基于马尔科夫链的公共自行车站点供需预测方法
【技术领域】
[0001] 本发明属于交通规划中公共自行车系统规划领域，尤其针对公共自行车的借还需 求量进行预测的方法。
【背景技术】
[0002] 公共自行车系统作为公共交通体系的重要组成部分，解决了轨道交通和地面公共 交通均无法满足的"最后一公里"的末端交通需求。该系统具有使用便捷、可达性高、收费 低廉、低碳环保等特征，可以作为公共交通体系中的毛细血管，提供"门到门"服务，有效满 足短距离出行的需求，大大延伸公共交通的服务范围。
[0003] 随着各地公共自行车系统的逐渐建立，在普及使用时也出现了一系列问题，其中 突出存在的问题主要有两方面，一方面是政府投入太大，入不敷出；另一方面是居民在站点 借车难、还车难。这两个问题的矛头都指向公共自行车的借还需求量不平衡，能否妥善解决 公共自行车的供需矛盾成为公共自行车系统能否进一步发展的关键。
[0004] 解决公共自行车的借还需求量问题对指导租赁站点的规模建设和系统调度安排 上都有着重要的作用。科学合理的租赁点建设规模既可以最大程度地满足需求，又可以节 省建设成本。通过对不同租赁点之间的公共自行车进行及时而合理的调度，可以提高公共 自行车的周转率，解决因不同租赁点公共自行车数量不均衡而导致的"借车难或还车难"等 问题。
[0005] 目前，解决自行车供需矛盾问题的理论方法主要有两种：
[0006] 一种是建立在经验基础上的借还需求量预测。这种预测方法曾在巴黎和杭州等国 内外城市的公共自行车站点需求预测中采用，通过分析居民数量，服务半径或者类比现有 同等城市发展经验，得出未来的自行车供需量。这种预测方式的缺陷是：预测方法是基于该 城市的特点，是一定的统计规律得到的预测规律，并不是对每一个城市都能适用，尤其面对 城市规模差距大，顾客选择出行方式行为差距大的地方，预测结果精度大打折扣。
[0007] 另一种是建立在"四阶段规划"模型基础上的供需预测模型。这种传统的预测方 法需要首先进行交通小区划分，然后进行小区OD分配，再按照出行方式划分，得到交通小 区之间采用公共自行车的OD量，通过OD量来预测公共自行车站点的供需情况。但是这种 预测也存在着以下的问题：每个交通小区可能含有多个公共自行车站点，每个站点由于地 理位置的不同，其重要性也有着明显差别，以传统的预测方式预测的供需关系没有办法指 导具体站点的供需预测问题，这使得具体站点在供需补给上与真实需求不匹配，市民无车 可借、无处停车的现象不能真实得到缓解，政府对站点粧位的投资并不能真正的受惠于民、 遭到浪费。
【发明内容】
[0008] 为了克服现有技术的上述缺点，本发明提出了一种基于马尔科夫链的公共自行车 站点供需预测方法，基于马尔科夫链的站点供需预测技术恰恰解决了现有技术的以上难 题，不受限于城市规模和行人行为选择的不同，能够预测每个公共自行车站点的供需情况。 本发明方法运用公共自行车租赁站点终端的自行车租借数据，基于马尔科夫链的稳态分布 性质，构建借还车辆的转移概率矩阵，求解稳态向量，将稳态向量中的元素作为对应站点的 分配权重，预测站点的借车以及还车需求量。
[0009] 本发明解决其技术问题所采用的技术方案是：一种基于马尔科夫链的公共自行车 站点供需预测方法，包括以下步骤：
[0010] 第一步、公共自行车站点供需信息的采集及数据库创建：
[0011] 搜集公共自行车站点的终端刷卡数据，并采集如下信息：借出站点名称、借出站点 编号、还车站点名称、还车站点编号、借车时刻、还车时刻、用车时间、持卡种类；
[0012] 第二步、数据预处理：
[0013] 2.1站点重新编号：
[0014] 根据站点编号按从小到大的顺序对站点进行排序，然后按照1，2, 3…这样连续不 间断的顺序重新给站点标号；
[0015] 2. 2剔除无效数据：
[0016] (1)剔除管理卡刷卡数据；
[0017] (2)剔除异常数据，包括：在同一站点刷卡借、还，且两次刷卡时间相差在5分钟 以内的数据；以及借还刷卡时间超过一天的数据；
[0018] 第三步、建立转移概率矩阵：
[0019] 3. 1构建各个站点之间的平均借还矩阵：
[0020] 首先利用剔除无效数据后剩余的有效数据，构建各天的原始借还矩阵，矩阵阶数 为ηΧη，η为公共自行车站点的个数，矩阵的元素 ay表示从i站点借出到j站点归还的车 辆数；然后对至少一个月的相应的进行平均，得到各个站点间的平均借还矩阵；
[0021] 3. 2构建借车的转移概率矩阵P :
[0022] 根据马尔科夫链构建借车的转移概率矩阵P，矩阵阶数为ηΧη，矩阵的元素 Pij表 示从i站点借出到j站点归还的车辆数占所有从i站点借出的车辆数的比例：
[0023]
【主权项】
1. 一种基于马尔科夫链的公共自行车站点供需预测方法，其特征在于：包括以下步 骤： 第一步、公共自行车站点供需信息的采集及数据库创建： 搜集公共自行车站点的终端刷卡数据，并采集如下信息：借出站点名称、借出站点编 号、还车站点名称、还车站点编号、借车时刻、还车时刻、用车时间、持卡种类； 第二步、数据预处理： 2. 1站点重新编号： 根据站点编号按从小到大的顺序对站点进行排序，然后按照1，2, 3…这样连续不间断 的顺序重新给站点标号； 2. 2剔除无效数据： (1) 剔除管理卡刷卡数据； (2) 剔除异常数据，包括：在同一站点刷卡借、还，且两次刷卡时间相差在5分钟以内 的数据；以及借还刷卡时间超过一天的数据； 第三步、建立转移概率矩阵： 3. 1构建各个站点之间的平均借还矩阵： 首先利用剔除无效数据后剩余的有效数据，构建各天的原始借还矩阵，矩阵阶数为 ηΧη，η为公共自行车站点的个数，矩阵的元素 ay表示从i站点借出到j站点归还的车辆 数；然后对至少一个月的相应的％进行平均，得到各个站点间的平均借还矩阵； 3. 2构建借车的转移概率矩阵P : 根据马尔科夫链构建借车的转移概率矩阵P，矩阵阶数为ηΧη，矩阵的元素 Pu表示从 i站点借出到j站点归还的车辆数占所有从i站点借出的车辆数的比例： 9*1 η 其中，Pi表示所有从i站点借出的车辆数：P/ =Σ~ ; i=i 3. 3构建还车的转移概率矩阵Q : 根据马尔科夫链构建还车的转移概率矩阵Q，矩阵阶数为ηΧη，矩阵的元素&表示从 i站点借出到j站点归还的车辆数占所有到j站点归还的车辆数的比例： Ii ' Il η 其中，q」表示所有到j站点归还的车辆数：q,_ =Σβ|/ ; i-1 第四步、计算各个站点的借、还车的分配权重： 4. 1求解借车的平衡稳态方程： 首先，建立Π ，JT是一个（X1, X2, X3......)的行向量，元素 Xi作为站点i的借车分配 权重，其中Xi>〇,且ZSslXi = I;然后，建立平衡稳态方程πΡ= π ;最后，通过求解稳态 平衡方程得到各个站点的借车分配权重； 4. 2求解还车的平衡稳态方程： 首先，建立Π % JT *是一个（y y2, y3......)的行向量，元素 Yi作为站点i的还车分配 权重，其中〇,旦ZfssiJl = 1;然后，建立平衡稳态方程VQ = V;最后，通过求解稳 态平衡方程得到各个站点的还车分配权重； 第五步、利用预测的公共自行车的日总需求量预测公共自行车站点未来的借、还车需 求。
2. 根据权利要求1所述的基于马尔科夫链的公共自行车站点供需预测方法，其特征在 于：第五步所述公共自行车站点未来的借车需求等于日总需求量乘以该站点的借车分配权 重；所述公共自行车站点未来的还车需求等于日总需求量乘以该站点的还车分配权重。
3. 根据权利要求1所述的基于马尔科夫链的公共自行车站点供需预测方法，其特征在 于：第五步所述公共自行车的日总需求量的预测公式为：
式中：B为公共自行车的日总需求量，单位万辆；Rp R2分别为规划常住人口、规划流动 人口，单位万人；tpt2*别为常住人口、流动人口的日均出行次数，单位次/人日；s为公共 自行车占全方式出行比例；V为公共自行车日均周转率，次/日。
【专利摘要】本发明公开了一种基于马尔科夫链的公共自行车站点供需预测方法，运用公共自行车租赁站点终端的自行车租借数据，通过构建借、还车辆的转移概率矩阵，建立关于站点重要度的平衡稳态方程，预测站点的每日借还需求量。本发明的积极效果是：利用了马尔科夫链这一概率统计学上的经典方法，结合公共自行车租赁站点的实际问题，提出了切实可用的借还车辆供需预测方法，为以后指导公共自行车站点的桩位具体建设问题以及平衡调度问题提供理论指导，具有很好的行业应用前景。
【IPC分类】G06Q50-30, G06Q10-04
【公开号】CN104636828
【申请号】CN201510050755
【发明人】杨飞, 黄奕慧, 谭玉龙
【申请人】西南交通大学
【公开日】2015年5月20日
【申请日】2015年2月2日