一种基于大数据分析的共享交通资源时域配置方法及系统技术方案

本发明专利技术提供了一种对共享交通资源实现时域预测配置的方法以及相应系统。本发明专利技术基于大数据分析，实现了对隐形、时变的用户租用需求热点区域的发现以及预测，进而实现了一种科学化、定量化的共享交通资源配置解决方案，对于保障热点地带用户租用需求与可用共享交通资源数量在空间和时域上的相互匹配具有重要作用，从根本上提升资源利用效率和改善用户体验。

A time domain configuration method and system for shared traffic resources based on large data analysis

The present invention provides a method for realizing the time domain prediction configuration of shared traffic resources and the corresponding system. The invention is based on the analysis of large data, the realization of stealth and time-varying user rental demand hot area discovery and prediction, so as to realize the sharing of solutions for the allocation of transportation resources in a scientific and quantitative, for the protection of user demand and the hot spot of rent sharing available transportation resources in space and time on the number of each other matching plays an important role, fundamentally enhance the efficiency of resource utilization and improve the user experience.

【技术实现步骤摘要】
一种基于大数据分析的共享交通资源时域配置方法及系统
本专利技术属于智慧交通领域，具体涉及一种基于大数据分析的共享交通资源时域配置方法及系统。
技术介绍
共享型交通工具由运营商拥有并投放到城市公路交通当中，任何用户可以经身份认证之后租借使用该交通工具，并且在使用完毕后将该交通工具归还，以便供其他用户继续租借和使用该交通工具，根据对交通工具的使用时间为用户计费。共享型交通工具在提高车辆利用率、减少公路总车流辆、降低出行成本、节能环保等方面具有积极的意义。城市中的公共自行车就属于最常见的共享型交通工具。特别是近年来，与手机上网、二维码、移动支付、GPS定位等网络通信服务相结合，以随处可取、随处可还模式运营的共享自行车服务在各大城市中迅速兴起。使用者可在共享自行车运营商提供的网络服务中登记为注册用户并进行一定的预储值；当注册用户需要租用自行车时，即可以来到距离自己尽可能近的共享自行车停放位置，并通过自己手机扫描该共享自行车车身上所附的二维码打开车锁，从而完成对该共享自行车的租用；在共享自行车使用完成之后，用户将该车停放在道路两侧不影响交通的位置处，锁闭车锁即完成归还操作；运营商的网络服务基于对用户租用车辆时长的计量来核减用户的储值额度；一般共享自行车服务还提供对注册用户手机实时位置和每辆共享自行车实时位置的GPS定位，以便为用户查找自身附近的共享自行车提供便利。从系统优化的角度来看，如何以有限的共享交通工具资源总量来满足尽可能多的用户租用需求，对于运营商来说是一个关键的问题，因为这对于降低运行成本、提高用户体验满意度是非常重要的。满足用户租用需求的一个核心方面在于，能够使用户从距离自己尽可能近的位置处获得可用的共享交通工具。以最常见的共享自行车为例，由于大多数用户均是将其作为在中、短距离上代步的工具，因此，如果可用的共享自行车全都距离用户过远，则用户就很有可能放弃本次租用的打算。可见，尽可能保障在离大多数用户较近的距离范围内均具有可用的共享交通工具资源，才能够满足并鼓励用户的租用需求。从资源配置的角度来看，用户的租用需求是在整个城区大小的空间范围内分布存在的。而且，用户租用需求在该空间范围之内并不是平均分布的，而是集簇分布的；也就是说，在城区空间范围中存在很多个用户租用需求数量较大且分布非常集中的热点，例如人员密集且流动性大的地铁站点、医院、大型商场、高层写字楼、居民密集型小区等地带就很容易成为用户租用需求聚集分布的热点；以热点为中心，用户租用需求一般向着该中心热点的周边辐射区域逐渐扩散开来，扩散至距离热点越远的地带，用户租用需求的数量就越小，且分布密度越稀疏；直至进入另一个热点的辐射区域。空间上看，用户租用需求呈现以热点为中心集簇分布的性质。而从时域上来看，用户租用需求具有明显的时变特性。在一个时间周期(例如24小时)之内，热点的存在与否是随着时间推移而变化的；热点处的用户租用需求数量也处在持续性的变化之中。例如，写字楼在工作日的下班时段往往会成为用户租用需求的热点，但在其它时段该热点是不存在的；又例如，某些繁华的地铁站点在其整个营运时段都属于热点，但是该热点在不同时段上用户租用需求的数量变化是非常明显的，在早晚上下班高峰时段该热点的用户租用需求相对于其它时段的用户租用需求会呈现一个数量级以上的增大。可用的共享交通工具资源同样是在城区空间范围内分布放置的。而且，可用共享交通工具资源的分布也经常出现集簇的现象。在某些地点，共享交通工具的输入量持续性地高于输出量，例如某些地铁站点停车进站人数持续高于出站取车人数；或者，某些地点共享交通工具的输出量不足以充分消减该地点的已有存量，例如，写字楼在早间上班时段由于大量上班族用户停车进楼而积累了较多的存量，但在下班之前的工作时段，取车外出的上班族用户数量很少，不足以对已经形成的存量造成明显影响；因而，就会出现大量的可用共享交通资源在某一地点沉积下来的情形。可用共享交通资源的沉积，无疑就意味着资源配置上存在低效率的情况。沉积下来的共享交通工具无法满足附近其它地带-特别是用户租用需求热点地带-的用户租用需求，于是就经常会出现某个地带大量共享交通工具闲置，而就在短短一两公里之外的某个用户租用需求热点地带却空无一车，潜在使用者被迫放弃租车的打算。例如，在下班时段，经常就会出现以下现象：某个地铁站点由于停车进站回家的人数始终多于出站租车人数，造成该地铁站附近大量共享交通工具堆积，不但浪费资源还阻塞交通；相反，就在一两公里之内的某个写字楼，其楼下停放的共享交通工具早已经被租用一空，还有很多即将下班的潜在用户无法租借到车辆。可见，由于共享交通工具的用户租用需求在空间上集簇分布，且具有较强的时变特性；而共享交通工具本身的集簇沉积通常无法在时间和空间上与用户租用需求热点达到分布相一致；因而，如何使各个用户租用需求的热点附近区域内存在的可用交通工具资源总量与该区域中用户租用需求总量二者在各个时段保持匹配；特别是进行未来一个时段上用户租用需求的量化预测，发现潜在的用户租用需求热点，并相应调配共享交通资源，是解决在离大多数用户较近的距离范围内均具有可用的共享交通工具资源这一问题的重点解决方案。目前，各种共享型交通资源提供商-特别是共享单车运营商-均采取一定的共享交通资源调配措施来解决上述问题；例如，共享单车运营商可以基于GPS定位发现某些地点出现了共享单车的集簇沉积现象，而某些地带的共享单车分布较稀疏，甚至出现分布空白，于是就安排货运机动车作为调度车，将沉积地点的单车收走，再布放到分布稀疏和空白的地带。但是，上述手段单纯依靠监测共享交通资源在空间中分布数量或密度来决定配置方案，无法根本上使其与未来一个时间段上用户租用需求的时空分布相一致，精确性和预测性都非常低。事实上，在现有的技术手段下，对用户租用需求的定量化预测是较为难以实现的，因为用户租用需求一般是隐性存在的。在现有共享单车服务中，虽然具有提前约车的功能，但由于会增加租车计时，使用该功能的用户比较少，因而利用约车功能统计出来的用户租车需求分布是根本不准确的。多数用户是在出行时通过定位查找附近车辆的方式实时找车的，也就是说，运营平台只有在用户租用已经临近发生了才能获知该租用需求；还有相当大比例的用户是来到道路两侧以目视来发现周边是否存在可用共享车辆的，这种情况下运营平台根本无法提前获得用户租用需求。而且，调配共享车辆资源需要一定的作业时间，一般要在0.5-1小时左右，对用户租用需求的预测提前量需要大于该作业时间，否则就无法利用预测结论来指挥完成调配。大数据技术是由具有海量级数据负荷能力的运算平台，针对各种服务运营当中产生的业务数据，运用高度智能化的算法，执行数据的汇集、处理和分析，挖掘各种信息当中有意义的相互联系和变化规律，并加以实际应用。大数据技术可以广泛适用于在已有数据基础之上，对事物未来发展变化展开预测。可见，探索基于大数据分析实现的共享交通资源配置解决方案，对于保障热点地带用户租用需求与可用共享交通资源数量在空间和时域上的相互匹配，从而从根本上提升资源利用效率和改善用户体验，是非常必要的。
技术实现思路
为了满足现有技术存在的上述需求，本专利技术提供一种基于大数据分析对共享交通资源实现时域预测配置的方法与系统。本专利技术所述的对共享交本文档来自技高网...

【技术保护点】
一种对共享交通资源实现时域预测配置的方法，其特征在于，包括以下步骤：步骤1，针对共享单车等共享交通资源平台下的每台共享交通工具，记录其在第N个用户租用过程结束时间TE(N)与第N+1个用户租用过程开始时间TS(N+1)之间的等待租用时长WT(N)，并且利用GPS定位确定该台共享交通工具在等待租用时长WT(N)期间所在的等待空间位置WP(N)，将WT(N)与WP(N)关联起来作为该台共享交通工具所产生的一个分析对象单元进行存储；步骤2，获得在当前时间之前一个预定时间段内，在该共享交通资源平台下的全部共享交通工具所产生的全部分析对象单元，汇聚为用户租用需求分析样本：步骤3，利用分类算法对所述用户租用需求分析样本当中的分析对象单元进行分类处理，从该用户租用需求分析样本中遴选出属于用户租用需求热点类的分析对象单元；步骤4，根据遴选出来的属于用户租用需求热点类的分析对象单元的等待空间位置WP(N)，将这些分析对象单元聚集为若干个彼此位置接近的分组；根据每个分组中的分析对象单元的等待空间位置WP(N)，确定用户租用需求的热点空间区域以及该区域中心；步骤5，根据分析对象单元的等待空间位置WP(N)，确定归属于每个热点空间区域的分析对象单元；步骤6，根据归属于每个热点空间区域的分析对象单元的等待租用时长WT(N)，统计这些等待租用时长WT(N)的分布特性；参照等待租用时长WT(N)分布特性与用户租用需求量的模式映射表，预测热点空间区域的预期用户租用需求量；步骤7，确定热点空间区域内的可用共享交通工具量，根据预期用户租用需求量与可用共享交通工具量，从用户租用需求的热点空间区域中选取资源缺乏区域；步骤8，利用GPS定位确定每台可用共享交通工具的实时位置RP，确定可用共享交通资源分布集簇区域；步骤9，根据可用共享交通资源分布集簇区域与用户租用需求的热点空间区域之间的相对位置关系，从可用共享交通资源分布集簇位置中选取可用共享交通资源沉积区域，并确定与之对应的资源缺乏区域，以及确定资源调配量；步骤10，执行由可用共享交通资源沉积位置至与之对应的资源缺乏区域之间的共享交通资源调配。...

【技术特征摘要】
1.一种对共享交通资源实现时域预测配置的方法，其特征在于，包括以下步骤：步骤1，针对共享单车等共享交通资源平台下的每台共享交通工具，记录其在第N个用户租用过程结束时间TE(N)与第N+1个用户租用过程开始时间TS(N+1)之间的等待租用时长WT(N)，并且利用GPS定位确定该台共享交通工具在等待租用时长WT(N)期间所在的等待空间位置WP(N)，将WT(N)与WP(N)关联起来作为该台共享交通工具所产生的一个分析对象单元进行存储；步骤2，获得在当前时间之前一个预定时间段内，在该共享交通资源平台下的全部共享交通工具所产生的全部分析对象单元，汇聚为用户租用需求分析样本：步骤3，利用分类算法对所述用户租用需求分析样本当中的分析对象单元进行分类处理，从该用户租用需求分析样本中遴选出属于用户租用需求热点类的分析对象单元；步骤4，根据遴选出来的属于用户租用需求热点类的分析对象单元的等待空间位置WP(N)，将这些分析对象单元聚集为若干个彼此位置接近的分组；根据每个分组中的分析对象单元的等待空间位置WP(N)，确定用户租用需求的热点空间区域以及该区域中心；步骤5，根据分析对象单元的等待空间位置WP(N)，确定归属于每个热点空间区域的分析对象单元；步骤6，根据归属于每个热点空间区域的分析对象单元的等待租用时长WT(N)，统计这些等待租用时长WT(N)的分布特性；参照等待租用时长WT(N)分布特性与用户租用需求量的模式映射表，预测热点空间区域的预期用户租用需求量；步骤7，确定热点空间区域内的可用共享交通工具量，根据预期用户租用需求量与可用共享交通工具量，从用户租用需求的热点空间区域中选取资源缺乏区域；步骤8，利用GPS定位确定每台可用共享交通工具的实时位置RP，确定可用共享交通资源分布集簇区域；步骤9，根据可用共享交通资源分布集簇区域与用户租用需求的热点空间区域之间的相对位置关系，从可用共享交通资源分布集簇位置中选取可用共享交通资源沉积区域，并确定与之对应的资源缺乏区域，以及确定资源调配量；步骤10，执行由可用共享交通资源沉积位置至与之对应的资源缺乏区域之间的共享交通资源调配。2.根据权利要求1所述的共享交通资源实现时域预测配置的方法，其特征在于，步骤3中，根据预定的用户租用需求热点提取标准，提取符合该标准的一部分分析对象单元，作为分类训练样本；将所述分类训练样本输入分类器进行训练；将用户租用需求分析样本当中的分析对象单元输入训练之后的分类器，进行分类处理；根据分类结果，从该用户租用需求分析样本中遴选出属于用户租用需求热点类的分析对象单元。3.根据权利要求2所述的共享交通资源实现时域预测配置的方法，其特征在于，所述用户租用需求热点提取标准为：分析对象单元的等待租用时长WT(N)短于等待时长阈值，且该分析对象单元与其它WT(N)短于等待时长阈值的分析对象单元的间距小于距离阈值。4.根据权利要求3所述的共享交通资源实现时域预测配置的方法，其特征在于，步骤3中分类器采用贝叶斯分类器或SVM分类器。5.根据权利要求1所述的共享交通资源实现时域预测配置的方法，其特征在于，步骤4中，对于遴选出来的属于用户租用需求热点类的分析对象单元，根据等待空间位置WP(N)，计算遴选出来的各个分析对象单元的间距；根据这些间距，利用聚类算法将分析对象单元进行聚类，使得同一类中的分析对象单元之间的总间距最小化，且不同类中的分析对象单元之间的总间距最大化；将聚类之后每一类中的分析对象单元归为一个彼此位置接近的分组。6.根据权利要求5所述的共享交通资源实现时域预测配置的方法，其特征在于，步骤4中，对于每个分组中的分析对象单元，根据其等待空间位置WP(N)，将能够覆盖该分组中的全部分析对象单元且面积最小的圆形区域确定为用户租用需求的热点空间区域，并将该圆形的圆心作为该区域的中心。7.根据权利要求1所述的共享交通资源实现时域预...

【专利技术属性】
技术研发人员：陈海江，祝超峰，
申请(专利权)人：浙江力石科技股份有限公司，
类型：发明
国别省市：浙江,33