“共享经济”的概念迅速普及,共享汽车也随之悄然进入了人们的视野。这些共享汽车平台也像共享单车的发展模式,率先在北京、上海、广州等大型城市布局,虽然各家平台投放车辆以及网点的数量有多有少,但均已在市场上引起一定反响。共享汽车的出现为人们的生活带来方便快捷,但新事物的诞生还是需要和社会实际情况不断的磨合相适应。研究共享汽车的位置分布及调度模型是十分重要的。
针对该城市的共享汽车使用分布情况,利用附件中已知的时间,经纬度这些位置和停车点信息数据得到共享汽车的位置分布信息(图5),用K均值聚类的方法对位置进行聚类,建立了共享汽车的位置信息分布聚类模型,得到共享汽车的停车点进而得到在7聚类中心和20聚类中心下共享汽车的分布情况(图6,图7)。
针对共享汽车使用情况的预测,以输入为车辆的经纬度信息和车辆数,输出为共享汽车的使用情况,采用Bp神经网络对共享汽车的使用情况预测,建立了一个三输入的BP神经网络共享汽车使用预测模型,得到了共享汽车的经纬度信息以及对应的车辆数目预测(部分数据见表5)。
针对共享汽车的调度方案,以BP神经网络共享汽车使用预测模型和实际信息为基础,采用可变惯性权重的粒子群算法,
1