基于马尔科夫链的公共自行车站点供需预测方法

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。

主权项

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n×n，n为公共自行车站点的个数，矩阵的元素a_ij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a_ij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n×n，矩阵的元素p_ij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：$P_{\mathrm{ij}}=\frac{a_{\mathrm{ij}}}{P_i}$其中，P_i表示所有从i站点借出的车辆数：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n×n，矩阵的元素q_ij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：$q_{\mathrm{ij}}=\frac{a_{\mathrm{ij}}}{q_j}$其中，q_j表示所有到j站点归还的车辆数：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，π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x_i≥0，且然后，建立平衡稳态方程πP＝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^*，π^*是一个(y₁,y₂,y₃......)的行向量，元素y_i作为站点i的还车分配权重，其中y_i≥0，旦然后，建立平衡稳态方程π^*Q＝π^*；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。