[发明专利]一种基于用车需求预测的共享单车智能调配方法

权利要求书

1.一种基于用车需求预测的共享单车智能调配方法，其特征在于，包括以下步骤：

对共享单车运营区域进行栅格划分；

获取每个栅格N天的训练数据；

对数据进行标准化；

将每天的数据以Δt(Δt≠0)分钟为一个时间片进行划分；

输入至LSTM中完成栅格内单车需求量的预测；

为使栅格单车供需均衡，调度员成本最低构造目标整数规划模型；

输出每个调度员从哪个栅格将多少量单车运送到哪个栅格；

其中，步骤所述对共享单车运营区域进行栅格划分，包括对共享单车运营区域划分为m×m的栅格图g，标定每个栅格g_pq poi的数量poi_pq，标定每个栅格g_pq内小区的数量co_pq；

还包括获取数据信息，其中包括，当前季节ss、当前天气w、降水量re、当前风速ws、当前温度tem、当前是否是上班高峰期isW、当前是否是下班高峰期isA、当前是否是三餐时间isM和当前是否是工作日isWo；

对获取的数据进行处理，包括：

对训练数据集的季节变量s进行标准化，表示为：

对训练数据集的天气变量w进行标准化，表示为：

对训练数据集的降水量r进行标准化，表示为：

其中，μ(re)为所有训练数据样本降水量的均值，σ(re)为所有训练数据样本降水量的标准差；

对训练数据集的风速ws进行标准化，表示为：

其中，μ(ws)为所有训练数据样本风速的均值，σ(ws)为所有训练数据样本风速的标准差；

对训练数据集的温度temperature进行标准化，表示为：

其中，μ(tem)为所有训练数据样本温度的均值，σ(tem)为所有训练数据样本温度的标准差；

对训练数据集的poi数量poi进行标准化，表示为：

对训练数据集的小区数量co进行标准化，表示为：

步骤所述输入至LSTM中完成栅格内单车需求量的预测，包括以下步骤：

将获取的采集信息和单车需求量划分为训练数据集和测试数据集；

将训练数据集按照Δt(Δt≠0)分钟的间隔将一天分为T个时间段；

将每一个时间段的训练样本数据与附近num个栅格的输出并使用CNN降维后的数据一并作为LSTM的输入；

获取每个栅格的需求预测值。

2.根据权利要求1所述的基于用车需求预测的共享单车智能调配方法，其特征在于，标定目标整数规划模型，表示为：

其中，当前共享单车的调度员数量为n，每个调度员装卸一辆单车所需要的体力为st，每个调度员的位置为d_iloc，每个调度员d_i从栅格grid_pq送到栅格g_ridrs，此次送的数量为