[发明专利]共享单车调度方法

权利要求书

1.一种共享单车调度方法，其特征在于，

根据共享单车的实时使用数据，由基于深度强化学习算法建立的调度模型做出调度决策，指导调度货车对运营区域内的共享单车进行调度运输。

2.根据权利要求1所述的共享单车调度方法，其特征在于，调度模型在做出调度决策时，除了采集空闲共享单车的分布数据，还结合共享单车历史使用数据，对运营区域内的共享单车使用需求做出预测。

3.根据权利要求2所述的共享单车调度方法，其特征在于，将运营区域划分为多个子区域，子区域作为共享单车调度的最小空间单位，所述子区域的划分依据为城市道路格局。

4.根据权利要求3所述的共享单车调度方法，其特征在于，所述子区域的划分还进一步考虑城市用地性质，

城市用地分类包括：学校教育区域、医疗服务区域、商场购物区域、公共交通枢纽区域、小区居民区域、企事业单位区域，

各子区域以城市主干路作为分界线，同时，

区域划分过程中设置区域面积的最小限制S_min和最大限制S_max。

5.根据权利要求4所述的共享单车调度方法，其特征在于，对于共享单车历史数据的预处理包括：

当定位数据中存在数据空缺情况，若定位数据中只包含起点位置或者终点位置信息时，根据该单车所处子区域内其他单车的行程数据统计从相同出发点或终点的分布，按照分布随机生成对应的终点或者起点位置信息，

当定位数据的起点和终点信息完全缺失，那么删除该条单车行程定位数据，

若定位数据存在错误的情况，包括行程距离过长、根据定位以及时间数据计算的车速异常，则删除该条单车形成数据。

6.根据权利要求5所述的共享单车调度方法，其特征在于，预测共享单车使用需求的方法包括，

以子区域为基本单位，将所述使用需求描述为从区域i的使用需求到区域j的使用需求；

在时间上，以时间粒度Δt为基本单位，即每Δt时间预测一次使用需求，并且区分考虑工作日、周末、节假日、重大活动不同时期，

使用加权移动平均法，F_t＝ω₁A_t-1+ω₂A_t-2+……+ω_nA_t-n (1)

其中F_t为t时期的预测值，ω₁为(t-1)时期实际值的权重，A_t-1为(t-1)时期的实际值。

7.根据权利要求6所述的共享单车调度方法，其特征在于，所述调度模型的构建要素包括：

调度模型中的状态要素包含各子区域消费者使用共享单车的需求信息、共享单车的供给信息、用以调度共享单车的货车状态信息，

调度模型中的动作要素是指调度货车向临近子区域移动并投放或者回收若干辆共享单车，

调度模型中的回报要素设为：

若被调度货车投放的共享单车在预设单位时间内被使用那么环境给予正的回报，相反则给予负的回报，

若被调度货车回收的共享单车在预设单位时间内不需要被使用，那么环境给予正的回报，相反给予负回报。

8.根据权利要求7所述的共享单车调度方法，其特征在于，将单车的周转率作为评价指标来评价所述调度模型的训练效果，并且根据训练效果调整所述调度模型的超参数以对模型做出优化。

9.一种共享单车调度平台，其特征在于，所述平台包括服务器，服务器具有存储器；以及

耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：

根据共享单车的实时使用数据，由基于深度强化学习算法建立的调度模型做出调度决策，指导调度货车对运营区域内的共享单车进行调度运输。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现如权利要求1至8中任一所述的方法。