【技术实现步骤摘要】
一种基于深度学习和群智感知的单车需求预测与调度方法
本专利技术涉及一种共享交通领域，特别是涉及一种基于深度学习和群智感知的单车需求预测与调度方法。
技术介绍
公共自行车系统作为一种绿色的交通方式在国内外许多城市中被广泛地使用，解决最后一公里问题方便人们出行的同时，也减缓了公共交通的压力。运行高质量的公共自行车系统的主要挑战之一是如何避免自行车站点的过载问题。为此，运营人员需要做自行车的调度来调整各个自行车站点的负载情况来减缓压力。传统的公共自行车调度方法一般基于当前时刻各个自行车站点的负载情况，制定出调度的路线和自行车数量，通过卡车运送的方式进行调度。但是，该方法主要的缺陷在于调度的策略不灵活，基于卡车的调度方法只能根据以往的经验调度，不能有效的根据未来的骑行需求做出动态的策略调整，故只能解决当下时刻的自行车站点负载过高问题，而不能解决未来时刻的自行车站点过载问题。其次，基于卡车的调度方式成本过高，由于卡车具有固定的容量，每次所能运送的自行车数量有限，同时雇佣卡车司机和搬运人员也使成本提高。
技术实现思路
【技术保护点】
1.一种基于深度学习和群智感知的单车需求预测与调度方法，其特征在于，包括如下步骤：/n步骤S1：单车需求预测：/n步骤S11：根据单车站点的空间分布相关性和自行车站点需求变化的时间依赖性，建立单车需求图结构，将站点作为所述图结构的节点，站点之间的地理距离作为图结构的边，提取多个时刻图结构节点的属性值X和边权重W，所述节点属性值X为变化斜率和持续时间，所述边权重W为站点之间的地理距离；/n步骤S12：基于历史时刻图结构节点属性值X和边权重W，通过学习建立预测模型，并预测未来时刻图结构节点的属性值；/n步骤S13：通过端对端的时空网络架构学习空间相关性和时间依赖性，从而准确预测...
【技术特征摘要】
1.一种基于深度学习和群智感知的单车需求预测与调度方法，其特征在于，包括如下步骤：
步骤S1：单车需求预测：
步骤S11：根据单车站点的空间分布相关性和自行车站点需求变化的时间依赖性，建立单车需求图结构，将站点作为所述图结构的节点，站点之间的地理距离作为图结构的边，提取多个时刻图结构节点的属性值X和边权重W，所述节点属性值X为变化斜率和持续时间，所述边权重W为站点之间的地理距离；
步骤S12：基于历史时刻图结构节点属性值X和边权重W，通过学习建立预测模型，并预测未来时刻图结构节点的属性值；
步骤S13：通过端对端的时空网络架构学习空间相关性和时间依赖性，从而准确预测出未来时刻的单车需求变化趋势；
步骤S2：生成单车调度任务：
根据预测出的未来时刻的单车需求变化趋势，输入到单车调度任务模型生成单车调度任务，所述单车调度模型以调度的自行车数量最大为优化目标；
步骤S3：单车群智调度执行：
根据生成的单车调度任务，输入到调度执行模型，进行调度任务分配，所述调度执行模型以最大化调度站点对的数目为优化目标。
2.根据权利要求1所述的一种基于深度学习和群智感知的单车需求预测与调度方法，其特征在于，提取多个时刻图结构节点的属性值X具体包括：
获取站点多个时刻的单车数量；
建立单车数量随时间变化关系曲线；
根据变化关系曲线得出变化斜率和持续时间。
3.根据权利要求1所述的一种基于深度学习和群智感知的单车需求预测与调度方法，其特征在于，所述端对端的时空网络架构包括图卷积神经网络和门控循环单元。
4.根据权利要求3所述的一种基于深度学习和群智感知的单车需求...
【专利技术属性】
技术研发人员：陈龙彪，郭瑞英，蒋之晗，王志源，张龙晖，王程，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35
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。