法律状态公告日
法律状态信息
法律状态
2019-03-05
授权
授权
2016-01-27
实质审查的生效 IPC(主分类):G06Q10/06 申请日:20151029
实质审查的生效
2015-12-30
公开
公开
技术领域
本发明属于城市智能交通体系中公共自行车系统领域,涉及一种 基于区间弱耦合度的公共自行车站点调度区域划分方法,从而保证区 间弱耦合、区内强耦合的站点聚类方法。为保证分区效果达到最优, 同时考虑了站点间的距离联系与自行车租借的逻辑联系。
背景技术
城市规模的扩大与人口的增长使得城市交通压力剧增。由此产生 的废气排放、环境污染等问题越来越突出。公共自行车因具有无污染、 机动性强等优点,可以有效地缓解城市交通压力,减少二氧化碳排放, 改善城市环境,已经成为政府倡导和市民认可的交通出行方式。然而, 城市公共自行车租赁系统正处于起步阶段,目前存在的一个比较关键 性的问题是,自行车站点的分布并未根据市民的出行规律进行布局, 在站点位置的选择上缺少一定的科学分析,从而导致某些站点在某些 时间段会出现无自行车可借、无空位可还以及调度车无法及时集中地 进行自行车调度。
目前的调度区域由于面积大、站点相似性小、区域之间跨度较大、 调度路线复杂等原因,造成调度效率低下、调度成本过大等问题。因 此,需要对调度区域重新分割,划分出更合理和集中的区域进行调度, 从而提高效率,降低成本。同时,在划分区域时,应以空间距离为基 础,结合市民使用自行车的出行规律,进行科学合理的区域划分。
目前,国内外在此领域的研究较少,大部分的研究是物流领域的 单个站点布局,虽然与多个自行车站点的群体聚类有所差异,但在某 些划分方法的研究上还是有一定借鉴。在这些研究中,提出的主要方 法包括:α-cost模型,最小成本模型,最大被使用模型,带权k路 聚类算法,数值型数据与类别型数据混合聚类算法等。这些方法的研 究对象都属于个体功能比较集中,数量比较少的连锁企业或是物流仓 库,对于布局需要相对密集并且个体之间的联系比较复杂的公共自行 车站点来说,这些方法并不是很适合。
发明内容
本发明的目的是为了对城市公共自行车站点的调度区域重新划分, 提供一种基于区间弱耦合度的公共自行车站点调度区域划分方法。使 区域内部的站点相似性最大,而区域间耦合度达到最小,从而有效地 平衡区域之间的资源配置,提高公共自行车调度效率。
本发明的方法的具体步骤如下:
步骤(1).设N{N1,N2,N3…Nn}为所有公共自行车租赁站点的集合; M{M1,M2,M3….Mm}为要划分的调度区域集合;dij为任意两个不同站点i 和站点j之间的空间距离,其中i,j∈n;根据欧式距离的计算公式:
计算出任意两个站点之间的距离dij,对全部自行车站点建立空间 距离矩阵Dis:
步骤(2).用rij表示站点i和站点j之间的自行车借/还量,即从 站点i租借归还至站点j的借还量和从站点j租借归还至站点i的借 还量总和,计算rij的值然后构建自行车借还矩阵Rel:
步骤(3).在将空间距离数据与表示站点间关系的自行车借还数据 结合时,需要对rij进行归一化处理,将借还关系作为权重结合到距离矩 阵中;因此根据如下公式将数据归一化;
其中,rmax表示借还矩阵Rel中的最大元素值,rmin表示借还矩阵Rel 中的最小元素值;
空间距离矩阵Dis中的dij越大表示越不相似,越小表示越相似;站 点i和站点j之间的借还量rij越大则权重wij值越小;如果wij越大,则 说明这两个站点之间的租还关系越不频繁,即在这两个站点间使用自 行车的市民越少;
步骤(4).将代表两个站点之间借还关系的wij与表示站点间距离 的dij融合,计算两个站点间的相似度sij,计算公式为:
sij=wij×dij
sij值越大表示两个站点间越不相似;计算所有站点间的sij值得到 矩阵Sim:
步骤(5).使用AP聚类算法对矩阵Sim进行求解,得到弱耦合度 的区域划分;
步骤(6).得到初步的区域划分结果后,区域之间的调度取决于 这两个区域之间耦合度的大小;而为了节省调度的成本,减少区域间 调度的关键就是减少耦合度;因此,用耦合度目标函数R来衡量整个 调度区域划分方案的合理性:
其中,Q表示任意两个调度区域之间的自行车借还量之和,T表示 所有站点之间的借还量总和;m表示划分的区域总数;R值表示m个区 域之间平均耦合度的大小;结果证明使用该方法能够保证划分区域之 间耦合度最小,与其他方法得出的划分方案相比,各区域之间的借还 关系最小。
本发明有益效果如下:
本发明根据用户租车记录数据,将站点之间的空间距离,与用户 使用自行车产生的站点之间借还关系数据相结合,使用AP聚类算法对 全部城市公共自行车站点进行区域划分,保证个区域之间耦合度最低。 从而实现了以下目标:
有效避免了分区中不符合实际的现象,如某一区域跨江湖、山地 景区等。各调度区域可以维持内部自行车的借还平衡,调度车区域内 部调度效率提高,区域间调度工作量降低。
附图说明
图1站点间借还关系示意图。
图2站点间距离关系示意图。
具体的实施方式
下面结合附图和实施例对本发明作进一步说明。
基于区间弱耦合度的公共自行车站点调度区域划分方法,具体包 括如下步骤:
对公共自行车系统(publicbicyclesystem,PBS)中存储的用 户租车记录数据进行清洗,挖掘出两种主要数据,空间距离数据与借 还关系数据,如图1,2所示具体如下:
步骤(1).设N{N1,N2,N3…Nn}为所有公共自行车租赁站点的集合; M{M1,M2,M3….Mm}为要划分的调度区域集合;dij为任意两个不同站点i 和站点j之间的空间距离,其中i,j∈n。根据欧式距离的计算公式:
计算出任意两个站点之间的距离dij,对全部自行车站点建立空间距 离矩阵Dis:
步骤(2)用rij表示站点i和站点j之间的自行车借/还量,即从站 点i租借归还至站点j的借还量和从站点j租借归还至站点i的借还 量总和,计算rij的值然后构建自行车借还矩阵Rel:
步骤(3)在将空间距离数据与表示站点间关系的自行车借还数据 结合时,需要对rij进行归一化处理,将借还关系作为权重结合到距离矩 阵中。因此根据如下公式将数据归一化。
其中,rmax表示借还矩阵Rel中的最大元素值,rmin表示借还矩阵Rel 中的最小元素值。
空间距离矩阵Dis中的dij越大表示越不相似,越小表示越相似。站 点i和站点j之间的借还量rij越大则权重wij值越小。如果wij越大,则 说明这两个站点之间的租还关系越不频繁,即在这两个站点间使用自 行车的市民越少。
步骤(4)将代表两个站点之间借还关系的wij与表示站点间距离的 dij融合,计算两个站点间的相似度sij,计算公式为:
sij=wij×dij
sij值越大表示两个站点间越不相似。计算所有站点间的sij值得到 矩阵Sim:
步骤(5)使用AffinityPropagation(AP,吸引子传播算法)聚 类算法对矩阵Sim进行求解,得到弱耦合度的区域划分。AP算法中各个 数据点之间通过两种类型的消息进行传递:Responsibility和 Availability。res(i,k)表示从点i发送到候选聚类中心k的数值消 息,该值是评判k点是否适合作为i点的聚类中心的依据。ava(i,k) 表示从候选聚类中心k发送到i的数值消息,该值是评判i点是否选 择k点作为其聚类中心的依据。因此,res(i,k)和ava(i,k)两个值越 大,则k点作为聚类中心的可能性就越大,同时,点i也就具有较大 的可能性隶属于以k作为聚类中心的类。使用AP算法得到可以使耦合 度R值达到最小的区域划分方案,每一个划分的区域内站点数量合理, 区域面积与站点数量相对平衡,可保证调动工作基本一致,而区域之 间的站点关联也会比较低,从而保证区域间的弱耦合度。另外,每个 区域都是空间独立的,并不会出现跨河流或者山地的问题;具体工作 流程如下:
Step1:计算N个数据点之间的相似度s(i,k),构造相似度矩阵 S,由于该相似度采用欧式距离作为计量,故数值取负,值越大即相似 度越大。
Step2:初始化参考度的值,给定迭代次数N。
Step3:计算res的值:
res(i,k)=s(i,k)-max{ava(i,k')+s(i,k')},k≠k'
Step4:计算ava的值:
ava(k,k)=∑max{0,res(i',k)},i'≠k
Step5:根据res(k,k)+ava(k,k)的值决定该点是否作为聚类中 心。
Step6:当聚类中心连续N次不改变时终止计算。
步骤(6)得到初步的区域划分结果后,区域之间的调度取决于这 两个区域之间耦合度的大小。而为了节省调度的成本,减少区域间调 度的关键就是减少耦合度。因此,用耦合度目标函数R来衡量整个调 度区域划分方案的合理性:
其中,Q表示任意两个调度区域之间的自行车借还量之和,T表示 所有站点之间的借还量总和。m表示划分的区域总数。R值表示m个区 域之间平均耦合度的大小。结果证明使用该方法可以保证划分区域之 间耦合度最小,与其他方法得出的划分方案相比,各区域之间的借还 关系最小。
机译: 用于车辆即拖曳列车的环境区域监视系统,具有区间选择单元,该区间选择单元基于参数自动选择环境区域,该参数包括牵引车辆和拖车的相对位置。
机译: 基于电子区间的铁路车辆网络调度系统
机译: 无线局域网系统中基于服务区间调度的数据发送/接收方法及支持该方法的装置