一种共享自行车需求量预测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种共享自行车需求量预测方法、装置、设备及存储介质，该方法包括：获取设定时间段内共享自行车在多个桩的借车数据及还车数据；设定时间段分为训练时间段和验证时间段；将训练时间段获取的数据作为训练集，通过训练集进行回归模型的构建，以及将验证时间段获取的数据作为验证集，通过验证集进行回归模型参数的确定；求出影响共享自行车需求量的因素权重并融入回归模型，得出时间序列加权回归模型；确定待测时间段内共享自行车在每个桩的需求量的预测结果。本申请建立的时间序列加权回归模型不需要大量的数据，能够充分同时考虑到多种影响共享自行车需求量的因素，不断地在原有模型基础上加上需要考虑的影响因素，具有较好的泛化性。

A Shared Bicycle Demand Prediction Method, Device, Equipment and Storage Media

This application discloses a shared bicycle demand forecasting method, device, equipment and storage medium. The method includes: acquiring borrowing data and returning data of bicycles shared in multiple piles within a set period of time; dividing the set period into training period and verification period; and training data acquired during the training period as training. Training set, the construction of regression model through training set, and the data obtained during the validation period as validation set, through validation set to determine the parameters of regression model; find out the weight of factors affecting the demand of shared bicycles and integrate it into the regression model, and get the time series weighted regression model; determine the time period to be measured. The prediction results of bicycle demand per pile are shared. The time series weighted regression model established in this application does not need a lot of data. It can take into account a variety of factors affecting the demand for shared bicycles. It has good generalization by constantly adding factors to the original model.

【技术实现步骤摘要】
一种共享自行车需求量预测方法、装置、设备及存储介质
本专利技术涉及数据处理
，特别是涉及一种共享自行车需求量预测方法、装置、设备及存储介质。
技术介绍
在互联网技术的快速发展推动下，我们国家出现了越来越多的“共享经济”，近年来，以ofo，摩拜，永安等为代表的企业，依托于现在迅速发展的互联网产业，推出了共享自行车，并且在短短两年内，城市共享单车体系逐步渗透到各个城市中，给公众出行的“最后一公里”带来极大便利。但是，随着用户使用量增长和频度的增加，共享自行车优化运营效率是随之而来的重要课题。随着企业的竞争影响，用户在使用共享自行车的时候，有时会遇到“一车难求”，有时也会遇到“车满为患”。并且太多的共享自行车喷发式的投入，给本来就拥挤的城市街道带来了极大的压力。因此，我们的企业和政府相关部门必须要采取有效措施，建立起鲁棒性较强的预测模型，统筹规划调度共享自行车，让共享经济能够达到利益的最大化，让人们需要的时候有车骑，同时也不会对城市造成负担。同时，站在城市管理的角度上，共享自行车的使用状况也投射出城市人口流动特征，对城市规划、城市交通管理有重要参考价值。因此，在中国发展公共自行车、研本文档来自技高网...

【技术保护点】
1.一种共享自行车需求量预测方法，其特征在于，包括：获取设定时间段内共享自行车在多个桩的借车数据及还车数据；所述设定时间段分为训练时间段和验证时间段；在线下将所述训练时间段获取的数据作为训练集，通过所述训练集进行回归模型的构建，以及将所述验证时间段获取的数据作为验证集，通过所述验证集进行所述回归模型参数的确定；求出影响所述共享自行车需求量的因素权重并融入所述回归模型，得出时间序列加权回归模型；通过所述时间序列加权模型确定待测时间段内共享自行车在每个桩的需求量的预测结果。

【技术特征摘要】
1.一种共享自行车需求量预测方法，其特征在于，包括：获取设定时间段内共享自行车在多个桩的借车数据及还车数据；所述设定时间段分为训练时间段和验证时间段；在线下将所述训练时间段获取的数据作为训练集，通过所述训练集进行回归模型的构建，以及将所述验证时间段获取的数据作为验证集，通过所述验证集进行所述回归模型参数的确定；求出影响所述共享自行车需求量的因素权重并融入所述回归模型，得出时间序列加权回归模型；通过所述时间序列加权模型确定待测时间段内共享自行车在每个桩的需求量的预测结果。2.根据权利要求1所述的共享自行车需求量预测方法，其特征在于，通过所述训练集进行回归模型的构建，具体包括：通过所述训练时间段获取的数据，定义损失函数；找到所述损失函数的最小数作为构建回归模型。3.根据权利要求2所述的共享自行车需求量预测方法，其特征在于，求出影响所述共享自行车需求量的因素权重并融入所述回归模型，具体包括：分别设计倒数、负指数两种形式的时间距离权重函数进行预测；根据线上的分数，从中挑选出最优的时间距离权重；输出所述损失函数与挑选出的所述时间距离权重之积的最小值。4.根据权利要求3所述的共享自行车需求量预测方法，其特征在于，求出影响所述共享自行车需求量的因素权重并融入所述回归模型，具体还包括：当多个桩的借车数据和还车数据具有周期性，且不同桩的周期性不同时，设计曜日权重函数；当所述训练时间段中的一个曜日和待测时间段的一个曜日为同曜日或同为工作日或周末时，所述曜日权重函数的返回值较大，否则返回值较小；根据所述曜日权重函数的返回值，确定曜日权重；输出所...

【专利技术属性】
技术研发人员：谢嘉元，张浩川，余荣，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44