[发明专利]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

权利要求书

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ArcGIS 10.3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。

2.根据权利要求1所述一种基于INLA算法的共享单车使用需求预测方法，其特征在于：所述步骤1中多源数据包括共享单车实时租还数据、气象数据、空间相关数据。

3.根据权利要求2一种基于INLA算法的共享单车使用需求预测方法所述，其特征在于：所述共享单车实时租还数据包括起止点经纬度坐标、起止点时间、交易编号及用户ID；

所述气象数据包括平均气温、降水量、可吸入颗粒物、风速及相对湿度；

所述空间相关数据具体为区域内地铁站进出口经纬度坐标、住宅区经纬度坐标、医院经纬度坐标、学校经纬度坐标。

4.根据权利要求3所述一种基于INLA算法的共享单车使用需求预测方法，其特征在于：所述步骤1中对选取的影响共享单车使用需求的多源数据进行预处理；具体过程为：

将选取的影响共享单车使用需求的多源数据中的异常数据分为三类：冗余数据、缺失数据及错误数据；

对冗余数据进行遍历查找并直接剔除；

对缺失数据利用K近邻算法进行插补；

对错误数据进行筛选，利用统计学3σ原则对错误数据进行剔除；

得到预处理后数据。

5.根据权利要求4所述一种基于INLA算法的共享单车使用需求预测方法，其特征在于：所述步骤1中对预处理后数据进行归一化处理；

如公式(1)所示

其中，y^*为归一化后的数值，y_min、y_max分别表示预处理后数据中的最小值与最大值，y为预处理后数据。