-
题名基于网约车订单数据的需求响应公交站点规划
- 1
-
-
作者
郭文举
吴芳
-
机构
兰州交通大学交通运输学院
-
出处
《交通科技与经济》
2025年第1期15-22,共8页
-
基金
国家自然科学基金项目(42364003)。
-
文摘
为提高需求响应公交系统效率,精准满足乘客需求,缓解高峰期公交车乘客舒适度低和打车难问题,利用能够充分反应乘客出行需求的网约车订单数据,提出一种需求响应公交站点的规划方法。首先,通过对预处理的订单数据进行需求分析,挖掘交通需求出行特征和出行习惯。其次,利用改进的DBSCAN算法对数据进行聚类分析,筛选出热点区域,挖掘交通需求的空间特征。在此基础上,利用改进的K-means算法划分高需求区域,得到每个热点区域中心点,将相邻中心点间距较近的点进行整合并规划站点。最后,通过实例验证其可靠性和科学性。结果表明,通过该方法规划的站点更具实用性和灵活性,可更好地满足乘客出行需求,提高需求响应公交系统的吸引力和服务效率,缓解交通拥堵。
-
关键词
交通工程
站点规划
DBSCAN算法
K-MEANS算法
需求响应公交
网约车订单数据
-
Keywords
traffic engineering
station planning
DBSCAN algorithm
K-means algorithm
demand responsive transit
online ride-hailing order data
-
分类号
U491.1
[交通运输工程—交通运输规划与管理]
-
-
题名考虑注意力和时空特征深度学习的网约车行程时间预测
被引量：1
- 2
-
-
作者
杨谊潇
邬群勇
-
机构
福州大学空间数据挖掘与信息共享教育部重点实验室
-
出处
《福州大学学报（自然科学版）》
CAS
北大核心
2023年第3期340-346,共7页
-
基金
国家自然科学基金资助项目(42201500)
福建省科技计划引导资助项目(2021H0036)。
-
文摘
提出一种基于注意力机制的时空特征深度学习模型.通过卷积神经网络去学习行程过程中所花费的时间和距离,以及交通拥堵状态信息;然后,通过注意力机制从通道和空间两个角度去捕获影响行程中路段通行时间的异常信息.最后采用双层的长短时记忆网络去学习行程中的路段序列信息,并通过多任务的学习机制从路径和路段两个角度出发去预测路径通行时间.研究结果表明:提出的方法与DEEPTRAVEL模型相比,预测精度的平均绝对误差和平均绝对百分比误差分别提升了8.23%和20.79%.
-
关键词
交通信息工程
行程时间预测
注意力机制
网约车订单数据
深度学习
-
Keywords
transportation information engineer
estimated time of arrival
attentional mechanism
ride-hailing order data
deep learning
-
分类号
U491.2
[交通运输工程—交通运输规划与管理]
TP39
[自动化与计算机技术—计算机应用技术]
-
