典型文献
基于多尺度时空聚类的共享单车潮汐特征挖掘与需求预测研究
文献摘要：
当前,我国政府和单车企业多以划定电子围栏停车点的方式进行共享单车的规范化管理,由于单个电子围栏内部单车流入流出的随机性和不确定性较大,以单个围栏为单位进行单车管理的工作量大且不具现实意义.因此,有必要对电子围栏停车点进行聚类划分,实行区域化的管理与调度.基于此,本文提出一种基于时空约束的网络图聚类算法,该算法综合考虑空间因素(地理位置、地理环境特征)和时间因素(历史订单),只需通过距离阈值设定即可实现电子围栏的多尺度聚类划分,实验分别在3000 m和700 m距离阈值条件下对厦门岛和乌石浦地区电子围栏进行聚类,结果显示该算法不仅能够将具有相似时空特征的电子围栏聚到同一社区簇内,而且能够使得单车流动主要集中在划分后的社区内部;随后,在社区划分基础上进行单车潮汐特征挖掘,能够有效识别和定位单车使用的热点地区;最后,利用长短时记忆神经网络(Long-Short Time Memo-ry network,LSTM)进行单车订单需求预测,结果显示有84％以上社区的预测准确率在85％以上,平均预测准确率为91.301％,预测效果较好,可有效满足单车调度需求.本文研究成果可服务于电子围栏停车点规划与共享单车的区域化管理与调度工作.
文献关键词：
共享单车;电子围栏;数据挖掘;时空约束;多尺度聚类;使用模式;需求预测;厦门岛
中图分类号：
作者姓名：
姜晓;白璐斌;楼夏寅;李梅;刘晖
作者机构：
北京大学地球与空间科学学院遥感与地理信息系统研究所,北京100871
文献出处：
引用格式：
[1]姜晓;白璐斌;楼夏寅;李梅;刘晖-.基于多尺度时空聚类的共享单车潮汐特征挖掘与需求预测研究)[J].地球信息科学学报,2022(06):1047-1060
A类：
B类：
多尺度时空,时空聚类,共享单车,潮汐,特征挖掘,需求预测,预测研究,划定,电子围栏,停车,规范化管理,栏内,车流,流入流出,随机性,车管,时空约束,网络图,图聚类,聚类算法,空间因素,地理环境特征,时间因素,订单,距离阈值,多尺度聚类,阈值条件,厦门岛,石浦,时空特征,社区划分,识别和定位,热点地区,长短时记忆神经网络,Long,Short,Time,Memo,ry,network,上社,预测准确率,调度需求,区域化管理,调度工作,使用模式
AB值：
0.356782
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
