面向城市公租自行车优化管理的大数据挖掘方法

With the application of the Internet of things and cloud computing technology in the intelligent transportation, the spatio-temporal data of moving objects will be more and more rich. Although the encouraging progress has been made in spatio-temporal data mining and expression of moving objects, but there is not a universal unified spatio-temporal data mining theory and method for moving objects in traffic application. In recent years in our country public rental bicycle system comes the new main application in many big city. A perfect and well functioning public rental bicycle system can make up for the insufficient of the bus and subway lines, while limiting the city traffic flow, alleviate traffic jam, reduce vehicle pollution, promote energy saving and emission reduction. In order to support management decision for the public bicycle rental system, the method for mining the temporal-spatial variation pattern of vehicle number and position, the spatio-temporal association patterns of the vehicle movement are researched on. Then a pattern mining and prediction model coupling spatio-temporal and high dimensional feature is constructed. On the one hand, our research can provide theory for intelligent public transportation development especially for further application of public rent bicycle system; on the other hand, it can promote the crossover study of Geographic Information Science, computer engineering and transportation engineering, develop the interdisciplinary theories and methods for city traffic spatio-temporal data mining.

随着物联网和空间信息技术在智能交通中的应用，移动对象时空数据越来越丰富。虽然移动对象时空数据在表达和挖掘分析等方面取得了很大的进展，但面向交通应用还没有统一的、普适的移动对象时空数据挖掘理论和方法体系。公租自行车系统是近几年我国大城市主推的新的应用，完善且运行良好的公租自行车系统可以弥补公交汽车和地铁线路不足的缺陷，同时降低城市汽车流量，缓解交通拥堵，减少汽车尾气污染，促进节能减排。本项目面向城市公租自行车系统的优化管理决策，以系统中的时空大数据为主要研究对象，基于GIS研究挖掘车辆数量、车辆位置时空变化模式和车辆移动位置之间时空关联模式的方法，构建具备时空耦合和高维特征的时空模式挖掘和预测模型。一方面为智能公交系统发展特别是公租自行车系统深层次应用提供理论方法的支持，另一方面可以促进数学、地理信息科学与交通运输工程的交叉研究，推动发展跨学科的智慧交通时空数据挖掘理论方法。

项目背景：.物联网和空间信息技术特别是GIS 、GPS和RFID技术在城市公共交通中的应用越来越深入，利用这些技术可以实现对公租自行车系统运行过程的实时动态监测，获得公租自行车的状态数据，用户出行记录数据等具有明显时空特性的数据，在此基础上综合城市基础地理信息、交通专题（路网、交通分析小区）等地图数据，基于GIS可视化环境，本项目研究以自行车辆和用户为移动对象的时空数据挖掘方法，分析获取公租自行车出行的时空变化模式，可以为公租自行车系统的管理和规划提供科学的依据；同时也可提高出行服务信息的可靠性和科学性。.主要研究内容：. 1) 租赁点车辆数的时空变化模型组及智能预测方法。.2) 车辆在城区分布的时空变化模式挖掘方法.3) 车辆使用/用户的时空变化模式挖掘方法.重要结果、关键数据及其科学意义：.本项目研究以北京市中心城区为例研究。数据层面包含基础地理信息数据，内容包括区县界、政府机关、居民地、企业、乡镇街道驻地、学校、医院、科研单位、商业等等信息；交通专题数据（城市道路，交通小区等信息）；公租自行车时空数据（经过初步处理后包含租赁点位的经纬度，租赁点所处用地类型，车辆数，车辆使用记录，用户刷卡信息等），采用了包括朝阳，海淀，东城，西城，丰台，石景山区总共租赁点位有500多个，自行车有18000多辆。在模型和算法层研究建立面向城市公租自行车系统时空动态特征的时空模式挖掘方法，并研究了公租自行车接驳地铁的模型和挖掘方法，同时综合地图数据，采用三维或多维地理可视化的方法将过程和结果进行展示，辅助分析提取时空变化的规律和特征，挖掘时空变化模式，最后整合上述结果研究建立了一个融合大数据的可视化分析实验系统。研究突破了以要素图层为基础和静态分析为核心的传统空间数据挖掘方法，为相关的大城市公租自行车系统精细化管理和优化服务技术提供理论方法支持，为城市轨道交通站点处公共自行车租赁点的规划及建设提供量化依据，具有交叉学科的科学价值和应用价值。