基于网约车OD数据的城市出行 热点区域识别及预测方法研究

• 作者: 李伟
• 来源期刊: 交通科技与管理
• 学科: 交通运输
• 关键词: 密度聚类 长短时记忆网络 热点区域识别 需求预测
• 年，卷（期）: 2020,（9）
• 页码范围: 0118-0120
• 页数: 3页
• 分类号: U491.1

摘要

城市出行热点区域的识别对于提高政府对城市出行特征认识,优化设施选址,改造老旧城区等有着重要意义。同时,随着互联网的发展,网约车数量快速增长,其背后的数据挖掘在城市规划,为政府提高决策数据支撑方面发挥着越来越重要的作用。本文基于2017年5月1日—2017年10月31日海口市每日的滴滴订单数据,使用密度聚类(Dbscan)算法识别网约车出行热点区域,并同时结合长短时记忆网络(LSTM)算法对网约车出行热点区域的出行需求进行了合理的识别与预测。其结果显示海口市早高峰存在8个出行热点区域,午高峰存在6个出行热点区域,晚高峰存在10个出行热点区域。结果显示海口市城区早高峰的平均预测误差为29.2%,午高峰预测的平均误差为24.8%,晚高峰预测的平均误差为22.8%,准确性良好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李伟		1	0	0.0	0.0