掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
蜜蜂的寓言:私人的惡德,公眾的利益
-
>
世界貿易戰簡史
-
>
日本的凱恩斯:高橋是清傳:從足輕到藏相
-
>
近代天津工業與企業制度
-
>
貨幣之語
-
>
眉山金融論劍
-
>
圖解資本論
互聯網租賃自行車共享出行特征分析與優化管理 版權信息
- ISBN：9787030721358
- 條形碼：9787030721358 ; 978-7-03-072135-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
互聯網租賃自行車共享出行特征分析與優化管理 本書特色
基于多源異構數據，對租賃自行車進行出行特征及動態相關性分析方法，構建互聯網租賃自行車行業長效管理新機制、全生命周期管理新模式，維護互聯網租賃自行車行業的健康發展，為優化城市慢行交通系統提供政策新思路。
互聯網租賃自行車共享出行特征分析與優化管理 內容簡介
《互聯網租賃自行車共享出行特征分析與優化管理》以互聯網租賃自行車為研究對象，基于多源數據解析了租賃自行車出行特征，探究了租賃自行車共享出行需求生成機理，構建了租賃自行車需求預測模型，研究了投放量優化、動靜態智能調度、接駁換乘出行優化等系統優化管理方法，提出了面向全生命周期的低碳效益評估模型，并以南京市為例進行了實證分析。
互聯網租賃自行車共享出行特征分析與優化管理 目錄
目錄
前言
第1章 緒論 1
1.1 研究背景和意義 1
1.1.1 研究背景 1
1.1.2 研究意義 2
1.2 國內外研究現狀 3
1.2.1 租賃自行車特性分析 3
1.2.2 租賃自行車需求預測 4
1.2.3 租賃自行車投放優化 7
1.2.4 租賃自行車調度優化 9
1.2.5 租賃自行車換乘優化 13
1.2.6 租賃自行車低碳評估 16
1.2.7 現狀研究存在的不足 17
1.3 主要研究內容 19
1.4 研究技術路線 21
參考文獻 23
第2章 互聯網租賃自行車出行特征分析 31
2.1 南京市租賃自行車發展概況 31
2.2 研究數據獲取與預處理 32
2.2.1 互聯網租賃自行車騎行數據 33
2.2.2 城市興趣點數據 34
2.2.3 路網與公共交通站點數據 35
2.2.4 天氣數據 35
2.3 互聯網租賃自行車虛擬站點生成 36
2.3.1 評價指標 36
2.3.2 生成方法 38
2.3.3 生成結果 42
2.4 互聯網租賃自行車時空特征分析 43
2.4.1 時間特征分析 43
2.4.2 空間特征分析 47
參考文獻 54
第3章 互聯網租賃自行車接駁換乘行為特征分析 56
3.1 研究數據獲取與預處理 56
3.1.1 共享單車騎行數據 56
3.1.2 軌道交通站點和線路數據 57
3.1.3 研究數據預處理 58
3.2 互聯網租賃自行車與軌道交通換乘行為辨識 59
3.2.1 軌道交通站點接駁緩沖區 59
3.2.2 共享單車接駁行為辨識 61
3.2.3 基于個人的共享單車接駁行為辨識 62
3.3 互聯網租賃自行車接駁軌道交通換乘行為特征分析 65
3.3.1 時間維度騎行特性分析 65
3.3.2 空間維度騎行特性分析 68
3.4 互聯網租賃自行車接駁軌道交通組合出行路徑分析 71
3.4.1 軌道交通路徑分析 71
3.4.2 租賃自行車路徑分析 73
3.4.3 組合出行路徑分析 74
參考文獻 75
第4章 互聯網租賃自行車共享出行需求預測 77
4.1 互聯網租賃自行車共享出行需求分析模型 77
4.1.1 數據源與數據處理 77
4.1.2 時空地理加權回歸模型構建 79
4.1.3 模型結果與分析 81
4.2 互聯網租賃自行車共享出行需求短時預測 88
4.2.1 深度學習相關理論 88
4.2.2 引入注意力機制的時空圖卷積網絡預測模型構建 95
4.2.3 實驗過程 96
4.2.4 實驗結果與分析 102
參考文獻 109
第5章 互聯網租賃自行車投放量優化 112
5.1 互聯網租賃自行車投放量影響因素分析 112
5.1.1 問題描述 112
5.1.2 互聯網租賃自行車投放量影響因素 113
5.2 互聯網租賃自行車交通設施承載力測度方法 114
5.2.1 城市交通設施承載力概述 115
5.2.2 互聯網租賃自行車道路網絡承載力測度方法 115
5.2.3 互聯網租賃自行車停車設施承載力測度方法 118
5.2.4 互聯網租賃自行車承載力測度實例 120
5.2.5 互聯網租賃自行車交通設施承載負荷分析 124
5.3 互聯網租賃自行車投放量優化模型 126
5.3.1 互聯網租賃自行車投放量測算模型 126
5.3.2 模型求解 129
5.3.3 互聯網租賃自行車投放量測算實例 130
參考文獻 133
第6章 互聯網租賃自行車智能調度優化 134
6.1 互聯網租賃自行車調度量確定 134
6.1.1 靜態調度的調度量確定 134
6.1.2 動態調度的調度量確定 136
6.2 互聯網租賃自行車調度子區劃分方法 139
6.2.1 非重疊社團發現概念 139
6.2.2 非重疊社團發現算法 141
6.2.3 調度子區劃分評價指標 143
6.3 互聯網租賃自行車靜態調度優化模型 145
6.3.1 問題描述 145
6.3.2 模型構建 146
6.3.3 模型求解 149
6.3.4 算例分析 156
6.4 互聯網租賃自行車動態調度優化模型 163
6.4.1 問題描述 163
6.4.2 模型構建 164
6.4.3 模型求解 172
6.4.4 算例分析 177
參考文獻 186
第7章 互聯網租賃自行車接駁換乘出行優化 189
7.1 組合出行路徑優化問題描述與假設 189
7.1.1 組合出行路徑優化問題描述 189
7.1.2 組合出行路徑優化目標與假設 191
7.2 復合網絡動態承載狀態估計方法 192
7.2.1 復合網絡承載狀態定義 192
7.2.2 軌道交通動態承載狀態估計方法 193
7.2.3 租賃自行車動態承載狀態估計方法 197
7.3 租賃自行車組合出行路徑優化 201
7.3.1 組合出行路徑優化目標函數 201
7.3.2 組合出行路徑優化求解算法 203
7.3.3 案例分析 204
7.3.4 組合出行路徑優化策略 209
參考文獻 210
第8章 互聯網租賃自行車低碳效益評估優化 211
8.1 互聯網租賃自行車影響下小汽車出行轉移機理 211
8.1.1 問卷設計與數據收集 212
8.1.2 基于主觀感知的影響因素分析 214
8.1.3 模型擬合與檢驗 217
8.1.4 模型結果 220
8.2 互聯網租賃自行車共享出行碳減排估算方法 222
8.2.1 問卷設計與數據收集 223
8.2.2 描述性統計分析 224
8.2.3 互聯網租賃自行車碳減排效果核算 226
8.3 面向全生命周期的互聯網租賃自行車低碳效益評估模型 229
8.3.1 模型建立 229
8.3.2 結果核算 233
參考文獻 235
前言
第1章 緒論 1
1.1 研究背景和意義 1
1.1.1 研究背景 1
1.1.2 研究意義 2
1.2 國內外研究現狀 3
1.2.1 租賃自行車特性分析 3
1.2.2 租賃自行車需求預測 4
1.2.3 租賃自行車投放優化 7
1.2.4 租賃自行車調度優化 9
1.2.5 租賃自行車換乘優化 13
1.2.6 租賃自行車低碳評估 16
1.2.7 現狀研究存在的不足 17
1.3 主要研究內容 19
1.4 研究技術路線 21
參考文獻 23
第2章 互聯網租賃自行車出行特征分析 31
2.1 南京市租賃自行車發展概況 31
2.2 研究數據獲取與預處理 32
2.2.1 互聯網租賃自行車騎行數據 33
2.2.2 城市興趣點數據 34
2.2.3 路網與公共交通站點數據 35
2.2.4 天氣數據 35
2.3 互聯網租賃自行車虛擬站點生成 36
2.3.1 評價指標 36
2.3.2 生成方法 38
2.3.3 生成結果 42
2.4 互聯網租賃自行車時空特征分析 43
2.4.1 時間特征分析 43
2.4.2 空間特征分析 47
參考文獻 54
第3章 互聯網租賃自行車接駁換乘行為特征分析 56
3.1 研究數據獲取與預處理 56
3.1.1 共享單車騎行數據 56
3.1.2 軌道交通站點和線路數據 57
3.1.3 研究數據預處理 58
3.2 互聯網租賃自行車與軌道交通換乘行為辨識 59
3.2.1 軌道交通站點接駁緩沖區 59
3.2.2 共享單車接駁行為辨識 61
3.2.3 基于個人的共享單車接駁行為辨識 62
3.3 互聯網租賃自行車接駁軌道交通換乘行為特征分析 65
3.3.1 時間維度騎行特性分析 65
3.3.2 空間維度騎行特性分析 68
3.4 互聯網租賃自行車接駁軌道交通組合出行路徑分析 71
3.4.1 軌道交通路徑分析 71
3.4.2 租賃自行車路徑分析 73
3.4.3 組合出行路徑分析 74
參考文獻 75
第4章 互聯網租賃自行車共享出行需求預測 77
4.1 互聯網租賃自行車共享出行需求分析模型 77
4.1.1 數據源與數據處理 77
4.1.2 時空地理加權回歸模型構建 79
4.1.3 模型結果與分析 81
4.2 互聯網租賃自行車共享出行需求短時預測 88
4.2.1 深度學習相關理論 88
4.2.2 引入注意力機制的時空圖卷積網絡預測模型構建 95
4.2.3 實驗過程 96
4.2.4 實驗結果與分析 102
參考文獻 109
第5章 互聯網租賃自行車投放量優化 112
5.1 互聯網租賃自行車投放量影響因素分析 112
5.1.1 問題描述 112
5.1.2 互聯網租賃自行車投放量影響因素 113
5.2 互聯網租賃自行車交通設施承載力測度方法 114
5.2.1 城市交通設施承載力概述 115
5.2.2 互聯網租賃自行車道路網絡承載力測度方法 115
5.2.3 互聯網租賃自行車停車設施承載力測度方法 118
5.2.4 互聯網租賃自行車承載力測度實例 120
5.2.5 互聯網租賃自行車交通設施承載負荷分析 124
5.3 互聯網租賃自行車投放量優化模型 126
5.3.1 互聯網租賃自行車投放量測算模型 126
5.3.2 模型求解 129
5.3.3 互聯網租賃自行車投放量測算實例 130
參考文獻 133
第6章 互聯網租賃自行車智能調度優化 134
6.1 互聯網租賃自行車調度量確定 134
6.1.1 靜態調度的調度量確定 134
6.1.2 動態調度的調度量確定 136
6.2 互聯網租賃自行車調度子區劃分方法 139
6.2.1 非重疊社團發現概念 139
6.2.2 非重疊社團發現算法 141
6.2.3 調度子區劃分評價指標 143
6.3 互聯網租賃自行車靜態調度優化模型 145
6.3.1 問題描述 145
6.3.2 模型構建 146
6.3.3 模型求解 149
6.3.4 算例分析 156
6.4 互聯網租賃自行車動態調度優化模型 163
6.4.1 問題描述 163
6.4.2 模型構建 164
6.4.3 模型求解 172
6.4.4 算例分析 177
參考文獻 186
第7章 互聯網租賃自行車接駁換乘出行優化 189
7.1 組合出行路徑優化問題描述與假設 189
7.1.1 組合出行路徑優化問題描述 189
7.1.2 組合出行路徑優化目標與假設 191
7.2 復合網絡動態承載狀態估計方法 192
7.2.1 復合網絡承載狀態定義 192
7.2.2 軌道交通動態承載狀態估計方法 193
7.2.3 租賃自行車動態承載狀態估計方法 197
7.3 租賃自行車組合出行路徑優化 201
7.3.1 組合出行路徑優化目標函數 201
7.3.2 組合出行路徑優化求解算法 203
7.3.3 案例分析 204
7.3.4 組合出行路徑優化策略 209
參考文獻 210
第8章 互聯網租賃自行車低碳效益評估優化 211
8.1 互聯網租賃自行車影響下小汽車出行轉移機理 211
8.1.1 問卷設計與數據收集 212
8.1.2 基于主觀感知的影響因素分析 214
8.1.3 模型擬合與檢驗 217
8.1.4 模型結果 220
8.2 互聯網租賃自行車共享出行碳減排估算方法 222
8.2.1 問卷設計與數據收集 223
8.2.2 描述性統計分析 224
8.2.3 互聯網租賃自行車碳減排效果核算 226
8.3 面向全生命周期的互聯網租賃自行車低碳效益評估模型 229
8.3.1 模型建立 229
8.3.2 結果核算 233
參考文獻 235
展開全部
互聯網租賃自行車共享出行特征分析與優化管理 節選
第1章 緒論 1.1 研究背景和意義 1.1.1 研究背景 我國正在經歷著快速的城市化和機動化進程，出行需求不斷增長的同時，城市居民的出行方式也在發生著改變。一方面，城市規模的不斷擴大導致居民出行距離也在擴大，私家車已成為城市居民出行的一種主要方式。根據公安部交通管理局發布的數據，我國私家車保有量由2000年的654萬輛增加到2019年的2.6億輛，全國共有66個城市的汽車保有量超過百萬輛，30個城市超過200萬輛。盡管城市化水平的提高和私家車的普及為人們的生活帶來了明顯的改善和便利，但是與此同時也給城市交通造成了巨大的壓力，導致日益加劇的城市交通擁堵和城市環境污染問題。另一方面，隨著社會經濟的發展和人們生活水平的提升，城市居民對于出行質量的要求也越來越高。 在此背景下，2019年9月，中共中央、國務院正式印發了《交通強國建設綱要》，明確指出要在2035年實現“智能、平安、綠色、共享交通發展水平明顯提高，城市交通擁堵基本緩解，無障礙出行服務體系基本完善”的目標，更好地滿足人民群眾美好出行需要。作為有效緩解交通擁堵與節能減排的綠色交通手段，城市互聯網租賃自行車（以下簡稱“租賃自行車”）不僅適用于中短途出行，同時也是軌道交通和地面常規公交的重要補充和延伸，能夠有效緩解城市內部的交通壓力、提升居民出行質量、降低能源消耗、減少尾氣排放，是契合當前社會低碳發展的交通出行方式。 租賃自行車是一種有效的末端出行方式。租賃自行車系統又稱為“自行車共享系統”，*早起源于歐洲，自1965年**代公共自行車系統在荷蘭阿姆斯特丹產生以來[1]，公共自行車系統經歷了四代發展。其中，第三代和第四代租賃自行車即市面上主流的“有樁公共自行車”和“無樁共享單車”。租賃自行車換乘軌道一方面借助自行車“門到門”的特性擴大了個體對軌道站點或目的地的選擇范圍，同時利用軌道交通的優勢規避了地面交通的干擾，極大地提高了個體的出行時間可靠性。近年來，借助互聯網和共享經濟的東風，租賃自行車的出現和興起，激發了大眾對自行車的使用熱情。截至2019年底，我國租賃自行車已覆蓋全國360個城市，注冊用戶超過3億人次，日均使用量約4570萬人次。 隨著對《中共中央關于制定國民經濟和社會發展第十三個五年規劃的建議》中創新、協調、綠色、開放、共享發展理念的貫徹落實，互聯網租賃自行車作為移動互聯網和租賃自行車融合發展的新型服務模式，借助智能手機、移動互聯網、全球定位系統（GPS）等科技手段，憑借無樁運營、移動支付、隨走隨停等特點，為用戶借還車提供了極大的自主性和便利性。近年來，互聯網租賃自行車在我國甚至全世界范圍內得到了迅猛的發展。相較于傳統的有樁公共自行車企業，處于探索發展階段的互聯網租賃自行車企業運營管理經驗較少，系統在實際運營過程中的弊端也日益凸顯，如資源配置失衡、亂停亂放現象嚴重、運維調度不合理等[2]，這些問題導致互聯網租賃自行車系統運營服務水平下降，同時造成了一定的負面社會影響。 2017年8月，交通運輸部等10部門聯合出臺了《關于鼓勵和規范互聯網租賃自行車發展的指導意見》，該意見指出各城市須引導有序投放車輛、推進自行車停車點位設置和建設、規范運營服務行為。2018年3月5日，第十三屆全國人民代表大會**次會議開幕，會后交通運輸部部長李小鵬在回應互聯網租賃自行車管理服務問題時指出，互聯網租賃自行車在發展過程中依然存在著亂停亂放、服務維護不及時等問題，社會各界需要共同治理與維護，讓共享單車能夠更好地服務大眾。2019年，曾經共享單車行業的巨頭ofo小黃車瀕臨破產，摩拜單車（Mobike）被美團收購并更名為美團單車。與此同時，哈啰單車（Hellobike）和青桔單車分別在阿里巴巴和滴滴出行的扶持下逐步成為國內主流的共享單車公司，與美團單車形成了“三足鼎立”的格局。盡管共享單車的熱潮已退，但是毫無疑問，這種低碳環保的新型出行方式正在影響和改變著我國城市居民的出行模式和出行觀念。 1.1.2 研究意義 當前，我國發展所面臨的機遇和挑戰都有新的變化。2020年9月，習近平總書記在第七十五屆聯合國大會一般性辯論會上發表重要講話，提出我國“二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和”。2020年12月，中央經濟工作會議把“做好碳達峰、碳中和工作”定為2021年八大工作重點之一。2021年的國務院政府工作報告也明確提出，要“扎實做好碳達峰、碳中和各項工作”。交通運輸行業是我國碳中和關注的重點領域，低碳交通工具的使用、綠色出行系統的完善是交通部門脫碳戰略的主要方面。《交通強國建設綱要》中明確提出，“開展綠色出行行動，倡導綠色低碳出行理念”，“大力發展共享交通，打造基于移動智能終端技術的服務系統，實現出行即服務”。2021年2月，《國務院關于加快建立健全綠色低碳循環發展經濟體系的指導意見》印發，倡導綠色低碳生活方式。新一輪科技革命和產業變革正加速演變，綠色交通、共享交通、智慧交通成為我國培育交通發展新優勢的重要發力點。為積極貫徹落實國家層面的一系列重大決策部署，應堅持創新、協調、綠色、開放、共享的新發展理念，積極鼓勵和規范共享交通新業態，全面推進節能減排和低碳循環發展，構筑新型交通生態系統，努力建設低碳交通系統。 互聯網租賃自行車作為低碳交通系統的重要組成部分，是移動互聯網和租賃自行車融合發展的新型綠色交通服務模式，為滿足公眾短距離出行和公共交通接駁換乘需求提供了新選項，在我國得到了快速發展。尤其是在當前疫情常態化防控形勢下，少接觸、少聚集的防控要求使得互聯網租賃自行車騎行需求量明顯提升。人民群眾出行模式正發生深刻變化，多層次、多樣化、個性化的出行需求特征更加明顯，“綠色共享”成為重要出行方式。 在此背景下，針對互聯網租賃自行車系統運營中面臨的突出問題，如何科學構建互聯網租賃自行車系統的運營優化模型及機制，制定高效合理的調度運營管理方案以提高單車運轉效率和調度水平，促進租賃自行車與軌道交通協同發展以引導公眾低碳出行，是優化城市交通結構、實現城市交通運輸系統可持續發展的關鍵，也是當前備受關注且亟待解決的一個重大研究課題。 1.2 國內外研究現狀 租賃自行車作為一種新興的交通方式，其建設發展時間較短，相關的理論研究較少。目前已有的租賃自行車相關研究主要集中在傳統公共自行車方面，涌現出豐富的研究成果。鑒于互聯網租賃自行車和有樁公共自行車存在很多相似之處，本書結合傳統的有樁公共自行車和互聯網租賃自行車，分別從“租賃自行車特性分析”“租賃自行車需求預測”“租賃自行車投放優化”“租賃自行車調度優化”“租賃自行車換乘優化”“租賃自行車低碳評估”6個方面對國內外研究進展進行重點闡述。 1.2.1 租賃自行車特性分析 由于各交通方式自身有著不同的固有特性，加之出行個體屬性的差異性，各種交通方式對不同群體具有不同的吸引程度，租賃自行車作為交通方式的一種，在城市交通發展過程中逐步得到重視。探究租賃自行車自身特性，為租賃自行車系統的良好運營和未來發展提供理論基礎。Pinand等從交通特性的角度指出公共自行車和其他交通方式都是重要的城市要素[3]。Shaheen和Guzman指出公共自行車與現存的交通模式具有互補性，也被應用于解決“*后一公里”出行的問題[4]。Gastillo-Manzano等指出本地居民、受教育水平和被盜風險是決定公共自行車和私人自行車哪個更受歡迎的主要因素[5]。Bernatchez等通過 7011 份電話調查發現，公共自行車站點布設密度是影響公共自行車吸引力的關鍵因素[6]。Shaheen等還通過對杭州市公共自行車使用者和非使用者的問卷調查，統計分析使用者與非使用者在個人屬性、對出行環境和環保的態度及對現有公共自行車系統的評價方面的區別[7]。Bachand-Marleau等在蒙特利爾通過問卷調查收集個人屬性和附近交通設施的相關數據，探討公共自行車使用者個人特征及交通設施的完善程度與使用頻率的關系[8]。Flamm等對公共自行車系統實施前后公共汽車歷年工作日與周末、不同類型公交線路的客流量進行統計分析，揭示公共自行車系統在短距離的優勢及對公共交通產生的影響[9]。石曉鳳從公共自行車設施的使用角度出發，對用戶的使用特征進行調查研究，總結我國公共自行車系統的交通特性和運營特征[10]。牛偉偉和葉霞飛等探討了公共自行車接駁的相關特性，包括公共自行車接駁軌道交通的特點、單輛自行車周轉率等，得出公共自行車在城市外圍地區接駁軌道交通中發揮獨*的作用的結論[11]。 在IC卡（集成電路卡）數據應用方面，Bian和Wu等利用北京公共自行車IC卡數據，統計了不同行政區站點借車頻次、周轉率，據此將站點劃分成四個等級，為站點優化提供依據；并通過問卷調查統計出行目的、出行模式等出行特征，利用曲線擬合獲得公共自行車使用量與出行距離的關系，計算站點服務半徑[12]。Vogel和Greiser等通過對公共自行車系統大量借還車數據挖掘分析，統計各站點工作日與周末不同時間段借還車頻次，以此為依據利用聚類分析將站點分為五類，并結合站點的空間分布研究不同類型站點的活動模式[13]。黃莉和劉丁酉以MySQL關系數據庫為工具，對溫州市鹿城區20天借還車數據進行處理，統計了各站點的借還車頻次、用車時長和時刻分布，以期研究公共自行車服務系統的運行規律[14]。 1.2.2 租賃自行車需求預測 租賃自行車需求預測對系統的運營具有重要意義。根據預測的時間跨度，可以分為中長時需求預測（預測時長超過60min）及短時需求預測（預測時長為5～60min）[15]。精準地預測租賃自行車的短時借還需求，能夠有效提高租賃自行車的調度效率與服務質量。目前關于租賃自行車短時需求預測方法主要分為：時間序列預測方法、機器學習預測方法和深度學習預測方法。 1. 時間序列預測方法 國內外一些學者將租賃自行車的短時需求預測問題劃歸為時間序列預測問題，通過對已有的時間序列進行分析，提取其中的變化特征，從而預測未來的借還需求量。Shen等基于互聯網租賃自行車的歷史騎行數據，利用K均值（K-means）算法得到了互聯網租賃自行車的虛擬站點，通過構建自回歸移動平均模型（ARMA）預測了虛擬站點在工作日的用戶借還需求[16]。劉暢基于互聯網租賃自行車歷史騎行數據，分析其需求變化的周期性特征，構建了差分自回歸移動平均模型（ARIMA）對網格內的互聯網租賃自行車需求量進行預測[17]。趙明明分別構建了ARIMA、支持向量機（SVM）、決策樹（DT）、隨機森林（RF）模型對互聯網租賃自行車的調度需求量進行預測[18]。李源慶臻綜合考慮天氣、氣溫、風力、站點容量與初始車輛數等因素，運用BP（back propagation）神經網絡、小波神經網絡和灰色神經網絡對互聯網租賃自行車的潛在借還需求進行預測，隨后將基于神經網絡預測的潛在需求量導入到原始數據得到組合數據，使用ARIMA預測得到站點的借還需求量[19]。陳綿等使用BP神經網絡模型與ARIMA結合的方法預測了互聯網租賃自行車的短時停放需求，證明了此組合預測模型比ARIMA效果更好[20]。徐鋮鋮等基于互聯網租賃自行車的歷史騎行數據，使用ARIMA預測了不同時間間隔下各交通小區的互聯網租賃自行車出行需求量[21]。 2. 機器學習預測方法 隨著大數據相關理論的逐漸成熟，將機器學習技術引入租賃自行車需求預測中也成為一個研究熱點。孔靜[22]、金含笑[23]和侯寧[24]基于互聯網租賃自行車歷史騎行數據，利用BP神經網絡對投放點或區域內的借車需求和還車需求分別進行預測。李博峰提出采用附加動量的自適應BP神經網絡分別對工作日高峰期交通小區的借車需求和還車需求進行預測[25]。楊軍等考慮天氣因素與時間因素，構建了基于不同激活函數下的BP神經網絡模型，預測了未來一段時間的互聯網租賃自行車需求
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
有舍有得是人生
- >
小考拉的故事-套裝共3冊
- >
唐代進士錄
- >
名家帶你讀魯迅:朝花夕拾
- >
月亮虎
- >
李白與唐代文化
- >
朝聞道
本類暢銷
