[发明专利]共享单车总量预测方法及系统

权利要求书

1.一种共享单车总量预测方法，其特征在于，包括：

S1、基于规划年的各交通方式出行量，利用转移率法获得规划年的共享单车出行需求量，根据共享单车出行需求量和共享单车周转率计算规划年的共享单车需求总量；

其中，基于规划年的各交通方式出行量，利用转移率法获得规划年的共享单车出行需求量，具体包括：

根据城市发展和城市用地情况，结合现阶段各交通方式居民出行量，预测规划年各交通方式居民出行量；

调查获取共享单车引入城市后使用各交通方式的居民通过共享单车替代当前出行方式的概率，得到各交通方式向共享单车转移的概率；

根据各交通方式向共享单车转移的概率和规划年各交通方式居民出行量，预测规划年共享单车出行需求；

S2、基于相似城市的城市特征和共享单车使用特征，构建基于机器学习的推理模型，带入目标城市的城市特征，测算目标城市的共享单车参照规模；

其中，基于相似城市的城市特征和共享单车使用特征，构建基于机器学习的推理模型，具体包括：

确定目标城市的相似城市，收集目标城市和相似城市的城市特征数据，收集相似城市的共享单车使用特征数据；

在地理信息系统上对目标城市和相似城市的城市特征数据、相似城市的共享单车使用特征数据在空间上进行融合；

在地理信息系统中将目标城市和相似城市分别划为栅格，将融合后的数据进行空间集计处理和多要素关联分析；

以相似城市的共享单车使用特征为因变量，以相似城市除共享单车使用特征外的其它城市特征为自变量，构建基于机器学习的推理模型；

S3、将共享单车需求总量和共享单车参照规模与相似城市的对应参数进行对比，确定目标城市在规划年的共享单车合理总量；

其中，将共享单车需求总量和共享单车参照规模与相似城市的对应参数进行对比，具体包括：

分别基于共享单车需求总量和共享单车参照规模测算目标城市的共享单车万人拥车率，与相似城市的共享单车万人拥车率进行对比；

将共享单车需求总量和共享单车参照规模与相似城市的共享单车总量进行对比。

2.根据权利要求1所述的共享单车总量预测方法，其特征在于，所述共享单车周转率根据共享单车企业盈亏平衡条件测算确定。

3.根据权利要求1所述的共享单车总量预测方法，其特征在于，所述城市特征数据包括POI数据、公交线网数据、轨道线网数据和人口数据。

4.一种共享单车总量预测系统，其特征在于，包括：

共享单车需求总量测算模块，用于基于规划年的各交通方式出行量，利用转移率法获得规划年的共享单车出行需求量，根据共享单车出行需求量和共享单车周转率计算规划年的共享单车需求总量；

共享单车参照规模测算模块，用于基于相似城市的城市特征和共享单车使用特征，构建基于机器学习的推理模型，带入目标城市的城市特征，测算目标城市的共享单车参照规模；

对比模块，用于将共享单车需求总量和共享单车参照规模与相似城市进行对比，确定目标城市在规划年的共享单车合理总量；

其中，所述共享单车需求总量测算模块具体包括：

规划年各交通方式居民出行量预测模块，用于根据城市发展和城市用地情况，结合现阶段各交通方式居民出行量，预测规划年各交通方式居民出行量；

转移的概率获得模块，用于根据调查获取共享单车引入城市后使用各交通方式的居民通过共享单车替代当前出行方式的概率，得到各交通方式向共享单车转移的概率；

共享单车出行需求计算模块，用于根据各交通方式向共享单车转移的概率和规划年各交通方式居民出行量，预测规划年共享单车出行需求；

所述共享单车参照规模测算模块具体包括：

特征数据收集模块，用于确定目标城市的相似城市，收集目标城市和相似城市的城市特征数据，收集相似城市的共享单车使用特征数据；

数据融合模块，用于在地理信息系统上对目标城市和相似城市的城市特征数据、相似城市的共享单车使用特征数据在空间上进行融合；

栅格化处理模块，用于在地理信息系统中将目标城市和相似城市分别划为栅格，将融合后的数据进行空间集计处理和多要素关联分析；

推理模型构建模块，用于以相似城市的共享单车使用特征为因变量，以相似城市除共享单车使用特征外的其它城市特征为自变量，构建基于机器学习的推理模型；

所述对比模块具体包括：

万人拥车率对比模块，用于分别基于共享单车需求总量和共享单车参照规模测算目标城市的共享单车万人拥车率，与相似城市的共享单车万人拥车率进行对比；

共享单车总量对比模块，将共享单车需求总量和共享单车参照规模与相似城市的共享单车总量进行对比。