[发明专利]基于多因素的公共自行车使用量预测方法

摘要

本发明涉及一种基于多因素的公共自行车使用量预测方法，包括如下步骤：构造训练数据集；根据原始数据集信息，对所有数据进行清洗和统计；确定降雨量影响系数；根据降雨量与自行车借还数量进行线性拟合，并调整数据集；查找附近站点；使用K最近邻(KNN)算法计算附近最近的站点，并确定周围站点对此站点的影响系数；设置参数进行初步预测；设置参数，输入数据集，建立自回归积分滑动平均模型(ARIMA)，得到初步预测结果；调整预测结果并输出最终结果；根据降雨量系数和站点影响系数调整结果并输出。本发明的有益效果是：公共自行车系统可以在结合实时监控和预测方法，对站点的自行车进行更好的调控。

主权项

一种基于多因素的公共自行车使用量预测方法，其特征在于：包括如下步骤：1)构造训练数据集；根据原始数据集信息，对所有数据进行清洗和统计；2)确定降雨量影响系数；根据降雨量与自行车借还数量进行线性拟合，并调整数据集；确定降雨量影响系数，公式如下：Yt(a)=ωtyt(a)]]>其中a表示某一个站点，表示站点a在[t,t+1)时间段内的使用数量，用来指代借出量和还回量；T是线性拟合的截距，而k是线性拟合结果的斜率，ωt则表示自行车使用量的调整系数；则表示站点a在[t,t+Δt)时间段内经过调整过的使用数量；3)查找附近站点；使用K最近邻(KNN)算法计算附近最近的站点，并确定周围站点对此站点的影响系数；使用K最近邻计算最近邻站点，并求出影响因子其中，用反距离加权法计算权重；γn,a表示站点a与站点n的权重值；dn,a表示站点a与站点n的距离；4)设置参数进行初步预测；设置参数，输入数据集，建立自回归积分滑动平均模型(ARIMA)，得到初步预测结果；5)调整预测结果并输出最终结果；根据降雨量系数和站点影响系数调整结果并输出；根据降雨量影响系数将预测出的转换成并且判断周围站点是否有站点满或者空的情况，如果有，再按比例将其他站点多出的自行车数量添加到中；输出最终结果公式如下：Rt+1(a)=yt+1(a)+Σn∈ne(a)γn,ayt(n).]]>