本發(fā)明屬于交通大數(shù)據(jù)挖掘，具體涉及一種基于無樁共享單車簽到軌跡的動(dòng)態(tài)圍欄規(guī)劃方法。

背景技術(shù)：

1、由于共享單車能夠?yàn)槌鞘芯用裉峁┛沙掷m(xù)、低碳和經(jīng)濟(jì)實(shí)惠的交通選擇，越來越多的城市引入了共享單車系統(tǒng)；然而，隨著共享單車數(shù)量的迅速增加，共享單車系統(tǒng)的管理問題也日益突出。為了增加城市整潔度，并確保自行車在指定區(qū)域內(nèi)正確停放，設(shè)立電子圍欄被認(rèn)為是一種有效手段；電子圍欄利用了gps技術(shù)，且具有低碳和低成本的優(yōu)勢，通過阻止騎行者在非指定區(qū)域內(nèi)進(jìn)行停放，可以幫助共享單車運(yùn)營商高效地管理共享單車。

2、許多研究證明，無樁共享單車的分布存在空間和時(shí)間的不均衡性；因此，有必要提出能夠適應(yīng)單車使用模式變化的動(dòng)態(tài)電子圍欄。電子圍欄旨在規(guī)范用戶停車位置，同時(shí)盡可能滿足用戶停車需求，以提高城市的清潔程度；對于動(dòng)態(tài)電子圍欄來說，其主要特點(diǎn)是相比于靜態(tài)電子圍欄可以顯著減少站點(diǎn)部署數(shù)量，并根據(jù)不同時(shí)空狀態(tài)下的停車模式靈活變化。

3、目前，大多數(shù)技術(shù)方案僅僅通過靜態(tài)的站點(diǎn)位置和停車的需求來進(jìn)行電子?xùn)艡谝?guī)劃，而沒有考慮到單車實(shí)時(shí)庫存的時(shí)空變化。文獻(xiàn)[zhang,y.,&mi,z.(2018).environmental?benefits?of?bike?sharing:a?big?data-based?analysis.appliedenergy,220]提出將城市劃分為固定網(wǎng)格，以確定電子?xùn)艡诘奈恢?；文獻(xiàn)[shi,x.,liang,z.,&seng,d.(2022).an?electric?fence-planning?framework?for?a?dockless?bike-sharing?system?based?on?a?land?parcel?subdivision?and?regional?coveragemaximization.ieee?intelligent?transportation?systems?magazine,2–13]提出了一個(gè)基于劃分城市區(qū)域地塊來確定無樁共享單車的柵欄規(guī)劃框架。但是，電子圍欄的規(guī)劃必須基于預(yù)測靈活的站點(diǎn)位置及在此位置下的單車庫存，同時(shí)無樁共享單車的虛擬站點(diǎn)和調(diào)度信息無法直接從簽到軌跡數(shù)據(jù)中獲取。

4、綜上所述，現(xiàn)有技術(shù)存在的問題及缺陷主要有以下幾點(diǎn)：

5、①現(xiàn)有基于柵格劃分的共享單車圍欄規(guī)劃方法靈活性不足，柵格的邊界極易造成空間集群分離，導(dǎo)致虛擬站點(diǎn)劃分不準(zhǔn)確。

6、②僅依靠起始至目的地(o-d)的簽到行程數(shù)據(jù)來推導(dǎo)停車需求無法反映虛擬站點(diǎn)的真實(shí)庫存，導(dǎo)致每個(gè)電圍欄的容量估計(jì)不準(zhǔn)確。

7、③現(xiàn)有靜態(tài)圍欄規(guī)劃方法缺乏對停車需求的動(dòng)態(tài)適應(yīng)能力，無法應(yīng)對時(shí)空不斷變化的單車使用模式。

8、因此，急需一種實(shí)時(shí)計(jì)算和預(yù)測單車庫存的方法，以更精準(zhǔn)地規(guī)劃無樁共享單車的電子?xùn)艡凇?/p>

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述，本發(fā)明提供了一種基于無樁共享單車簽到軌跡的動(dòng)態(tài)圍欄規(guī)劃方法，能夠?yàn)闊o樁共享單車系統(tǒng)的快速擴(kuò)張帶來的挑戰(zhàn)提供新的解決方案，并為規(guī)范城市地區(qū)的停車行為提供更有效的技術(shù)方案。

2、一種基于無樁共享單車簽到軌跡的動(dòng)態(tài)圍欄規(guī)劃方法，包括如下步驟：

3、(1)根據(jù)歷史行程數(shù)據(jù)通過聚類確定候選站點(diǎn)；

4、(2)計(jì)算確定過去每一時(shí)間窗口內(nèi)候選站點(diǎn)的最大庫存；

5、(3)構(gòu)建時(shí)空圖卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)以前m個(gè)時(shí)間窗口各候選站點(diǎn)的最大庫存作為輸入，從而預(yù)測下一時(shí)間窗口各候選站點(diǎn)的最大庫存，m為大于1的自然數(shù)；

6、(4)利用步驟(2)中得到的歷史數(shù)據(jù)對時(shí)空圖卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

7、(5)利用訓(xùn)練完成的時(shí)空圖卷積神經(jīng)網(wǎng)絡(luò)預(yù)測未來新一時(shí)間窗口各候選站點(diǎn)的最大庫存，結(jié)合該時(shí)間窗口各候選站點(diǎn)的初始庫存進(jìn)行動(dòng)態(tài)圍欄規(guī)劃。

8、進(jìn)一步地，所述步驟(1)中的具體實(shí)現(xiàn)方式為：首先將一天24小時(shí)劃分成多個(gè)時(shí)段，對于任一時(shí)段，利用該時(shí)段所有自行車歷史行程數(shù)據(jù)的軌跡終點(diǎn)進(jìn)行宏觀和微觀層面的二次聚類，從而將整個(gè)城市范圍劃分成多個(gè)區(qū)域，取每個(gè)區(qū)域的質(zhì)心作為聚類中心；然后獲取所有時(shí)段聚類得到的聚類中心，合并距離過近的中心點(diǎn)，即對于距離小于設(shè)定閾值的兩個(gè)聚類中心a和b，取a和b連線的中點(diǎn)添加作為新的聚類中心，同時(shí)刪除a和b；最后將所有聚類中心匹配到道路網(wǎng)絡(luò)中，將每個(gè)聚類中心與最近道路線的垂足作為候選站點(diǎn)，并根據(jù)上述方法合并距離過近的站點(diǎn)。

9、進(jìn)一步地，所述步驟(2)中的具體實(shí)現(xiàn)方式為：首先獲取過去一定時(shí)間段內(nèi)所有自行車的行程數(shù)據(jù)，將該時(shí)間段劃分為多個(gè)時(shí)間窗口，根據(jù)行程數(shù)據(jù)統(tǒng)計(jì)第一個(gè)時(shí)間窗口內(nèi)處于鎖定狀態(tài)的自行車，將這些自行車的位置與各候選站點(diǎn)進(jìn)行空間匹配，從而確定每個(gè)候選站點(diǎn)的初始庫存；對于后續(xù)的任一時(shí)間窗口，根據(jù)行程數(shù)據(jù)統(tǒng)計(jì)該時(shí)間窗口內(nèi)與候選站點(diǎn)空間匹配的自行車數(shù)量，以最大停放自行車數(shù)量作為候選站點(diǎn)的最大庫存，同時(shí)記錄最終停放自行車數(shù)量作為下一時(shí)間窗口的初始庫存，用于下一次迭代。

10、優(yōu)選地，對自行車的行程數(shù)據(jù)進(jìn)行行為識別，通過識別簽到點(diǎn)的前一個(gè)狀態(tài)為關(guān)鎖，后一個(gè)狀態(tài)為解鎖，從原始軌跡中提取兩個(gè)狀態(tài)之間的停車行為，計(jì)算該停車行為中到達(dá)點(diǎn)與起始點(diǎn)之間的距離，若距離小于閾值，則判定該停車行屬于漂移行為；若距離小于閾值，則判定該停車行為屬于調(diào)度行為，在該停車行為的到達(dá)點(diǎn)與起始點(diǎn)之間創(chuàng)建一次虛擬行程并插入到行程數(shù)據(jù)中。通過修正漂移數(shù)據(jù)與插入虛擬行程，可以真實(shí)地模擬現(xiàn)實(shí)世界gps定位偏差和單車運(yùn)營商調(diào)度的現(xiàn)象，使庫存值計(jì)算更準(zhǔn)確合理。

11、進(jìn)一步地，所述時(shí)空圖卷積神經(jīng)網(wǎng)絡(luò)由第一門控時(shí)間卷積層、圖卷積層、第二門控時(shí)間卷積層、全連接層依次連接組成，其中第一門控時(shí)間卷積層和第二門控時(shí)間卷積層用于在時(shí)間維度上對各自的輸入進(jìn)行卷積，圖卷積層利用加權(quán)鄰接矩陣在空間維度上對輸入進(jìn)行卷積，前三層的輸入維度均為m×n，經(jīng)過全連接層綜合映射輸出1×n的預(yù)測結(jié)果，n為候選站點(diǎn)的數(shù)量。

12、進(jìn)一步地，所述步驟(4)中的具體實(shí)現(xiàn)方式為：首先以候選站點(diǎn)為節(jié)點(diǎn)建立圖結(jié)構(gòu)，任一時(shí)間窗口即對應(yīng)一個(gè)圖結(jié)構(gòu)，時(shí)間窗口內(nèi)候選站點(diǎn)的最大庫存即為對應(yīng)節(jié)點(diǎn)的數(shù)值，候選站點(diǎn)之間的距離即為對應(yīng)節(jié)點(diǎn)之間邊的權(quán)重值；然后利用歷史數(shù)據(jù)以時(shí)間窗口t1～tm的圖結(jié)構(gòu)作為時(shí)空圖卷積神經(jīng)網(wǎng)絡(luò)的輸入，以時(shí)間窗口tm+1的圖結(jié)構(gòu)作為標(biāo)簽，進(jìn)而根據(jù)網(wǎng)絡(luò)輸出預(yù)測結(jié)果與標(biāo)簽之間的損失函數(shù)通過梯度下降法對網(wǎng)絡(luò)參數(shù)進(jìn)行計(jì)算更新，從而完成一次迭代；依據(jù)上述，以固定步長滑動(dòng)時(shí)間窗口(即以t2～tm+1的圖結(jié)構(gòu)為輸入，tm+2的圖結(jié)構(gòu)為標(biāo)簽)進(jìn)行下一次迭代，使得網(wǎng)絡(luò)參數(shù)不斷地更新優(yōu)化。

13、進(jìn)一步地，所述加權(quán)鄰接矩陣的維度為n×n，其中第i行第j列的元素值計(jì)算表達(dá)式如下：

14、

15、其中：σ為標(biāo)準(zhǔn)差，dist(i,j)為候選站點(diǎn)i與j之間的半正矢距離，i和j為候選站點(diǎn)的索引編號，k為距離閾值。

16、進(jìn)一步地，所述步驟(5)中對于任一候選站點(diǎn)，對其預(yù)測得到的最大庫存進(jìn)行分級，確定該候選站點(diǎn)最大庫存的級別，判斷候選站點(diǎn)在新一時(shí)間窗口的初始庫存是否達(dá)到最大庫存級別：若是，則增加該候選站點(diǎn)區(qū)域動(dòng)態(tài)圍欄的布置數(shù)量；若否，則減少該候選站點(diǎn)區(qū)域動(dòng)態(tài)圍欄的布置數(shù)量。

17、基于上述技術(shù)方案，本發(fā)明具有以下有益技術(shù)效果：

18、1.本發(fā)明良好結(jié)合大規(guī)模簽到點(diǎn)軌跡中時(shí)間和空間兩個(gè)維度的特征，為共享單車的分布尋找自適應(yīng)的圍欄規(guī)劃候選點(diǎn)。

19、2.本發(fā)明考慮到現(xiàn)實(shí)世界的再平衡行為，準(zhǔn)確模擬出虛擬站點(diǎn)的真實(shí)庫存。

20、3.本發(fā)明使用了一種動(dòng)態(tài)適應(yīng)的建模方法預(yù)測庫存容量，并生成實(shí)時(shí)和動(dòng)態(tài)的電子圍欄部署計(jì)劃。

21、由此，本發(fā)明方法可以根據(jù)用戶的簽到軌跡數(shù)據(jù)，適應(yīng)共享單車使用模式的時(shí)空變化，靈活地調(diào)整電子圍欄的部署策略。