[發(fā)明專利]基于DBScan的多粒度城市公共自行車調(diào)度方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810348597.7
• 申請(qǐng)日: 2018-04-18
• 公開（公告）號(hào): CN108664995A
• 公開（公告）日: 2018-10-16
• 發(fā)明（設(shè)計(jì)）人: 胡正華;劉良旭;童春芽;李俊;茅琴嬌
• 申請(qǐng)（專利權(quán)）人: 寧波工程學(xué)院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06Q30/06;G06Q50/26
• 代理公司: 武漢華強(qiáng)專利代理事務(wù)所(普通合伙) 42237
• 代理人: 溫珊姍

本發(fā)明公開了基于DBScan的多粒度城市公共自行車調(diào)度方法及系統(tǒng)，所述調(diào)度方法基于下述聚類方法實(shí)現(xiàn)，包括：S110以站點(diǎn)為聚類對(duì)象，繪制聚類對(duì)象的k?dist圖；S120提取k?dist圖曲線的拐點(diǎn)，所有拐點(diǎn)對(duì)應(yīng)的區(qū)域半徑構(gòu)成鄰域半徑值集；S130對(duì)每一個(gè)鄰域半徑值，分別采用DBScan法對(duì)對(duì)應(yīng)層級(jí)的聚類對(duì)象進(jìn)行聚類，獲得各不同層級(jí)的簇。本發(fā)明根據(jù)聚類結(jié)果，分別獲得各層級(jí)對(duì)應(yīng)的所有簇所形成的區(qū)域，即調(diào)度單元；按照層級(jí)從高到低，依次制定各層級(jí)的城市公共自行車調(diào)度方案。本發(fā)明可有效解決公共自行車站點(diǎn)分布不均衡所導(dǎo)致的聚類質(zhì)量差的問題，有利于提高聚類質(zhì)量，進(jìn)而提高調(diào)度的有效性。

技術(shù)領(lǐng)域

本發(fā)明屬于城市公共自行車系統(tǒng)管理、運(yùn)營(yíng)維護(hù)及相關(guān)的應(yīng)用領(lǐng)域，尤其涉及基于DBScan(Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的聚類方法)的多粒度城市公共自行車調(diào)度方法及系統(tǒng)。

背景技術(shù)

面對(duì)不斷加劇的城市交通問題和日益惡化的生態(tài)環(huán)境，大力發(fā)展城市的公共交通已經(jīng)成為社會(huì)各界的共識(shí)。公共自行車作為一種綠色低碳的出行方式，正越來越受到人們的青睞。然而，由于城市交通流的不對(duì)稱性和用戶需求的不確定性，公共自行車無(wú)法自發(fā)地在各個(gè)租賃點(diǎn)之間形成相對(duì)均衡的分布，許多租賃點(diǎn)經(jīng)常出現(xiàn)“無(wú)車可借”或者“無(wú)位可還”的現(xiàn)象，導(dǎo)致許多市民放棄使用公共自行車出行，這就大大降低了人們使用公共自行車的概率。為了提升城市公共自行車的服務(wù)水平，提高市民對(duì)公共自行車的滿意度，僅僅通過簡(jiǎn)單的增加公共自行車設(shè)施已經(jīng)不能從根本上解決問題，如何有效地將空余的自行車調(diào)度到有需求的租賃點(diǎn)逐漸成為越來越多研究學(xué)者公共關(guān)注的話題，在國(guó)內(nèi)外的學(xué)術(shù)界也有了許多有意義的研究成果。

與此同時(shí)，隨著城市公共自行車系統(tǒng)的日漸成熟與完善，不少研究學(xué)者開始利用各種聚類算法，結(jié)合公共自行車站點(diǎn)的歷史借車和還車數(shù)據(jù)，對(duì)城市公共自行車站點(diǎn)進(jìn)行聚類分析，形成不同劃分粒度下的自行車站點(diǎn)區(qū)域，利用這些劃分區(qū)域?qū)沧孕熊囘M(jìn)行有效的調(diào)度，可以在一定程度上減小相關(guān)管理部門制定自行車調(diào)度方案的復(fù)雜性。PatrickVogel等人通過分析公共自行車的歷史使用數(shù)據(jù)來挖掘城市公共自行車復(fù)雜的活動(dòng)模式，該研究不僅揭示了城市公共自行車車輛分布的不均衡性，并且為公共自行車系統(tǒng)的運(yùn)營(yíng)和管理提供了決策支持。Etienne等人提出對(duì)城市公共自行車數(shù)據(jù)的挖掘可以揭示出潛在的城市動(dòng)態(tài)現(xiàn)象，并利用一種統(tǒng)計(jì)模型分析公共自行車系統(tǒng)的行程數(shù)據(jù)，根據(jù)公共自行車站點(diǎn)的使用情況，對(duì)站點(diǎn)進(jìn)行聚類劃分。Martin ZaltzAustwick等采用可視化方法，結(jié)合空間統(tǒng)計(jì)分析工具來探索城市公共自行車的使用情況，利用空間分布的位置特征來揭示不同的站點(diǎn)之間的相似之處。

國(guó)內(nèi)的研究水平相對(duì)落后，但也有不少可喜的研究成果。周素靜等對(duì)借車、還車高峰時(shí)段的歷史數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)分析，建立了用車高峰時(shí)段的聚類分析模型，對(duì)城市公共自行車的統(tǒng)一調(diào)度提出了合理的建議。陳艷艷等根據(jù)公共自行車使用者的刷卡記錄來分析自行車站點(diǎn)的運(yùn)營(yíng)模式，利用公共自行車的租/還特征和使用強(qiáng)度結(jié)合聚類分析方法，將公共自行車站點(diǎn)進(jìn)行劃分，通過自行車站點(diǎn)呈現(xiàn)出的特點(diǎn)，為規(guī)劃人員調(diào)整站點(diǎn)周邊的教育布局提供有效的依據(jù)。張晶等利用一種改進(jìn)的K-means聚類算法，對(duì)城市的公共自行車站點(diǎn)進(jìn)行二次聚類，生成區(qū)域劃分方案，使得各個(gè)區(qū)域內(nèi)調(diào)度需求量的絕對(duì)值盡可能最小，且各個(gè)區(qū)域數(shù)據(jù)集的相似度盡可能高，從而有效提高調(diào)度效率，減少過度調(diào)度，達(dá)到降低成本的作用。劉路美首先對(duì)整個(gè)城市的自行車站點(diǎn)進(jìn)行了調(diào)度區(qū)域的劃分，在此基礎(chǔ)上提出了一種新的將關(guān)聯(lián)規(guī)則與聚類分析相結(jié)合的劃分方法，通過三次聚類，將城市所有站點(diǎn)劃分成不同的靜態(tài)調(diào)度區(qū)域。

然而傳統(tǒng)的聚類方法通常只使用一個(gè)全局的參數(shù)對(duì)聚類對(duì)象進(jìn)行劃分，并沒有考慮到城市公共自行車站點(diǎn)在整個(gè)城市范圍內(nèi)分布的不均衡性。不僅如此，許多傳統(tǒng)的聚類方法還需要預(yù)先知道簇的數(shù)量。因此，利用傳統(tǒng)的聚類方法對(duì)城市公共自行車站點(diǎn)進(jìn)行聚類劃分并不十分有效，得到的聚類結(jié)果也過于粗糙，很難有效的輔助相關(guān)部門制定合理的公共自行車調(diào)度方案，設(shè)計(jì)一種高效靈活的城市公共自行車站點(diǎn)聚類方法已迫在眉睫。

涉及參考文獻(xiàn)：