【技术实现步骤摘要】
一种基于价格激励机制的公共自行车自动调度方法
本专利技术属于公共自行车调度领域，具体涉及一种基于价格激励机制的公共自行车自动调度方法。
技术介绍
随着快速城市化和机动化进程的推进促成了国内外城市公共自行车系统的发展，城市公共自行车的出现不仅很大程度上缓解了交通压力，更以方便快捷、低碳环保的优点逐渐被众人欢迎。公共自行车系统是公共交通体系的重要组成部分，有效的解决城市居民出行“最后1公里”的问题。在其迅猛发展，为市民提供交通方便的同时，由于交通的潮汐性以及车辆调度的不及时，也面临着“租车难，还车难”的问题，阻碍了公共自行车的发展。因此完善调度机制，实现“有车可租，有处可还”的站点平衡至关重要。目前，国内外已对公共自行车系统的调度问题开展了大量研究，学者研究的调度重点集中在运输车辆路径的优化，YajunZhou等采用马尔可夫链模型对需求量进行预测，以降低调度成本；SchuijbroekJ等进行了车辆路径优化的算法改进，Kloimullner等提出了使被调度自行车数量最少的优化模型；刘东旭等提出分形树自平衡区域划分算法减少调度车辆的行驶路程。已有的研究是将各站点需求假定...
【技术保护点】
1.一种基于价格激励机制的公共自行车自动调度方法，其特征在于：该方法包括以下步骤：步骤1：采集某公共自行车系统多个站点近三年的历史数据并进行数据预处理，其中数据包括用户数据、站点数据以及天气数据；步骤2：建立随机森林预测模型，将步骤1数据集转化成input格式，impurity设置为方差方式。将用户数据、站点数据以及天气数据作为输入变量，站点需求量为输出变量，前两年的历史数据作为训练集，其余为测试集；步骤3：对模型参数进行调整，确定决策树的最优数量numTrees，决策树深度maxDepth和最大装箱数maxBins，输入到步骤2建立的随机森林预测模型中，预测出未来一天中不...
【技术特征摘要】
1.一种基于价格激励机制的公共自行车自动调度方法，其特征在于：该方法包括以下步骤：步骤1：采集某公共自行车系统多个站点近三年的历史数据并进行数据预处理，其中数据包括用户数据、站点数据以及天气数据；步骤2：建立随机森林预测模型，将步骤1数据集转化成input格式，impurity设置为方差方式。将用户数据、站点数据以及天气数据作为输入变量，站点需求量为输出变量，前两年的历史数据作为训练集，其余为测试集；步骤3：对模型参数进行调整，确定决策树的最优数量numTrees，决策树深度maxDepth和最大装箱数maxBins，输入到步骤2建立的随机森林预测模型中，预测出未来一天中不同站点各个时段[t，t+1](t∈T，T＝{0，1，2...23})的自行车需求量Qt，预测结果和测试集数据的RMSLE可以达到0.182，通过对数优化的随机森林模型对库存量的求解，得到各个站点不同时刻的最优库存水平f(x)；步骤4：根据步骤3预测的一天各时段需求量Qt、最优库存f(x)结果，采用价格激励的方法对自行车数量不平衡的站点实行实时调度，建立激励机制模型；步骤5：在步骤4的激励机制模型中，使用优化后的离子群算法求解站点价格激励矩阵，得到初始时刻的系统价格激励矩阵，在下一时刻循环滚动求解，向客户提供站点实时的激励价格；步骤6：通过现有的基础设施与用户进行通信并支付激励金额来实现公共自行车的调度。2.根据权利要求1所述的一种基于价格激励机制的公共自行车自动调度方法，其特征在于：所述的步骤1中的站点数据包括：预测站点ID、预测站点位置、所在城市；气象因素包括：预测日的温度、预测日的风速、预测日的湿度；以及天气类型包括：晴天、小雨天、雾天、雨加雾、雷雨天。3.根据权利要求1所述的一种基于价格激励机制的公共自行车自动调度方法，其特征在于：所述的步骤2随机森林模型的建立,包括如下步骤：步骤21：从样本训练集中采用bootstrap方法重新采样，随机产生k个样本训练集θ1,θ2,…,θk，每个样本训练集对应相应的决策树T(θ1),T(θ2),…,T(θk)；步骤22：样本训练集的样本个数为n，每个样本进行有放回的随机抽样时，抽中的概率为1/n，重复抽取n次，在训练样本集中，每个样本未被抽取到的概率是(1-1/n)；步骤23：样本训练集特征为M维，从M维特征中随机选取m个特征作为当前节点的分裂特征集，并选取m个特征中方差最小的...
【专利技术属性】
技术研发人员：韩晓明，皇甫谦文，种颖珊，闫高伟，续欣莹，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。