用于有桩共享单车站点群的分时段借还量预测方法技术

本发明专利技术公开一种用于有桩共享单车站点群的分时段借还量预测方法，其步骤为：选择核心有桩共享单车站点；将核心站点加入到站点群中；将普通站点加入到站点群中；利用相似度公式，计算有桩共享单车站点之间单车转移的相似度；将有桩共享单车系统的运行时间按小时划分，每小时对应一个样本；提取数据中的特征；选择训练样本和测试样本；训练站点群单车借还量预测器；训练核心站点单车借还比例预测器；获取核心站点单车借还量的预测值。本发明专利技术的用于有桩共享单车站点群的分时段借还量预测方法，预测精度较高，降低了时间复杂度并使预测结果更加细粒度。

【技术实现步骤摘要】
用于有桩共享单车站点群的分时段借还量预测方法
本专利技术属于计算机应用
，更进一步涉及数据挖掘
中的一种用于有桩共享单车站点群的分时段借还量预测方法。本专利技术可用于预测有桩共享单车站点各时段的单车借还量，该预测的结果可用于设置有桩共享单车站点的位置和各站点之间的单车调配。
技术介绍
伴随着绿色出行思想和共享经济的发展，共享单车系统在许多大城市变得越来越流行。在共享单车系统中，不同车站、不同时期租用/返还单车(即单车借还量)的数量非常不平衡，导致站点经常会出现空站或者满站的情况，这都会影响到用户的使用体验和供应商的收入水平；另外，随着车站数量的增加，车站之间进行再平衡操作的运输成本大大增加，因此急需提出一些能够精准预测站点各时段借还量的方法。近年来，共享单车借还量预测日益受到人们的重视，但一些现有的预测方法：NN、k近邻法、ARMA等方法，处理实际样本量较少的共享单车数据时，预测精度较低，容易发生过拟合，且单个站点的借还量受各种因素的影响而导致波动很大，难以直接预测。本专利技术提出的用于共享单车站点群的分时段借还量预测方法：一方面，通过聚类将相似的站点分配到同一站点群中，本文档来自技高网...

【技术保护点】
1.一种用于有桩共享单车站点群的分时段借还量预测方法，其特征在于，对核心站点进行聚类，训练站点群单车借还量预测器，训练核心站点单车借还比例预测器，该方法的步骤包括如下：(1)选择核心有桩共享单车站点：(1a)用每个有桩共享单车站点在运行时间内的单车借还量，除以该站点距离阈值距离范围内的所有站点在运行时间内的总单车借还量，将其商值作为该有桩共享单车站点的核心值；(1b)将核心值大于核心值阈值的所有有桩共享单车站点作为核心站点，其余站点作为普通站点；(2)对核心站点进行聚类：(2a)生成一个空集作为总站点集，将所有核心站点加入到总站点集中；生成一个空集作为站点群，生成一个空集作为候选站点集；(2b...

【技术特征摘要】
1.一种用于有桩共享单车站点群的分时段借还量预测方法，其特征在于，对核心站点进行聚类，训练站点群单车借还量预测器，训练核心站点单车借还比例预测器，该方法的步骤包括如下：(1)选择核心有桩共享单车站点：(1a)用每个有桩共享单车站点在运行时间内的单车借还量，除以该站点距离阈值距离范围内的所有站点在运行时间内的总单车借还量，将其商值作为该有桩共享单车站点的核心值；(1b)将核心值大于核心值阈值的所有有桩共享单车站点作为核心站点，其余站点作为普通站点；(2)对核心站点进行聚类：(2a)生成一个空集作为总站点集，将所有核心站点加入到总站点集中；生成一个空集作为站点群，生成一个空集作为候选站点集；(2b)从总站点集中选取核心值最大的核心站点，加入到站点群中；(2c)将总站点集中每个核心站点与站点群中核心值最大站点的距离，大于距离阈值的所有核心站点，加入到候选站点集中；(2d)将核心值阈值作为最大站点群的初始核心值；(2e)从候选站点集中选取一个未取过的核心站点，将该站点加入到站点群中，按照下式，计算站点群核心值；其中，cv表示当前站点群核心值，δ表示距离阈值，n表示站点群内核心站点的总数，∑表示求和操作，i表示站点群内核心站点的编号，svi表示站点群中第i个核心站点的核心值，max表示求最大值操作，m表示总站点集中核心站点的编号，p表示总站点集中核心站点的编号，∈表示属于符号，c表示由站点群内所有核心站点的编号组成的集合，dmp表示总站点集中第m个核心站点与总站点集中第p个核心站点之间的距离；(2f)将大于最大站点群核心值的站点群核心值，作为当前迭代时的最大站点群核心值，从站点群中删除所选的核心站点；(2g)判断候选站点集中的站点是否全部选取完，若是，则执行步骤(2h)，否则，则执行步骤(2e)；(2h)判断最大站点群核心值是否大于核心值阈值，若是，则执行步骤(2i)，否则，将站点群加入到站点群集后执行步骤(2a)；(2i)选取加入站点群后取得最大站点群核心值的站点，将该站点加入到站点群中，然后将总站点集中每个核心站点与该站点的距离，大于距离阈值的所有核心站点，加入到候选站点集中，并将该站点从候选站点集中删除；(2j)判断候选站点集是否为空，若是，则执行步骤(2k)，否则，执行步骤(2e)；(2k)判断总站点集是否为空，若是，则执行步骤(3)，否则，将站点群加入到站点群集中后执行步骤(2a)；(3)对普通站点进行聚类：从每个普通站点距离阈值内的所有核心站点中，选取与该普通站点之间单车转移的相似度最高的核心站点，将该普通站点加入到所选取核心站点所属的站点群中；(4)利用相似度公式，计算有桩共享单车站点之间单车转移的相似度；(5)提取样本的特征：(5a)将有桩共享单车系统的运行时间按小时划分，每小时的单车借还量数据表示一个样本；(5b)从有桩共享单车系统的单车转移数据与有桩共享单车系统所在城市的天气数据中提取特征，作为每个样本的特征向量；(5c)将特征向量中的离散型特征进行one-hot编码；(6)选择训练样本和测试样本：(6a)从所有样本中任意选取66％样本的特征向量组成训练样本集；(6b)将剩余34％样本的特征向量组成测试样本集；(7)训练站点群单车借还量预测器：(7a)从站点群集中选取一个未选过的站点群，将每小时内该站点群中所有站点的单车总借还量作为每个样本的标签值；(7b)将训练样本集输入到未经过训练的G...

【专利技术属性】
技术研发人员：黄健斌，王翔宇，孙鹤立，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61