一种基于制造技术

本发明专利技术涉及一种基于

【技术实现步骤摘要】
一种基于ARIMA模型的电动自行车换电需求预测算法


[0001]本专利技术涉及需求预测算法
，尤其涉及一种基于
ARIMA
模型的电动自行车换电需求预测算法
。

技术介绍

[0002]随着外卖行业的兴起，电动自行车成为外卖骑手的主要交通工具
。
为规范电动车的市场和使用，规定电动自行车的最大重量为
55kg
，限制了电池的容量，使得单块电池的最远运行距离不超过
60km。
因此，产生了电动自行车的充
、
换电需求，相对充电而言，换电具有耗时短，速度快的优点，能满足突发出行需求
。
大量的换电企业应运而生
。
因此，合理地对换电柜进行选址并准确地预测换电需求是换电企业发展的关键
。
[0003]ARIMA
模型由于能够获取时间序列的线性关系和周期关系，被广泛应用于时间序列预测，例如，水文地理
、
网络流量
、
客流量
、
运量
、
价格
、
需求
、
负荷
、
流感趋势等方面
。

技术实现思路

[0004]针对上述现有技术的缺点，本专利技术的目的是提供一种基于
ARIMA
模型的电动自行车换电需求预测算法，以解决现有技术中的一个或多个问题
。
[0005]为实现上述目的，本专利技术的技术方案如下：
[0006]一种基于
ARIMA
模型的电动自行车换电需求预测算法，包括以下步骤：
[0007]对大型换电企业四个月的电动自行车换电订单数据进行预处理；
[0008]利用预处理后的电动自行车换电订单数据构建
ARIMA
模型；
[0009]调用
ARIMA
模型计算模型评价指标；
[0010]根据所述模型评价指标，验证
ARMIA
模型在短时订单量预测上的有效性
。
[0011]可选的，所述对大型换电企业四个月的电动自行车换电订单数据进行预处理步骤包括：
[0012]对换电柜位置进行
K
‑
means
聚类；
[0013]选择合适的类；
[0014]将每个类视为一个站点，将每个站点根据订单量级进行划分
。
[0015]可选的，所述选择合适的类的步骤包括：
[0016]将四类的订单热力图进行对比，依据热力图分布均衡性
、
外卖骑手对换电时间
、
距离的容忍程度和换电站的覆盖面积选择合适的类
。
[0017]可选的，所述将每个类视为一个站点，将每个站点根据订单量级进行划分的步骤包括：
[0018]将各站点按照平均每小时的订单量量级划分为大量级
、
中量级
、
小量级，并进行排序，得到一组时序数据
。
[0019]可选的，所述利用预处理后的电动自行车换电订单数据构建
ARIMA
模型的步骤包括：
[0020]平稳性检验；
[0021]白噪声检验；
[0022]确定参数
。
[0023]可选的，所述平稳性检验的步骤包括：
[0024]采用计算
ADF
单位根检验判断时序数据是否平稳；
[0025]若判断为非平稳序列，则对非平稳序列作差分处理，使其转为平稳序列
。
[0026]可选的，采用
AIC
准则为
p、d、q
参数自动定阶
。
[0027]可选的，所述模型评价指标包括平均绝对百分比误差
、
平均绝对误差
、
均方根误差
、
准确率
、
决定系数
。
[0028]可选的，所述验证
ARMIA
模型在短时订单量预测上的有效性的步骤包括：
[0029]选取
AR、MA、LSTM、SVR、BP
神经网络进行实验比较
。
[0030]可选的，所述选取
AR、MA、LSTM、SVR、BP
神经网络进行实验比较的步骤包括：
[0031]对非突变的换电订单数据进行预测，对比每个神经网络模型预测结果的评价指标；
[0032]对突变的换电订单数据进行预测，对比每个神经网络模型预测结果的评价指标
。
[0033]与现有技术相比，本专利技术的有益技术效果如下：
[0034](1)
本专利技术提供的一种基于
ARIMA
模型的电动自行车换电需求预测算法，在短时换电订单的需求预测上具有较高的预测精度，与其他基线模型相比，各指标均为最好，验证了换电需求在时间上更趋于线性关系，换电柜位置优化以及短时需求预测结果为换电企业的换电柜选址和电池投放量提供数据支持，提高了换电柜使用效率，节约了设备成本；
[0035](2)
进一步的，通过对换电柜位置进行
K
‑
means
聚类，综合考虑热力图分布均衡性
、
外卖骑手对换电时间
、
距离的容忍程度和换电站的覆盖面积选择合适的类，使换电柜订单的热力图更均衡，说明单个柜的使用率得到提高，整体的使用率更高，可以降低换电柜的投放量和电池的投放量，从而降低换电企业的成本；
[0036](3)
进一步的，
ARIMA
模型采用前面有限个数据预测后一个数据，适用于周期性和线性特征的数据，对突变数据具有更好的预测效果
。
附图说明
[0037]图1示出了本专利技术实施例一提供的一种基于
ARIMA
模型的电动自行车换电需求预测算法的流程图
。
[0038]图2示出了本专利技术实施例一提供的一种基于
ARIMA
模型的电动自行车换电需求预测算法中对大型换电企业四个月的电动自行车换电订单数据进行预处理步骤的流程图
。
[0039]图3示出了本专利技术实施例一提供的一种基于
ARIMA
模型的电动自行车换电需求预测算法中利用预处理后的电动自行车换电订单数据构建
ARIMA
模型的结构示意图
。
[0040]图4示出了本专利技术实施例一提供的一种基于
ARIMA
模型的电动自行车换电需求预测算法中验证
ARMIA
模型在短时订单量预测上的有效性步骤的结构示意图
。
[0041]图5示出了本专利技术实施例一提供的一种基于
ARIMA
模型的电动自行车换电需求预测算法中换电站服务区分布图
。
[0042]图6示出了本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
ARIMA
模型的电动自行车换电需求预测算法，其特征在于，包括以下步骤：步骤
S1
，对大型换电企业四个月的电动自行车换电订单数据进行预处理；步骤
S2
，利用预处理后的电动自行车换电订单数据构建
ARIMA
模型；步骤
S3
，调用
ARIMA
模型计算模型评价指标；步骤
S4
，根据所述模型评价指标，验证
ARMIA
模型在短时订单量预测上的有效性
。2.
如权利要求1所述的一种基于
ARIMA
模型的电动自行车换电需求预测算法，其特征在于，所述对大型换电企业四个月的电动自行车换电订单数据进行预处理步骤包括：步骤
S101
，对换电柜位置进行
K
‑
means
聚类；步骤
S102
，选择合适的类；步骤
S103
，将每个类视为一个站点，将每个站点根据订单量级进行划分
。3.
如权利要求2所述的一种基于
ARIMA
模型的电动自行车换电需求预测算法，其特征在于，所述选择合适的类的步骤包括：将四类的订单热力图进行对比，依据热力图分布均衡性
、
外卖骑手对换电时间
、
距离的容忍程度和换电站的覆盖面积选择合适的类
。4.
如权利要求3所述的一种基于
ARIMA
模型的电动自行车换电需求预测算法，其特征在于，所述将每个类视为一个站点，将每个站点根据订单量级进行划分的步骤包括：将各站点按照平均每小时的订单量量级划分为大量级
、
中量级
、
小量级，并进行排序，得到一组时序数据
。5.
如权利要求1所述的一种基于
ARIMA
模型的电动自行车换电需求预测算法，其特征在于，所述利用预处理后的电动自行车换电订单数据构建
ARIMA
模型的步骤包括...

【专利技术属性】
技术研发人员：周建阳，郭科宏，杨磊，施敏，戴吕生，姚青年，
申请(专利权)人：国网无锡电动汽车服务有限公司，
类型：发明
国别省市：