国产欧美精品一区二区,中文字幕专区在线亚洲,国产精品美女网站在线观看,艾秋果冻传媒2021精品,在线免费一区二区,久久久久久青草大香综合精品,日韩美aaa特级毛片,欧美成人精品午夜免费影视

城市公共自行車(chē)系統（PBS）服務(wù)點(diǎn)自行車(chē)數量的再平衡是解決“租還車(chē)難”問(wèn)題的關(guān)鍵，對服務(wù)點(diǎn)租還需求量的短時(shí)預測則是PBS再平衡的基礎。通過(guò)分析PBS租還需求的內外關(guān)聯(lián)影響因素，提出基于深度學(xué)習理論的LSTM（Long-Short Term Memory，長(cháng)短時(shí)間記憶）單元的循環(huán)神經(jīng)網(wǎng)絡(luò )RNN（Recurrent Neural Network）服務(wù)點(diǎn)租還需求量預測模型，并通過(guò)區域PBS平均出行OD，對預測模型的輸入特征進(jìn)行合理優(yōu)化，實(shí)現PBS服務(wù)點(diǎn)租還需求量的短時(shí)預測。以杭州市下沙PBS服務(wù)區為實(shí)驗對象，選取三組不同的輸入時(shí)間步長(cháng)對預測模型進(jìn)行實(shí)踐驗證，結果顯示：在選取的模型結構與輸入特征下，采用循環(huán)神經(jīng)網(wǎng)絡(luò )對服務(wù)點(diǎn)租還需求量進(jìn)行預測能夠比傳統前饋神經(jīng)網(wǎng)絡(luò )在結果上更加接近實(shí)際值，并且精度較為滿(mǎn)意，表明了該預測方法可行有效。