TY -的A2 Dolezel切赫盟——周,庆丰AU - Wong Chun Janice AU - Su,西安PY - 2020 DA - 2020/11/28 TI -机器学习数量管理方法Dockless长期可持续发展的公共自行车:在中国深圳的SP - 8847752六世- 2020 AB -由于自行车的数量对Dockless PBS的可持续发展至关重要,本研究引入机器学习进行数量管理方法使用OFO自行车在深圳操作数据。首先,两种聚类算法被用来识别自行车聚集区域,和可用的自行车数量和可用的自行车数变异系数分析了每个自行车聚集区域的类型。第二,五分类算法的精度进行比较区分类型的自行车聚集地区使用25个影响因子。最后,应用程序获得的知识从现有dockless自行车运行数据来指导公共自行车的数量规划和管理探索。我们发现以下。(1)有492 OFO自行车聚集区域,可以分为四种类型:效率高,正常的低效率,高效,和正常有效。效率高和正常低效地区聚集约110000辆自行车使用率较低。(2)更多类型的自行车聚集区域将影响分类算法的准确性。随机森林分类的最佳性能确定自行车聚集区域类型五分类算法的精度超过75%。(3)25特征有明显差异的影响因素在四种类型的自行车聚集地区。 It is feasible to use these factors to predict area type to optimize the number of available bicycles, reduce operating costs, and improve utilization efficiency. This work helps operators and government understand the characteristics of dockless PBS and contributes to promoting long-term sustainable development of the system through a machine learning approach. SN - 0197-6729 UR - https://doi.org/10.1155/2020/8847752 DO - 10.1155/2020/8847752 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -