[发明专利]基于OD数据的城市停车需求预测方法

权利要求书

1.一种基于OD数据的停车需求预测方法，其特征在于，包括：

获取研究区域的OD数据和停车数据，根据所述OD数据和停车数据对所述研究区域进行停车小区划分；所述OD数据包括：编号、出行起点O点经纬度、出行终点D点经纬度、开始时间、结束时间和行程距离；所述停车数据包括停车场ID、高峰时刻、高峰停车数；划分过程包括：将研究区域划分为多个格子，格子边长从设定数值依次递增，分别统计不同格子边长条件下每个格子内的高峰停车数、O点数目、D点数目，将高峰停车数、O点数目、D点数目均大于指定数值阈值的格子定义为有效格子，有效格子总数记为m；对每个有效格子内的高峰停车数、O点数目和D点数目进行相关性分析，计算不同格子边长条件下高峰停车数与O点数目的相关系数r_O，计算不同格子边长条件下高峰停车数与D点数目的相关系数r_D，综合考虑有效样本数m、r_O和r_D确定最优格式边长，根据所述最优格式边长对所述研究区域进行停车小区划分；

基于所述研究区域的OD数据、停车数据和停车小区划分方案进行回归分析，构建停车需求预测模型，包括：

在根据所述最优格式边长对所述研究区域进行停车小区划分后，将所述研究区域中的每个格子定义为一个停车小区，分别确定每个停车小区的高峰停车数、O点数目和D点数目；

根据每个停车小区的高峰停车数、O点数目，建立研究区域内停车小区的高峰停车数和O点数目之间的一元线性拟合函数P_i＝αx_Oi；

根据每个停车小区的高峰停车数、D点数目，建立研究区域内停车小区的高峰停车数和D点数目之间的一元线性拟合函数P_i＝βx_Di；

其中P_i为停车小区i内高峰停车数量，x_Oi为停车小区内O点数目，x_Di为停车小区内D点数目，α和β分别为停车小区关于O点和D点数目的回归系数；

将所述研究区域对应的高峰停车数分别和O点数目、D点数目之间的一元线性拟合函数作为停车需求预测模型；

根据所述停车需求预测模型对目标停车区域进行停车需求预测。

2.根据权利要求1所述的方法，其特征在于，所述的方法还包括：

对所述OD数据和停车数据中误差及异常值进行预处理，筛除字段取值为空的数据，并根据研究区域的经纬度坐标范围删除O点或D点不在该研究区域内的数据，删除行程距离小于500米的数据，删除行程时间t_j≤0min的数据；删除行程速度V_j≥100km/h的数据。

3.根据权利要求1或2所述的方法，其特征在于，所述的根据所述停车需求预测模型对目标停车区域进行停车需求预测包括：

将目标停车区域的O点数目输入所述停车需求预测模型中的高峰停车数和O点数目之间的一元线性拟合函数，得到所述目标停车区域的高峰停车数；

和/或，

将目标停车区域的D点数目输入所述停车需求预测模型中的高峰停车数和D点数目之间的一元线性拟合函数，得到所述目标停车区域的高峰停车数。