一种考虑主客观信息的共享电动汽车需求预测方法及系统技术方案

本发明专利技术提供了一种考虑主客观信息的共享电动汽车需求预测方法及系统，SEV需求数据库包括主客观影响因素和SEV历史需求数据。通过SEV需求显著影响因素获取子系统，利用极大似然估计法提取显著影响因素。将显著影响因素和SEV历史需求数据存入SEV需求预测建模子系统，建立预测模型。将主客观预测模型存入优化SEV需求预测模型子系统，利用遗传算法优化主观logit和客观RBP的混合预测模型的权重矩阵。最后将混合预测模型存入SEV需求预测应用系统，输入主客观影响因素和SEV历史需求数据即可预测SEV需求。本发明专利技术兼顾主客观信息，准确预测SEV长期和短期需求，为SEV总量决策和车辆配送提供参考。

A method and system for demand forecasting of shared electric vehicles considering subjective and objective information

The invention provides a method and a system for demand forecasting of electric vehicles sharing subjective and objective information. The SEV demand database includes subjective and objective influencing factors and SEV historical demand data. The subsystem is obtained by the significant factors of SEV demand, and the significant factors are extracted by the maximum likelihood estimation method. The significant influencing factors and SEV historical demand data are stored in the SEV demand forecasting modeling subsystem to establish the forecasting model. Subjective and objective forecasting models are put into the subsystem of optimized SEV demand forecasting model. Genetic algorithm is used to optimize the weight matrix of the hybrid forecasting model of subjective logit and objective RBP. Finally, the hybrid forecasting model is put into the SEV demand forecasting application system, and the SEV demand can be forecasted by inputting subjective and objective factors and the historical demand data of SEV. The invention takes both subjective and objective information into account, accurately predicts the long-term and short-term demand of SEV, and provides a reference for the total decision-making of SEV and vehicle distribution.

【技术实现步骤摘要】
一种考虑主客观信息的共享电动汽车需求预测方法及系统
本专利技术涉及一种共享电动汽车(ShareElectricVehicle,简称SEV)需求预测方法，属于共享电动汽车需求预测领域，该方法可以揭露影响共享站点的汽车需求的主客观因素，并提前预测所有电动汽车共享站点长期或短期的汽车需求量，并通过实际案例进行验证，为共享电动汽车总量确定和车辆配送提供参考，有效的解决共享站点的车辆累积不平衡问题。
技术介绍
随着燃油汽车的普及，使得城市中的交通拥挤、环境污染、停车难等问题不断的困扰着人们的出行和日常生活。而共享电动汽车以能够在满足用户出行要求的同时提高汽车的使用率，减少汽车尾气的排放，减少私家车的拥有量从而缓解交通拥挤。综合考虑主客观信息，提高共享站点的电动汽车需求量的长期和短期预测准确性，从而为共享电动汽车的确定共享车辆总数和站点之间车辆的配送提供参考，有效的解决共享站点的车辆累积不平衡问题，使运营商的获利最大的同时使用户的满意度最大，从而使得用户和运营商达到共赢的状态。在预测方法上，目前的主要方法可以分为定性和定量两种，其中，定性预测主要包括专家评估、调查问卷评估、主观概率预测等方法。定量预测主要有移动平均模型，时间序列预测，k近邻模型，灰度系统模型预测，回归模型预测和神经网络预测等方法。每种预测方法都有各自的特点，而且他们在预测交通流量的研究上都有一定的成果。但是目前在对共享电动汽车需求上的研究还是很少，而且共享电动汽车的需要具有动态性、实时性和不确定性，其他商品或服务的需求预测方法不能很好地应用到共享电动汽车的需求上，此外共享电动汽车的需求受到很多因素的影响，而且很难从中找到各个影响因素的具体作用关系，因而很难建立准确的预测模型。
技术实现思路
为了有效的解决共享电动汽车积累不平衡问题，本专利技术提出了一种考虑主客观信息的共享电动汽车(ShareElectricVehicle,简称SEV)需求预测方法及系统，以实现对共享站点的电动汽车需求的长期和短期准确预测。为了解决上述问题，本专利技术提供的电动汽车需求预测的要点包括：1、搭建SEV需求数据库，获取影响SEV需求的数据。2、SEV需求的显著影响因素获取子系统，通过极大似然估计方法，提取显著影响因素。3、SEV需求预测建模子系统，通过读取主客观的显著影响因素的数据和历史电动汽车需求数据，分别通过主观logit模型和客观RBP神经网络，建立预测模型。4、优化SEV需要预测模型子系统，将预测值与实际值的误差的倒数作为适应度函数，利用遗产算法优化主观logit和客观RBP混合预测模型的权重矩阵。5、SEV需求预测应用系统，将优化后的电动汽车需求预测模型存储到共享电动汽车需求预测应用系统中，输入预测所需的主观影响因素、客观影响因素和共享站点的电动汽车历史需求数据，在判断不缺少相应数据的条件下即可预测共享站点长期或短期的电动汽车需求。一种考虑主客观信息的SEV需求预测方法及系统，所用的系统包括SEV需求数据库、影响SEV需求的显著因素获取子系统、SEV需求预测建模子系统、优化SEV需求预测模型子系统和SEV需求预测应用系统；所述的SEV需求数据库包括主客观因素和共享站点的历史需求数据，主观因素包括教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力等；客观因素包括时间段、星期、所在区域人口密度、所处区域地价、交通拥堵情况、公共交通协调性等；其中，公共交通协调性包括服务半径内公交站和地铁站数量；(1)SEV需求数据库具体运行过程如下：(1.1)获取共享站点的汽车需求预测相关的原始数据；(1.2)对获取的原始数据进行分类处理，按照主观因素、客观因素和电动汽车历史需求量将原始数据分类，主观因素分为教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力等；客观因素分为时间段、星期、所在区域人口密度、所处区域地价、交通拥堵情况、公共交通协调性等。(1.3)将影响因素中离散变量以的离散的整数形式进行表示，所述的离散变量包括时间段、星期、交通拥堵情况、教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力等；将影响因素中连续变量以连续的实数形式进行表示，所述的连续变量包括所在区域人口密度、所处区域地价、公共交通协调性和电动汽车历史需求量等；将处理的数据保存到数据库中；(2)影响SEV需求的显著因素获取的具体处理过程如下：(2.1)提取SEV历史需求数据和影响因素的数据；(2.2)通过数据的总体分布，SEV需求的预测值X是连续性实数变量，其概率分布列为P{X＝x}＝f(x；θ1,θ2,...,θi,...,θk)其中：θi为SEV需求的第i个影响因素，其中，i＝1,2,...,k，θk为SEV需求的第k个影响因素；x为SEV需求量实际值，X为SEV需求量的预测值；(2.3)建立似然函数为：其中θi为SEV需求的第i个影响因素；x为SEV需求量实际值；(2.4)对似然函数取对数，并对其求导，表示为如下：(2.5)解似然方程和影响因素的极大似然估计值，判断影响因素的P值是否大于0.05，若大于，则剔除对应的影响因素，进行步骤(2.2)，直至满足需求；否则保留该影响因素，即为显著影响因素；(3)对于共享站点i而言，SEV需求量预测值为X的效用函数为ViX，ViX是一个随机变量，它由主观显著影响因素中的固定项τi和随机项ψil组成，表示为：其中：τi表示共享站点i的SEV需求的主观显著影响因素固定项；ψil表示共享站点i的SEV需求的第l个主观显著影响因素随机项；eil表示共享站点i的第l个主观显著影响因素随机项的权重，由极大似然估计法确定；L表示SEV需求的主观显著影响因素随机项的集合；基于主观logit模型的SEV需求的主观预测的具体过程如下：(3.1)通过专家打分的方式对共享站点选取SEV需求的主观显著影响因素进行打分；通过SEV需求的主观显著影响因素的评价矩阵确定SEV需求影响因素的权重；(3.2)根据随机效用最大化理论，得到共享站点i的SEV需求概率公式为其中：eil表示共享站点i的SEV需求的第l个主观显著影响因素随机项的权重，由极大似然估计确定；τi表示共享站点i的SEV需求的主观显著影响因素固定项，ψil表示共享站点i的SEV需求的第l个主观显著影响因素随机项；L为SEV需求主观显著影响因素随机项的集合；Γ为共享站点的集合；(3.3)得到的第i个共享站点SEV需求的主观logit模型预测值为：M1(i)＝G×ρ(i)其中：M1(i)为共享站点i的主观logit的SEV需求预测值；G为共享站点i的可用车辆总量；(4)基于客观RBP模型的SEV需求客观预测的具体过程如下：(4.1)初始化RBP神经网络，确定隐含层节点总数I、各节点中心、扩散速度和误差精度；(4.2)输入共享站点的SEV历史需求量和SEV需求的客观影响因素作为样本数据，得到回归矩阵P；(4.3)选取N组样本数据进行训练，采用正交最小二乘法确定权值，建立的回归方程为：其中：d(n)为第n次迭代的共享站点的SEV需求预测值；I为隐含层节点总数；N为训练数据个数；ωi为第i隐含节点与输出节点的连接权值；e(n)为第n次迭代的SEV需求预测值与实本文档来自技高网...

【技术保护点】
1.一种考虑主客观信息的共享电动汽车需求预测方法及系统，共享电动汽车简称SEV，其特征在于，所用的系统包括SEV需求数据库、SEV需求的显著影响因素获取子系统、SEV需求预测建模子系统、优化SEV需求预测模型子系统和SEV需求预测应用系统；所述的SEV需求数据库包括SEV需求的主观因素和客观因素，主观因素包括教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力；客观因素包括时间段、星期、所在区域人口密度、所处区域地价、交通拥堵情况、公共交通协调性和电动汽车历史需求量；其中，公共交通协调性包括服务半径内公交站和地铁站数量；(1)SEV需求数据库具体运行过程如下：(1.1)获取共享站点的SEV需求预测相关的原始数据；(1.2)对获取的原始数据进行分类处理，按照主观因素、客观因素和电动汽车历史需求量将原始数据分类，主观因素分为教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力；客观因素分为时间段、星期、所在区域人口密度、所处区域地价、交通拥堵情况、公共交通协调性；(1.3)将影响因素中离散变量以的离散的整数形式进行表示，所述的离散变量包括时间段、星期、交通拥堵情况、教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力；将影响因素中连续变量以连续的实数形式进行表示，所述的连续变量包括所在区域人口密度、所处区域地价、公共交通协调性和电动汽车历史需求量；保存到数据库中；(2)SEV需求的显著影响因素获取具体处理过程如下：(2.1)提取SEV历史需求数据和SEV需求影响因素的数据；(2.2)通过数据的总体分布，SEV需求的预测值X是连续性实数变量，其概率分布列为P{X＝x}＝f(x；θ1,θ2,...,θi,...,θk)其中：θi为SEV需求的第i个影响因素，其中，i＝1,2,...,k，θk为SEV需求的第k个影响因素；x为SEV需求量实际值，X为SEV需求量的预测值；(2.3)建立似然函数为：...

【技术特征摘要】
1.一种考虑主客观信息的共享电动汽车需求预测方法及系统，共享电动汽车简称SEV，其特征在于，所用的系统包括SEV需求数据库、SEV需求的显著影响因素获取子系统、SEV需求预测建模子系统、优化SEV需求预测模型子系统和SEV需求预测应用系统；所述的SEV需求数据库包括SEV需求的主观因素和客观因素，主观因素包括教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力；客观因素包括时间段、星期、所在区域人口密度、所处区域地价、交通拥堵情况、公共交通协调性和电动汽车历史需求量；其中，公共交通协调性包括服务半径内公交站和地铁站数量；(1)SEV需求数据库具体运行过程如下：(1.1)获取共享站点的SEV需求预测相关的原始数据；(1.2)对获取的原始数据进行分类处理，按照主观因素、客观因素和电动汽车历史需求量将原始数据分类，主观因素分为教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力；客观因素分为时间段、星期、所在区域人口密度、所处区域地价、交通拥堵情况、公共交通协调性；(1.3)将影响因素中离散变量以的离散的整数形式进行表示，所述的离散变量包括时间段、星期、交通拥堵情况、教育水平程度、环保意识、政策补助、存取车便利度、充电便利度和电动汽车品牌影响力；将影响因素中连续变量以连续的实数形式进行表示，所述的连续变量包括所在区域人口密度、所处区域地价、公共交通协调性和电动汽车历史需求量；保存到数据库中；(2)SEV需求的显著影响因素获取具体处理过程如下：(2.1)提取SEV历史需求数据和SEV需求影响因素的数据；(2.2)通过数据的总体分布，SEV需求的预测值X是连续性实数变量，其概率分布列为P{X＝x}＝f(x；θ1,θ2,...,θi,...,θk)其中：θi为SEV需求的第i个影响因素，其中，i＝1,2,...,k，θk为SEV需求的第k个影响因素；x为SEV需求量实际值，X为SEV需求量的预测值；(2.3)建立似然函数为：其中θi为SEV需求的第k个影响因素；x为SEV需求量实际值；(2.4)对似然函数取对数，并对其求导，表示为如下：(2.5)解似然方程和影响因素的极大似然估计值，判断影响因素的P值是否大于0.05，若大于，则剔除对应的影响因素，进行步骤(2.2)，直至满足需求；否则保留该影响因素，即为显著影响因素；(3)对于共享站点i而言，SEV需求量预测值为X的效用函数为ViX，ViX是一个随机变量，它由观显著影响因素中的固定项τi和随机项ψil组成，表示为：其中：τi表示共享站点i的SEV需求的主观显著影响因素固定性；ψil表示共享站点i的SEV需求的第l个主观显著影响因素随机项；eil表示共享站点i的第l个主观显著影响因素随机项的权重，由极大似然估计法确定；L表示SEV需求主观显著影响因素随机项的集合；基于主观logit模型的SEV需求主观预测的具体过程如下：(3.1)通过专家打分的方式对共享站点选取SEV需求的显著的主观影响因素进行打分；通过SEV需求的主观的显著影响因素的评价矩阵确定SEV需求影响因素的权重；(3.2)根据随机效用最大化理论，得到共享站点i的SEV需求概率公式为其中：eil表示共享站点i的第l个主观显著影响因素随机项的权重，由极大似然估计法确定；τi表示共享站点i的SEV需求的主观显著影响因素的固定性；ψil表示共享站点i的SEV需求的第l个主观显著影响因素随机项；L表示SEV需求主观显著影响因素随机项的集合；Γ为共享站点的集合；(3.3)得到的第i个共享站点SEV需求的主观logit模型预测值为：M1(i)＝G×ρ(i)其中：M1(i)为共享站点i的主观logit的SEV需求预测值；G为共享站点i的可用车辆总量；(4)基于RBP神经网络的SEV需求客观预测的具体过程如下：(4.1)初始化RBP神经网络，确定隐含层节点总数I、各节点中心、扩散速度和误差精度；(4.2)输入共享站点的SEV历史需求数据和SEV需求的...

【专利技术属性】
技术研发人员：高俊杰，崔晓敏，赵鹏，陈乙庆，谢亚南，韩贤贤，王璟，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21