[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

说明书

本发明提供了一种互联网租赁自行车区域运行关联特征识别方法及系统。该方法包括：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。本发明提供的互联网租赁自行车区域运行关联特征识别方法及系统能支持运营企业有针对性的调度车辆，并为其他短途出行交通方式的组织优化提供依据。

技术领域

本发明涉及交通数据分析技术领域，特别是涉及一种互联网租赁自行车区域运行关联特征识别方法及系统。

背景技术

随着“互联网+交通”模式的发展，越来越多的交通新业态融入了城市综合交通体系。互联网租赁自行车(又称共享单车)是近年出现的共享经济新模式，为公众短途出行和接驳其他交通方式提供了便捷，是满足个性化出行需求的有效方式。互联网租赁自行车经过初入城市，爆炸式增长，到目前基本进入运行平稳期，2020年日均订单为200万单，约占轨道交通日均客运量的20％，公共电汽车日均客运量的24％，最高日订单达到380万单，已成为绿色出行方式的重要组成部分。由于互联网租赁自行车的骑行与职住区域及发生吸引点用地性质密切关联，因此，产生了局部点位车辆过多导致淤积影响其他车辆通行，以及无车可骑用户投诉至管理部门的现象。基于这些问题，运营企业对车辆进行高效调度和交通行政管理部门统筹完善交通组织的需求日益迫切。

目前交通行政管理部门对于互联网租赁自行车采用属地管理的方式按照市-区-街道(乡镇)逐级细化，运营企业则基于成本考虑采用网格化管理以分配调度人员和车辆。因此除了较为宏观的概况分析，例如骑行量，平均骑行距离和骑行时间，车辆周转率等，各方管理者都更关注所属责任区域内具体点位(如轨道交通站点、办公区等)的运行情况，缺乏对管理区域整体运行特征以及与其他区域之间运行关联性的了解。通常采用属地兼职管理人员抽查，微信群内通知或电话协调运营企业联系人指派人员前往具体点位整理调度车辆的方式。不仅会造成车辆调度的效率低下甚至无效调度，更无法对交通组织优化方案如设置区域间公交专线等提供规划依据，也难以实现互联网租赁自行车整体的服务能力提升。

互联网租赁自行车订单数据记录了承租人一次骑行的起点和终点的位置和租还时间信息，能够支持相关部门进行OD分析。已开展基于空间的分析有城市的租车、还车热点分布，轨道交通站点租还量排名，疫情对于不同区域骑行量的影响等。但还没有对于特定的区域(如交通小区、街区等)为空间单元识别运行特征，与其他区域运行关联性的方法和实例。本发明通过对于目标区域骑行OD进行分析并分类，并通过DBSCAN算法对不同类型骑行起终点进行聚类，以判断区域的互联网租赁自行车运行是否均衡以及与其他区域的时空关联性。

发明内容

本发明要解决的技术问题是提供一种互联网租赁自行车区域运行关联特征识别方法及系统，能够支持运营企业有针对性的调度车辆，并为其他短途出行交通方式的组织优化提供依据。

为解决上述技术问题，本发明提供了一种互联网租赁自行车区域运行关联特征识别方法，所述方法包括：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。

在一些实施方式中，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。