[發明專利]一種共享單車流量預測方法及系統

在審

• 申請號: 202110455341.8
• 申請日: 2021-04-26
• 公開（公告）號: CN113344240A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 譚艷艷;王賓;邵秀婷;劉麗;張化祥
• 申請（專利權）人: 山東師范大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/06;G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 閆圣娟

本公開提供了一種共享單車流量預測方法及系統，所述方案包括：基于所述共享單車站點信息以及歷史行程信息，利用層次迭代的高斯混合聚類模型對站點進行聚類；根據聚類結果，將城市區域劃分為上下兩層空間結構，對共享單車站點進行區域重構，獲得每個共享單車站點區域借車還車矢量矩陣；基于所述氣象數據獲得該城市氣象特征矩陣；將所述借車還車矢量矩陣和城市氣象特征矩陣輸入預訓練的深度時空殘差網絡中，獲得未來時間各個共享單車區域的借車數量和還車數量的預測結果；所述方案引入了類與類之間的遷移趨勢，得到的結果更加穩定且具有很好的魯棒性；同時，進行空間重構后的共享單車站點更具有時間、空間相關性，可以很好的增加預測的精度。

技術領域

本公開屬于共享單車流量預測技術領域，尤其涉及一種共享單車流量預測方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

共享單車是在“互聯網+”和共享經濟社會背景下產生的一種新型的自行車使用方式，它的出現很好的解決了居民出行解決“最后一公里”的問題，這一服務目前城市都已經十分普及。借助于共享單車系統，人們可以很容易地在共享單車公司提供的地點租借或歸還自行車。共享單車服務的出現使得公共交通的利用率有了很大限度的提高，道路交通擁堵問題也得到了有效的緩解。

然而，共享單車在方便用戶出行的同時，也存在一些影響客戶騎行體驗的不利因素。其中，最明顯的不利因素是自行車站點在不同服務區域的分布不均勻所造成的使用不平衡。有些地區有借車需求的用戶數比較多，需要站點提供的單車數量超出了站點的儲備數量；有些地區因為地理位置的偏僻需要用車的用戶數量很少，所以站點的單車就一直處于閑置狀態，造成了資源的浪費。共享單車站點間供應不平衡的問題通常是由用戶的出行方式所造成的：用戶一般都是早晨從家中離開，到工作地點上班。這個時候位于居民區的自行車就會被過度使用；相反，位于工作地點的自行車在早上就會大量堆積，造成供應過剩。下午的情況則完全相反。兩種情況都會導致自行車在城市不同時間不同站點的供應不平衡。為了解決這個問題，共享單車運營商會使用貨車在各個站點之間源源不斷地運輸共享單車，人為進行調度來恢復共享單車系統的正常運營，這顯然是一種費時費力、治標不治本的解決方案。

為此，國內外研究人員對于共享單車系統的使用量預測問題展開了長久而又深入的研究：Lin等人介紹了一個自行車共享策略設計問題，其中包括一個自行車車庫存儲系統和一個基于庫存中心的模型。涉及設計工作的各個方面，如共享自行車系統的車站的數量和位置，自行車道的創建以及自行車出行路線的創建等，為城市交通吞吐量及其平衡與重新平衡策略找到了一個更好的解決方案。Y.Li，鄭宇等人提出了一個分層預測模型來預測在未來的時間里自行車將被租用或退還的數量，它更側重于在自行車共享系統中的宏觀交通流量而不是微型旅行目的地和持續時間，這對分享自行車系統分析和出行預測的研究方法極其重要的參考價值。其文獻中提出的預測模型首先將自行車站點采用GC和K-means進行雙層聚類，然后利用基于多重相似性的推理模型來預測租借和返回的自行車數量。新的預測模型相比于不采用聚類方式的預測，在預測的準確率上有所提高。而GC或K-means聚類需要預先設置聚類的個數即K值，且聚類的效果依賴于初始中心值的選取，而初始中心值的設置具有一定的隨機性，因此每次預測結果具有一定的偏差，結果不穩定。W.Jia，Y.Tan等人基于先前的工作將AP聚類與多相似度參考模型相結合來預測共享單車系統在未來時間內的借還數量，在聚類時并不需要指定聚類數，得到的結果相較于先前的研究更為穩定，但是受限于多相似度參考模型的局限性，預測精度仍有很大的提升空間。

發明人發現，現有方法雖然對于共享單車系統的使用量預測問題提供了大量的解決方案，但是仍然存在一系列的問題，尤其是現有方法無法對影響共享單車使用情況的特征進行有效的捕捉，導致城市未來時間共享單車各個站點的使用量的預測不合理、精確度不高的問題。

發明內容