Indexed by：
Abstract：
近年来＂网约车＂数量越来越多,＂网约车＂等待时间长与载客热区需求大等问题也逐步显现,乘车体验亟需改善.在成都市出租车GPS数据的基础上,研究出租车出行分布规律,划分工作日为早、晚、夜高峰相关时段,引入k-距离曲线改进DBSCAN空间聚类算法,对出租车上下客点进行聚类分析,并用数据挖掘得出载客热区.采用BP神经网络预测载客热区的出行需求,预测结果表明,早高峰时段BP神经网络模型的MAPE分别较随机森林模型、岭回归模型提高了3.25％和5.87％,晚高峰时段提高了2.98％和4.32％、夜高峰时段提高了1.44％和2.58％,验证了BP神经网络在出租车需求预测方面的可行性.
Keyword：
Reprint Author's Address：
Email：
Source ：
交通信息与安全
ISSN： 1674-4861
Year： 2021
Issue： 5
Volume： 39
Page： 128-136
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
