[发明专利]一种共享自行车需求量预测方法、装置、设备及存储介质

权利要求书

1.一种共享自行车需求量预测方法，其特征在于，包括：

获取设定时间段内共享自行车在多个桩的借车数据及还车数据；所述设定时间段分为训练时间段和验证时间段；

在线下将所述训练时间段获取的数据作为训练集，通过所述训练集进行回归模型的构建，以及将所述验证时间段获取的数据作为验证集，通过所述验证集进行所述回归模型参数的确定；

求出影响所述共享自行车需求量的因素权重并融入所述回归模型，得出时间序列加权回归模型；

通过所述时间序列加权模型确定待测时间段内共享自行车在每个桩的需求量的预测结果。

2.根据权利要求1所述的共享自行车需求量预测方法，其特征在于，通过所述训练集进行回归模型的构建，具体包括：

通过所述训练时间段获取的数据，定义损失函数；

找到所述损失函数的最小数作为构建回归模型。

3.根据权利要求2所述的共享自行车需求量预测方法，其特征在于，求出影响所述共享自行车需求量的因素权重并融入所述回归模型，具体包括：

分别设计倒数、负指数两种形式的时间距离权重函数进行预测；

根据线上的分数，从中挑选出最优的时间距离权重；

输出所述损失函数与挑选出的所述时间距离权重之积的最小值。

4.根据权利要求3所述的共享自行车需求量预测方法，其特征在于，求出影响所述共享自行车需求量的因素权重并融入所述回归模型，具体还包括：

当多个桩的借车数据和还车数据具有周期性，且不同桩的周期性不同时，设计曜日权重函数；

当所述训练时间段中的一个曜日和待测时间段的一个曜日为同曜日或同为工作日或周末时，所述曜日权重函数的返回值较大，否则返回值较小；

根据所述曜日权重函数的返回值，确定曜日权重；

输出所述损失函数、所述时间距离权重与所述曜日权重之积的最小值。

5.根据权利要求4所述的共享自行车需求量预测方法，其特征在于，确定待测时间段内共享自行车在每个桩的需求量的预测结果，具体包括：

将设定时间段内共享自行车在多个桩的借车数据及还车数据作为新的训练集；

根据新的训练集，求出新的损失函数和待测时间段内每个曜日对应的曜日系数；

将所述新的损失函数、所述时间距离权重系数与所述曜日权重系数之积的最小值乘以求出的所述曜日系数，得出所述待测时间段内共享自行车在每个桩的需求量的预测结果。

6.一种共享自行车需求量预测装置，其特征在于，包括：

数据获取模块，用于获取设定时间段内共享自行车在多个桩的借车数据及还车数据；所述设定时间段分为训练时间段和验证时间段；

模型建立模块，用于在线下将所述训练时间段获取的数据作为训练集，通过所述训练集进行回归模型的构建，以及将所述验证时间段获取的数据作为验证集，通过所述验证集进行所述回归模型参数的确定；

权重计算模块，用于求出影响所述共享自行车需求量的因素权重并融入所述回归模型，得出时间序列加权回归模型；

需求量预测模块，用于通过所述时间序列加权模型确定待测时间段内共享自行车在每个桩的需求量的预测结果。

7.一种共享自行车需求量预测设备，其特征在于，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至5任一项所述的共享自行车需求量预测方法。

8.一种计算机可读存储介质，其特征在于，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的共享自行车需求量预测方法。