基于BP神经网络的网约车出行需求短时预测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 传统出租车供需研究 | 第13-15页 |
| 1.2.2 互联网时代出租车供需研究 | 第15-17页 |
| 1.2.3 交通短时预测研究 | 第17-19页 |
| 1.3 本文研究内容与技术路线 | 第19-22页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 技术路线 | 第20-22页 |
| 2 网约车运营概述及特性分析 | 第22-32页 |
| 2.1 巡游出租车运营概述 | 第22-24页 |
| 2.1.1 巡游出租车定义 | 第22页 |
| 2.1.2 巡游出租车行业特性分析 | 第22-24页 |
| 2.2 网约车运营概述 | 第24-28页 |
| 2.2.1 网约车定义 | 第24-25页 |
| 2.2.2 网约车发展历程 | 第25-27页 |
| 2.2.3 网约车服务类型 | 第27-28页 |
| 2.3 网约车与巡游出租车特性对比 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 网约车出行需求时空特性分析 | 第32-60页 |
| 3.1 数据基本特征说明及预处理 | 第32-37页 |
| 3.1.1 数据基本特征说明 | 第32-33页 |
| 3.1.2 数据重新编码 | 第33-34页 |
| 3.1.3 数据有效性处理 | 第34页 |
| 3.1.4 需求变量拆分 | 第34-37页 |
| 3.2 网约车出行需求时间特性分析 | 第37-47页 |
| 3.2.1 工作日需求时间特性 | 第38-42页 |
| 3.2.2 非工作日需求时间特性 | 第42-45页 |
| 3.2.3 需求时间特性对比 | 第45-47页 |
| 3.3 分时段的网约车出行需求空间特性分析 | 第47-58页 |
| 3.3.1 工作日需求空间特性 | 第47-55页 |
| 3.3.2 非工作日需求空间特性 | 第55-58页 |
| 3.4 本章小结 | 第58-60页 |
| 4 网约车出行需求短时预测 | 第60-74页 |
| 4.1 短时预测分析及方法选取 | 第60-63页 |
| 4.1.1 短时预测原则 | 第60-61页 |
| 4.1.2 短时预测变量相关分析 | 第61-62页 |
| 4.1.3 短时预测方法选取 | 第62-63页 |
| 4.2 BP神经网络模型 | 第63-68页 |
| 4.2.1 BP神经网络理论 | 第63-65页 |
| 4.2.2 BP神经网络预测步骤 | 第65-68页 |
| 4.3 基于BP神经网络的网约车需求短时预测 | 第68-72页 |
| 4.3.1 BP神经网络模型参数设置 | 第68-69页 |
| 4.3.2 模型预测结果及评价 | 第69-72页 |
| 4.4 本章小结 | 第72-74页 |
| 5 网约车供需匹配相关建议 | 第74-82页 |
| 5.1 网约车需求主导下的供给特性 | 第74-78页 |
| 5.1.1 在线司机数 | 第74-76页 |
| 5.1.2 司机接单量 | 第76-78页 |
| 5.2 网约车供需匹配建议 | 第78-80页 |
| 5.3 本章小结 | 第80-82页 |
| 6 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 不足与展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 附录A | 第88-90页 |
| 附录B | 第90-92页 |
| 附录C | 第92-96页 |
| 附录D | 第96-98页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第98-102页 |
| 学位论文数据集 | 第102页 |
