[发明专利]互联网租赁自行车区域运行关联特征识别方法及系统

权利要求书

1.一种互联网租赁自行车区域运行关联特征识别方法，其特征在于，包括：

按照目标区域空间范围提取互联网租赁自行车订单数据；

对于订单数据进行清洗；

判断订单对应的骑行起终点和目标区域的关系并进行分类，识别区域运行特征；

对于起终点一端在目标区域以外的骑行，分别对于区域外的起点和终点用DBSCAN算法聚类，生成相对于目标区域的发生簇和吸引簇；

计算任意发生簇和吸引簇中心位置的距离，识别目标区域互联网租赁自行车运行的对称关联区，发生关联区和吸引关联区，并计算关联区相对于目标区域的影响因子；

计算任意发生簇和吸引簇中心位置的距离，识别目标区域互联网租赁自行车运行的对称关联区，发生关联区和吸引关联区，并计算关联区相对于目标区域的影响因子，包括：

计算任意发生簇和吸引簇中心点的距离；

筛选距离小于阈值s的发生簇和吸引簇的簇对，如存在发生簇簇号相同或吸引簇簇号相同的簇对将其归并，则此组发生簇和吸引簇所在区域识别为目标区域的对称关联区；

除此之外的O_i识别为目标区域的发生关联区，D_j识别为目标区域的吸引关联区；

并分别根据关联区包含的发生簇聚类点总数，吸引簇聚类点总数计算关联区相对于目标区域的影响因子。

2.根据权利要求1所述的互联网租赁自行车区域运行关联特征识别方法，其特征在于，按照目标区域空间范围提取互联网租赁自行车订单数据，包括：

根据目标区域的空间范围，提取一个时间段内互联网租赁自行车订单数据，满足订单的起点位置或终点位置在目标区域内。

3.根据权利要求1所述的互联网租赁自行车区域运行关联特征识别方法，其特征在于，对于订单数据进行清洗，包括：

按照预设清洗准则对订单数据进行清洗，且，所述预设清洗准则包括：

准则1：去除骑行起点或骑行终点缺失的订单，以保证OD完整；

准则2：去除骑行起点或终点在市域范围之外的订单；

准则3：根据开始和结束时间计算骑行时长，去除超长时间骑行的订单。

4.根据权利要求1所述的互联网租赁自行车区域运行关联特征识别方法，其特征在于，判断订单对应的骑行起终点和目标区域的关系并进行分类，识别区域运行特征，包括：

判断订单起终点与目标区域的空间关系并分类统计数量，分别记为起终点均在目标区域内的订单，仅起点在目标区域内的订单和仅终点在目标区域内的订单；

分别计算各类订单数量与订单总量的比值，判定目标区域为运行均衡区域，车辆流入区域，车辆流出区域或混合运行区域；

通过DBSCAN算法识别目标区域内的租还热点。

5.根据权利要求1所述的互联网租赁自行车区域运行关联特征识别方法，其特征在于，对于起终点一端在目标区域以外的骑行，分别对于区域外的起点和终点用DBSCAN算法聚类，生成相对于目标区域的发生簇和吸引簇，包括：

用DBSCAN算法对于在目标区域之外的起点进行聚类，形成相对于目标区域的发生簇O_i；

对于在目标区域之外的终点进行聚类，形成相对于目标区域的吸引簇D_j。

6.一种互联网租赁自行车区域运行关联特征识别系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至5任意一项所述的互联网租赁自行车区域运行关联特征识别方法。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行根据权利要求1至5任意一项所述的互联网租赁自行车区域运行关联特征识别方法。