[发明专利]基于马尔可夫模型的公共自行车系统调控方法

说明书

 技术领域

本发明属于交通运输规划与管理中的公共交通领域，具体涉及一种基于马尔可夫模型的公共自行车系统调控方法。

 背景技术

OD矩阵（起讫点交通量，即从交通出行的出发点到终点之间的交通量）提供车辆或行人从某一特定地理区域到另一区域运动的基本信息。它在交通和运输管理中扮演关键角色。面对日益严重的城市交通拥堵问题，优先发展公共交通已经成为社会的共识，公共自行车也成为解决公交、轨道交通接驳问题的有效解决办法，然而要高效利用公共自行车，就需对公共自行车OD进行准确地统计推断，从而对公共自行车服务站设置、车辆配置及车辆调度进行更合理地规划和布置。但是现有的公共自行车系统大多未能对自行车OD进行准确的推断，从而存在自行车服务站的设置规模与当前及以后所必需的服务能力不协调，具体表现在：有些站点严重不能满足市民出行需求；而有些站点又存在能力严重过剩。而目前存在的OD统计推断大多用于城市区域交通量OD推断，公交OD统计推断，用于公共自行车OD推断的研究较少。OD统计推断方法通常利用有限的调查数据进行迭代计算，又因调查数据中数据缺失的存在从而导致得不到闭合解，且大多未利用先验信息，因而对OD 的统计推断存在较大误差。因此，一种有效利用先验信息的能得出闭合解的公共自行车OD统计推断方法具有重要意义。

因公交OD统计推断与公共自行车OD统计推断具有相似性，故以下对现有公交OD统计推断方法进行简述，Zuylen and Willumsen使用大规模直接采样调查数据的方法，该方法虽然采集数据的准确性较好，但费用相当昂贵，且需要时间长，耗费大量人力；Van Zuylen and Willumsen采用的方法是利用交通网络上每条选择路线中获得的交通流量来计算发生量与吸引量，而不是对发生量与吸引量实施任何特殊的模型。这种方法比大规模样本方法更便宜。然而，鉴于经济原因，所选相关路线的数量实际应用中相对较少，因而存在大量未知参数（发生量与吸引量）但很少可得观测，从而导致高度遗漏问题；为解决高度遗漏问题，Van Zuylen and Willumsen提出最大熵方法，这种方法确定一个OD矩阵，这使选择出行矩阵增加尽可能少的数据信息到每个交通网络中预先选择的路线上。上述方法均未有效利用OD 的先验信息，Maher和Hazelton提出的贝叶斯方法，Van Zuylen and Willumsen提出的最大熵方法，来结合交通流方面先验信息与当前信息，从而使先验信息得到有效利用，但由于参数量巨大，计算繁琐。

因此，需要一种新的OD 统计推断的方法以解决上述OD推断问题并将其应用于公共自行车领域，对公共自行车OD进行准确推断。

 发明内容

技术问题：本发明提供一种高效准确、缩短数据采集时间，减少数据采集成本，节约大量调查资源的基于马尔可夫模型的公共自行车系统调控方法。       

技术方案：本发明的基于马尔可夫模型的公共自行车系统调控方法，包括如下步骤：

（1）通过公共自行车信息中心获取自行车借出与归还统计量，将其分为先验组和后验组；

（2）将所述先验组的统计量使用一阶马尔科夫模型参数化方法进行计算，将得到的结果作为先验信息；

（3）根据后验组数据和步骤（2）中获取的先验信息，利用贝叶斯推理，结合马尔可夫模型得到在服务点i已还车概率                                                的估计值，并构建马尔科夫转移概率矩阵；

（4）由马尔科夫转移概率矩阵确定自行车流量推断值，并构建公共自行车系统OD矩阵。

（5）由所述公共自行车系统OD矩阵结合每一服务点的自行车储备量，确定每一服务点的自行车调度需求量，并根据该需求量进行自行车调控。

更进一步的，步骤（2）中的具体步骤为：

21）将公共自行车还车概率用马尔科夫转移概率表示为：

其中，为一阶马尔可夫转移概率，是在服务点已还车的概率，则表示在服务点未还车的概率；为一个随机变量代表公共自行车在服务点的状态，当时表示公共自行车在服务站未还车，当时表示公共自行车在服务站已还车，k是自行车在服务点i状态的控制变量，其为取值为0，1的随机变量，m为自行车在服务点i-1状态的控制变量，其为取值为0，1的随机变量，N为自然数；

22）根据下式计算还车概率矩阵：