典型文献
GeoHash与KNN在共享单车停靠点优化选择中的应用
文献摘要：
针对共享单车停靠点供需时空失衡、潮汐效应明显、优化选择水平低的问题,本文把区域编码与分类学习方法相结合,提出一种基于GeoHash与K最近邻模型(K?Nearest?Neighbor?model,KNN)的共享单车停靠点优化选择方法.首先,在分析现有共享单车停靠问题的基础上,利用GeoHash算法的区域编码分割,得到停靠点空间分布;然后,在停靠点可供选择数量和可容纳车辆数量的双重约束条件下,利用KNN聚类算法进行二次划分,完成共享单车停靠点的优化选择;最后,利用厦门市思明区和湖里区共享单车数据进行综合评价.研究结果表明,该方法具有一定的合理性,能够为缓解共享单车停靠点潮汐现象提供有益借鉴.
文献关键词：
共享单车;停靠点优化;GeoHash编码;KNN算法;潮汐现象
中图分类号：
作者姓名：
王小霞;欧阳露;郑诗琪;胡三根;韩霜
作者机构：
广东工业大学 土木与交通工程学院, 广东 广州 510006
文献出处：
引用格式：
[1]王小霞;欧阳露;郑诗琪;胡三根;韩霜-.GeoHash与KNN在共享单车停靠点优化选择中的应用)[J].广东工业大学学报,2022(03):1-7
A类：
停靠点优化
B类：
GeoHash,KNN,优化选择,潮汐效应,选择水平,分类学,最近邻,Nearest,Neighbor,model,选择方法,点空间,供选择,可容,容纳,辆数,双重约束,聚类算法,厦门市,思明区,湖里区,共享单车数据,潮汐现象
AB值：
0.261034
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。
