The invention discloses a virtual pile, 200 group data crawler training samples, the training model of double BP neural network combined, the combination forecasting model for a number of input 2, output prediction regression neural network and time delay neural network, hidden layer number according to the test in 10, the number of output for 1, the final prediction value, learning error control in less than 0.00001; and then select 60 groups of actual data of a crawler continuous operation period are checked and analyzed; the virtual pile provided by the invention, to predict the crawler data using neural network, time series of data without the stationarity assumption, only rely on the sample data the training for the mapping relationship between the data, so as to establish accurate data prediction model.
【技术实现步骤摘要】
虚拟桩
本专利技术属于共享单车领域,尤其是一种虚拟桩。
技术介绍
共享单车的大面积普及,给人们出行带来了极大地便利,也出现了单车乱停乱放影响交通秩序的现象,增加了政府部门的管理压力。究其原因,有以下两点:一,共享单车数量猛增,原有停车位容量扩充跟不上共享单车数量的增长;二,原有的单车所有者和使用者是统一的,用户对自有单车的使用相对规范。而随着共享单车的大面积普及,替代作用日益明显。单车拥有者和使用者分离,部分用户在使用单车时,并没有遵守交通规则,车辆乱停乱放,也增加管理压力。
技术实现思路
本专利技术为解决上述技术问题而采用的技术方案是提供一种虚拟桩,其中,具体技术方案为:数据预测流程:数据爬虫系统:爬取的是地跌站的人行流量数据和公交车的人行流量数据;清洗数据:对数据进行清洗、过滤、转化,提取出符合自己的数据;双重BP神经网络组合预测模型:对清洗数据进行建模、预测;应用程序:预测人流量大的地铁或公交车的站点,交给应用程序去判断虚拟站点的位置;非线性组合模型预测模型:数学表达式为:y=f(x1,x2,...,xi,...,xn);Y:表示神经网络组合器的输出,即组合预测模型的预测值,也就是预测人流大的区域;xi:表示第i项预测模型的预测值;f(...):表示神经网络非线性映射函数;双重BP神经网络组合预测模型:第1重由回归神经网络和延时神经网络组成,回归神经网络模型用爬虫数据作为输入,延时神经网络模型则用与预测参数相关运行参数作为输入;第2重是神经网络组合器,将前两者的预测结果进行优化组合,从而充分利用测点数据的历史变化趋势和相关参数的映射规律信息,提高预测精度 ...
【技术保护点】
一种虚拟桩,其特征在于:数据预测流程:数据爬虫系统:爬取的是地跌站的人行流量数据和公交车的人行流量数据;清洗数据:对数据进行清洗、过滤、转化,提取出符合自己的数据;双重BP神经网络组合预测模型:对清洗数据进行建模、预测;应用程序:预测人流量大的地铁或公交车的站点,交给应用程序去判断虚拟站点的位置;非线性组合模型预测模型:数学表达式为:y=f(x1,x2,...,xi,...,xn);Y:表示神经网络组合器的输出,即组合预测模型的预测值,也就是预测人流大的区域;xi:表示第i项预测模型的预测值;f(...):表示神经网络非线性映射函数;双重BP神经网络组合预测模型:第1重由回归神经网络和延时神经网络组成,回归神经网络模型用爬虫数据作为输入,延时神经网络模型则用与预测参数相关运行参数作为输入;第2重是神经网络组合器,将前两者的预测结果进行优化组合,从而充分利用测点数据的历史变化趋势和相关参数的映射规律信息,提高预测精度。
【技术特征摘要】
1.一种虚拟桩,其特征在于:数据预测流程:数据爬虫系统:爬取的是地跌站的人行流量数据和公交车的人行流量数据;清洗数据:对数据进行清洗、过滤、转化,提取出符合自己的数据;双重BP神经网络组合预测模型:对清洗数据进行建模、预测;应用程序:预测人流量大的地铁或公交车的站点,交给应用程序去判断虚拟站点的位置;非线性组合模型预测模型:数学表达式为:y=f(x1,x2,...,xi,...,xn);Y:表示神经网络组合器的输出,即组合预测模型的预测值,也就是预测人流大的区域;xi:表示第i项预测模型的预测值;f(...):表示神经网络非线性映射函数;双重BP神经网络组合预测模型:第1重由回归神经网络和延时神经网络组成,回归神经网络模型用爬虫数据作为...
【专利技术属性】
技术研发人员:刘纯阳,鲍士要,张国涛,
申请(专利权)人:上海享骑电动车服务有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。