Research on Usage Forecast of Public Bicycle with Open Data
Date Issued
2016
Date
2016
Author(s)
Li, Yi-Xuan
Abstract
近些年隨著綠色運輸理念的進步，公共自行車系統越來越受到人們的重視，其使用量及站點建置規模也在逐步擴大，在發展過程中也出現了大大小小的問題，對使用者的意願產生了一定的影響，其中無車可借及無位可還的現象對使用者滿意度的影響尤為明顯。因此，能否及時滿足該部分人群的需求，也就成了亟待管理者解決的問題之一。 故一套完善的使用量預測模式將會輔助運營方有效地調補車輛，減少等待對使用者產生的影響。但過去對公共自行車的預測研究主要採用基於歷史資料的平均使用量分析，或者是進一步的線性回歸與決策樹模式，這些方法往往針對橫斷面進行分析而忽視了其時間維度上變動的趨勢。 此外由於公共自行車系統相對於其他大眾運輸運具，更易受到外在環境的影響，天氣狀況的改變也會導致使用量的短期變化。這也導致了單一時間序列模式或針對歷史資料的決策樹模式無法更為精確的描述使用量的變化情況。本研究首先應用自我回歸移動平均整合模式（ARIMA）、三次指數平滑法（Holt-Winters）以及倒傳遞神經網路（BP Neural Network）分別獨立建立預測模式，結果顯示，單一預測模型對使用量預測的精度有限，故考量建立混合預測模型，應用Holt-Winters算法擬合（fit）原始時間序列數據，並應用ARIMA模式進一步擬合Holt-Winters的殘差項，並應用倒傳遞神經網絡結合天氣因素擬合處理過的殘差項，通過將模型動態迭代以得出穩定的時間序列模式及天氣擾動之神經網路模型，建構出精確度更高的混合模型。
Subjects
Usage forecast
ARIMA
Holt-Winters
BP neural network
Hybrid model
Type
thesis
File(s)![Thumbnail Image]()
Loading...
Name
ntu-105-R03521531-1.pdf
Size
23.32 KB
Format
Adobe PDF
Checksum
(MD5):085253e84a1b5b8b0b64301100191b50