[发明专利]基于共享电单车借还车点数据的通勤行为识别方法

说明书

本发明公开了一种基于共享电单车借还车点数据的通勤行为识别方法，包括以下步骤：1)对用户订单原始数据预处理；2)同一车辆编号数据对“借或还车时间点”排序，基于“车辆使用状态”对出行数据匹配；3)对出行数据匹配结果计算出行距离、时间并清洗；4)利用DBSCAN算法对工作日高峰借还车点经纬度数据聚类，获得并计算热点区及其质心坐标，自动生成泰森多边形划定新出行小区；5)结合借还车点与出行小区匹配结果生成出行OD矩阵；6)计算每工作日出行OD矩阵交通流系数，识别其小于约定阈值的出行为通勤出行；7)职住地识别。本发明有效地从用户订单数据中识别共享电单车通勤行为，并分析职住地分布，为提高通勤使用；率与调度提供理论基础。

技术领域

本发明属于共享电单车借还车点数据挖掘领域，涉及基于基于共享电单车借还车点数据的通勤行为识别方法。

背景技术

国内城市化进程加快促使人口增多、机动车保有量增大带来了城市污染、道路拥堵、空气污染等诸多问题，严重影响城市居民日常工作生活，使其成为制约城市发展的巨大瓶颈。“公交化”出行成为越来越多城市规划者、居民、政府的共同目标，但同时也使得“最后一公里”问题日益突出，得到共享电单车基于共享经济理念，作为末端出行方式符合今后个性化出行需求，其高效、灵活、便捷时尚的特征有利于引导居民养成绿色合理出行习惯，满足人们的出行可达性。

然而由于目前人工静态调度方式技术手段落后、效率低下，准确率不足，因而难以满足共享电单车使用需求，导致早晚高峰时段居民通勤出行需求无法满足，出现“无车可借、车辆集中”等问题，这也严重影响了共享电单车的运营服务质量。通过对共享电单车借还车点数据的观察，我们发现，用户工作日使用共享电单车的时间分布较周末使用共享电单车的时间分布更加集中，这种状态尤其体现在早晚高峰时期。因此，早晚高峰是最容易产生通勤者“无车可借、车辆集中”等问题。同时，地铁站点周边共享电单车配比也可能对车辆使用产生影响，通常认为通勤者的出行更具规律性，使用共享电单车频率及时间更稳定，因此讨论共享电单车的换乘与通勤出行对于解决共享电单车分布不均衡、用车难问题具有实际意义。

发明内容

发明目的：本发明提供一种基于基于共享电单车借还车点数据的通勤行为识别方法，所述方法基于共享电单车借还车点数据，通过确定换乘、通勤行为和进一步的确定居住地和工作地，同时可以进一步的解决电单车调度问题。

技术方案：本发明的基于基于共享电单车借还车点数据的通勤行为识别方法，包括以下步骤：

(1)对共享电单车公司提供的用户订单原始数据进行预处理：从原始数据中提取有效数据信息，删除异常订单信息；

(2)将同一车辆编号数据依据“借或还车时间点”进行排序，基于“车辆使用状态”变化对出行数据进行匹配，获取车辆出行记录数据库；

(3)在上述出行记录数据库中提取工作日早晚高峰时间段内的出行记录数据，计算所有出行的借还车时差(即出行时间)及借还车地点之间的欧氏距离(即出行距离)，依据出行时间与出行距离对出行数据进行清洗；

(4)利用DBSCAN聚类算法对工作日早高峰或晚高峰借还车点经纬度数据进行空间聚类，得到多个借还车热点区域，利用ArcGIS工具计算热点区的质心坐标，通过输入质心坐标数据自动生成泰森多边形，并依托原有路网、交通小区、用地性质等信息划定共享电动车出行小区；

(5)依据出行记录数据中借车及还车地点所对应的出行小区，生成借还车OD矩阵，包括任意两出行小区之间的共享电动车出行量；

(6)计算每个工作日电单车出行OD矩阵的交通流系数，将交通流系数小于约定阈值的交通出行记录识别为通勤出行；

(7)通过通勤出行记录发生时间(早高峰或晚高峰)，识别共享电动车通勤用户职住地；

进一步的，步骤(1)所述的用户订单原始数据进行预处理步骤：