[发明专利]基于共享对象的租还数据的用地属性分类方法

权利要求书

1.一种基于共享对象的租还数据的用地属性分类方法，其特征在于，所述用地属性分类方法包括以下步骤：

S1、对共享对象的租还位置信息进行第一次聚类分析，以形成共享对象的虚拟租赁点位，其中租还位置信息获取自共享对象的租还数据；

S2、以虚拟租赁点位为单位，对共享对象的租还数据进行集计，以构建虚拟租赁点位对应的时间租还曲线，其中时间租还曲线的自变量为时间或时段、因变量为各个时间或时段的租还数量；

S3、对各个时间租还曲线进行归一化处理，形成各个归一化租还曲线；

S4、基于傅里叶变换将各个归一化租还曲线解构为由多个正弦波函数叠加构成的租还曲线函数表达式；

S5、构建虚拟租赁点的租还曲线参数集合，其中租还曲线参数集合包括对应的租还曲线函数表达式中的参数，并基于租还曲线参数集合中的参数进行第二次聚类分析，以形成对各个虚拟租赁点位的分类。

2.如权利要求1所述的用地属性分类方法，其特征在于，所述用地属性分类方法还包括在步骤S5之后执行的以下步骤：

S6、基于虚拟租赁点位的分类形成对用地区域的分类，并基于已知用地属性的点位对用地区域的分类结果进行标定。

3.如权利要求2所述的用地属性分类方法，其特征在于，步骤S6还包括：采用分类算法构建用地属性与虚拟租赁点位的关联模型，其中关联模型将预设的多种用地属性或用于表征用地属性的用地属性参数与分类得到的虚拟租赁点位的不同类别所具有的参数的参数特征相关联。

4.如权利要求1所述的用地属性分类方法，其特征在于，各个虚拟租赁点位对应的租还曲线函数表达式中的参数，租还曲线函数表达式包含的各个正弦波函数的幅值。

5.如权利要求1所述的用地属性分类方法，其特征在于，在所述步骤S1中进行的第一次聚类分析采用K-means聚类算法，其中聚类单元选取符合预设的边长范围的区域。

6.如权利要求5所述的用地属性分类方法，其特征在于，在所述步骤S1中进行的第一次聚类分析中，将租还数据的数量小于预设的数据量阈值的聚类单元排除在外。

7.如权利要求1所述的用地属性分类方法，其特征在于，所述步骤S2中构建虚拟租赁点位对应的周期性的时间租还曲线，并基于所有虚拟租赁点位的各个时段租还量的差异选取时间租还曲线的起始时刻和终止时刻，然后基于起始时刻和终止时刻裁切周期性的时间租还曲线。

8.如权利要求1所述的用地属性分类方法，其特征在于，所述步骤S3中采用归一化函数进行归一化处理，归一化函数如下式：

归一化函数中，归一化k值的区间为[k_max,k_min]，时间租还曲线中的租还数量的Q值的区间[Q_min,Q_max]。

9.如权利要求1所述的用地属性分类方法，其特征在于，所述步骤S4中将各个归一化租还曲线解构为多个正弦波函数叠加，其中的正弦波数量在5-10个的范围内。

10.如权利要求1所述的用地属性分类方法，其特征在于，共享对象为共享单车或共享车辆。