基于GPS数据的出租车出行需求预测研究

摘要：

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.

关键词：城市交通;载客热区;DBSCAN聚类;出行需求预测;GPS

所属期刊栏目：39

分类号：U491(交通工程与公路运输技术管理)

资助基金：中国博士后科学基金项目2019M660381

在线出版日期：2021-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：128-136