[發明專利]一種共享單車的停放管理方法、裝置及設備

在審

• 申請號: 202011092832.2
• 申請日: 2020-10-13
• 公開（公告）號: CN112329986A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 林子旸;邱松林;鄧方文;孟永平;陳鴻斌;丁曉青;陳晨暉;丁明;楊鑫馀
• 申請（專利權）人: 廈門市交通研究中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q30/06;G06N3/04
• 代理公司: 廈門智慧呈睿知識產權代理事務所(普通合伙) 35222
• 代理人: 郭福利

本發明提供了一種共享單車的停放管理方法、裝置及設備，包括：獲取需要預測區域內的共享單車的歷史訂單數據，并根據所述歷史訂單數據生成多個交通小區的共享單車停放行為特征；根據所述停放行為特征生成對應的共享單車的預測需求量；根據所述預測需求量及所述停放行為特征，生成共享單車的停放管理措施，解決了對共享單車的預測需求量與實際需求量不同的問題。

技術領域

本發明涉及共享單車領域，特別涉及一種共享單車的停放管理方法、裝置及設備。

背景技術

對于共享單車出行需求模型研究方法主要有大數據、問卷等形式，陳赫以CapitalBikeshare(美國共享單車項目)公開的數據為基礎，采用隨機森林決策樹回歸和集成學習預測共享單車需求量的方法，其模型預測的準確性，可以為單車投放提供一個較為精確的參考數據[3]。陳昕昀[3]等利用BP神經網絡對公共自行車單站點調度需求量進行預測研究，發現了自行車流量隨時間分布的規律；Borgnat[4]等使用里昂自行車共享系統的歷史數據，通過組合LSTM模型來預測一天每小時的需求量；吳金蓮、劉冰[5-6]依據大量公共自行車的出行數據和問卷結果，結合Logit模型，對使用公共自行車出行的人群和出行等特征進行了研究，將天氣因素納入到上述研究內容之中。

對于共享單車需求模型的研究總體來說成果較為豐富，但對建成環境影響互聯網租賃自行車騎行的影響因素研究較為缺乏。另外，已有研究受限于數據源獲取手段，共享單車數據大多來源于單一運營商，時間跨度較短，數據覆蓋面不足；且在基礎數據方面，用地人口崗位等重要數據時間久遠，與建模時段的真實情況不符，模型構建難免有所偏頗。

有鑒于此，提出本申請。

發明內容

本發明公開了一種共享單車的停放管理方法、裝置及設備，旨在解決對共享單車的預測需求量與實際需求量不同的問題。

本發明第一實施例提供了一種共享單車的停放管理方法，包括：

獲取需要預測區域內的共享單車的歷史訂單數據，并根據所述歷史訂單數據生成多個交通小區的共享單車停放行為特征；

根據所述停放行為特征生成對應的共享單車的預測需求量；

根據所述預測需求量及所述停放行為特征，生成共享單車的停放管理措施。

優選地，在獲取需要預測區域內的共享單車的歷史訂單數據，并根據所述歷史訂單數據生成的共享單車停放行為特征之前，還包括：

獲取所述需要預測區域的交通特征，并根據所述交通特征將所述需要預測區域劃分為多個交通小區。

優選地，所述獲取需要預測區域內的共享單車的歷史訂單數據，并根據所述歷史訂單數據生成不同交通小區的共享單車停放行為特征，具體為；

獲取共享單車的歷史訂單數據，根據所述訂單數據生成共享單車在不同交通小區的平均停放時間；

獲取不同交通小區的騎行條件，其中，所述騎行條件包括風雨連廊、自行車專用道、以及人口數量；

通過隨機森林模型對各個交通小區的人口數量、騎行條件、以及共享單車停放時間進行分類，以獲得各個交通小區的停放行為特征。

優選地，所述根據所述停放行為特征生成對應的共享單車的預測需求量之前，還包括：

獲取相鄰的交通小區進行標識，以獲得基于所述交通小區的鄰接矩陣；

對應替換所述鄰接矩陣的流量特征，以卷積的形式，獲取相鄰交通小區的相關因子。

優選地，所述根據所述停放行為特征生成對應的共享單車的預測需求量，具體為：