[发明专利]一种面向Df-PBS系统的公共自行车站点动态规划方法和系统

权利要求书

1.一种面向Df-PBS系统的公共自行车站点动态规划方法，其特征在于，包括以下步骤：

(1)从Df-PBS系统获取所有自行车的历史位置信息数据集，根据行政区域将该历史位置信息数据集划分为多个空间子集，按时间段将每个空间子集进一步划分为多个空间-时间子集，根据每个空间-时间子集中所有自行车的行驶轨迹构建对应于该空间-时间子集的位置信息数据子集X，并利用密度峰值聚类算法对位置信息数据子集X进行处理，以得到密集的停放点集合作为该空间-时间子集对应的候选自行车站点集合；

(2)根据步骤(1)获得的对应于每个空间-时间子集的候选自行车站点集合构建一个相应的自行车站点加权有向图，其中候选自行车站点集合中所有的候选自行车站点作为加权有向图中的顶点集合，自行车站点之间的自行车行驶轨迹作为顶点集合中相应顶点之间的有向边，基于加权有向图中自行车站点的收益和利用率确定低效自行车站点，并将它们以及其关联的有向边从加权有向图中删除，以得到对应于每个空间-时间子集的自行车站点图模型G，将一个空间子集中所有空间-时间子集对应的自行车站点图模型组合成一个图序列模型，根据相邻空间-时间子集中所有自行车的行驶行为和自行车站点的动态更新为图序列模型中所有两两相邻的自行车站点图模型建立时间维度上的关联，进而得到更新后的公共自行车站点图序列模型；

(3)将步骤(2)得到的更新后的图序列模型输入训练好的门控图神经网络GGNN模型中，以预测得到下一个时间段的自行车站点图模型；

(4)根据预先规定的多个合法停车区域对步骤(3)得到的下一个时间段的自行车站点图模型进行更新，以得到最终的自行车站点图模型。

2.根据权利要求1所述的面向Df-PBS系统的公共自行车站点动态规划方法，其特征在于，步骤(1)具体为：

首先，根据行政区域将公共自行车的位置信息数据集划分为多个空间子集，然后按时间段将每个空间子集进一步划分为多个空间-时间子集；

然后，对于一个空间-时间子集中所有自行车的行驶轨迹而言，从每个自行车的M条行驶轨迹中提取所有自行车的2M个位置信息，从而构建该空间-时间子集中自行车的位置信息数据子集X，其中M为自然数；

然后，对包含相同自行车ID、相同纬度和经度的位置信息进行数据去重处理，从而得到当前时间段的自行车的位置信息数据子集X＝{x₁,…,x_N}，该数据集中元素的总数N满足M≤N≤2M；

最后，使用密度峰值聚类算法对该位置信息数据子集X进行聚类，以得到空间-时间子集对应的候选自行车站点集合。