view in publisher's site

Moment-based rental prediction for bicycle-sharing transportation systems using a hybrid genetic algorithm and machine learning

Highlights•Fuzzy c-means clustering has been employed to classify the bicycle rental records.•An evolutionary algorithm has been employed to improve the cluster centers using fuzzy c-means clustering.•The neural network with back propagation has been used to predict the bicycle rental demand for weekend and working days.AbstractBicycle-sharing systems are a new type of transportation service that provides bicycles for shared use; they allow users to rent a bicycle at one station, ride it, and return it to another station in the same city. A predictive model is needed to forecast the rental demand to improve user satisfaction and increase profits. To effectively predict the rental demand in such bicycle-sharing systems, we propose a moment-based model and a new hybrid approach that combines a fuzzy C-means (FCM)-based genetic algorithm (GA) with a back propagation network (BPN). This FCM-based GA is a new unsupervised classification method that is used to pre-classify historical rental records into groups. The classification results are then fed into a BPN predictor, which is trained using these categorized records. After training, the BPN predictor can predict the demand at future moments. Finally, we present a case study based on real-life data to demonstrate the effectiveness and efficiency of the proposed approach.

پیش‌بینی کرایه مبتنی بر زمان برای سیستم‌های حمل و نقل با دوچرخه با استفاده از یک الگوریتم ترکیبی ژنتیک و یادگیری ماشین

کاره‌ای مهم: خوشه‌بندی فازی - means برای طبقه‌بندی سوابق اجاره دوچرخه استفاده شده‌است. یک الگوریتم تکاملی برای بهبود مراکز خوشه با استفاده از خوشه‌بندی فازی - means استفاده شده‌است. شبکه عصبی با انتشار برگشتی برای پیش‌بینی تقاضای اجاره دوچرخه برای تعطیلات آخر هفته استفاده شده‌است و سیستم‌های به اشتراک گذاری days.Abst نوع جدیدی از خدمات حمل و نقل هستند که دوچرخه را برای استفاده مشترک فراهم می‌کند؛ آن‌ها به کاربران اجازه می‌دهند تا دوچرخه را در یک ایستگاه کرایه کنند، آن را سوار کنند و آن را به یک ایستگاه دیگر در همان شهر بازگردانند. یک مدل پیش‌بینی‌کننده برای پیش‌بینی تقاضای اجاره برای بهبود رضایت کاربر و افزایش سود مورد نیاز است. برای پیش‌بینی موثر تقاضای اجاره در چنین سیستم‌های به اشتراک گذاری دوچرخه، ما یک مدل مبتنی بر گشتاور و یک رویکرد ترکیبی جدید را پیشنهاد می‌کنیم که یک الگوریتم ژنتیک مبتنی بر C (FCM)را با یک شبکه انتشار برگشتی (bpn)ترکیب می‌کند. این GA مبتنی بر FCM، یک روش طبقه‌بندی نظارت نشده جدید است که برای طبقه‌بندی سوابق اجاره تاریخی به گروه‌ها به کار می‌رود. سپس نتایج طبقه‌بندی به یک پیشگوی bpn تغذیه می‌شوند که با استفاده از این سوابق طبقه‌بندی‌شده آموزش‌دیده است. بعد از آموزش، پیش‌بینی‌کننده bpn می‌تواند تقاضا را در لحظات آینده پیش‌بینی کند. در نهایت ما یک مطالعه موردی مبتنی بر داده‌های واقعی زندگی ارایه می‌کنیم تا کارایی و کارایی روش پیشنهادی را نشان دهیم.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.