基于租赁点关联的公共自行车需求量预测方法研究

摘要

作为解决公共交通“最后一公里”难题的交通方式，公共自行车系统能有效提升城市公共交通整体服务水平。但是，公共自行车系统在迅速发展的同时，也经常出现“无车可借”与“无空位可还”的问题。其根本原因是，由于在不同时间和不同租赁点的自行车需求量（租/还量）的不平衡，各租赁点需要人工频繁地调度自行车使其不断达到平衡（即满足用户的需求）。然而只有对租赁点的公共自行车进行未来需求量的准确预测，才能保证计算得到的调度量是准确的。因此，本文提出了基于租赁点关联的公共自行车需求量预测方法，可以预测未来时间段内的某一租赁点自行车的需求量，对租赁点的自行车车辆调度模型计算奠定基础。
　　首先，以杭州市为例，本文对杭州市公共自行车系统的数据进行预处理，分析了公共自行车的出行特征、租赁点需求，并根据租赁点所属区域（如:居民区）对租赁点进行分类，并讨论了同一类型租赁点和不同类型租赁点需求量的影响因素。
　　其次，根据自行车的租还的动态性，以及租赁点之间的相互影响，本文提出了一个分层聚类算法，基于租赁点的位置和租赁点间的车流量对租赁点进行聚类，得到关联性较强的租赁点簇。结合VAR预测模型的特点，构建基于租赁点关联的公共自行车需求量预测模型。
　　最后，使用了杭州、温州、纽约及华盛顿四个公共自行车系统的数据对模型进行实证分析，并与基线法、历史平均法和ARIMA模型进行比较，结果表明本文的基于租赁点关联的模型预测精度高于其他方法，且能够适用于不同城市的公共自行车系统。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究意义

1．2 城市公共自行车系统相关研究

1．2．1 公共自行车预测研究现状

1．2．2 研究中存在的问题

1．3 研究内容及组织结构

2．1 引言

2．2 聚类算法介绍

2．2．1 聚类算法的基本原理

2．2．2 K-means算法描述

2．2．3 常见聚类算法介绍

2．3 预测模型理论介绍

2．3．1 VAR模型介绍

2．3．2 ARIMA模型介绍

2．4 本章小结

第3章 公共自行车系统运营数据特征分析

3．1 引言

3．2 数据预处理

3．2．1 数据不完备的描述

3．2．2 数据来源

3．2．3 数据处理

3．3 公共自行车系统使用特征分析

3．3．1 杭州市公共自行车使用情况

3．3．2 使用人群分析

3．3．3 使用时间分析

3．4 租赁点需求量特征分析

3．4．1 不同类型租赁点分析

3．4．2 同一类型租赁点分析

3．5 本章小结

第4章 基于租赁点关联的公共自行车需求量预测研究

4．1 引言

4．1．1 建模思路

4．1．2 模型假设

4．2 分层聚类算法

4．2．1 符号定义

4．2．2 分层聚类算法描述

4．2．3 聚类过程分析

4．3 建立基于租赁点关联的公共自行车需求量预测模型

4．3．1 模型建立

4．3．2 模型稳定性分析

4．3．3 评价标准

4．3．4 模型适用条件分析

4．4 本章小结

第5章 公共自行车需求量预测实证分析

5．1 引言

5．2 实验

5．2．1 基本思路

5．2．2 实验数据

5．3 模型的预测过程

5．3．1 基于租赁点关联的租借需求量预测

5．3．2 ARIMA预测

5．3．3 实验结果分析

5．4 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

攻读学位期间参加的科研项目与成果