排序方式: 共有35条查询结果,搜索用时 15 毫秒
31.
32.
33.
近年来“网约车”数量越来越多,“网约车”等待时间长与载客热区需求大等问题也逐步显现,乘车体验亟需改善。在成都市出租车GPS数据的基础上,研究出租车出行分布规律,划分工作日为早、晚、夜高峰相关时段,引入k-距离曲线改进DBSCAN空间聚类算法,对出租车上下客点进行聚类分析,并用数据挖掘得出载客热区。采用BP神经网络预测载客热区的出行需求,预测结果表明,早高峰时段BP神经网络模型的MAPE分别较随机森林模型、岭回归模型提高了3.25%和5.87%,晚高峰时段提高了2.98%和4.32%、夜高峰时段提高了1.44%和2.58%,验证了BP神经网络在出租车需求预测方面的可行性。 相似文献
34.
35.