-
题名建成环境对网约车出行需求影响机制研究
被引量：1
- 1
-
-
作者
王振报
龚鑫
吴巍
刘卓
-
机构
河北工程大学建筑与艺术学院
北京工业大学交通工程北京市重点实验室
-
出处
《长沙理工大学学报（自然科学版）》
CAS
2023年第2期104-114,共11页
-
基金
国家自然科学基金资助项目(52008006)
河北省社会科学发展研究课题(20210201407)。
-
文摘
【目的】研究建成环境对网约车出行需求的影响。【方法】以成都为例,采用不同尺度规则网格与交通分区两种方法,将研究范围划分为8种空间单元,针对每一种空间单元,利用多尺度地理加权回归(MGWR)模型进行回归分析,确定最优空间分析单元,根据最优带宽将建成环境影响因素划分为局部、区域和全局变量,分析各建成环境变量影响程度的空间异质性和尺度差异,探讨建成环境与网约车需求量之间的关系。【结果】1 100 m网格为最佳的空间单元划分尺度,在该划分尺度下,早晚高峰网约车需求回归模型决定系数R2分别为94.5%和96.7%;不同建成环境影响因素的空间尺度差异较大,且局部系数具有空间异质性,在早晚高峰不同时段变化较大。【结论】最佳空间分析单元可为预测网约车交通需求的交通分区提供参考,在针对不同区位进行客流需求调整时,空间异质性结果为制定更加合理的建成环境及更新策略提供决策依据。
-
关键词
城市交通
网约车
建成环境
多尺度地理加权回归
空间异质性
-
Keywords
urban traffic
online car⁃hailing
built environment
multi⁃scale geographical weighted regression
spatial heterogeneity
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
-
题名多尺度多方法组合的网约车需求预测方法研究
被引量：1
- 2
-
-
作者
丁夏蕾
郭秀才
程勇
-
机构
西安科技大学电气与控制工程学院
-
出处
《现代电子技术》
2022年第3期96-102,共7页
-
基金
国家重点研发计划“物联网与智慧城市”专项:智慧城市的群体态势辨识与服务计算的基础理论及关键技术研究(2018YFB2100800)。
-
文摘
为了解决单一时间序列模型对网约车需求预测精度不高,而导致网约车供需不平衡的问题,提出一种多尺度多方法组合的网约车需求预测方法。对网约车影响因素进行分析并提取出主要特征,利用历史平均模型、ARIMA时间序列模型、LSTM长短期记忆神经网络进行网约车需求预测,分别提取出网约车数据的周期性规律、差分变化规律和其他复杂规律,为了最大限度发挥三种单一模型的优势,使用三种单一模型建立组合模型,最后用灰狼优化算法对组合模型的权重进行寻优。通过在真实数据集上对单一模型和组合模型的预测精度进行比较,结果表明,组合模型在五种评价标准下均优于单一模型,更好地发挥出单一模型的预测优势,预测精度更高。同时在不同的适应度函数下进行实验,验证了模型的鲁棒性。采用组合预测模型预测精度更高,更适合作为网约车需求预测的有效模型。
-
关键词
组合预测模型
网约车需求预测
灰狼算法
LSTM
ARIMA
时间序列
深度学习
-
Keywords
combined prediction model
online car⁃hailing demand prediction
GWO algorithm
LSTM
ARIMA
time series
deep learning
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP181
[电子电信—信息与通信工程]
-
