一种基于多源数据的出租车分布预测方法研究

为了改善传统的交通需求预测方法以居民出行OD调查为基础,得出的交通分布结果受样本量等因素影响,预测值与实际值相差较大的问题,本文提出基于现有出租车GPS数据、计价器数据和电召数据的一种基于多源数据融合的出租车分布预测方法,进行出租车出行分布预测.该方法可以根据多源历史数据估计出租车OD分布,并可通过预测未来出租车OD分布,提高预测准确率.

基于系统动力学的大连市出租车保有量预测

采用系统动力学模型,找出影响出租车规模内外因素间的因果关系,包括经济、人口、机动车保有量、出行需求、政策等.在系统结构分析和因果反馈分析的基础上建立了出租车系统,以大连市出租车相关统计数据进行仿真计算,分析了不同的发展政策对出租车系统的影响,提出相应的建议和对策.

基于GWO-LSTM的网约车需求短时预测模型

为平衡网约车供需,支持车辆调度,该文研究了灰狼优化算法(GWO)优化参数的长短期记忆神经网络(LSTM)在网约车出行需求短时预测中的应用。研究了网约车出行需求时空特性,进行了影响因素的相关性分析;提出GWO改进LSTM的网约车需求短时预测模型;以实际数据验证了模型有效性并与其他模型进行对比。结果表明,相较于传统的LSTM网络及BP神经网络,该优化模型平均绝对误差分别提升了36.89%和52.12%,均方根误差分别提升了34.45%和48.16%;优化效果显著。

基于时空特征的短时出租车流量预测

针对以往客流量预测只关注数据的时序特征而忽略空间维度特征及天气等外在因素的缺点,本文提出一种结合注意力机制的卷积门控时空预测模型(KSTCGN)来预测出租车客流量。该模型运用卷积神经网络(CNN)对网格内每个时段的流量进行空间维度的特征提取,使用门控循环单元(GRU)对客流量进行时间特征的提取。其中,卷积层引入CBAM注意力机制对重要的空间点进行更多关注。GRU层结合注意力机制关注对流量有重要影响的时段,并使用K-means聚类算法对不同时段进行聚类。通过实验分析,并与部分经典预测算法进行对比,证明了提出的组合模型能够有效提高预测精度。

出租汽车拥有量确定方法研究述评

出租汽车拥有量确定方法是关系一个城市出租汽车客运市场供需均衡、经营者和驾驶员合理收益、居民生活便利、行业发展的重要问题。文章通过分析出租汽车拥有量确定方法相关的研究成果,归纳总结了当前国内出租汽车拥有量确定中采用的主要方法,包括供需平衡法、比例法、回归分析法、灰色系统预测法、神经网络法、多目标优化法、基于管制强度的配置方法等,分析阐述了各种方法已有研究取得的成果和存在的不足,从方法本身的特点、适用的条件、数据的可得性、出租汽车客运市场的现实情况等方面,分别探讨了各种方法进一步深入研究的方向和优化思路,以期完善各种方法的应用研究,建立相关的理论模型。