[发明专利]一种共享单车站点出行预测方法

权利要求书

1.一种共享单车站点出行预测方法，其特征在于，包括如下步骤：

步骤一，绘制时序图，根据时序图，判断是否有明显出行趋势或周期，确定时序图中时间序列数据的平稳性进行判断；

步骤二，将判断出来非平稳性的时间序列数据进行d次差分，得到平稳序列；并在对原非平稳时间序列进行平稳化处理后，再假设检验判断差分后的时间序列是否是白噪声序列；

步骤三，同时判断进行平稳化处理后，若偏自相关函数是截尾的，而自相关函数是拖尾的，则建立AR模型；若偏自相关函数是拖尾的，而自相关函数是截尾的，则建立MA模型；若偏自相关函数和自相关函数均是拖尾的，则序列适合ARMA模型，同时构建ARMA模型；

步骤四，根据AIC，SBC原则，选择出最优模型；

步骤五，利用选择出的最优模型对共享单车出行站点出行需求进行预测。

2.根据权利要求1所述的共享单车站点出行预测方法，其特征在于，所述步骤三中构建ARMA模型的步骤具体包括如下步骤：

步骤三一，首先确定模型的阶数；

步骤三二，在确定模型的阶数之后，利用最小二乘法对于ARMA模型进行参数估计；

步骤三三，根据估计的结果构建出ARMA模型。

3.根据权利要求2所述的共享单车站点出行预测方法，其特征在于：所述步骤三中的构建出的ARMA模型如下：

Y_m+1(t)＝α₁₁Y₁₁(t-5)+…+a_mpY_mp(t-p*5)+β₁₁μ₁₁(t-5)+…+β_mpμ_mp(t-p*5)+N(t)；

其中Ym+1(t)表示提前m天预测站点在[t-p*5]时段的租借车数，[t-p*5]为时段，(t-5)为第一个时段，α₁₁Y₁₁、α_mpY_mp、β₁₁μ₁₁和β_mpμ_mp为自相关系数，N(t)为误差项。

4.根据权利要求3所述的共享单车站点出行预测方法，其特征在于：所述步骤三中的ARMA模型的构建步骤进一步包括如下：

步骤三四，确定模型为ARIMA(p，d，q)模型，同时确定AR是自回归，p是自回归项；MA是移动平均，q是移动平均项数，d是时间序列成为平稳时所做的差分次数；

步骤三五，设yt是d阶单整序列，即yt～I(d)，记为

w_t＝Δ^dy_t＝(1-L^d)y_t；

则w_t为平稳序列，即w_t～I(0)；

步骤三六，对Y(t)建立ARMA(p，q)模型，完成对于ARMA模型的构建。