣、節(jié)假日數(shù)據(jù)進(jìn)行預(yù)測(cè)；
　?。?）使用K-means算法和樸素貝葉斯分類模型，根據(jù)天氣、節(jié)假日數(shù)據(jù)進(jìn)行公共自行車租借規(guī)律預(yù)測(cè)。實(shí)驗(yàn)證明，這兩種算法結(jié)合進(jìn)行公共自行車租借規(guī)律預(yù)測(cè)具有較好的預(yù)測(cè)效果；
　?。?）使用分類后的數(shù)據(jù)構(gòu)建時(shí)間序列訓(xùn)練數(shù)據(jù)集，分別訓(xùn)練APSO-BP神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行公共自行車短時(shí)租

4、借預(yù)測(cè)。通過(guò)使用APSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可以克服BP神經(jīng)網(wǎng)絡(luò)收斂速度慢、容易陷入局部最優(yōu)的缺陷。實(shí)驗(yàn)證明，APSO-BP神經(jīng)網(wǎng)絡(luò)模型用于公共自行車短時(shí)租借預(yù)測(cè)的精確度較高；
　?。?）針對(duì)一些人流量特別大的租賃點(diǎn)，使用時(shí)間序列數(shù)據(jù)與空間數(shù)據(jù)結(jié)合，構(gòu)建時(shí)空結(jié)合的公共自行車租借預(yù)測(cè)訓(xùn)練數(shù)據(jù)集，用于訓(xùn)練APSO-BP神經(jīng)網(wǎng)絡(luò)模型。實(shí)驗(yàn)證明，對(duì)于人流量特別大的租賃點(diǎn)，時(shí)空結(jié)合的公共自行車短時(shí)租借預(yù)測(cè)精確度比時(shí)間序列公共自行車短