期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于改进DTW_AGNES的网约车需求量时间序列聚类研究 预览
1
作者 新华 李俊辉 《重庆交通大学学报:自然科学版》 CAS CSCD 北大核心 2019年第8期13-19,共7页
对网约车需求量时间序列进行聚类分析,识别不同日期需求量变化规律的相似性和差异性,以合理制定运营调度计划,为乘客提供更高水平运输服务。针对现有的欧氏距离凝聚层次聚类(Euc_AGNES)不能识别时间序列偏移、伸缩等问题和针对动态时间... 对网约车需求量时间序列进行聚类分析,识别不同日期需求量变化规律的相似性和差异性,以合理制定运营调度计划,为乘客提供更高水平运输服务。针对现有的欧氏距离凝聚层次聚类(Euc_AGNES)不能识别时间序列偏移、伸缩等问题和针对动态时间弯曲(DTW)距离计算时间开销大的问题,提出一种改进DTW_AGNES聚类方法,通过调整匹配路径约束范围来优化DTW的动态规划搜索范围,并使用改进后的DTW作为凝聚层次聚类(AGNES)的相似性度量方法。实验结果表明:普通DTW_AGNES聚类和改进DTW_AGNES聚类均比Euc_AGNES聚类更能识别网约车需求量时间序列变化规律,为网约车运营商制定编排调度计划提供可靠依据,且改进后的DTW_AGNES聚类运行效率比普通DTW_AGNES聚类提高了62.4%,节省了计算时间和计算资源,证明了方法的有效性。 展开更多
关键词 交通运输工程 凝聚层次聚类 动态时间弯曲 时间序列 DTW_AGNES算法 网约车
在线阅读 免费下载
基于QPSO_RBF神经网络的网约车需求量预测模型 预览
2
作者 温惠英 +1 位作者 林龙 漆巍巍 《广西大学学报:自然科学版》 北大核心 2018年第2期700-709,共10页
为了准确地预测乘客对网约车的需求量,指向性地提高部分地区的运力,让乘客更加容易预约到网约车,从而提升乘客的出行体验,通过对网约车需求量的变化规律和影响因素进行灰色关联度分析,选取网约车历史需求量、天气类型和道路拥堵比例作... 为了准确地预测乘客对网约车的需求量,指向性地提高部分地区的运力,让乘客更加容易预约到网约车,从而提升乘客的出行体验,通过对网约车需求量的变化规律和影响因素进行灰色关联度分析,选取网约车历史需求量、天气类型和道路拥堵比例作为影响因子,利用量子行为粒子群(QPSO)算法优化径向基(RBF)神经网络的网络权值、中心和基宽来构建QPSO_RBF神经网络预测模型。实际运营数据结果表明,QPSO_RBF神经网络预测模型具有可行性和有效性,其预测精度优于普通RBF神经网络模型的,且无论是改进的RBF神经网络还是普通RBF神经网络,综合考虑历史需求量、天气类型和道路拥堵比例作为影响因子的预测模型均优于只考虑历史需求量的预测模型。 展开更多
关键词 交通需求预测 量子行为粒子群算法 径向基 QPSO_RBF神经网络 网约车
在线阅读 下载PDF
基于改进k-means的公交时刻表关键站点选择研究 预览 被引量:3
3
作者 林龙 翁小雄 《广西大学学报:自然科学版》 北大核心 2017年第6期2074-2079,共6页
关键站点是编制公交时刻表的基础,合理地选择能提高公交运营的准点率和公交时刻表的执行率,有效改善公交服务质量。目前公交时刻表的关键站点主要根据人工经验来选择,基此提出一种利用车辆运营GPS数据,采用改进k-means聚类算法分析选择... 关键站点是编制公交时刻表的基础,合理地选择能提高公交运营的准点率和公交时刻表的执行率,有效改善公交服务质量。目前公交时刻表的关键站点主要根据人工经验来选择,基此提出一种利用车辆运营GPS数据,采用改进k-means聚类算法分析选择关键站点的方法。通过GPS数据预处理,提取各个站点的时间特征值,对普通k-means聚类算法进行改进,通过粒子群优化算法PSO初始化聚类中心,利用三角形不等式提高运行效率,利用改进的k-means算法聚类分析得到公交时刻表的关键站点。以珠海市公交的案例分析表明,本文所用的改进k-means算法聚类分析具备可行性,改进算法的分析结果更加贴切实际调查数据。 展开更多
关键词 公交时刻表 关键站点 GPS数据 特征提取 K-MEANS算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈