基于站点需求预测和用户奖励机制的共享单车动态调度方法

本发明属于交通系统预测与智能调度技术领域，公开了一种基于站点需求预测和用户奖励机制的共享单车动态调度方法。该方法包括：基于共享单车的出行数据，结合DBSCAN聚类算法和K‑Means聚类算法对共享单车站点进行聚类，并采用CNN‑LSTM神经网络对各站点的未来需求量进行预测；综合考虑调度车辆的固定成本、运输成本、用户奖励机制下的企业返利成本及偏离期望库存的惩罚成本，构建基于需求预测和用户奖励机制的共享单车动态调度模型；通过贪婪算法对该模型进行求解，动态更新共享单车站点单车数据以及站点未来需求预测，实时优化动态路径并求得最小总调度成本的最优方案。从而可以有效解决共享单车的调度路径规划问题，提高系统的调度效率和整体性能。