本发明涉及一种分析方法，更具体的说是涉及一种共享单车出行特征分析方法。
背景技术：
随着互联网的飞速发展，移动互联网技术的应用受到越来越多行业的重视。近两年，分享经济或者说共享经济发展的如火如荼。国外的共享经济典型代表有优步uber、爱彼迎airbnb，国内的共享经济也在飞速的发展。在出行领域，以滴滴出行为代表的比如易道用车、神州专车、嘀嗒拼车等互联网企业，给广大用户带来了极大的出行便利。但是，在短途出行领域以上企业仍未有业务覆盖。为更好地解决用户在短途出行“最后一公里”这一痛点，一大批共享单车企业纷纷成立。
目前共享单车用户需求调度主要通过人工巡查和站点视频监控相结合的方式来进行。这种方法存在很大的缺点：
(1)人工巡查成本较高，效率低；共享单车规模庞大覆盖面广，仅凭借人工经验对一些固定的站点进行调度，难以解决其他站点长时间出现无车可借的问题。
(2)随着网点数量的逐渐增多，视频监控无法实时了解每一个网点的情况，因此为了缓解借车难、还车难的问题，提高用户满意度，降低系统的营运成本，从整体上提高共享单车系统的服务水平，合理准确的用量需求预测是必要的，如此便需要对共享单车用户在时间和空间上做出行特征的可视化分析，然而现有技术中并没有任何对于出行特征进行可视化分析的方法。
技术实现要素：
针对现有技术存在的不足，本发明的目的在于提供一种有效的对于共享单车的出行特征进行可视化分析的方法。
为实现上述目的，本发明提供了如下技术方案：一种共享单车出行特征分析方法，包括如下步骤：
步骤一，收集共享单车使用数据，存放到数据库内；
步骤二，将步骤一中所收集的使用数据从数据库内调取出来进行清洗整理，清洗掉无效数据，获取到有效数据；
步骤三，提取出步骤二中获取的有效数据进行借还车次数特征分析、时空特征分析和周转率特征分析，并在分析后得到次数特征数据、时空特征数据和周转率特征数据；
步骤四，接收步骤三中的次数特征数据、时空特征数据和周转率特征数据，并将这三个数据进行打包整合成出现特征数据。
作为本发明的进一步改进，所述步骤二中的清洗整理步骤包括：
步骤二一，设定有效数据和无效数据的临界值，设定出行距离在400米以上为有效数据，反之则为无效数据，设定自行车平均行驶速度9.6公里每小时，根据速度距离计算公式计算出最低行驶时间为2.5分钟，因此通过以下公式计算出共享单车的最低使用时间：
s＝sa+sb+sc：
式中，s为共享单车的使用时间；sa为实际的共享单车骑行时间；sb、sc分别为租借、归还时所耗费的时间，取值一般为15秒，并确定用车时间临界值为3分钟，提取出使用数据中的使用时间，并判断使用时间是否高于3分钟，若高于3分钟为有效数据，低于3分钟为无效数据；
步骤二二，设定的单车的最高使用时间为10小时，提取出使用数据内的使用时间，并判断使用时间是否大于10小时，若大于10小时则判断为异常还车数据，同样作为无效数据进行处理。
作为本发明的进一步改进，所述步骤三中的时空特征分析包括时间出行特征分析步骤和空间出行特征分析步骤。
作为本发明的进一步改进，所述时间出行特征分析步骤包括：
步骤三一，收集使用数据中一周七天内的系统出行次数在时间上的分布情况，获取工作日和周末的出行特征，并相互对比两者之间的区别；
步骤三二，收集使用数据中系统出行时长在时间上的分布情况，获取系统设定的免费时段和时长分布上的相关性，以获取工作日早晚高峰时段车辆的借还情况。
作为本发明的进一步改进，所述空间出行特征分析步骤包括：
步骤三三，收集使用数据中站点在工作日和周末单位时间借还车辆的数量，并进行统计和可视化处理；
步骤三四，挑选有代表性的站点做借还车百分比和周转率分析，通过百度街景地图挑选部分站点，并判断站点周围用地情况，然后根据借还量时间分布曲线规律进行结果验证。
本发明的有益效果，通过步骤一的设置，便可有效的手机共享单车的使用数据，通过步骤二的设置，便可有效的将步骤一中的使用数据内的无效数据进行有效的剔除，以此来避免因为无效数据干扰导致的分析结果误差较大的问题，而通过步骤三和步骤四的设置，便可有效的对使用数据进行分析了，如此很好的实现了对于共享单车出行特征的分析。
具体实施方式
本实施例的一种共享单车出行特征分析方法，包括如下步骤：
步骤一，收集共享单车使用数据，存放到数据库内；
步骤二，将步骤一中所收集的使用数据从数据库内调取出来进行清洗整理，清洗掉无效数据，获取到有效数据；
步骤三，提取出步骤二中获取的有效数据进行借还车次数特征分析、时空特征分析和周转率特征分析，并在分析后得到次数特征数据、时空特征数据和周转率特征数据；
步骤四，接收步骤三中的次数特征数据、时空特征数据和周转率特征数据，并将这三个数据进行打包整合成出现特征数据，在使用本实施例的出现特征分析方法的过程中只需要按照步骤一、步骤二和步骤三以及步骤四执行便可有效的完成分析，而采用了将收集的使用数据存放到数据库内的方式，便可实现外部设置对比模块的方式来完成步骤二、步骤三和步骤四，因此只需要在对比模块内加入相应的处理程序即可，十分的简单方便，实现了一个自动化的处理过程，加速处理速度。
作为改进的一种具体实施方式，所述步骤二中的清洗整理步骤包括：
步骤二一，设定有效数据和无效数据的临界值，设定出行距离在400米以上为有效数据，反之则为无效数据，设定自行车平均行驶速度9.6公里每小时，根据速度距离计算公式计算出最低行驶时间为2.5分钟，因此通过以下公式计算出共享单车的最低使用时间：
s＝sa+sb+sc；
式中，s为共享单车的使用时间；sa为实际的共享单车骑行时间；sb、sc分别为租借、归还时所耗费的时间，取值一般为15秒，并确定用车时间临界值为3分钟，提取出使用数据中的使用时间，并判断使用时间是否高于3分钟，若高于3分钟为有效数据，低于3分钟为无效数据；
步骤二二，设定的单车的最高使用时间为10小时，提取出使用数据内的使用时间，并判断使用时间是否大于10小时，若大于10小时则判断为异常还车数据，同样作为无效数据进行处理，通过上述步骤的设置，便可有效的判断出共享单车使用的过程中出现的无效数据，并且采用了使用时间来作为判断的基准点，如此在判断使用数据是否为无效数据的时候，只需要提取出使用时间数据即可，利用使用时间数据进行直接比对，而不需要对使用时间数据进行转化，如此一方面增加了数据的处理效率，另一方面也避免了一些数据因为转化导致的数据出现偏差的问题。
作为改进的一种具体实施方式，所述步骤三中的时空特征分析包括时间出行特征分析步骤和空间出行特征分析步骤，采用分步处理的方式，能够有效的对于时空特征进行分析。
作为改进的一种具体实施方式，所述时间出行特征分析步骤包括：
步骤三一，收集使用数据中一周七天内的系统出行次数在时间上的分布情况，获取工作日和周末的出行特征，并相互对比两者之间的区别；
步骤三二，收集使用数据中系统出行时长在时间上的分布情况，获取系统设定的免费时段和时长分布上的相关性，以获取工作日早晚高峰时段车辆的借还情况，一般的日常时间都可简单的分为工作日和周末两种情况，因此通过对比出这两个共享单车的使用特征区别，这样便可了解到两个时间的使用差异，辅助对于共享单车的调度，而获取到借还情况，则能够进一步的方便对于车辆的调度。
作为改进的一种具体实施方式，所述空间出行特征分析步骤包括：
步骤三三，收集使用数据中站点在工作日和周末单位时间借还车辆的数量，并进行统计和可视化处理；
步骤三四，挑选有代表性的站点做借还车百分比和周转率分析，通过百度街景地图挑选部分站点，并判断站点周围用地情况，然后根据借还量时间分布曲线规律进行结果验证，通过上述步骤的设置，便可有效的收集工作日和周末单位时间的借还车辆的数量，然后分析出借还车百分比和周转率，这样便可提供一些单车调度的参考数据，如此进一步辅助对于单车调度了。
综上所述，本实施例的分析方法，通过步骤一、步骤二、步骤三和步骤四的设置，便可有效的实现对于出行特征进行分析了。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。