共享单车计算机网络,基于BP神经网络的共享单车调度优化

摘要：本文通过研究共享单车的授放以及调度优化问题，使得调度以及投放单车的次数最少。经过对单车调度以及投放情况进行分析，探讨了单车分布的影响。以邹城市为倒，首先根据实际情况，对数据进行了整理，通过BP神经网络对单车的初始量进行预测，完成之后以期望调度次数最少为目标，建立整数规划模型，利用lingo进行求解得出期望调度次数为4.3次。

关键词：共享单车调度;神经网络;整数规划

一、数据处理

基于邹城市的统计数据，将各时间段内的第i区域到达第j区域的骑车人次汇总，得到每个区域一天中共享单车的分布情况。通过与该市骑行需求相对比，发现需求量大于提供量，结果如下表，所以需要对共享单车进行调度。

二、BP神经网络

BP算法由数据流的前向计算(正向传播)和误差信号的反向传播两个过程构成。正向传播时，传播方向为输入层一隐含层一输出层，每层神经元的状态只影响下一层神经元。若在输出层得不到期望的输出，则转向误差信号的反向传播流程。通过这两个过程的交替进行，在权向量空间执行误差函数梯度下降策略，动态迭代搜索一组权向量，使网络误差函数达到最小值，从而完成信息提取和记忆过程。

(1)信号的前向传播过程。设BP网络的输入层有n个节点，隐含层有q个节点，输出层有m个节点，输入层与隐含层之间的权值为vki，隐含层与输出层之间的权值为wjk。隐含层的传递两数为f0)，输出层的传递函数为5()，则隐层节点的输出将阈值写入求和项中，至此BP网络就完成了n维空间向量对m维空间的近似映射。(2)误差的反向传播：0定义误差函数。输入P个学习样本，用.，来表示。②输出层权值的变化。采用累计误差BP算法调整，使全局误差变小。③隐层权值的调整。具体过程不再介绍，可以参考文献。

三、模型建立及求解

根据以上分析，建立整数规划模型来优化共享单车调度问题即有调度倾向度与调度值之积最大为目标函数：max ExjDjo每个需要调度的区域的单车数目都要满足期望的调度单车数目：Exij=Ni i=1，2，5每个不需要调度的区域中，所有多余的车辆均要全部调度：Exij=Mj j-1.2-.5综上：Ni-15，15.3，13，1;Mij[3，5，8，5，16])

其中xj是区域到区域j共享单车的调度数量，Ni是区域i所能调出的所有共享单车数量，Mj是区域j所需要调入的所有共享单车的数量。Dij为调度倾向。由结果可以者m在0点-6点之间，区域3的共享单车应该调出5辆给区域6：区域5的共享单车应该调出3辆给区域14辆给区域2.8辆给区域8;区域7的共享单车应该调出3辆给区域8;区域9的共享单车应该调出8辆给区域4.5辆给区域8;区域10的共享单车应该调出1辆给区域2。以上即为根据模型得出的最优调度方案。即说明，在满意度最优的情况下，建立的整数规划模型可以很好的解决增加车辆的问题。与计算结果进行比较，证明了模型的正确性与合理性。

参考文献：

[1]张婷，共享经济模式下共享单车管理策略研究小]现代营刊)，2017，(03)：30.

[2]刘亚楠.共享单车发展研究分析[]时代金融，2017，(08)：251+254.

基于BP神经网络的共享单车调度优化相关推荐基于BP神经网络的短期负荷预测