[發明專利]地鐵站周邊共享單車的需求預測方法

在審

• 申請號: 202011130799.8
• 申請日: 2020-10-21
• 公開（公告）號: CN112258029A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 呂瑩;支丹月;孫會君;崔云霄;董魯祺;許廣曈
• 申請（專利權）人: 北京交通大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/06;G06Q50/30;G06K9/62;G06N20/00
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 范盈

本發明涉及共享單車需求的預測方法，尤其涉及一種地鐵站周邊共享單車的需求預測方法，包括以下步驟：對各個地鐵單車站的共享單車數據集以及各個地鐵站的流量數據集進行聚類分析，得到地鐵單車站的類別特征；根據各個地鐵單車站的共享單車數據集確定每個地鐵單車站的站點模式特征；將類別特征和站點模式特征輸入至三層融合的SAP?SF模型，三層融合的SAP?SF模型輸出各時段內共享單車的需求預測結果。本發明提出的地鐵站周邊共享單車的需求預測方法，解決了現有共享單車的需求預測方法不夠準確的問題。

技術領域

本發明涉及計算機應用技術領域，尤其涉及地鐵站周邊共享單車的需求預測方法。

背景技術

無樁共享單車由于其便利性、成本低、污染小等優點，在全世界范圍內得到了飛速的發展，在交通出行中與公共交通相結合發揮第一公里和最后一公里的重要作用。近年來，共享單車的規模逐漸擴大，現有的預測方法無法滿足乘客對地鐵站內共享單車數量的需求。現階段，關于共享單車的預測多使用機器學習方法，一般考慮工作日非工作日、天氣、建筑環境、社會經濟以及站點間相關性等影響因素，以上影響因素不能體現地鐵站客流量對地鐵站內共享單車數量的影響。

發明內容

本發明提出地鐵站周邊共享單車的需求預測方法，以解決現有的無樁共享單車的預測方法不夠準確的問題。

本發明解決上述問題的技術方案是：地鐵站周邊共享單車的需求預測方法，其特殊之處在于，包括以下步驟：

S1：數據的預處理

對各個地鐵單車站的共享單車數據集以及各個地鐵站的流量數據集進行聚類分析，得到地鐵單車站的類別特征，其中，地鐵單車站為以地鐵站為中心以設定長度為半徑所劃定的范圍；

根據各個地鐵單車站的共享單車數據集確定每個地鐵單車站的站點模式特征；

S2：單車數量的預測

將S1步驟得到的類別特征和站點模式特征輸入至三層融合的SAP-SF模型，三層融合的SAP-SF模型輸出各時段內共享單車的需求預測結果。

優選的是：所述步驟S2還包括：將POI特征、天氣特征和氣象特征輸入至三層融合的SAP-SF模型。

優選的是：所述S1步驟之前還包括：

獲取整個城市范圍內的共享單車的訂單數據集；

篩選得到地鐵單車站內的共享單車數據集，共享單車數據集包括起點數據集和終點數據集，起點數據集包括起點落在所述地鐵單車站的共享單車的數據，終點數據集包括終點落在所述地鐵單車站的共享單車的數據，其中所述地鐵單車站為以地鐵站為中心以500米為半徑所劃定的范圍。

優選的是：所述S1步驟中對各個地鐵單車站的共享單車數據集以及各個地鐵站的流量數據集進行聚類分析，得到地鐵單車站的類別特征的步驟包括：

計算所述共享單車數據集的聚類指標和地鐵流量數據集的聚類指標，所述共享單車數據集包括起點數據集和終點數據集，地鐵流量數據集包括進站數據集和出站數據集；

對所述共享單車數據集的聚類指標和地鐵流量數據的聚類指標依次進行兩次聚類分析，得到地鐵單車站的類別特征。

優選的是：所述計算共享單車數據集的聚類指標和地鐵流量數據集的聚類指標的步驟具體包括：將所述起點數據集、終點數據集、進站數據集和出站數據集重采樣為小時級數據，分別計算起點數據集、終點數據集、進站數據集和出站數據集的聚類指標，聚類指標包括極大值個數、偏度、峰度、高峰系數、均衡系數；