论文部分内容阅读
随着“互联网+”在各行业的不断渗透,为传统行业的革新与升级注入了全新的动力。巡游出租车行业供需时空信息的不对称性导致“打车难”问题持续存在,使其成为“互联网+”必然会触及的领域。由此催生了网约车这一新业态,有效打通了出租车供给与需求之间的信息不对称性问题。本文利用网约车平台的公开数据,开展了网约车需求特性分析与短时预测,为网约车运营提供方法性参考,对提升供需匹配效率具有重要意义。本文主要工作如下:首先,本文通过查阅大量研究文献,从传统出租车供需、互联网时代的出租车供需研究、以及交通短时预测等方面进行了综述,梳理了本文研究内容与技术路线。并且通过对比网约车与巡游出租车的行业特性,进一步明确了本文的研究内容。第二,网约车出行需求时空特性分析。根据网约车出行数据的特征,本文将网约车出行需求总数拆分为供需匹配数与需求缺口数,并定义了网约车供需匹配度与需求紧缺度。并据此分析工作日与非工作日网约车出行需求的时间特性,划分了不同的时段类型,并得出工作日与非工作日供需匹配度的差异性。然后在此基础上进行分时段的网约车出行需求空间特性分析,为网约车出行需求短时预测提供了依据。第三,网约车出行需求短时预测。论文从现实意义角度出发,以需求缺口数作为网约车出行需求短时预测的目标,并进行了时间相关性分析,发现网约车出行需求缺口与历史前50分钟,以及同时刻历史日期的出行需求缺口相关程度较大。根据网约车出行需求缺口的特点构建了基于BP神经网络的网约车出行需求短时预测模型,依据相关性分析结果确定了模型结构,并以网约车出行实际数据进行了需求短时预测并验证了模型有效性。最后,给出了改善网约车供需匹配的相关建议,并对下一步研究进行了展望。