應(yīng)用數(shù)據(jù)挖掘技術(shù)優(yōu)化東陽公共自行車系統(tǒng)研究

謝小蘭+彭亞發(fā)

【摘要】根據(jù)東陽市公共自行車各站點(diǎn)間的自流動(dòng)性的特點(diǎn)，借助于成熟的回歸分析方法，提出了迭代回歸模型。通過挖掘城市公共自行車系統(tǒng)中的原始數(shù)據(jù)，依據(jù)公共自行車需求與用地類型，居住人口和建筑面積等相關(guān)變量，利用多元回歸分析法確定統(tǒng)計(jì)數(shù)據(jù)與自行車投放預(yù)測量間近似的函數(shù)關(guān)系，再通過若干次迭代提高預(yù)測精度，以達(dá)到更準(zhǔn)確的預(yù)測站點(diǎn)投放自行車的數(shù)量。迭代回歸模型不僅能夠有效預(yù)測并改善目前公共自行車站點(diǎn)的投放數(shù)量需求，同時(shí)能夠?qū)Τ醮卧O(shè)置公共自行車站點(diǎn)的城市提供投放依據(jù)，在滿足城市居民低碳出行需求的同時(shí)節(jié)約資源，具有一定的實(shí)用價(jià)值與現(xiàn)實(shí)意義。

【關(guān)鍵詞】數(shù)據(jù)挖掘；公共自行車；回歸模型

1引言

當(dāng)前，城市大氣污染和交通擁堵問題日益嚴(yán)峻，汽車排放的尾氣已經(jīng)成為影響城市空氣質(zhì)量的最主要因素。而城市公共自行車能夠在很大程度上緩解這一問題，城市公共自行車系統(tǒng)作為大眾運(yùn)輸?shù)闹匾M成部分，在短程接駁、站間換乘以及休閑旅游中發(fā)揮著巨大的作用，因?yàn)樵诔鞘卸叹嚯x的空間，騎自行車出行很顯然是一種低碳環(huán)保的方式。東陽市公共自行車系統(tǒng)服務(wù)項(xiàng)目自2014年11月第一期運(yùn)營以來，受到市民的廣泛關(guān)注，據(jù)了解，東陽從一期公共自行車投入運(yùn)營以來到目前，已辦理公共自行車租賃功能的公交IC卡1.2萬余張，自行車租用量累計(jì)40余萬人次。二期投入運(yùn)營后，東陽市公共自行車租賃點(diǎn)累計(jì)達(dá)到135個(gè)，公共自行車投放累計(jì)達(dá)3000輛。但是，隨著市民對公共自行車的需求量不斷的增大，東陽市公共自行車系統(tǒng)在運(yùn)行過程中逐漸出現(xiàn)站點(diǎn)規(guī)模等級化程度不高。站點(diǎn)的分布規(guī)模不成層次系統(tǒng)，出現(xiàn)有的站點(diǎn)利用率不高，閑置太多車輛，造成資源浪費(fèi)，而有的站點(diǎn)租車換車緊張的現(xiàn)象；各站點(diǎn)內(nèi)鎖樁數(shù)量的設(shè)置趨于經(jīng)驗(yàn)化，各站點(diǎn)投放公共自行車數(shù)量經(jīng)驗(yàn)化主要體現(xiàn)在投放模式比較單一粗放，沒有充分的考慮站點(diǎn)之間的不同所造成的不同需求。公共自行車投放數(shù)量的不科學(xué)造成部分站點(diǎn)內(nèi)的自行車供不應(yīng)求，而也有不少站點(diǎn)的自行車供大于求，達(dá)不到資源優(yōu)化配置的效果，不能為城市人群提供更好的服務(wù)，因此，如何合理高效的優(yōu)化城市公共自行車服務(wù)系統(tǒng)已成為當(dāng)下亟待解決的問題。

因此，利用迭代回歸模型對東陽市公共自行車系統(tǒng)進(jìn)行優(yōu)化，可以依托于租賃點(diǎn)日常自行車借出情況的詳細(xì)統(tǒng)計(jì)數(shù)據(jù)，租賃點(diǎn)所在地區(qū)的土地利用情況，居民人口數(shù)量和建筑面積的數(shù)據(jù)，建立迭代多元回歸模型來求解租賃點(diǎn)自行車投放數(shù)量，通過迭代循環(huán)近似求解出租賃點(diǎn)公共自行車的投放量。迭代回歸模型在公共自行車系統(tǒng)優(yōu)化中的應(yīng)用研究，可以預(yù)測數(shù)據(jù)來源于東陽市公共自行車系統(tǒng)對站點(diǎn)每日不同時(shí)段的自行車租借人次與周轉(zhuǎn)率的準(zhǔn)確統(tǒng)計(jì)，數(shù)據(jù)準(zhǔn)確可靠，預(yù)測采用回歸分析法與迭代法相結(jié)合方法，逐步逼近實(shí)際需求，回歸分析法基于觀測數(shù)據(jù)與影響范圍內(nèi)的土地利用建立適當(dāng)?shù)淖兞恳蕾囮P(guān)系，以分析數(shù)據(jù)內(nèi)的關(guān)系，迭代法則保證了預(yù)測數(shù)據(jù)與實(shí)際需求的盡可能的接近，兩種方法的結(jié)合保障了預(yù)測方法的科學(xué)與精確，從而確保了模型較高的可靠性。

2東陽公共自行車數(shù)據(jù)再處理分析

數(shù)據(jù)挖掘需要處理大量的數(shù)據(jù)，這些數(shù)據(jù)都會(huì)存儲(chǔ)在公共自行車服務(wù)系統(tǒng)數(shù)據(jù)庫中，但這些原始的數(shù)據(jù)沒有經(jīng)過預(yù)處理分析統(tǒng)計(jì)是不適合直接挖掘，需要對原始數(shù)據(jù)進(jìn)行有針對性的篩選、轉(zhuǎn)換和消除一些冗余數(shù)據(jù)等，因?yàn)閿?shù)據(jù)預(yù)處理工作是否到位直接影響著挖掘算法是否高效。

以東陽市公共自行車服務(wù)系統(tǒng)中提供的原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。首先應(yīng)將數(shù)據(jù)表進(jìn)行分別統(tǒng)計(jì)分析，統(tǒng)計(jì)公共自行車服務(wù)系統(tǒng)中每天所有站點(diǎn)的借車頻次和還車頻次，對有異常的數(shù)據(jù)，利用統(tǒng)計(jì)判別法給予剔除，并按累計(jì)的借車頻次和還車頻次分別給出排序，同時(shí)，統(tǒng)計(jì)分析出每次用車時(shí)長的分布情況。通過數(shù)據(jù)分析，結(jié)合繪制的圖形進(jìn)行描述統(tǒng)計(jì)。統(tǒng)計(jì)借車頻次最高和還車頻次最高的站點(diǎn)，需根據(jù)相關(guān)數(shù)據(jù)進(jìn)行逐一統(tǒng)計(jì)，并綜合統(tǒng)計(jì)數(shù)據(jù)統(tǒng)計(jì)每張借車卡累計(jì)借車次數(shù)，同時(shí)根據(jù)統(tǒng)計(jì)數(shù)據(jù)分析分布情況。另外，需要定義兩個(gè)站點(diǎn)之間的距離為從某一站點(diǎn)借車到另一站點(diǎn)還車所用的最短時(shí)長，由此，從數(shù)據(jù)中可以得到一些基本站點(diǎn)之間的距離，對于不能從數(shù)據(jù)中讀取的兩個(gè)站點(diǎn)間的距離可以應(yīng)用算法進(jìn)行求解。

公共自行車的原始數(shù)據(jù)都是數(shù)據(jù)挖掘技術(shù)的必要準(zhǔn)備數(shù)據(jù)，數(shù)據(jù)的準(zhǔn)確度將直接影響公共自行車服務(wù)系統(tǒng)優(yōu)化模型的構(gòu)建。對于公共自行車站點(diǎn)與鎖樁數(shù)量設(shè)置效果的評定，數(shù)據(jù)處理分析的準(zhǔn)確度將對優(yōu)化模型的構(gòu)建產(chǎn)生直接的影響，因此對于關(guān)鍵數(shù)據(jù)要進(jìn)行再處理和精確分析。假如某個(gè)站點(diǎn)的自行車?yán)寐矢撸柢嚭瓦€車的頻次相協(xié)調(diào)，那么這個(gè)站點(diǎn)設(shè)置的很成功，就要對這類數(shù)據(jù)進(jìn)行分析保存。對一些站點(diǎn)自行車?yán)寐什桓撸瑪?shù)據(jù)沒有明顯變化，那么可以取平均值為衡量標(biāo)準(zhǔn)，利用相關(guān)原始數(shù)據(jù)統(tǒng)計(jì)分析歸納最終可得到68個(gè)樣本，截取部分?jǐn)?shù)據(jù)如表1所示。

表1公共自行車站點(diǎn)布置情況統(tǒng)計(jì)表（部分）

站點(diǎn)

ID主要

對象

性質(zhì)區(qū)域?qū)ο蟮?/p>

經(jīng)濟(jì)水平站點(diǎn)區(qū)

域類別住宅

距離商場區(qū)

距離附近

站點(diǎn)人流量站點(diǎn)

鎖樁

密度站點(diǎn)

設(shè)置

效果

等級Z001外地人低商場區(qū)近近少大不GOODZ003本地人高高級宅區(qū)較近近無大不MID3迭代模型的建立與回歸方法的求解

回歸分析法從被測變量和與它有關(guān)的解釋變量間的因果關(guān)系出發(fā)，通過建立回歸分析模型，預(yù)測對象未來發(fā)展的一種定量方法。通常處在一個(gè)系統(tǒng)中的各種變量可以有兩種關(guān)系即函數(shù)關(guān)系和相關(guān)關(guān)系。當(dāng)事物之間具有確定關(guān)系時(shí)，則變量之間表現(xiàn)為某種函數(shù)關(guān)系。另外有些事物，比如租賃點(diǎn)投放自行車數(shù)量與土地利用類型，周邊一定范圍居住人口數(shù)量和有效建筑面積之間，雖然有著密切的聯(lián)系，但并不能準(zhǔn)確的用某一函數(shù)關(guān)系式確定投放數(shù)量與三者間的關(guān)系，稱這類事物之間具有相關(guān)關(guān)系。

通過比較現(xiàn)有預(yù)測模型的缺陷，從而提出迭代回歸模型的有效性和可靠性。回歸分析法從被測變量和與它有關(guān)的解釋變量間的因果關(guān)系出發(fā)，通過建立回歸分析模型，預(yù)測對象未來發(fā)展的一種定量方法。通常處在一個(gè)系統(tǒng)中的各種變量可以有兩種關(guān)系即函數(shù)關(guān)系和相關(guān)關(guān)系。當(dāng)事物之間具有確定關(guān)系時(shí)，則變量之間表現(xiàn)為某種函數(shù)關(guān)系。另外有些事物，比如站點(diǎn)投放自行車數(shù)量與土地利用類型，周邊一定范圍居住人口數(shù)量和有效建筑面積之間，雖然有著密切的聯(lián)系，但并不能準(zhǔn)確的用某一函數(shù)關(guān)系式確定投放數(shù)量與三者間的關(guān)系，稱這類事物之間具有相關(guān)關(guān)系。迭代回歸模型的建模要立足金華市范圍內(nèi)設(shè)置的所有自行車站點(diǎn)，每個(gè)站點(diǎn)的投放數(shù)量上必然存在供不應(yīng)求與供大于求的情況，也必然存在一部分運(yùn)作良好，供需平衡的站點(diǎn)。這些供需平衡的站點(diǎn)的自行車投放數(shù)量必然與周邊包括土地利用類型，居住人口數(shù)量和建筑面積等等條件相適應(yīng)，即投放數(shù)量與周邊條件之間具有的這種確定的關(guān)系，投放數(shù)量是多種相關(guān)因素的函數(shù)，滿足一定的近似函數(shù)關(guān)系式。具體算法分析如下。

首先以屬性P進(jìn)行假設(shè)，假設(shè)正例集的個(gè)數(shù)為x個(gè)，反例集的個(gè)數(shù)為y個(gè)，那P的信息量為Ix，y=-xx+ylog2xx+y-yx+ylog2yx+y，E（P）為EP=∑ki=1mi+nix+yEPi

其中EPi=-mimi+nilog2mimi+ni-nimi+nilog2nimi+ni。設(shè)r=mi-nimi+ni；則EPi=1+r2log21+r2+1-r2log21-r2=1+r2ln2ln（1+r）+1-r2ln2ln（1-r）-1。把ln（1+x）和ln（1-x）展開，則EPi=1+r2ln2∑∞n=1（-1）n-1rnn-1-r2ln2∑∞n=1rnn-1=…=1ln2∑∞n=1r2n2n（2n-1）-1

根據(jù)公式推出EPi=1ln2（r22+r412+r630+r856+…）-1代入上式計(jì)算出誤差在0.1以內(nèi)并推出EP≈∑ki=1mi+nix+y[1-0.72*r2]。為了克服算法以非最優(yōu)屬性作為新節(jié)點(diǎn)的缺點(diǎn)，在算法中設(shè)置一個(gè)權(quán)值J，設(shè)屬性P有a種值，則J=1/a。將屬性P的信息增益公式G（P）=I（x，y）-EP改為G′（P）=[I（x，y）-∑ki=1mi+nix+y（1-0.72*r2）]1a。

4總結(jié)

立足東陽市公共自行車各站點(diǎn)間的自流動(dòng)性的特點(diǎn)，借助于數(shù)據(jù)挖掘技術(shù)中成熟的回歸分析方法，提出了迭代回歸模型。通過挖掘公共自行車系統(tǒng)中的原始數(shù)據(jù)，依據(jù)公共自行車需求與用地類型，居住人口和建筑面積等相關(guān)變量，利用多元回歸分析法確定統(tǒng)計(jì)數(shù)據(jù)與自行車投放預(yù)測量間近似的函數(shù)關(guān)系，再通過若干次迭代提高預(yù)測精度，以達(dá)到更準(zhǔn)確的預(yù)測站點(diǎn)投放自行車的數(shù)量。迭代回歸模型不僅能夠有效預(yù)測并改善目前公共自行車站點(diǎn)的投放數(shù)量需求，同時(shí)能夠?qū)Τ醮卧O(shè)置公共自行車站點(diǎn)或增加站點(diǎn)的城市提供投放依據(jù)，在滿足金華市居民低碳出行需求的同時(shí)節(jié)約資源。

基金項(xiàng)目：

本文為2016浙江廣廈建設(shè)職業(yè)技術(shù)學(xué)院“應(yīng)用數(shù)據(jù)挖掘技術(shù)優(yōu)化東陽公共自行車系統(tǒng)研究”的研究成果，課題編號：16ZR011。