[發明專利]一種共享自行車需求量預測方法、裝置、設備及存儲介質

在審

• 申請號: 201810804908.6
• 申請日: 2018-07-20
• 公開（公告）號: CN108876056A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 謝嘉元;張浩川;余榮
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06Q50/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 羅滿

本申請公開了一種共享自行車需求量預測方法、裝置、設備及存儲介質，該方法包括：獲取設定時間段內共享自行車在多個樁的借車數據及還車數據；設定時間段分為訓練時間段和驗證時間段；將訓練時間段獲取的數據作為訓練集，通過訓練集進行回歸模型的構建，以及將驗證時間段獲取的數據作為驗證集，通過驗證集進行回歸模型參數的確定；求出影響共享自行車需求量的因素權重并融入回歸模型，得出時間序列加權回歸模型；確定待測時間段內共享自行車在每個樁的需求量的預測結果。本申請建立的時間序列加權回歸模型不需要大量的數據，能夠充分同時考慮到多種影響共享自行車需求量的因素，不斷地在原有模型基礎上加上需要考慮的影響因素，具有較好的泛化性。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種共享自行車需求量預測方法、裝置、設備及存儲介質。

背景技術

在互聯網技術的快速發展推動下，我們國家出現了越來越多的“共享經濟”，近年來，以ofo，摩拜，永安等為代表的企業，依托于現在迅速發展的互聯網產業，推出了共享自行車，并且在短短兩年內，城市共享單車體系逐步滲透到各個城市中，給公眾出行的“最后一公里”帶來極大便利。

但是，隨著用戶使用量增長和頻度的增加，共享自行車優化運營效率是隨之而來的重要課題。隨著企業的競爭影響，用戶在使用共享自行車的時候，有時會遇到“一車難求”，有時也會遇到“車滿為患”。并且太多的共享自行車噴發式的投入，給本來就擁擠的城市街道帶來了極大的壓力。因此，我們的企業和政府相關部門必須要采取有效措施，建立起魯棒性較強的預測模型，統籌規劃調度共享自行車，讓共享經濟能夠達到利益的最大化，讓人們需要的時候有車騎，同時也不會對城市造成負擔。

同時，站在城市管理的角度上，共享自行車的使用狀況也投射出城市人口流動特征，對城市規劃、城市交通管理有重要參考價值。因此，在中國發展公共自行車、研究公共自行車對于這種低碳出行方式未來在全世界的發展都具有重要的意義。

現如今，對于該類問題最相似的實現方案是把問題當成傳統時間序列問題，以統計學的方法—自回歸積分滑動平均模型(ARIMA模型)進行建模處理，將時間序列數值進行差分求得為平穩差分序列，并確定出自回歸項p和移動平均項q。我們會把共享自行車每天的借車數據和還車數據導入ARIMA模型中，求出需要的參數后則對其接下來進行預測。但是采用ARIMA模型要求時序數據是穩定的(stationary)，或者是通過差分化(differencing)后是穩定的。但是對于共享自行車的需求量這個問題來說，可能會受到天氣以及節假日的影響，造成數列不穩定的。另外，ARIMA模型本質上只能捕捉線性關系，而不能捕捉非線性關系；由于城市規劃的變革，會有部分自行車樁點的遷移，改建的影響，會導致自行車借還車在時序上出現斷層等情況，會導致數據的變成非線性數據。若ARIMA模型要捕捉時序中的周期性或季節性因素的話，需要有大量的數據，但是由于共享自行車是在近幾年開始興起，因此數據量可能不能滿足模型的需求。

發明內容

有鑒于此，本發明的目的在于提供一種共享自行車需求量預測方法、裝置、設備及存儲介質，不需要大量的數據，且能夠在原有模型基礎上加上需要考慮的影響因素，具有較好的泛化性。其具體方案如下：

一種共享自行車需求量預測方法，包括：

獲取設定時間段內共享自行車在多個樁的借車數據及還車數據；所述設定時間段分為訓練時間段和驗證時間段；

在線下將所述訓練時間段獲取的數據作為訓練集，通過所述訓練集進行回歸模型的構建，以及將所述驗證時間段獲取的數據作為驗證集，通過所述驗證集進行所述回歸模型參數的確定；

求出影響所述共享自行車需求量的因素權重并融入所述回歸模型，得出時間序列加權回歸模型；

通過所述時間序列加權模型確定待測時間段內共享自行車在每個樁的需求量的預測結果。