中心城区机动车停车泊位需求预测框架

在回顾已有停车需求预测方法的基础上,对泊位供给和需求重新进行分类,明确了中心城区停车泊位需求预测的重点。着重探讨了交通政策、泊位共享策略两个因素对停车需求的影响,明确了二者在停车需求预测流程中的作用。结合综合交通规划预测数据,最终形成中心城区停车泊位需求预测框架。以南京市中心城区公共停车场为例,运用这一思路对其泊位需求进行预测,得到不同分区的公共停车场和配建停车场泊位需求数量。

基于LSTM循环神经网络的泊位需求短时预测研究

本文提出基于深度学习理论的LSTM(Long Short-Term Memory,长短期记忆)单元的循环神经网络泊位需求预测模型,根据前几个小时泊位需求变化量对后续时间点对应的泊位需求量进行预测。以杭州某大学为实验对象,采用随机两天和特定两天数据进行实践验证。结果显示:采用LSTM循环神经网络模对区域内泊位需求进行预测能够比传统方法在结果上更加接近实际值,并且精度较为满意,表明该预测方法可行有效。

混合用地共享单车泊位配建方法

当前共享单车乱停乱放现象普遍,通过对建设项目提出共享单车泊位配建是解决该问题的有效方法。通过对混合用地共享单车泊位需求的影响因素分析,以不同用地出行率为基础,构建了混合用地共享单车泊位需求预测模型,并总结出轨道站点、周边自行车基础设施、城市区位、混合用地对共享单车泊位需求的影响系数。选取了长沙市某建设项目作为典型混合用地案例进行分析,并根据模型对该项目的共享单车泊位需求规模进行分析。该方法易于操作和理解,可为各地建设项目共享单车泊位配建及标准制定提供参考。