基于多源數(shù)據(jù)的公共自行車短時租借預測模型研究.pdf

1、隨著經(jīng)濟不斷發(fā)展，城市化進程不斷加快，道路交通問題日益嚴重。其中，交通擁堵和環(huán)境污染是道路交通問題最突出的兩個方面。為了緩解城市交通擁堵，減少環(huán)境污染，在人們環(huán)保意識的逐漸增強和政府的大力推動下，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題。但是公共自行車用戶出行的潮汐性帶來的“無車借”、“無位還”問題制約了PBS的進一步發(fā)展。因此利用智能算法進行公共自行車租借預測，從而引導

2、用戶前往合適的公共自行車租賃點進行租車還車操作，同時及時提醒PBS運營公司提前進行公共自行車調(diào)度是很有必要的。然而，傳統(tǒng)的交通流預測研究大多集中在機動車輛的道路交通流預測方面，針對公共自行車的預測研究還較少，也很少有根據(jù)公共自行車的使用特性進行有針對性的研究。
　　本文對機動車交通流預測模型和公共自行車的使用特性進行了研究，提出了一種基于多源數(shù)據(jù)的公共自行車短時租借預測模型，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、自行車短時租借預測問題。本文的主要貢獻與創(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)進行預測；
　?。?）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)進行公共自行車租借規(guī)律預測。實驗證明，這兩種算法結(jié)合進行公共自行車租借規(guī)律預測具有較好的預測效果；
　?。?）使用分類后的數(shù)據(jù)構(gòu)建時間序列訓練數(shù)據(jù)集，分別訓練APSO-BP神經(jīng)網(wǎng)絡(luò)模型，進行公共自行車短時租

4、借預測。通過使用APSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的訓練，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。實驗證明，APSO-BP神經(jīng)網(wǎng)絡(luò)模型用于公共自行車短時租借預測的精確度較高；
　?。?）針對一些人流量特別大的租賃點，使用時間序列數(shù)據(jù)與空間數(shù)據(jù)結(jié)合，構(gòu)建時空結(jié)合的公共自行車租借預測訓練數(shù)據(jù)集，用于訓練APSO-BP神經(jīng)網(wǎng)絡(luò)模型。實驗證明，對于人流量特別大的租賃點，時空結(jié)合的公共自行車短時租借預測精確度比時間序列公共自行車短