[发明专利]一种共享单车站点出行预测方法

说明书

本发明公开了一种共享单车站点出行预测方法，包括如下步骤：步骤一，绘制时序图；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；步骤三，同时判断进行平稳化处理后；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。本发明的共享单车站点出行预测方法，通过步骤一至步骤五的设置，便可有效的先构建出ARMA模型，然后进行出行预测了。

技术领域

本发明涉及一种预测方法，更具体的说是涉及一种共享单车站点出行预测方法。

背景技术

随着互联网的飞速发展，移动互联网技术的应用受到越来越多行业的重视。近两年，分享经济或者说共享经济发展的如火如荼。国外的共享经济典型代表有优步Uber、爱彼迎Airbnb，国内的共享经济也在飞速的发展。在出行领域，以滴滴出行为代表的比如易道用车、神州专车、嘀嗒拼车等互联网企业，给广大用户带来了极大的出行便利。但是，在短途出行领域以上企业仍未有业务覆盖。为更好地解决用户在短途出行“最后一公里”这一痛点，一大批共享单车企业纷纷成立。

目前共享单车用户需求调度主要通过人工巡查和站点视频监控相结合的方式来进行。这种方法存在很大的缺点：

(1)人工巡查成本较高，效率低；共享单车规模庞大覆盖面广，仅凭借人工经验对一些固定的站点进行调度，难以解决其他站点长时间出现无车可借的问题。

(2)随着网点数量的逐渐增多，视频监控无法实时了解每一个网点的情况，因此为了缓解借车难、还车难的问题，提高用户满意度，降低系统的营运成本，从整体上提高共享单车系统的服务水平，合理准确的用量需求预测是必要的，因而对于现有的共享单车的站点进行出行预测是十分有必要的，然而现有技术中并没有一个对于共享单车的站点进行出行预测的方法。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种能够有效的对共享单车站点进行出行预测的方法。

为实现上述目的，本发明提供了如下技术方案：一种共享单车站点出行预测方法，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。

作为本发明的进一步改进，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。

作为本发明的进一步改进，所述步骤三中的构建出的ARMA模型如下：

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