仲羽高:电动汽车共享系统动态需求预测方法研究

为了增强学术交流,推进行业研究,本微信公众号将定期推出同济大学交通运输工程学院综合交通信息与工程系的师生研究论文,今天推出的是由马万经教授指导的2015级硕士研究生仲羽高的硕士论文,论文摘要介绍如下:

汽车共享系统近年来飞速发展,其中尤以电动汽车为主体的单向站点式汽车共享系统发展最为广泛。此类系统借车、还车可以不在同一站点进行,但必须借或还到某一站点,且可以即时借、还车,不需要提前预约。由于借、还车的时间、站点等需求特征本身具有很强的随机性,再加之站点泊位和车辆数都非常有限,这类系统常出现“有车无人”、“有人无车”或“还车无泊位”等情况。因此,准确预测动态的借、还车需求对这类系统高水平运行具有重要的价值和意义。一方面,可以支撑系统动态调度,提升系统的运行效率和服务水平;另一方面,还可以基于供需匹配情况及时地引导和服务更多用户。

本研究以单向站点式汽车共享系统为研究对象,一方面,创新性地引入“触点数据”,即用户点按APP的操作日志数据,建立基于触点数据的用户动态借车需求预测模型。另一方面,引入“GPS轨迹数据”,建立基于轨迹数据的用户动态还车需求预测模型,并给出“GPS轨迹差异度”指标的计算方法,引入计算指标,实现用户的还车网点动态预测。最后,基于实际系统数据分别对借还需求预测模型进行验证,说明模型具有较高的准确性和可靠度。

研究对象:单向站点式汽车共享系统

part

1

首先,创新性的引入“触点数据”,实现对系统用户真实借车需求的动态短时预测,适用于为系统主动调度、动态设定激励策略提供依据。建立二项Logit选择模型实现预测用户当前触点是否表征用户真实出行需求;建立多元线性回归模型实现预测用户发生触点之后多长时间产生借车出行需求,即用户的借车需求时刻预测;并进一步给出用户可能借车的网点范围的判别方法。根据系统实际数据对离散选择预测模型和多元线性回归预测模型进行验证,验证结果显示:用户真实出行需求判别模型的AUC值达到0.835,平均预测误差为6.54%;出行时刻预测模型的拟合优度为0.7482,不同特征区间统计下的平均预测误差在11%-12%左右。

基于触点数据的借车需求预测流程

基于触点数据的借车需求时刻分析

基于触点数据的借车需求判别预测模型误差分析

part

2

其次,引入“GPS轨迹数据”建立基于轨迹数据的用户动态还车需求预测模型。通过建立二项Logit选择模型预测并判别用户当前轨迹点在未来短时间内是否有还车需求;并建立“GPS轨迹差异度”指标的计算方法,引入计算指标,实现用户的还车网点动态预测。之后,对模型的结果进行分析和验证,用户还车需求识别模型的AUC值达到0.715,不同特征区间统计下的平均预测误差低于10%;还车网点动态预测模型的AUC值达到0.954,选取特征区间,统计平均预测误差为4.78%,说明基于轨迹数据的动态还车需求判别和网点预测模型具有较高的准确性和可靠度。

基于轨迹数据动态还车需求预测模型

2018年5月30日下午,在通达馆A436举行硕士论文答辩。参加答辩学生为2015级学术硕士仲羽高、范维娜、王奕彤,专业硕士邹莉,答辩委员会主席为浙江大学金盛副教授,答辩委员会成员有:吴志周研究员、马万经教授、胡笳研究员、常云涛讲师。答辩秘书为宋文兰工程师。

听取答辩委员会主席金盛副教授宣读答辩决议

答辩委员会成员与答辩硕士生合影

长按扫描上方二维码关注我们

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180716G0FUKT00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券