基于空间交互网络的共享单车出行模式分析方法和系统

本发明涉及共享单车空间交互网络，具体涉及一种基于空间交互网络的共享单车出行模式分析方法和系统。

背景技术：

1、社会经济的飞速发展与城市化进程的加快使城市人口数量急剧增加，给城市交通带来巨大压力，共享单车作为“互联网+共享”的新型出行方式，在解决工作日早、晚高峰时段“最后一公里”问题的同时，大量减少了高峰时段的汽车出行需求[3]。在此背景下，研究和分析共享单车出行数据成为探索高峰时段人群流动规律的重要途径，同时有助于解决共享单车系统的供需平衡问题。目前已有众多学者进行了该方向的研究，陆维特等人提出了一种基于出行需求和早晚高峰出行总量的测算模型，较为准确的预测了早晚高峰共享单车的使用量；程小丹通过研究西安市共享单车在早晚高峰出行特征的空间异质性，发现早晚高峰出行热点的分布呈现相似性，且早高峰的共享单车出行量较晚高峰更多；李一鸣和张建国分别使用需求投放点选址模型和租赁需求模型对早、晚高峰期共享单车的投放和调配问题进行研究。这些研究主要集中于对共享单车出行特征及需求的分析和预测，共享单车在区域间交互作用及其构成的空间交互网络等方面的研究较少。

2、复杂网络理论基于随机图理论建立，已具备完整的分析指标和理论，并在社会科学、生物学等领域中得到广泛应用。根据复杂网络理论，人们在区域间的出行活动形成了典型的有向加权网络，该网络以区域为节点、以出行活动为边，网络整体是出行活动的高度抽象，进而借助网络结构分析指标可以从网络的角度揭示出行行为与区域之间的关系。近年来越来越多的学者将复杂网络理论应用到区域间人群流动的研究当中，例如zhang等人基于腾讯位置大数据构建了全国范围的人口流动网络，以328个城市作为网络节点，研究了我国近三年的人口流动空间格局及特点；wang等人基于人口流动与迁移关系矩阵构建长三角重要城市空间交互网络，分析了长三角城市群在春运高峰期和日常出行期间的人口流动和迁移情况；秦昆等人构建了基于城市热点区域的空间交互网络，研究了武汉市出租车在工作日与节假日的出行特点和规律。然而，较少有研究将复杂网络理论应用于城市内区域间共享单车的出行活动。

3、因此早、晚高峰共享单车出行的研究具有迫切性。从空间交互网络的角度探讨高峰期的出行规律和特点，可为北京市共享单车系统的合理布局以及相关政策的制定提供帮助，同时对其他城市共享单车系统的优化具有借鉴意义。

技术实现思路

1、为此，本发明提供一种基于空间交互网络的共享单车出行模式分析方法和系统。通过该方法可以精确地量化共享单车网络中的空间交互关系，有助于优化城市共享单车系统的运营布局、提高服务质量，并最终促进城市出行的有效管理和可持续发展。

2、为了实现上述目的，本发明提供如下技术方案：基于空间交互网络的共享单车出行模式分析方法，包括：

3、从设定数据中心获取共享单车轨迹数据和城市区划数据；从获取的所述共享单车轨迹数据中提取共享单车运营区域数据；

4、将所述共享单车轨迹数据进行预处理，获得共享单车od轨迹数据；将所述共享单车运营区域数据与所述城市区划数据进行相交处理，获得研究区域数据；从所述研究区域数据中提取街道单元数据；

5、将所述共享单车od轨迹数据中的街道交叉口或街道设定位置作为网络节点；根据所述街道单元数据，将街道间的出行行为作为有向边；将共享单车的使用量作为所述有向边的权重；将所述网络节点、所述有向边及所述有向边的权重构建成街道间的出行关系矩阵，形成共享单车空间交互网络；

6、对所述共享单车空间交互网络进行网络特征分析，获取所述共享单车空间交互网络的指标数据；所述网络特征分析包括网络密度分析、节点强度分析和度中心性分析。

7、作为基于空间交互网络的共享单车出行模式分析方法优选方案，所述共享单车轨迹数据进行预处理的过程包括异常数据清理、数据格式转换和od轨迹提取。

8、作为基于空间交互网络的共享单车出行模式分析方法优选方案，在所述网络密度分析过程中，所述网络密度的计算公式为：

9、

10、式中，d为网络密度；k为节点个数，即街道数；d为网络中的边数，即该次出行的单车数量。

11、作为基于空间交互网络的共享单车出行模式分析方法优选方案，在所述节点强度分析过程中，所述节点强度的计算公式为：

12、

13、式中，si为节点i的节点强度；ni为与节点i相连接的节点集合；wij为连接节点i与j的边的权重。

14、作为基于空间交互网络的共享单车出行模式分析方法优选方案，在所述度中心性分析过程中，所述度中心性的计算公式为：

15、

16、式中，cd(v)为节点v的度中心性；deg(v)为节点的度；n为节点个数。

17、本发明还提供基于空间交互网络的共享单车出行模式分析系统，采用以上所述的基于空间交互网络的共享单车出行模式分析方法，包括：

18、数据获取模块，用于从设定数据中心获取共享单车轨迹数据和城市区划数据；从获取的所述共享单车轨迹数据中提取共享单车运营区域数据；

19、数据处理模块，用于将所述共享单车轨迹数据进行预处理，获得共享单车od轨迹数据；将所述共享单车运营区域数据与所述城市区划数据进行相交处理，获得研究区域数据；从所述研究区域数据中提取街道单元数据；

20、共享单车空间交互网络构建模块，用于将所述共享单车od轨迹数据中的街道交叉口或街道设定位置作为网络节点；根据所述街道单元数据，将街道间的出行行为作为有向边；将共享单车的使用量作为所述有向边的权重；将所述网络节点、所述有向边及所述有向边的权重构建成街道间的出行关系矩阵，形成共享单车空间交互网络；

21、网络特征分析模块，用于对所述共享单车空间交互网络进行网络特征分析，获取所述共享单车空间交互网络的指标数据；所述网络特征分析包括网络密度分析、节点强度分析和度中心性分析。

22、作为基于空间交互网络的共享单车出行模式分析系统优选方案，所述数据处理模块中，所述共享单车轨迹数据进行预处理的过程包括异常数据清理、数据格式转换和od轨迹提取。

23、作为基于空间交互网络的共享单车出行模式分析系统优选方案，所述网络特征分析模块中，在所述网络密度分析过程中，所述网络密度的计算公式为：

24、

25、式中，d为网络密度；k为节点个数，即街道数；d为网络中的边数，即该次出行的单车数量。

26、作为基于空间交互网络的共享单车出行模式分析系统优选方案，所述网络特征分析模块中，在所述节点强度分析过程中，所述节点强度的计算公式为：

27、

28、式中，si为节点i的节点强度；ni为与节点i相连接的节点集合；wij为连接节点i与j的边的权重。

29、作为基于空间交互网络的共享单车出行模式分析系统优选方案，所述网络特征分析模块中，在所述度中心性分析过程中，所述度中心性的计算公式为：

30、

31、式中，cd(v)为节点v的度中心性；deg(v)为节点的度；n为节点个数。

32、本发明具有如下优点：从设定数据中心获取共享单车轨迹数据和城市区划数据；从获取的所述共享单车轨迹数据中提取共享单车运营区域数据；将所述共享单车轨迹数据进行预处理，获得共享单车od轨迹数据；将所述共享单车运营区域数据与所述城市区划数据进行相交处理，获得研究区域数据；从所述研究区域数据中提取街道单元数据；将所述共享单车od轨迹数据中的街道交叉口或街道设定位置作为网络节点；根据所述街道单元数据，将街道间的出行行为作为有向边；将共享单车的使用量作为所述有向边的权重；将所述网络节点、所述有向边及所述有向边的权重构建成街道间的出行关系矩阵，形成共享单车空间交互网络；对所述共享单车空间交互网络进行网络特征分析，获取所述共享单车空间交互网络的指标数据；所述网络特征分析包括网络密度分析、节点强度分析和度中心性分析。本发明可以精确地量化共享单车网络中的空间交互关系，有助于优化城市共享单车系统的运营布局、提高服务质量，并最终促进城市出行的有效管理和可持续发展。