摘要
区域共享单车停放量预测,是实现区域共享单车预警与运营调度的前提条件。采用层次聚类以及K-mean聚类结合的分析法对研究区域进行分类,分析不同类型区域共享单车停车特征,并以自回归求和滑动平均(ARIMA)与神经网络预测法为基础,建立区域共享单车停放量短期预测模型。结果表明,ARIMA与BP神经网络组合模型相比于传统的ARIMA模型拟合效果较好,组合模型较好地实现了共享单车停放量的预测,是实现短期预测的有效方法。
学科与关键词
关键词
停放量预测共享单车聚类分析ARIMA神经网络
- 基于K-means的城市轨道交通社区接驳共享单车停靠点规划靳爽; 庞明宝科学技术与工程, 2019, (30): 343-347.
- 基于兴趣点聚类的无桩共享单车时空模式分析张芳; 陈彬; 汤杨华; 董健; 艾川; 邱晓刚系统仿真学报, 2019, (12): 2829-2836.
- 公共自行车动态调度系统需求预测模型研究何流; 李旭宏; 陈大伟; 卢静; 吴圆圆武汉理工大学学报(交通科学与工程版), 2013, (02): 278-282.
