基于多源数据的公共自行车短时租借预测模型研究-软件工程专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University For the Degree of Master The Research of Short-term Public Bicycle Prediction Model Based on Multi-source Data Candidate: Fan Weidi Supervisor: A.P. Yu Ritai A.P. Lin Fei December, 2015 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证 毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大 学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密 论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州电子科技大学硕士学位论文 杭州电子科技大学硕士学位论文 摘要 随着经济不断发展，城市化进程不断加快，道路交通问题日益严重。其中， 交通拥堵和环境污染是道路交通问题最突出的两个方面。为了缓解城市交通拥 堵，减少环境污染，在人们环保意识的逐渐增强和政府的大力推动下，公共自行 车系统（Public Bicycle System，PBS）迅猛发展，有效地缓解了城市道路交通问 题。但是公共自行车用户出行的潮汐性带来的“无车借”、“无位还”问题制约 了 PBS 的进一步发展。因此利用智能算法进行公共自行车租借预测，从而引导 用户前往合适的公共自行车租赁点进行租车还车操作，同时及时提醒 PBS 运营 公司提前进行公共自行车调度是很有必要的。然而，传统的交通流预测研究大多 集中在机动车辆的道路交通流预测方面，针对公共自行车的预测研究还较少，也 很少有根据公共自行车的使用特性进行有针对性的研究。 本文对机动车交通流预测模型和公共自行车的使用特性进行了研究，提出了 一种基于多源数据的公共自行车短时租借预测模型，使用公共自行车历史租借记 录、天气、节假日数据，解决了公共自行车短时租借预测问题。本文的主要贡献 与创新有： （1）根据公共自行车的使用特性，结合公共自行车历史租借记录、天气、 节假日数据进行预测； （2）使用 K-means 算法和朴素贝叶斯分类模型，根据天气、节假日数据进 行公共自行车租借规律预测。实验证明，这两种算法结合进行公共自行车租借规 律预测具有较好的预测效果； （3）使用分类后的数据构建时间序列训练数据集，分别训练 APSO-BP 神经 网络模型，进行公共自行车短时租借预测。通过使用 APSO 算法优化 BP 神经网 络的训练，可以克服 BP 神经网络收敛速度慢、容易陷入局部最优的缺陷。实验 证明，APSO-BP 神经网络模型用于公共自行车短时租借预测的精确度较高； （4）针对一些人流量特别大的租赁点，使用时间序列数据与空间数据结合， 构建时空结合的公共自行车租借预测训练数据集，用于训练 APSO-BP 神经网络 模型。实验证明，对于人流量特别大的租赁点，时空结合的公共自行车短时租借 预测精确度比时间序列公共自行车短时租借预测精确度高。 关键词：多源数据、公共自行车、自适应粒子群优化神经网络模型、短时租借预 测 I ABSTRACT As economy develops and urbanization accelerates, the problem of road traffic becomes increasingly serious. Among problems of road traffic, the traffic congestion and environmental pollution are two prominent aspects. In order to alleviate urban traffic congestion and reduce environmental pollution, as the increment of people’s