[发明专利]一种基于二元高斯非齐次泊松过程的单车数量预测方法

说明书

本发明公开一种基于二元高斯非齐次泊松过程的单车数量预测方法，属于数据挖掘预测技术领域，根据单车站点历史数据，利用泊松理论，建立非齐次泊松模型，并考虑环境参数的影响，建立最终的预测模型，对时间序列进行模拟并对单车数量进行修正，只需要单车站点历史的单车使用数据就能进行预测，不仅能够在相应数据获取受限的情况下，实现站点单车数量的预测，且可减小天气等不实时更新数据对预测结果的影响，显著提高站点单车在未来的一段时间内的数量预测的准确性和及时性。

技术领域

本发明涉及数据挖掘预测技术领域，特别是涉及一种基于二元高斯非齐次泊松过程的单车数量预测方法。

背景技术

共享单车作为一种新型的交通工具，近年得到了快速的发展。在使用的过程中，单车经常出现分布不均匀的现象，为了方便单车系统管理员的管理，则需要动态地对单车进行调度。而对单车进行调度，则需要提前对站点的单车数量进行预测。由于单车使用受到很多不确定因素的影响，预测单车数量也是一个具有挑战性的任务。

现有的技术中，常用的方法是挖掘影响单车使用的因素，然后结合一些数据挖掘方法(比如回归模型，决策树，神经网络，支持向量机等)，训练预测模型，从而达到预测目的。由于影响单车使用的因素较多，且相关数据的获取受到各种限制，通常研究者能够得到的数据有限，导致并不能很全面地研究影响单车使用的因素。同时，天气数据也不是实时地更新，这对于实施性要求高的单车调度任务来说，会产生延时。导致对站点单车的数量预测准确性低，参考价值不高，对单车的调度和用户对单车的使用提供的帮助有限。

发明内容

为了解决上述问题，本发明提供一种基于二元高斯非齐次泊松过程的单车数量预测方法，只需要单车站点历史的单车使用数据就能进行预测，不仅能够在相应数据获取受限的情况下，实现站点单车数量的预测，且可减小天气等不实时更新数据对预测结果的影响，从而显著提高单车数量预测的准确性。为此，本发明采用的技术方案是：

提供一种基于二元高斯非齐次泊松过程的单车数量预测方法，该方法包括以下步骤：

S1、从单车管理系统中提取单车站点预测当日之前的历史数据，所述历史数据包括过去10-15天的用户骑走单车的时间序列和用户归还单车的时间序列；

预测当日的当前时刻用t表示，未来待预测时刻用t+s表示，t取值范围为00:00:00点到23:59:59点；将用户到达并归还单车的过程和用户到达并骑走单车的过程看作泊松过程，对其进行强度函数为μ_i(x)和λ_i(x)的非齐次泊松过程建模，并利用该模型对时间变量x求导，得到用户骑走单车和归还单车的概率密度函数；其中，i表示单车站点编号；

S2、根据步骤S1中的历史数据，用二元高斯函数拟合得到μ_i(x)和λ_i(x)的表达式，并结合概率密度函数，采用迭代法学习得到μ_i(x)和λ_i(x)的参数值，得到参数赋值后的强度函数，同时将所述参数值代入步骤S1得到的概率密度函数；

S3、根据所述单车站点在当前时刻之前的1-3小时内用户骑走单车的时间序列和用户归还单车的时间序列数据，计算环境参数值，并用环境参数值对步骤S2得到的参数赋值后的强度函数进行修正，同时实现对概率密度函数的修正，得到修正后的概率密度函数；

S4、利用S3得到修正后的概率密度函数，分别模拟所述单车站点中用户骑走单车的时间序列和用户归还单车的时间序列，所述模拟的次数为5-10次；

S5、在[t,t+s]时间段，分别计算步骤S4中模拟的用户骑走单车的时间序列和用户归还单车的时间序列中事件的平均次数，所述事件是指用户骑走单车和用户归还单车事件，0<s≤2.5小时；

S6、计算单车数量的预测值，具体计算公式为：