本发明专利技术公开了一种考虑用户预约数据的公共自行车高峰期需求预测方法,包括步骤:1)采集和提取用户高峰时段预约数据;2)采集公共自行车历史高峰时段使用数据;3)处理预约数据,得出次日不同网点各时间段的预约需求量;4)处理历史数据,得出次日不同网点各时间段的需求预测值;5)整合根据预约数据和历史数据得出的预测值,确定不同网点各时间段的最终借还需求量;6)绘制有时间窗的调度需求表。本发明专利技术能有效提高公共自行车各网点高峰期车辆及锁车桩需求预测准确度,切实为高峰期调度提供具有参考价值的数据。
【技术实现步骤摘要】
本专利技术设及国内城市公共自行车系统建设和运营管理的
,尤其是指一种 考虑用户预约数据的公共自行车高峰期需求预测方法。
技术介绍
目前在国内城市公共自行车系统建设和运营管理中,需求预测都起着非常重要的 作用。在系统建设的网点规划环节中,一般需综合考虑区域功能类型、区域±地利用性质、 服务人口规模W及自行车使用强度等因素,采用Logit模型、换乘量推算等不同预测方法对 区域公共自行车需求量进行预测,从而确定区域公共自行车的布局W及投放规模。通过运 些方法预测出来的结果虽不能说非常精确,但已基本能满足规划年研究区域内居民公共自 行车日均出行的需求。然而,从国内不同城市的公共自行车系统实际运营效果来看,借车难 还车难问题依旧相当严峻,特别是在早晚高峰时段,究其原因主要在于相对模糊的具体网 点实时需求预测。 公共自行车系统作为解决"最后一公里"的末端辅助交通方式,其一天内不同时段 的需求特征不尽相同,运主要与城市居民的出行习惯息息相关。经验表明,部分租赁点,如 分布在住宅区附近的,潮软现象明显,固有的库存量难W满足早晚通勤高峰期的需求,因此 调度成为了公共自行车系统正常运营的关键环节,而高效的调度必须要有准确的需求预测 数据做基础,但目前国内已有的公共自行车系统关于网点需求预测方面存在较大的分歧, 严重制约了公共自行车的大面积推广。 国内几大典型城市(杭州、广州、株洲、北京)的公共自行车系统都是根据预设的站 点车容量预警系统来监控各站点的实时自行车停放数量,当网点的自行车数量超过或低于 一定阔值时,指挥中屯、就会及时进行调配,除此W外,在一些特殊的点(如借还车频率高)或 者特殊情况下,还设立应急调度、人工调配、潮软调配、跨区调整等不同调度方式。可W发 现,运些调度都不是W需求预测为基础的,存在着严重的滞后性,导致高峰时段普遍存在借 车难还车难问题。因此,亟需一种切实可靠的需求预测方法,使公共自行车系统的高效调度 成为可能。
技术实现思路
本专利技术的目的在于克服现有技术的缺点和不足,提供一种考虑用户预约数据的公 共自行车高峰期需求预测方法,能有效提高公共自行车各网点高峰期车辆及锁车粧需求预 测准确度,切实为高峰期调度提供具有参考价值的数据。 为实现上述目的,本专利技术所提供的技术方案为:一种考虑用户预约数据的公共自 行车高峰期需求预测方法,包括W下步骤: 1)采集和提取用户高峰时段预约数据:根据手机APP或微信公众号采集公共自行 车用户次日高峰期时段的出行计划数据,提取预约的出发时间段、出发点和目的点运些有 关数据; 2)采集公共自行车历史高峰时段使用数据:根据各网点历史刷卡记录,提取历史 高峰时段公共自行车的借车数据、还车数据W及对应的时间点; 3)处理预约数据,得出次日不同网点各时间段的预约需求量:第一步是根据预约 数据中的出发点和目的点坐标,结合城市道路非直线系数和公共自行车的平均行驶速度, 估算起讫点的实际距离和客户到达目的地的时间段;第二步是在已有数据的基础上,W十 分钟为单位时间段,确定网点各时间段的需求量; 4)处理历史数据,得出次日不同网点各时间段的需求预测值:根据前面提取的历 史使用数据,采用时间序列预测法,对次日同一时间段各网点的需求进行预测; 5)整合根据预约数据和历史数据得出的预测值,确定不同网点各时间段的最终借 还需求量:将步骤3)得到的预约量与步骤4)得到的预测值进行比较,若预约量大于历史数 据分析后的预测值,则采用预约量作为需求预测结果;若预约量小于历史数据预测值,取预 约量与预测值之间的数值作为需求预测结果; 6)绘制有时间窗的调度需求表:根据步骤5)的预测结果,结合各网点的公共自行 车及锁车粧数量情况,通过公式转化为该网点高峰期单位时间段的调度需求量,并考虑用 户可接受的等待时间,绘制有时间窗的调度需求表,为后续的调度工作提供依据。 在步骤1)中采集和提取用户高峰时段预约数据的主要步骤有: 1.1)用户登录手机APP或微信公众号,选择次日高峰时段使用公共自行车出行的 出发地点、出发时段和到达地点;系统根据用户选择的起讫点,调取周围公共自行车网点数 据,并推荐最近的网点供用户选择; 1.2)系统后台根据预约数据,提取相应的出发时段、出发网点W及目的网点; 在步骤2)中采集公共自行车历史高峰时段使用数据主要通过调取系统后台历史 记录数据,提取用户相应时段的借车数据、还车数据W及对应的时间点; 在步骤3)中处理预约数据,得出次日不同网点各时间段的预约需求量的主要步骤 有: 3.1)根据预约数据中出发网点和目的网点的坐标,结合城市道路非直线系数,计 算两网点间的骑行距离;妇道路非直线系数,(Xn,yn)为网点坐标 3.2)利用平均骑行速度值,推算到达目的网点的时间段; 3.3) W十分钟为单位时间段,依次确定各时段时间区间,筛选各网点的出行时段 和到达时段,属于该时间区间的出发时段说明该网点有公共自行车车辆需求一次,记+1;属 于该时段的到达时间说明该网点有公共自行车锁车粧需求一次,记-1;统计网点i在At时 间段的车辆/车粧需求量RQ,At); 在步骤4)中处理历史数据,得出次日不同网点各时间段的需求预测值的主要步骤 有: 4.1)与步骤3)的时间段一致,对采集到的历史数据进行分类统计,注意区分工作 日与非工作日的情况,并剔除部分异常数据; 4.2)将统计得到的数据编成时间序列,并根据时间序列绘制成折线统计图; 4.3)综合长期趋势与季节变动因素,运用SPSS中ARIMA模型对时间序列进行分析 预测,得到次日高峰期A t时段内网点i的需求量预测值H( i,A t); 若研究范围内网点较多,则建议区分公共自行车网点的用地性质类型和区域进行 统一预测; 在步骤5)中整合根据预约数据和历史数据得出的预测值,确定不同网点各时间段 的最终需求量,主要通过W下方式实现: 比较步骤3)得到的预约需求量R(i,At)和步骤4)得到的历史数据预测值H(i,A t), 若R(i,A t) >H(i,A t) 0(i, At)=R(i, At)X曰 若R(i,A t)<H(i,A t)[00创。(,',绎華X弓+驯 式中:〇(i, At)--At时段内网点i的公共自行车车辆预测需求量,负值表示车 粧需求量; a、e-一未预约用户预留系数,初值取1.1~1.2,随历史数据累计修正; 使用初期,RQ, At)<H(i,At)时,OQ, At)取均值,随历史数据的累计和预约服 务的推广,对其加权平均值进行调整,靠近预约需求量取值; 在步骤6)中绘制有时间窗的调度需求表的主要步骤有: 6.1)采集高峰期开始前各网点的自行车车辆数,将步骤5)的预测结果代入调度需 求转化模型,求得各网点不同时间段的调度需求量;[003引 v(i, A t)=0(i, A t)-Pi 式中; V(i, At)--网点i在At时段的公共自当前第1页1 2 3 本文档来自技高网...
【技术保护点】
一种考虑用户预约数据的公共自行车高峰期需求预测方法,其特征在于,包括以下步骤:1)采集和提取用户高峰时段预约数据:根据手机APP或微信公众号采集公共自行车用户次日高峰期时段的出行计划数据,提取预约的出发时间段、出发点和目的点这些有关数据;2)采集公共自行车历史高峰时段使用数据:根据各网点历史刷卡记录,提取历史高峰时段公共自行车的借车数据、还车数据以及对应的时间点;3)处理预约数据,得出次日不同网点各时间段的预约需求量:第一步是根据预约数据中的出发点和目的点坐标,结合城市道路非直线系数和公共自行车的平均行驶速度,估算起讫点的实际距离和客户到达目的地的时间段;第二步是在已有数据的基础上,以十分钟为单位时间段,确定网点各时间段的需求量;4)处理历史数据,得出次日不同网点各时间段的需求预测值:根据前面提取的历史使用数据,采用时间序列预测法,对次日同一时间段各网点的需求进行预测;5)整合根据预约数据和历史数据得出的预测值,确定不同网点各时间段的最终借还需求量:将步骤3)得到的预约量与步骤4)得到的预测值进行比较,若预约量大于历史数据分析后的预测值,则采用预约量作为需求预测结果;若预约量小于历史数据预测值,取预约量与预测值之间的数值作为需求预测结果;6)绘制有时间窗的调度需求表:根据步骤5)的预测结果,结合各网点的公共自行车及锁车桩数量情况,通过公式转化为该网点高峰期单位时间段的调度需求量,并考虑用户可接受的等待时间,绘制有时间窗的调度需求表,为后续的调度工作提供依据。...
【技术特征摘要】
【专利技术属性】
技术研发人员:马莹莹,叶钦海,秦筱然,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东;44
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。