基于深度学习的网约车需求预测研究

网约车需求预测是一个典型的时间序列预测任务,准确的网约车需求预测能够辅助网约车平台合理地派单和规划路径,从而降低网约车的空驶率,具有重要的研究意义。文章利用长短时记忆模型(LSTM)及门控循环单元(GRU)进行网约车需求预测,对比了同一地区休息日和工作日,一周和一个月内的网约车需求及其变化,构建基于LSTM和GRU的需求预测模型,使用历史数据对未来需求进行预测,使用Geohash代码对西安市进行区域划分,对数据和划分的网格进行匹配得到汇总数据,采用线性模型进行对照试验,结果表明,LSTM和GRU在网约车需求预测中的表现优于线性模型,二者相比LSTM预测精度更高。

双挂汽车列车横向稳定性控制策略

双挂汽车列车相较于传统半挂车具有更高的运输效率和较低的运输成本,更适合未来公路运输绿色、便捷、高效的发展趋势,但较长的车身总长度和组成单元个数必然会对双挂汽车列车的整车稳定性产生影响.为研究并验证控制策略对双挂汽车列车横向稳定性的改善情况,基于Trucksim仿真平台搭建双挂汽车列车(B型双挂车)动力学模型,依据运动力学定律建立Simulink双挂汽车列车简化参考模型,分别以动力学和参考模型中各个单元的横摆角速度偏差、横向载荷转移率偏差为输入,结合模糊推理和PID(proportional-integral-derivative control,PID)控制理论构建整车横摆和侧倾稳定性主动控制策略,并根据车辆状态识别结果对控制策略的介入时机进行调整.模拟结果显示:主动控制策略使双挂汽车列车横向稳定性评价参数的波动幅度均有明显减小;各个单元的质心侧偏角峰值降低5.7%∼53%,横摆角速度峰值降低4.9%∼23.8%,侧倾角峰值降低0.5%∼24.9%,质心侧偏角峰值降低0.3%∼32.9%.表明本工作所设计的控制策略对双挂汽车列车的横向稳定性有改善作用,研究结果可为未来双挂汽车列车的横向稳定性研究提供参考.