一种共享单车流量预测方法及系统技术方案

本公开提供了一种共享单车流量预测方法及系统，所述方案包括：基于所述共享单车站点信息以及历史行程信息，利用层次迭代的高斯混合聚类模型对站点进行聚类；根据聚类结果，将城市区域划分为上下两层空间结构，对共享单车站点进行区域重构，获得每个共享单车站点区域借车还车矢量矩阵；基于所述气象数据获得该城市气象特征矩阵；将所述借车还车矢量矩阵和城市气象特征矩阵输入预训练的深度时空残差网络中，获得未来时间各个共享单车区域的借车数量和还车数量的预测结果；所述方案引入了类与类之间的迁移趋势，得到的结果更加稳定且具有很好的鲁棒性；同时，进行空间重构后的共享单车站点更具有时间、空间相关性，可以很好的增加预测的精度。加预测的精度。加预测的精度。

【技术实现步骤摘要】
一种共享单车流量预测方法及系统


[0001]本公开属于共享单车流量预测
，尤其涉及一种共享单车流量预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]共享单车是在“互联网+”和共享经济社会背景下产生的一种新型的自行车使用方式，它的出现很好的解决了居民出行解决“最后一公里”的问题，这一服务目前城市都已经十分普及。借助于共享单车系统，人们可以很容易地在共享单车公司提供的地点租借或归还自行车。共享单车服务的出现使得公共交通的利用率有了很大限度的提高，道路交通拥堵问题也得到了有效的缓解。
[0004]然而，共享单车在方便用户出行的同时，也存在一些影响客户骑行体验的不利因素。其中，最明显的不利因素是自行车站点在不同服务区域的分布不均匀所造成的使用不平衡。有些地区有借车需求的用户数比较多，需要站点提供的单车数量超出了站点的储备数量；有些地区因为地理位置的偏僻需要用车的用户数量很少，所以站点的单车就一直处于闲置状态，造成了资源的浪费。共享单车站点间供应不平衡的问题通常是由用户的出行方式所造成的：用户一般都是早晨从家中离开，到工作地点上班。这个时候位于居民区的自行车就会被过度使用；相反，位于工作地点的自行车在早上就会大量堆积，造成供应过剩。下午的情况则完全相反。两种情况都会导致自行车在城市不同时间不同站点的供应不平衡。为了解决这个问题，共享单车运营商会使用货车在各个站点之间源源不断地运输共享单车，人为进行调度来恢复共享单车系统的正常运营，这显然是一种费时费力、治标不治本的解决方案。
[0005]为此，国内外研究人员对于共享单车系统的使用量预测问题展开了长久而又深入的研究：Lin等人介绍了一个自行车共享策略设计问题，其中包括一个自行车车库存储系统和一个基于库存中心的模型。涉及设计工作的各个方面，如共享自行车系统的车站的数量和位置，自行车道的创建以及自行车出行路线的创建等，为城市交通吞吐量及其平衡与重新平衡策略找到了一个更好的解决方案。Y.Li，郑宇等人提出了一个分层预测模型来预测在未来的时间里自行车将被租用或退还的数量，它更侧重于在自行车共享系统中的宏观交通流量而不是微型旅行目的地和持续时间，这对分享自行车系统分析和出行预测的研究方法极其重要的参考价值。其文献中提出的预测模型首先将自行车站点采用GC和K
‑
means进行双层聚类，然后利用基于多重相似性的推理模型来预测租借和返回的自行车数量。新的预测模型相比于不采用聚类方式的预测，在预测的准确率上有所提高。而GC或K
‑
means聚类需要预先设置聚类的个数即K值，且聚类的效果依赖于初始中心值的选取，而初始中心值的设置具有一定的随机性，因此每次预测结果具有一定的偏差，结果不稳定。W.Jia，Y.Tan等人基于先前的工作将AP聚类与多相似度参考模型相结合来预测共享单车系统在未来时间
内的借还数量，在聚类时并不需要指定聚类数，得到的结果相较于先前的研究更为稳定，但是受限于多相似度参考模型的局限性，预测精度仍有很大的提升空间。
[0006]专利技术人发现，现有方法虽然对于共享单车系统的使用量预测问题提供了大量的解决方案，但是仍然存在一系列的问题，尤其是现有方法无法对影响共享单车使用情况的特征进行有效的捕捉，导致城市未来时间共享单车各个站点的使用量的预测不合理、精确度不高的问题。

技术实现思路

[0007]本公开为了解决上述问题，提供了一种共享单车流量预测方法及系统，所述方案通过基于层次迭代的高斯混合聚类模型对共享单车站点进行聚类，引入了类与类之间的迁移趋势，得到的结果更加稳定且具有很好的鲁棒性；同时，利用空间重构后的共享单车站点更具有时间、空间相关性，可以很好的增加预测的精度。
[0008]根据本公开实施例的第一个方面，提供了一种共享单车流量预测方法，包括：
[0009]获取城市的共享单车站点信息、历史行程信息以及对应的气象数据；
[0010]基于所述共享单车站点信息以及历史行程信息，利用层次迭代的高斯混合聚类模型对站点进行聚类；
[0011]根据聚类结果，将城市区域划分为上下两层空间结构，对共享单车站点进行区域重构，获得每个共享单车站点区域借车还车矢量矩阵；
[0012]基于所述气象数据获得该城市气象特征矩阵；
[0013]将所述借车还车矢量矩阵和城市气象特征矩阵输入预训练的深度时空残差网络中，获得未来时间各个共享单车区域的借车数量和还车数量的预测结果。
[0014]进一步的，所述利用层次迭代的高斯混合聚类模型对站点进行聚类，具体包括：
[0015]利用共享单车站点信息，对共享单车站点采用高斯混合聚类方法进行聚类,得到多个初始类簇；
[0016]根据历史行程信息，计算各类簇两两之间的车辆转移数量，得到迁移趋势矩阵，对所述迁移趋势矩阵进行范数处理；
[0017]基于所述迁移趋势矩阵的范数和共享单车站点信息采用高斯混合聚类方法进行聚类，得到新的类簇，重复执行上述过程，直至新的聚类结果趋于稳定。
[0018]进一步的，所述将城市区域划分为上下两层空间结构，对共享单车站点进行区域重构，具体包括：将共享单车原始站点作为下层空间架构，将层次迭代聚类后的聚类中心所在的共享单车站点作为新的空间点，组成上层空间架构；下层空间包括所有的共享单车站点，上层空间只保留聚类中心所对应的共享单车站点。
[0019]根据本公开实施例的第二个方面，提供了一种共享单车流量预测系统，包括：
[0020]数据获取单元，其用于获取城市的共享单车站点信息、历史行程信息以及对应的气象数据；
[0021]聚类单元，其用于基于所述共享单车站点信息以及历史行程信息，利用层次迭代的高斯混合聚类模型对站点进行聚类；
[0022]区域重构单元，其用于根据聚类结果，将城市区域划分为上下两层空间结构，对共享单车站点进行区域重构，获得每个共享单车站点区域借车还车矢量矩阵；
[0023]气象特征获取单元，其用于基于所述气象数据获得该城市气象特征矩阵；
[0024]预测单元，其用于将所述借车还车矢量矩阵和城市气象特征矩阵输入预训练的深度时空残差网络中，获得未来时间各个共享单车区域的借车数量和还车数量的预测结果。
[0025]根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种共享单车流量预测方法。
[0026]根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种共享单车流量预测方法。
[0027]与现有技术相比，本公开的有益效果是：
[0028]本公开所述方案提出了一种基于高斯混合聚类
‑
时空残差网络的共享单车流量预测模型，基于历史数据对未来时间城市共享单车站点的使用量进行预测。其核心本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种共享单车流量预测方法，其特征在于，包括：获取城市的共享单车站点信息、历史行程信息以及对应的气象数据；基于所述共享单车站点信息以及历史行程信息，利用层次迭代的高斯混合聚类模型对站点进行聚类；根据聚类结果，将城市区域划分为上下两层空间结构，对共享单车站点进行区域重构，获得每个共享单车站点区域借车还车矢量矩阵；基于所述气象数据获得该城市气象特征矩阵；将所述借车还车矢量矩阵和城市气象特征矩阵输入预训练的深度时空残差网络中，获得未来时间各个共享单车区域的借车数量和还车数量的预测结果。2.如权利要求1所述的一种共享单车流量预测方法，其特征在于，所述利用层次迭代的高斯混合聚类模型对站点进行聚类，具体包括：利用共享单车站点信息，对共享单车站点采用高斯混合聚类方法进行聚类,得到多个初始类簇；根据历史行程信息，计算各类簇两两之间的车辆转移数量，得到迁移趋势矩阵，对所述迁移趋势矩阵进行范数处理；基于所述迁移趋势矩阵的范数和共享单车站点信息采用高斯混合聚类方法进行聚类，得到新的类簇，重复执行上述过程，直至新的聚类结果趋于稳定。3.如权利要求1所述的一种共享单车流量预测方法，其特征在于，所述将城市区域划分为上下两层空间结构，对共享单车站点进行区域重构，具体包括：将共享单车原始站点作为下层空间架构，将层次迭代聚类后的聚类中心所在的共享单车站点作为新的空间点，组成上层空间架构；所述下层空间包括所有的共享单车站点，上层空间只保留聚类中心所对应的共享单车站点。4.如权利要求1所述的一种共享单车流量预测方法，其特征在于，所述站点信息包括车站的经纬度信息，历史行程信息包括每次出行的行程持续时间，出发时间，结束时间，出发车站ID，出发车站名称，出发车站纬度、经度，结束车站ID，结束车站名称，结束车站纬度、经度，单车ID以及用户类型。5.如权利要求1所述的一种共享单车流量预测方法，其特征在于，所述气象特征矩阵包括：天气，温度和风速，所述天气包括晴天、雨天、雪天、雾天。6.一种共享单车流量预测系统，其特征...

【专利技术属性】
技术研发人员：谭艳艳，王宾，邵秀婷，刘丽，张化祥，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：