申请/专利权人：哈尔滨工业大学

申请日：2021-06-11

公开（公告）日：2024-04-12

公开（公告）号：CN113313317B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q30/0201;G06Q50/43;G06N7/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.04.02#著录事项变更;2021.09.14#实质审查的生效;2021.08.27#公开

摘要：一种基于INLA算法的共享单车使用需求预测方法及预测系统，本发明涉及基于INLA算法的共享单车使用需求预测方法及预测系统。本发明的目的是为了解决现有技术采用贝叶斯模型进行共享单车使用需求的预测过程中耗时长，预测结果的准确性低的问题。过程为：1：选取影响共享单车使用需求的多源数据，进行预处理，对预处理后数据进行归一化处理；2：建立三种共享单车使用需求的贝叶斯时空模型；3：选定贝叶斯最优拟合模型；4：获得最优共享单车区域使用需求模型；5：进行某时间段内不同区域的共享单车使用需求预测，获得预测结果数据，获得某时间段内不同区域的共享单车使用需求的时空分布图。本发明属于智慧交通和信息技术领域。

主权项：1.一种基于INLA算法的共享单车使用需求预测方法，其特征在于：所述方法具体过程为：步骤1：选取影响共享单车使用需求的多源数据，对选取的影响共享单车使用需求的多源数据进行预处理，对预处理后数据进行归一化处理，得到归一化处理后的数据；步骤2：建立三种共享单车使用需求的贝叶斯时空模型；步骤3：利用步骤1归一化处理后的数据对步骤2建立的三种共享单车使用需求的贝叶斯时空模型分别进行拟合，计算拟合后的不同贝叶斯时空模型的偏差信息准则DIC值，比较DIC值的大小，选择DIC值最小时对应的时空模型为选定的贝叶斯最优拟合模型；步骤4：利用INLA方法对选定的贝叶斯最优拟合模型进行分析预测，获得最优共享单车区域使用需求模型；步骤5：采用最优共享单车区域使用需求模型进行某时间段内不同区域的共享单车使用需求预测，获得预测结果数据，采用ArcGIS10.3软件对获得的预测结果数据进行可视化，获得某时间段内不同区域的共享单车使用需求的时空分布图；所述步骤2中建立三种共享单车使用需求的贝叶斯时空模型；具体过程为：模型一为空间分布中存在时间相关性且时间相关尺度为每周； 式中，M1si,t为某区域地点si在该时刻t所产生的共享单车的使用需求，si为划分后的空间区域，t为时刻，Bjsi,t表示的是对共享单车使用需求产生影响的时空影响项，即协变量，βj为量化不同协变量因素对共享单车实用需求的影响大小而设定的协变量系数，εsi,t为时空间不相关的高斯白噪声，ξsi,t为观测误差，v1i为周与周之间的时间相关结构，ui为空间相关结构；模型二为空间相关性在连续的天数之间存在相关性； 式中，v2i为连续天之间的时间相关结构；M2si,t为某区域地点si在该时刻t所产生的共享单车的使用需求；模型三为每小时间的时空相关模型； 式中，v3i为连续小时之间的时间影响结构；M3si,t为某区域地点si在该时刻t所产生的共享单车的使用需求；所述步骤4中利用INLA方法对选定的贝叶斯最优拟合模型进行分析预测，获得最优共享单车区域使用需求模型；具体过程为：步骤41：基于多源数据中共享单车实时租还数据、气象数据、空间相关数据，选定空间相关数据，设置三角形的最小内角及三角形数量，对选定空间相关数据的区域进行三角网格化；步骤42：利用共享单车实时租还数据、气象数据、步骤41设置的三角形的最小内角及三角形数量，对步骤3选定的贝叶斯最优拟合模型进行优化，直至选定的贝叶斯最优拟合模型输出的预测结果符合误差要求，得到最优共享单车区域使用需求模型。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于INLA算法的共享单车使用需求预测方法及预测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD