摘 要共享出行是一种流行的共享经济模式，为人们的工作和生活带来前所未有的便利，极大地提高了消费体验和资源利用的效率。随着共享经济的到来，共享自行车在中国迅速发展，已成为居民出行的重要交通工具之一。为了占领市场，过去几年共享自行车企业超载车辆，自行车停放点的供需不平衡导致严重扰乱正常的社会秩序。为了优化共享单车的时空分布，我们将在某一天各时段的不同区域收集单车数据，使用BP神经网络训练样本数据，建立合理的指标，将时间，人口密度和环境作为已知数量 ，找出不同时间和空间与共享单车需求之间的关系，并以数据为指标来对未来预测，以优化和重新分配共享资源。
目 录
第一章 绪论 1
1.1共享单车行业发展背景 1
1.2共享单车的发展现状 1
1.3本文的主要研究内容 2
第二章 BP神经网络 3
2.1本文采用的研究手段 3
2.2人工神经网络 4
2.2.1 BP神经网络基本原理分析 4
2.2.2 BP神经网络算法及模型 5
2.2.3 BP神经网络算法流程 6
2.2.4 BP网络算法 7
第三章 共享单车需求关系的时域分析 10
3.1基于南京部分区域的共享单车租用需求量预测模型时域 10
3.1.1共享单车需求量影响因素 10
3.1.2共享单车年度使用数据分析 10
3.1.3共享单车每日使用数据分析 11
3.2利用BP神经网络实现共享单车需求预测 17
3.2.1 BP神经网络建立条件 17
3.2.2 Matlab神经网络工具箱BP网络的建立及数据处理 18
结束语 26
致 谢 27
参考文献 28
第一章 绪论
1.1共享单车行业发展背景
随着智能手机的普及和移动用户的激增，包括自行车共享在内的股份经济正在迅速增长。 作为城市慢行共享公共交通系统的重要组成部分，2016年以绿色、低碳、便捷、经济、环保为主的共享单车产业发展迅速。中国用户总数已达两千万，经营规模已达十四亿元。
 *51今日免费论文网|www.jxszl.com +Q: &351916072& 
作为在线旅游行业的主流服务，共享旅游包括2016年蓬勃发展的市场中的网络汽车预约服务，分时租赁服务和共享自行车服务。与专用/快速和顺风车辆相比，共用自行车解决了“自行车”的问题。 最后一公里“为用户旅行，节省用户的时间成本和服务成本。 租赁和共用自行车易于使用，可灵活地取回和返回自行车，并且具有高性价比。目前，共享自行车用户的覆盖率正在迅速增长。
市场喷雾的发展带来了激烈的竞争。据不完全统计，自2016年下半年来，已有不少于30家运营商投资该行业。截至2017年4月初，ofo单车已覆盖全国44个国内城市和3个海外城市，摩拜自行车已覆盖国内超过35个城市，并进入到了新加坡，引领整个行业。 在自行车交付方面，截至2017年3月底，ofo投入运营的自行车总量达到100万辆，占全国400万辆的25%，摩拜80的万辆单车，占市场份额的20%，分别排名第一和第二。
从2016年到2017年，中国共享自行车市场发展迅速，资金迅速涌入。随着时代的发展科技的进步，共享单车的弊端也开始明显的出现。首先，生产了大量的城市垃圾，随意放置的空车和无法恢复的受损车辆占用了道路资源，对城市交通和环境产生了负面影响。其次，在影响传统交通方式和传统产业的同时，会造成大量的社会资源浪费，使一些产业的生存陷入危机。第三，以资本运输为唯一的盈利模式，利益恶性竞争更为突出。随着越来越多的共享自行车品牌的出现，该行业也存在泡沫，管理更加混乱。当泡沫破灭时，人们仍然遇到了出行问题。因此，根据不同时域的共用自行车交通，利用BP神经网络训练样本数据，通过建立合理的指标，将时间，人口密度和土地类型作为已知数量，共享自行车的需求与需求之间的关系。可以获得不同时空的共用自行车，所获得的数据可以作为预测不同时空共享自行车需求的指标，从而优化共用自行车的资源进行转换和再分配。
1.2共享单车的发展现状
面对一系列共享单车运营过程中出现的一系列问题，管理方为解决自身车辆的质量问题充分利用共享单车的现有资源，在舒适度、安全性或者美观上面进行提升，以吸引更多的顾客群，并对车辆进行监管，将恶意破坏车辆的人纳入用户信用黑名单。
为了使共享单车的调度量与各个区域的需求量持平，需要对次进行预测。为此，国内外学者做了相关研究：董洪召[2]等人针对自然租赁需求使用改进的多逻辑模型来估计PBS份额率；Regue[3]等人。 提出了一种基于梯度螺旋桨的需求估算模型，并构建了动态调度框架；杨飞[4]等人通过构建车辆转移概率矩阵并建立站点稳态方程来预测自行车租赁和需求；林燕萍[5]使用ARIMR模型来满足高峰期的需求。；Kaltenbrunner[6]等人分析了巴塞罗那PBS在时间特征方面的动态特征，并建立了租金估算的预测。
共享单车所面临的一系列挑战在其发展过程中已经暴露出来。这些问题需要自行车公司改变和改进。在使用共享单车时，用户也对共享单车的发展提出了自己的想法，这是共享单车所属公司需要努力的方向。只有尽可能满足用户的需求，共享单车市场才能保持活力。
因此，根据不同时域的共用自行车交通，利用BP神经网络训练样本数据，通过建立合理的指标，将时间、人口和环境作为已知量，求得共享单车的供需关系，所获得的数据可以作为预测不同时空下共享单车需求量的指标，从而优化共享单车的资源。
1.3本文的主要研究内容
在广泛阅读共享单车规划预测的有关文献的基础上,针对现有分析方法的不足,基于BP神经网络算法,通过建立合理的指标，将时间、人口和环境作为已知量，求得不同时空下共享单车的供需关系，将所得数据作为指标来预测不同时空共享单车的需求量，从而对其进行资源优化和再分配。

原文链接：http://www.jxszl.com/dzxx/dzkxyjs/558373.html