基于BP神经网络算法的共享单车需求预测

文章选取某地区不同时段的共享单车需求数据,采用BP神经网络算法构建了基于Tanh函数、Logistic函数、Relu函数、Identiey函数四种不同激活函数下的需求预测模型,并应用RMSE、MSE、MAE、R2四种模型评估指标对模型进行评估,从而选出最优需求预测模型进行共享单车的需求预测。结果表明:无论在检验训练数据下还是检验测试数据下,精度最高的模型为Tanh函数下的BP神经网络模型,其测试集下的标准误差(RMSE)比训练集下的标准误差(RMSE)略有上升,测试集下的拟合优度(R2)比训练集下的拟合优度(R2)略有下降,说明该模型具有强泛化性能。     

基于网约车资源调度的可视化分析

文章针对网约车需求高峰期"打车难"的问题,按照大数据可视化分析的工作路径,以某网约车企业的运营数据为例,利用PMT软件对数据进行处理,分析网约车出行需求的特征,最终发现网约车需求在不同时段、地域上存在的差异。这些结论有助于网约车企业在进行车辆资源调度时做出更合理的调度决策,从而最大程度地满足客户需求。