基于共享单车轨迹数据的需求预测及智能调度方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外共享单车系统研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 本文研究的主要工作 | 第13页 |
| 1.4 本文的章节安排 | 第13-14页 |
| 第二章 数据预处理及出行数据特征分析 | 第14-19页 |
| 2.1 轨迹数据的预处理 | 第14-17页 |
| 2.2 影响出行的特征分析 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 基于LSTM网络模型的共享单车需求预测 | 第19-36页 |
| 3.1 出行区域聚类划分 | 第20-25页 |
| 3.1.1 k-means聚类分析 | 第20-22页 |
| 3.1.2 聚类分析 | 第22-25页 |
| 3.2 基于LSTM模型的共享单车需求预测研究 | 第25-30页 |
| 3.2.1 LSTM神经网络模型的搭建 | 第25-29页 |
| 3.2.2 网络预测模型 | 第29-30页 |
| 3.3 预测实例分析 | 第30-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 共享单车静态调度优化 | 第36-50页 |
| 4.1 静态调度模型的构建 | 第36-40页 |
| 4.1.1 数学模型 | 第36-37页 |
| 4.1.2 遗传算法 | 第37-40页 |
| 4.1.3 模型的求解方法 | 第40页 |
| 4.2 调度路线构建算法 | 第40-45页 |
| 4.2.1 自适应遗传法调度路线构建总体流程 | 第40-41页 |
| 4.2.2 调度路线构建算法 | 第41-45页 |
| 4.3 仿真分析 | 第45-49页 |
| 4.3.1 调度路线构建算法仿真结果 | 第45-47页 |
| 4.3.2 多车辆调度算法在共享单车调度中的应用 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 5.1 主要工作总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 在校期间的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
