基于机器学习聚类算法的城市公交车站点优化分析

来源 :湖南工程学院学报(自然科学版) | 被引量 : 0次 | 上传用户:ericc0123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着“低碳环保,绿色出行”的理念深入人心,城市公交出行成为越来越多人的选择,但公交出行拥堵、低效率问题仍然是一个热点问题.采用聚类算法对城市公交车进行优化分析,通过三种聚类算法(DBSCAN、k-means、DIANA)、OD矩阵模型、统计与概率学等相关技术,对公交车刷卡数据进行挖掘建模,并分析提出居民出行规律、OD矩阵和公交车优化建议,构建出更科学高效的城市公交站点设置方案,将有效地缓解公交出行拥堵、效率低问题.
其他文献
针对移动机器人动力学模型难以精确建立、运动过程中各种干扰对高精度轨迹跟踪造成偏航等问题,构造出一种快速终端滑模自抗扰控制器,实现了高速高精度轨迹跟踪控制目标.首先建立非完整移动机器人的干扰控制模型;然后运用扩张状态观测器实时监测系统未建模动态与各种干扰;同时将扩张状态量和系统反馈量作为快速终端滑模算法的系统变量;最后设计出一种快速终端滑模控制律,代替传统自抗扰算法中的非线性控制律,从而实现位姿的快速精确跟踪.该算法既克服了非线性误差控制律中参数繁杂不易整定的缺陷,又增强了系统鲁棒性和轨迹跟踪的动态品质.对