基于DPMM模型对智能推荐共享单车停放点的研究-国家级大学生.PDFVIP

基于DPMM 模型对智能推荐共享单车停放点的 研究 西南财经大学 代祺 王梦毫 谢雨薇 刘紫纯 章一驰 （1.西南财经大学统计学院经济统计学，四川省 成都市 611130； 2.西南财经大学统计学院经济统计学，四川省 成都市 611130； 3.西南财经大学统计学院经济统计学，四川省 成都市 611130； 4.西南财经大学统计学院经济统计学，四川省 成都市 611130； 5.西南财经大学统计学院经济统计学，四川省 成都市 611130） 郭建军 副教授 吴量 讲师 中文摘要：共享单车乱停乱放的现象逐渐严重，造成实际需求与实际分布数量不匹配，导致共享单车找车难问题，损害 共享单车的流动性。为实现在时间与空间上共享单车的智能停放点推荐，在引入时间变量和时间分段的基础上，运用地理时 空狄利克雷混合高斯模型将数据进行聚类，推荐共享单车的合理停放点位置。根据不同时间下的需求量，智能推荐最佳停放 点位置，以解决共享单车局部“过饱和”问题以及局部“找车难”问题，实现单车资源的合理分配。 英文摘要：The phenomenon of shared bikes’ illegal parking gradually becomes serious, resulting in the mismatch between actual demand and the actual distributions. It causes the difficulties in finding shared bikes and impairing the mobility of them. In order to realize the intelligent recommendation of parking point for shared bikes in time and space, based on the introduction of time variables and time segmentation, the data are clustered using the geographical space-time Dirichlet Process Mixture Model, and the reasonable parking position is recommended. According to the demand at different times, the optimal location of the parking spot is recommended to solve the problem of local oversaturation and the difficulties in finding shared bikes to achieve a reasonable allocation of bicycle resources. 关键词：共享单车；DPMM 模型；停放点推荐 一、引言与文献综述 共享单车有效地解决了城市交通“最后一公里”问题，但共享单车乱停乱放导致的利用率和流动性受损， 使得在人流量大的地方和时间段难以满足使用者需求，而在需求较少的地方，大量的车辆被闲置甚至丢弃。 为解决在时空上共享单车的智能停放，本文在时间分段基础上，运用地理时空狄利克雷混合高斯模型将数 据进行聚类，智能推荐合理停放点位置。 [1] 冯媛媛 （2014 ）在《公共自行车租赁点布局方法研究》中基于各交通小区OD 数据，建立了交通方 [2] 式选择的LOGIT 模型对租赁点的使用需求进行预测。申兴发 （2017 ）在《公共自行车系统的租赁点聚类 与功能识别》中采用 LDA 模型和 K-means 聚类算法对华盛顿公共自行车租赁点进行聚类和功能识别。邓 [3] 力凡 （2017 ）在 《基于骑