CN109902969A - 一种基于od数据的共享单车投放点规划方法 - Google Patents
一种基于od数据的共享单车投放点规划方法 Download PDFInfo
- Publication number
- CN109902969A CN109902969A CN201910187700.9A CN201910187700A CN109902969A CN 109902969 A CN109902969 A CN 109902969A CN 201910187700 A CN201910187700 A CN 201910187700A CN 109902969 A CN109902969 A CN 109902969A
- Authority
- CN
- China
- Prior art keywords
- bicycle
- data
- grid
- release position
- threshold value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims abstract description 12
- 238000006073 displacement reaction Methods 0.000 claims abstract description 5
- 238000002474 experimental method Methods 0.000 claims description 4
- 241001269238 Data Species 0.000 claims 1
- 230000002354 daily effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于OD数据的共享单车投放点规划方法,首先整理共享单车历史OD数据,得到流入流出格网数据;其中,OD数据是根据单车ID匹配出的单车起始位置经纬度数据和时间戳;然后设置阈值,对流出格网进行筛选,得到每天流出量大于阈值的网格坐标;接着对得到的一系列格网坐标进行聚类分析,得到初步的单车停放点;最后根据实际地物分布对步骤3中得到的单车停放点进行偏移,得到最终的单车停放点。本发明利用单车使用的历史数据,从用户的实际需求出发,综合多天的数据,通过聚类求出需求量较大的地方,这样就代表了理论上每天用车最多的地方。
Description
技术领域
本发明属于地理信息与城市规划技术领域,涉及一种使用共享单车OD数据规划单车投放点的方法,尤其涉及一种综合单车历史OD数据和城市实际地物分布情况数据的规划单车投放点的方法
背景技术
从2014年开始,以ofo、摩拜为代表的一系列共享单车走进人们的日常生活中,共享单车在给人们的生活带来极大便利的同时,也带来了许多与城市规划相关的问题,共享单车投放点的确定便是其中之一。共享单车的投放既要满足城市居民的真实需求,将单车投放到需求量较大的地方,又要符合城市规划的要求,避免不合理的占用公共资源。目前针对这个问题,主要有几个方向的思路。一些学者选择从城市当前建设情况的角度出发,利用当前城市的规划情况进行分析,根据不同类型的地物进行缓冲区分析和加权分析,得出不同类型地物所在区域对共享单车的需求程度,进而确定共享单车的投放点,该方法具有较强的主观性。一些学者从建模的角度出发,将投放区域抽象成一张交通网络,模拟自行车用户的行为,通过网络分析得出单车的投放规划。另外一些学者从共享单车使用的历史情况出发,使用共享单车历史OD(起点和终点)数据计算单车使用量较多的地方,将这些地方当成单车的投放点,但是该方法没有考虑地物分布的实际情况,有些规划不符合城市建设的实际情况。
发明内容
本发明针对现有技术的不足,提供了一种综合单车历史OD数据和城市实际地物分布情况数据的规划单车投放点的方法。
本发明所采用的技术方案是:一种基于OD数据的共享单车投放点规划方法,其特征在于,包括以下步骤:
步骤1:整理共享单车历史OD数据,得到流入流出格网数据;其中,OD数据是根据单车ID匹配出的单车起始位置经纬度数据和时间戳;
步骤2:设置阈值,对流出格网进行筛选,得到每天流出量大于阈值的网格坐标,阈值的计算步骤如下:
式中t是阈值,ntotal是格网数据中单车总流量,ng是格网中单位网格的数量,α是现需要调节的系数,可以根据实际情况和实验进行调节,一般可以设置为0.5,表示将单车流量大于0.5个均值的网格筛选出来,所以此参数可以根据实际想要筛选出的网格数量和实验进行设定。
步骤3:对得到的一系列格网坐标进行聚类分析,得到初步的单车停放点;
步骤4:根据实际地物分布对步骤3中得到的单车停放点进行偏移,得到最终的单车停放点。
相对于现有技术,本发明的有益效果是:利用单车使用的历史数据,从用户的实际需求出发,综合多天的数据,通过聚类求出需求量较大的地方,这样就代表了理论上每天用车最多的地方,即投放点。理论上的投放点分布位置可能并不符合实际,比如聚类出的投放点出可能是道路中心或者有建筑物,所以需要根据实际地物的分布进一步对单车的停放点进行偏移,使其符合实际。
附图说明
图1是本发明实施例的流程图;
图2是本发明实施例的获取高流出量格网点坐标的流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明主要基于地理信息原理与城市规划理论,综合单车历史多天OD数据和城市中地物的实际分布,提出的一种设置共享单车投放点的实验方法及***。
本发明提供的方法能够用计算机软件技术实现流程。参见图1,实施例以武汉市2018年7月11号到7月23号的单车OD数据为例进行单车投放点规划,包括以下步骤:
步骤1:整理共享单车历史OD数据,得到流入流出格网数据;其中,OD数据是根据单车ID匹配出的单车起始位置经纬度数据和时间戳;
具体实现包括以下子步骤:
步骤1.1:将经纬度数据进行格网化整理;
步骤1.2:将投放区域划分成经纬度跨度为0.001大小的格网;
步骤1.3:统计每个时间点格网内单车流入流出的数量;
步骤1.4:对连续若干天(一般为十天以上)的单车OD数据进行整理,得到包括时间戳和单车的流入流出格网数据。
本实施例中,使用爬虫获取到摩拜单车每小时的OD数据,该数据有每辆单车的ID,经纬度信息和时间戳。对相邻两个小时的OD数据进行ID匹配并比较其经纬度变化得到每辆单车的流动情况数据,由于爬取的武汉市的范围有限,在匹配时会出现以下四种情况:(1)单车ID在两个时段都出现且经纬度发生较大变化的即在区域内正常流动。(2)单车在前一个时段出现后一个时段没有出现即流出该区域的单车。(3)单车在后一个时段出现在前一个时段没有出现即流入该区域的单车。(4)单车在两个时段都出现但是经纬度没有发生变化即位置没有发生移动的单车。前三种情况的单车组成的集合M即是在该时段内发生移动的单车,此时原始的单车流动数据已整理完毕。最终得到M集合是相邻两个小时发生移动的单车,M中每辆单车的存储形式如下:
M={(bikeID,lon11,lat11,lon12,lat12)…(bikeID,lonn1,latnn1,lonn2,latn2)}
式中bikeID是单车ID号,loni1,lati1是第i辆单车前一个时间段的经纬度即起始点的经纬度,loni2,lati2是第i辆单车后一个时间段的经纬度即终止点的经纬度。
接下来对单车流动数据进行格网化整理,使用矩形格网,经纬度的范围是最大经度latmax,最小经度lonmin,最大纬度latmax,最小纬度lonmin,每个格网的大小即经纬度步长是STEP,这样就可以对单车流动数据进行快速格网化处理:对集合M中的中的每一辆单车遍历,计算其所在的流入流出格网坐标,计算方法如下:
式中(Xout,Yout)是流出格网坐标,(Xin,Yin)是流入格网坐标。对M集合遍历之后就得到了流入流出格网数据。
步骤2:设置阈值,对流出格网进行筛选,得到每天流出量大于阈值的网格坐标;
请见图2,本实施例中,首先需要考虑阈值的设定,阈值可以根据需求设置成不同的大小,如果希望有较多的投放点,每个投放点单车数量较少,可以减小阈值;反之可以增大阈值。阈值的设定可以根据以下公式计算:
式中t是阈值,ntotal是格网数据中单车总流量,ng是格网中格网的数量,α是现需要调节的系数,可以根据实际情况和实验进行调节。阈值设置好以后需要对格网进行遍历,将其中大于阈值的格网坐标筛选出来,这样就得到了流量较大的地方,对每一天武汉市清晨7点-9点的数据进行整理就得到了一些列流量较大的格网坐标。
步骤3:对得到的一系列格网坐标进行聚类分析,得到初步的单车停放点;
本实施例中,聚类是用AP(Affinity Prop)聚类的方法进行,聚类的算法流程如下:假设{x1,x2,……xn}数据样本集,数据间没有内在结构的假设。令S是一个刻画点之间相似度的矩阵,使得s(i,j)>s(i,k)当且仅当xi与xj的相似性程度要大于其与xk的相似性。
AP算法进行交替两个消息传递的步骤,以更新两个矩阵:
(1)吸引信息(responsibility)矩阵R:r(i,k)描述了数据对象k适合作为数据对象i的聚类中心的程度,表示的是从i到k的消息;
(2)归属信息(availability)矩阵A:a(i,k)描述了数据对象i选择数据对象k作为其据聚类中心的适合程度,表示从k到i的消息。
两个矩阵R,A中的全部初始化为0.可以看成Log-概率表。这个算法通过以下步骤迭代进行:
首先,吸引信息(responsibility)按照
迭代。
然后,归属信息(availability)at+1(i,k)at+1(i,k)按照
迭代。
对以上步骤进行迭代,如果这些决策经过若干次迭代之后保持不变或者算法执行超过设定的迭代次数,又或者一个小区域内的关于样本点的决策经过数次迭代后保持不变,则算法结束。
步骤4:根据实际地物分布对步骤3中得到的单车停放点进行偏移,得到最终的单车停放点;
本实施例中,聚类之后,需要对得到的单车投放点位置做进一步的调整,根据实际地物的分布将投放点放置在有空闲地方且人流量较大的地方,一般为较为开阔的十字路口或商场,小区,地铁站附近,偏移要满足实际需要,但是也不能和聚类的结果相差太多。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (5)
1.一种基于OD数据的共享单车投放点规划方法,其特征在于,包括以下步骤:
步骤1:整理共享单车历史OD数据,得到流入流出格网数据;其中,OD数据是根据单车ID匹配出的单车起始位置经纬度数据和时间戳;
步骤2:设置阈值,对流出格网进行筛选,得到每天流出量大于阈值的网格坐标;
步骤3:对得到的一系列格网坐标进行聚类分析,得到初步的单车停放点;
步骤4:根据实际地物分布对步骤3中得到的单车停放点进行偏移,得到最终的单车停放点。
2.根据权利要求1所述的基于OD数据的共享单车投放点规划方法,其特征在于,步骤1的具体实现包括以下子步骤:
步骤1.1:将经纬度数据进行格网化整理;
步骤1.2:将投放区域划分成经纬度跨度为预设大小的格网;
步骤1.3:统计每个时间点格网内单车流入流出的数量;
步骤1.4:对连续若干天的单车OD数据进行整理,得到包括时间戳和单车的流入流出格网数据。
3.根据权利要求1所述的基于OD数据的共享单车投放点规划方法,其特征在于,步骤2中所述阈值为:
式中,t是阈值,ntotal是格网数据中单车总流量,ng是格网中单位网格的数量,α是需要调节的系数,根据实际情况或实验进行调节。
4.根据权利要求1所述的基于OD数据的共享单车投放点规划方法,其特征在于:步骤3中,使用AP聚类方法,算法可以自动确定聚类的个数,得到多天数据的聚类结果点集合G。
5.根据权利要求1-4任意一项所述的基于OD数据的共享单车投放点规划方法,其特征在于:步骤4中,利用实际中路网、商场、居民点或地铁站点的分布,对步骤3聚类点集合G中的点进行偏移,使其满足实际情况,得到偏移后点集合Gf,Gf中各点即是单车最终的投放点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187700.9A CN109902969A (zh) | 2019-03-13 | 2019-03-13 | 一种基于od数据的共享单车投放点规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187700.9A CN109902969A (zh) | 2019-03-13 | 2019-03-13 | 一种基于od数据的共享单车投放点规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109902969A true CN109902969A (zh) | 2019-06-18 |
Family
ID=66952143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910187700.9A Pending CN109902969A (zh) | 2019-03-13 | 2019-03-13 | 一种基于od数据的共享单车投放点规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902969A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090713A (zh) * | 2019-12-17 | 2020-05-01 | 青岛海信移动通信技术股份有限公司 | 地图处理方法、服务器、智能终端及计算机可读存储介质 |
CN111881939A (zh) * | 2020-06-24 | 2020-11-03 | 东南大学 | 一种基于聚类算法的共享单车停车区布设方法 |
CN113393093A (zh) * | 2021-05-27 | 2021-09-14 | 摩拜(北京)信息技术有限公司 | 基于网格的车辆调度方法和服务器 |
CN113435702A (zh) * | 2021-05-31 | 2021-09-24 | 中国地质大学(武汉) | 基于空间分析的共享单车管理人员服务区分配方法及*** |
CN113920713A (zh) * | 2021-09-29 | 2022-01-11 | 广州时空位置网科学技术研究院有限公司 | 一种基于北斗定位的城市交通智能信息管理*** |
CN114254856A (zh) * | 2021-11-08 | 2022-03-29 | 武汉小安科技有限公司 | 基于蜂巢图实现的共享单车运维调度方法及*** |
CN114595953A (zh) * | 2022-03-01 | 2022-06-07 | 杭州骑迹科技有限公司 | 一种共享电单车调度的方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095481A (zh) * | 2015-08-13 | 2015-11-25 | 浙江工业大学 | 大规模出租车od数据可视分析方法 |
CN107491895A (zh) * | 2017-08-30 | 2017-12-19 | 国信优易数据有限公司 | 一种共享单车停放点的确定方法及装置 |
CN108764555A (zh) * | 2018-05-22 | 2018-11-06 | 浙江大学城市学院 | 一种基于Hadoop的共享单车停放点选址方法 |
CN109446588A (zh) * | 2018-09-30 | 2019-03-08 | 中国地质大学(武汉) | 一种基于随机Petri网模型的共享单车分析调度方法 |
-
2019
- 2019-03-13 CN CN201910187700.9A patent/CN109902969A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095481A (zh) * | 2015-08-13 | 2015-11-25 | 浙江工业大学 | 大规模出租车od数据可视分析方法 |
CN107491895A (zh) * | 2017-08-30 | 2017-12-19 | 国信优易数据有限公司 | 一种共享单车停放点的确定方法及装置 |
CN108764555A (zh) * | 2018-05-22 | 2018-11-06 | 浙江大学城市学院 | 一种基于Hadoop的共享单车停放点选址方法 |
CN109446588A (zh) * | 2018-09-30 | 2019-03-08 | 中国地质大学(武汉) | 一种基于随机Petri网模型的共享单车分析调度方法 |
Non-Patent Citations (1)
Title |
---|
邓力凡等: "基于骑行时空数据的共享单车设施规划研究", 《规划师》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090713A (zh) * | 2019-12-17 | 2020-05-01 | 青岛海信移动通信技术股份有限公司 | 地图处理方法、服务器、智能终端及计算机可读存储介质 |
CN111881939A (zh) * | 2020-06-24 | 2020-11-03 | 东南大学 | 一种基于聚类算法的共享单车停车区布设方法 |
CN111881939B (zh) * | 2020-06-24 | 2021-03-09 | 东南大学 | 一种基于聚类算法的共享单车停车区布设方法 |
CN113393093A (zh) * | 2021-05-27 | 2021-09-14 | 摩拜(北京)信息技术有限公司 | 基于网格的车辆调度方法和服务器 |
CN113435702A (zh) * | 2021-05-31 | 2021-09-24 | 中国地质大学(武汉) | 基于空间分析的共享单车管理人员服务区分配方法及*** |
CN113920713A (zh) * | 2021-09-29 | 2022-01-11 | 广州时空位置网科学技术研究院有限公司 | 一种基于北斗定位的城市交通智能信息管理*** |
CN113920713B (zh) * | 2021-09-29 | 2024-01-23 | 广州时空位置网科学技术研究院有限公司 | 一种基于北斗定位的城市交通智能信息管理*** |
CN114254856A (zh) * | 2021-11-08 | 2022-03-29 | 武汉小安科技有限公司 | 基于蜂巢图实现的共享单车运维调度方法及*** |
CN114254856B (zh) * | 2021-11-08 | 2024-05-31 | 武汉小安科技有限公司 | 基于蜂巢图实现的共享单车运维调度方法及*** |
CN114595953A (zh) * | 2022-03-01 | 2022-06-07 | 杭州骑迹科技有限公司 | 一种共享电单车调度的方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902969A (zh) | 一种基于od数据的共享单车投放点规划方法 | |
Leao et al. | Simulating urban growth in a developing nation’s region using a cellular automata-based model | |
CN114936957B (zh) | 基于移动监测数据的城市pm25浓度分布模拟及场景解析模型 | |
Thomas et al. | Metapopulation dynamics in changing environments: butterfly responses to habitat and climate change | |
De Ridder et al. | Simulating the impact of urban sprawl on air quality and population exposure in the German Ruhr area. Part I: Reproducing the base state | |
CN112035584A (zh) | 空间规划情景模拟方法及*** | |
Ozah et al. | A deterministic cellular automata model for simulating rural land use dynamics: A case study of Lake Chad Basin | |
CN113806419A (zh) | 基于时空大数据的城市区域功能识别模型及识别方法 | |
CN109684604B (zh) | 一种基于上下文感知的非负张量分解的城市动态分析方法 | |
Adolphe | Modelling the link between built environment and urban climate: towards simplified indicators of the city environment | |
Pramana et al. | Mobility pattern changes in indonesia in response to covid-19 | |
CN110490787A (zh) | 一种居住区位选择的多智能体模型的建立方法 | |
CN110309953A (zh) | 采用目标流动性分布预测的城市安防监控布局***及方法 | |
Krunić et al. | Modelling the spatial distribution of Vojvodina's population by using dasymetric method | |
Chelaru et al. | Using GIS to analyse land use change in Bistriţa subcarpathian valley | |
Haripersaud | Collecting biodiversity | |
Wu et al. | Developing a planning model for the construction of ecological corridors for low-carbon ecological cities: a case study of the Shenzhen International Low-Carbon City | |
Mao et al. | Evaluation of urban multi-scale landscape ecological pattern based on open space classification: a case study in Xinxiang, China. | |
Rezayan et al. | Spatial rules that generate urban patterns: Emergence of the power law in the distribution of axial line length | |
Stanilov | Postwar trends, land-cover changes, and patterns of suburban development: the case of Greater Seattle | |
Butler | The spatial impact of an urban area on breeding birds | |
El Hamra et al. | The role of Vehicles’ Identification Techniques in transportation planning–The Qatari case study | |
Karayalçin | Batikent: A new settlement project in Ankara, Turkey | |
Norouzi Gelehkolaie et al. | Analysis of Kermanshah Spatial Growth Patterns on Ecological Landscape Performance | |
Atia et al. | Government Efforts to Reduce Inequality in Morocco Are Only Making Matters Worse. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |
|
RJ01 | Rejection of invention patent application after publication |