基于时空流动模型的无桩共享单车出行研究及仿真分析

来源 :国防科技大学 | 被引量 : 0次 | 上传用户:sanji621
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,由于城市人口不断增长,环境污染、交通拥堵等“城市病”问题日益突出。为缓解城市问题,实现城市的可持续发展战略,国家大力倡导“低碳”、“绿色”的出行方式,共享单车孕育而生。短短几年间,共享单车发展迅猛,从开始的有桩共享单车发展到更加便捷的无桩共享单车。其中,mobike和ofo两家无桩共享单车品牌发展最广,对社会的影响最大。但是,由于共享单车的爆发式发展,导致共享单车在管理方面的滞后,使得共享单车系统在实际运行过程中出现的问题也尤为突出。目前,共享单车市场发展已经从爆发式增长阶段转为稳定发展阶段,但共享单车的管理问题仍然突出。政府相关部门以及各大共享单车运营商都在积极寻求更加合理的管理模式,以实现共享单车的健康可持续发展。其中,基于共享单车骑行大数据,运用数据驱动的方式,在共享单车的系统规划问题、预测问题以及再平衡问题上都已经有了很多的研究成果。本文基于北京市mobike无桩共享单车的时间序列位置数据,提出了一种基于兴趣点聚类的城市空间划分方法。然后根据划分的结果,对无桩共享单车数据进行了实证研究,分别从时间、空间等不同维度对共享单车的出行特征进行了分析,并探讨了共享单车区域不平衡的原因。根据共享单车的时空流动规律,构建了无桩共享单车时空流动模型。最后,基于时空流动模型对无桩共享单车的调度问题进行了探索。本文的主要工作包括以下几点:(1)提出了基于兴趣点聚类的城市空间划分方法。为了研究无桩共享单车在城市不同区域之间的流动情况,需要对城市空间进行划分。本文根据无桩共享单车的兴趣点集聚效应,提出了基于兴趣点聚类的城市空间划分方法,从而得到无桩共享单车的聚集区。并将该方法与目前普遍采用的均匀网格划分方法进行对比,说明了基于兴趣点聚类的城市空间划分方法具有更好的划分效果。(2)无桩共享单车数据实证研究。本文根据城市空间划分的结果,首先分别从时间、空间等不同维度分析了共享单车的出行特征,从中发现共享单车的时空流动规律。然后进一步地探索了共享单车区域不平衡的原因,分别从共享单车聚集区的容量、流通量以及离散度三个方面进行了分析。(3)构建无桩共享单车时空流动模型。本文根据无桩共享单车数据实证研究的结果,考虑共享单车聚集区的活跃度、聚集区之间的距离这两个因素,分别构建了无桩共享单车的空间流动分布模型以及出行时间分布模型,从而构建无桩共享单车时空流动模型。然后,文章采用了极大似然的方法对模型的参数进行评估,通过设计仿真实验,从复杂网络的角度,采用复杂网络的评价指标对仿真结果进行评估,验证模型的有效性。最后,基于真实的一天的共享单车数据利用模型进行了案例分析。(4)无桩共享单车调度问题研究。本文基于无桩共享单车时空流动模型对无桩共享单车的调度问题进行了探索。首先文章详细阐述了目前关于共享单车调度方面的相关研究以及方法。然后,文章主要从两个方面来研究无桩共享单车的调度问题:调度区域划分、调度路径规划,提出了基于模块度社团探测的调度区域划分方法以及基于蚁群算法的调度路径规划方法。本文对无桩共享单车的出行研究,有助于把握共享单车的流动特征,了解城市居民的出行规律,为共享单车的调度提供依据,改善共享单车的管理问题,帮助完善城市交通管理体系。
其他文献
学位
学位
学位
以寒冷地区某高校学生公寓为研究对象,采用问卷调查和实地测试相结合的方法研究人体舒适温度,指导供暖系统调控,在满足学生公寓不同用热时段热舒适的同时降低供暖系统能耗。通过问卷调查得出供暖宿舍学生期望温度为20~22℃。实地测试得到在80%人员满意度下,男生和女生可接受的室内温度范围分别为19.4~26.4℃、19.5~26.2℃,宿舍学生会依据实际室内温度适当增减衣物,舒适温度分别为21.60℃、21
学位
学位
构建专业领域的论文知识图谱,能够为该领域的科研人员提供强大的知识服务。单位名称是文献知识图谱中重要的知识,对单位名称的知识抽取是构建文献知识图谱的重要环节。由于抽取出的单位实体往往存在多种表述方式,因此需要对这些单位名称进行消歧。由于抽取出的单位实体为无标签数据,因此在单位名称消歧的过程中,主要采用文本聚类的方式。在文本聚类的过程中,文本间相似度计算方式和聚类算法将会影响单位名称消歧的结果。因此本
海量数据对于训练传统有监督学习模型是一种巨大挑战,这是因为手动标注动态新增样本是不切实际的。此时无监督学习方法能发挥替代有监督学习方法的数据分析功能。在无监督学习中,聚类可直观地分析数据,其目标是将未标记的数据分成几类群簇,保证相似的样本聚集到同类群簇中。鉴于它的直观实际含义,聚类算法已被广泛应用于图像分割、模式识别和数据挖掘等任务。流形学习假设高维数据可以看成高维空间中的低维流形嵌入,因此很多聚
随着云存储技术的快速发展,其灵活便捷的存储方式吸引大量用户通过网络服务进行跨空间的远程存储操作。云存储服务在给用户带来便捷的同时,也带来了隐私泄露以及数据完整性损坏等诸多安全问题。如何保障云存储的安全性已经成为越来越多的学者研究的热点。仅对云端数据进行加密会导致原有的数据索引结构改变,因此难以在密文基础上进行数据搜索查询。可搜索加密技术的出现实现了如何在密文基础上进行检索,为保护云存储安全发挥着重
学位