一种考虑时空非平稳性的网约车出行需求预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114254250A(43)申请公布日2022.03.29(21)申请号202111525914.6(22)申请日2021.12.14(71)申请人北京航空航天大学地址100083北京市海淀区学院路37号(72)发明人于海洋陈咨霖任毅龙刘润坤方婧(74)专利代理机构北京佳信天和知识产权代理事务所(普通合伙)11939代理人张宏伟(51)Int.Cl.G06F17/12(2006.01)G06F17/16(2006.01)G06Q10/04(2012.01)G06Q50/30(2012.01)权利要求书3页说明书8页附图1页(54)发明名称一种考虑时空非平稳性的网约车出行需求预测方法(57)摘要本专利属于智能交通技术领域，公开了一种考虑时空非平稳性的网约车出行需求预测方法，包括：步骤一、交通小区划分，步骤二、网约车需求和建成环境数据提取；步骤三、因子分析法提取公共因子；步骤四：时空地理加权回归模型计算。本方法可以从原有建成环境因素中提取数量更少的主因子，再基于时空地理加权回归对网约车出行需求进行预测，既考虑了网约车需求的时空非平稳性，又尽可能多地保留了原始变量的信息，同时使主因子之间不相关，从而避免原有自变量之间共线性的影响，提升模型计算效率，为城市交通管理者和网约车公司提前制定更具针对性的策略提供参考依据。CN114254250ACN114254250A权利要求书1/3页1.一种考虑时空非平稳性的网约车出行需求预测方法，其特征在于，包括如下步骤：步骤一、交通小区划分，将目标区域划分为若干个交通小区；步骤二、网约车需求和建成环境数据提取；提取历史网约车数据中的订单编号、出发时间、经纬度等信息；然后利用网约车数据计算不同时段每个交通小区的网约车需求；基于城市兴趣点数据计算建成环境数据；步骤三、因子分析法提取公共因子利用因子分析法提取交通小区内原有建成环境变量的公共因子；假设有N个交通小区，每个交通小区有M个建成环境变量。S3.1数据标准化，将原有各个建成环境变量的数据转化为无量纲数据，S3.2计算相关系数矩阵并检验计算数据标准化后的各个变量之间的相关系数，用于检验变量间的相关性。第i个变量和第p个变量之间的相关系数rip计算公式为式中，zij为第j个交通小区的第i个变量标准化之后的值，为第i个变量标准化之后的平均值；计算每个变量之间的相关系数后，可以得到全部变量的相关系数矩阵其中M为变量个数；然后检验对变量间的相关性进行检验；S3.3计算相关系数矩阵的特征值以及公共因子的贡献率通过相关系数矩阵的特征方程|λI‑R|＝0式中，λ为特征值，I为单位矩阵，得到矩阵的特征值λ1,λ2,…,λM以及M个特征向量Y1,Y2,…,YM；Y即为变量中的公共因子；第q个公共因子Yq对原始数据的贡献率式中，dq为第q个公共因子对原始数据的贡献率，λq为第q个公共因子的特征值；在计算得到所有公共因子的贡献率后，选择贡献率前m个公共因子作为主因子；步骤四、时空地理加权回归模型计算将数据的空间位置、时间信息和主因子数据输入时空地理加权回归模型，对网约车出行需求进行预测。2.根据权利要求1所述的一种考虑时空非平稳性的网约车出行需求预测方法，其特征在于，所述步骤三还包括：S3.4子载荷矩阵计算将公共因子用M个标准化后的变量Z1,Z2,…,ZM表示为关系式：2CN114254250A权利要求书2/3页式中，aMq为第q个公共因子在第M个变量时对应的向量分量，Y1,Y2,…,YM根据贡献率由大到小排列，Y1贡献率最大，YM贡献率最小。将关系式可转换为：根据步骤S3.3中选取的m个主因子结果，将每个关系式的前m个公共因子保留，而其余公共因子则用特殊因子e代替,得到关系式：式中，eM为第M个变量的特殊因子。将关系式中的系数列为矩阵，得到主因子的M*m的载荷矩阵3.根据权利要求1所述的一种考虑时空非平稳性的网约车出行需求预测方法，其特征在于，时空地理加权回归模型的公式如下：式中，Fj为第j个样本点的网约车需求量，uj为第j个样本点的经度坐标，vj为第j个样本点的纬度坐标，tj为第j个样本点的时间坐标，β0(uj,vj,tj)为第j个样本点的截距，βk(uj,vj,tj)为第k个主因子在第j个样本点的回归系数，Ajk为第j个样本点的第k个主因子，εj为第j个样本点的残差项。模型中回归参数的计算公式如下：3CN114254250A权利要求书3/3页T式中，A为主因子矩阵的转置，W(uj,vj,tj)为第j个样本点的时空矩阵。Wlj是时空递减函数，它的计算公式如下：式中，为样本点l和样本点j的时空距离，h为时空带宽。时空距离的计算公式为：式中，θ为空间距离的权重，μ为时间距离的权重。时空带宽是一个非