目录
摘 要 I
ABSTRACT II
第一章 绪论 1
1 研究背景及意义 1
1.1 研究背景 1
1.2研究意义 1
2 国内外研究现状 2
2.1共享单车需求预测研究现状 2
2.2共享单车调度优化研究现状 3
3 主要研究内容 4
第二章 单车配送调度数据的获取与预处理 6
1 实验数据的获取 6
1.1获取共享单车的相关数据 6
1.2获取距离数据 6
2 实验数据集 7
2.1共享单车的相关数据 7
2.2任意租赁点之间的距离 8
3 实验数据预处理 9
3.1 年份对租赁数量的影响 11
3.2月份和季节对租赁数量的影响 12
3.3时间（小时）对租赁数量的影响 13
3.4天气对租赁数量的影响 13
3.5温度、湿度、风速对租赁数量的影响 14
第三章 共享单车数量预测模型 15
1 共享单车数量预测问题描述 15
2基于神经网络的模型预测 15
2.1人工神经网络简介 15
2.1.1人工神经元 16
2.1.2两个隐含层神经元 19
2.2数据的预处理过程 20
2.2.1类型变量的独热编码 20
2.2.2数值类型变量的处理 21
2.2.3数据集的划分 22
2.3构建神经网络 23
2.4测试神经网络 25
第四章 共享单车配送调度问题 27
1 问题描述 27
2 参数设置 27
3 数学描述 27
4 实验 28
4.1实验设计 28
4.2实验结果及分析 29
第五章 结论与展望 32
参考文献 33
附 录 35
致 谢 36
无桩式共享单车调度优化问题研究
 *51今日免费论文网|www.51jrft.com +Q: #351916072# 
/> 摘 要
随着我国共享经济的蓬勃发展，自行车共享系统已经引起越来越多的关注，并且在许多大城市已经建立了大量的自行车共享系统，这不仅减少了城市中的空气污染，还缓解了交通拥堵问题。由于使用共享单车的用户主要进行单程旅行，这导致自行车在时间和空间上的分布不平衡，因此管理员可以雇用一批车队在共享单车租赁点之间进行调度，以进行重新平衡。本文着重于自行车共享再平衡问题（BRP），它包括两个方面：确定每个站点的共享单车需求以及设计一种站点之间重新分配自行车的合理路线。
本文实验以白宫附近的小部分共享单车租赁点为对象，首先在高德地图上获取各租赁点的经纬度，通过经纬度再得到各租赁点之间的距离，并根据Kaggle和SofaSofa竞赛提供的数据集，直观地分析影响该地区每个租车点租用共享自行车数量的影响因素，并使用预测模型将主要影响因素进行训练，以便得到共享单车的未来或当前的需求数量，基于此值并结合当前租赁点单车数量，综合计算某租车地点的需求数量，最后使用蚁群算法进行优化和运输，获得路径相对较短的共享自行车调度路线。

原文链接：http://www.jxszl.com/jtgc/jjtys/610154.html