公共自行车需求多因素预测模型与调度算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.2 国内外发展及研究现状 | 第12-15页 |
| 1.3 研究内容与研究框架 | 第15-18页 |
| 第2章 相关理论概述 | 第18-25页 |
| 2.1 传统时序预测算法概述 | 第18-20页 |
| 2.1.1 历史时序均值法 | 第18-19页 |
| 2.1.2 指数平滑法 | 第19页 |
| 2.1.3 自回归滑动平均模型 | 第19-20页 |
| 2.2 车辆调度问题启发式算法概述 | 第20-23页 |
| 2.2.1 蚁群算法 | 第21页 |
| 2.2.2 禁忌搜索 | 第21-22页 |
| 2.2.3 遗传算法 | 第22-23页 |
| 2.3 K-means聚类算法 | 第23-25页 |
| 第3章 公共自行车出行影响因素分析 | 第25-34页 |
| 3.1 数据集概述 | 第25-27页 |
| 3.1.1 数据集选取 | 第25页 |
| 3.1.2 出行记录数据 | 第25-26页 |
| 3.1.3 站点信息数据 | 第26页 |
| 3.1.4 天气数据 | 第26-27页 |
| 3.2 时间因素分析 | 第27-29页 |
| 3.3 位置因素分析 | 第29-30页 |
| 3.4 天气因素分析 | 第30-31页 |
| 3.5 温度因素分析 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 MFR-ARMA需求预测模型 | 第34-46页 |
| 4.1 MFR-ARMA模型框架 | 第34-35页 |
| 4.2 基于特征加权K-means的站点聚类 | 第35-37页 |
| 4.3 天气滞后变量模型 | 第37-38页 |
| 4.4 MFR-ARMA模型建立 | 第38-39页 |
| 4.5 实验结果分析 | 第39-46页 |
| 4.5.1 实验环境 | 第39-40页 |
| 4.5.2 聚类结果分析 | 第40-42页 |
| 4.5.3 天气滞后系数分析 | 第42-43页 |
| 4.5.4 预测结果 | 第43-46页 |
| 第5章 公共自行车系统车辆调度优化 | 第46-63页 |
| 5.1 公共自行车调度模型建模 | 第46-48页 |
| 5.2 调配量分析 | 第48-49页 |
| 5.3 基于实际距离的车辆路径问题优化 | 第49-51页 |
| 5.4 基于2-opt改进的遗传算法求解 | 第51-56页 |
| 5.4.1 遗传算法求解分析 | 第51-52页 |
| 5.4.2 算法设计 | 第52-56页 |
| 5.5 实例分析 | 第56-63页 |
| 5.5.1 实验数据 | 第56-57页 |
| 5.5.2 参数设置 | 第57-58页 |
| 5.5.3 求解结果分析 | 第58-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间主要的研究成果 | 第70-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73-81页 |
