邢一丹

（西安市第七十中學(xué)，陜西西安，710000）

0 引言

共享單車(chē)作為一種環(huán)保節(jié)能、方便快捷的綠色公共交通工具,十分經(jīng)濟(jì)實(shí)用。共享單車(chē)擁有與政府為主導(dǎo)的公共自行車(chē)相同的目的一通過(guò)將自行車(chē) 與其他幾種交通方式相結(jié)合,吸引居民從私家車(chē)出行依賴(lài)向公共交通方式出行轉(zhuǎn)變減少私家車(chē)出行量，緩解城市交通擁堵問(wèn)題,使這一方式成為城市公共交通的一部分實(shí)現(xiàn)城市交通'最后一公里"的無(wú)縫有效銜接的綠色交通模式，并最終成為居民交通出行的主要選擇。共享單車(chē)的出現(xiàn)，在一定程度上多元化居民的出行選擇，降低居民出行成本,道路資源利用率得以提高的同時(shí)也有利于交通擁堵問(wèn)題的改善，共享單車(chē)出行還擁有環(huán)保節(jié)能,降低有害氣體排放，加快公共交通循環(huán),完善公共交通體系,有助于提高市民的生活環(huán)境提高居民低碳環(huán)保出行的意識(shí)與誠(chéng)信觀念等優(yōu)點(diǎn)。

根據(jù)共享單車(chē)的發(fā)展，可以劃分為四個(gè)階段：萌芽階段、成長(zhǎng)階段、泛濫階段、洗牌階段。在各個(gè)單車(chē)分別完成了多輪融資之后，單車(chē)投放量也都在不斷加大，開(kāi)始出現(xiàn)單車(chē)扎堆，影響交通，管理混亂的現(xiàn)象。除此之外由于有樁的公共自行車(chē)容易出現(xiàn)“租/還難”問(wèn)題，不同區(qū)域間的流量不平衡造成了公共自行車(chē)?yán)寐实南陆?，無(wú)樁的共享單車(chē)雖然理論.上可隨時(shí)隨地租還，但也由于潮汐現(xiàn)象的存在，造成某些時(shí)候用戶(hù)在租車(chē)時(shí)發(fā)現(xiàn)附近沒(méi)有一-輛可以借的車(chē)(或者只有壞車(chē))，而在還車(chē)的時(shí)候，雖然沒(méi)有還車(chē)難的問(wèn)題，但是會(huì)出現(xiàn)亂停放、目的地車(chē)輛扎堆等問(wèn)題(在地鐵站、公交站等地尤為嚴(yán)重)，這會(huì)造成一定的交通擁堵和城市管理混亂。在本文的研究中，嘗試使用頻繁模式挖掘來(lái)解決摩拜單車(chē)停放點(diǎn)預(yù)測(cè)的問(wèn)題，提出了較為新穎的創(chuàng)新思路和創(chuàng)新方法。

1 模式介紹

2.1 術(shù)語(yǔ)介紹

項(xiàng)：我們分析的最小元素；項(xiàng)集：若干項(xiàng)組成的集合；事務(wù)：一種特殊的項(xiàng)集，作為輸入數(shù)據(jù)，常用ti表示一個(gè)事務(wù)；事務(wù)的集合叫事務(wù)集，用T表示；支持度計(jì)數(shù)：這個(gè)項(xiàng)集在所有事務(wù)集中出現(xiàn)的次數(shù)；支持度：支持度計(jì)數(shù)與事務(wù)的總數(shù)N的比值；規(guī)則：形如X→Y的表達(dá)式就是一個(gè)規(guī)則，X叫這個(gè)規(guī)則的前件或左件，Y叫這個(gè)規(guī)則的右件或后件，其中X∩Y=?；置信度：描述一個(gè)規(guī)則可信程度的量；最小支持度閾值min_sup：這個(gè)閾值就是判斷一個(gè)項(xiàng)集是否足夠頻繁的標(biāo)準(zhǔn)，滿(mǎn)足最小支持度閾值的項(xiàng)集就是頻繁項(xiàng)集，有k個(gè)項(xiàng)的頻繁項(xiàng)集就是頻繁k項(xiàng)集；最小置信度閾值min_conf：這個(gè)閾值是判斷一個(gè)規(guī)則是否足夠可信的標(biāo)準(zhǔn)；一般情況下的閾值設(shè)定，支持度閾值: 0.2/0.3 ，置信度閾值: 0.6/0.75。

2.2 模式引入

采用關(guān)聯(lián)分析算法、聚類(lèi)分析算法，并使用Python編程語(yǔ)言實(shí)現(xiàn)。

數(shù)據(jù)來(lái)源2017摩拜杯（Mobike CUP）算法挑戰(zhàn)賽。

表1 數(shù)據(jù)含義

易知該模式中項(xiàng)包括訂單號(hào)，用戶(hù)ID，車(chē)輛ID，車(chē)輛類(lèi)型，騎行起始日期時(shí)間，騎行起始區(qū)塊位置，騎行目的地區(qū)塊位置，通過(guò)數(shù)據(jù)中由項(xiàng)所組成的項(xiàng)集進(jìn)行分析即使用頻繁模式挖掘來(lái)解決摩拜單車(chē)停放點(diǎn)預(yù)測(cè)的問(wèn)題。

3 數(shù)據(jù)處理

3.1 數(shù)據(jù)介紹

對(duì)于數(shù)據(jù)挖掘而言，需要從海量的數(shù)據(jù)中挖掘出有用的模式和信息，也就是“沙里淘金”的過(guò)程。數(shù)據(jù)雖然是抽象概念，但是，它也具有規(guī)模和屬性。通俗來(lái)講，數(shù)據(jù)規(guī)模就是數(shù)據(jù)的多少，數(shù)據(jù)越多，規(guī)模就越大，現(xiàn)在所說(shuō)的大數(shù)據(jù)就是規(guī)模極大的數(shù)據(jù);數(shù)據(jù)屬性就是數(shù)據(jù)所具有的性質(zhì)，數(shù)據(jù)具有的性質(zhì)越多，我們稱(chēng)其屬性越多，或維度越大，人們常說(shuō)的數(shù)據(jù)降維處理就是盡可能地減少數(shù)據(jù)的無(wú)關(guān)屬性，以達(dá)到篩選的目的。

同樣，數(shù)據(jù)也有用來(lái)描述自己的單位，這個(gè)人們就接觸的比較多。數(shù)據(jù)的單位常常被稱(chēng)作數(shù)據(jù)的寬度，日常生活中的網(wǎng)絡(luò)速度、下載速度、存儲(chǔ)空間等等都應(yīng)用到了數(shù)據(jù)的單位方面的內(nèi)容。

3.2 數(shù)據(jù)預(yù)處理的方法

數(shù)據(jù)預(yù)處理的主要方法就是數(shù)據(jù)清洗和數(shù)據(jù)歸約。

數(shù)據(jù)清洗主要包括對(duì)數(shù)據(jù)集進(jìn)行異常檢測(cè)、識(shí)別并消除數(shù)據(jù)集中近似重復(fù)對(duì)象、對(duì)缺失數(shù)據(jù)進(jìn)行清洗。數(shù)據(jù)集的異常檢測(cè)主要就是消除少數(shù)異常數(shù)據(jù)對(duì)總體的影響，常常運(yùn)用均值和標(biāo)準(zhǔn)差進(jìn)行檢測(cè);重復(fù)記錄的清洗主要就是篩掉重復(fù)的數(shù)據(jù)，使數(shù)據(jù)集更加精簡(jiǎn)，減少不必要的數(shù)據(jù)分析; 對(duì)缺失數(shù)據(jù)的清洗與灰色預(yù)測(cè)模型有些相似，旨在對(duì)缺失數(shù)據(jù)進(jìn)行預(yù)測(cè)，其中涉及了許多高級(jí)的理論方法，這里就不再一一描述。

數(shù)據(jù)歸約主要包括高維數(shù)據(jù)的降維處理和離散化技術(shù)減少給定連續(xù)屬性值的個(gè)數(shù)。高維數(shù)據(jù)降維處理其本質(zhì)就是刪除數(shù)據(jù)的冗余屬性，避免其對(duì)預(yù)測(cè)過(guò)程造成影響，簡(jiǎn)化對(duì)數(shù)據(jù)分析的過(guò)程;而離散化技術(shù)減少給定連續(xù)屬性值的個(gè)數(shù)這種方法大多數(shù)是遞歸進(jìn)行的，看似花費(fèi)了大量的時(shí)間，其實(shí)卻節(jié)省了后面步驟的時(shí)間。

3.3 分析Mobike單車(chē)數(shù)據(jù)

在此，本文以摩拜公司提供的北京市的2017年5月10日至2017年5月24日的部分共享單車(chē)真實(shí)用戶(hù)抽樣數(shù)據(jù)為例進(jìn)行分析和探索,該數(shù)據(jù)包含了幾十萬(wàn)個(gè)摩拜單車(chē)用戶(hù)的出行信息，如訂單編號(hào)、用戶(hù)編號(hào)、車(chē)輛編號(hào)、車(chē)輛類(lèi)型、騎行初始時(shí)間、騎行起始區(qū)塊位置、騎行目的區(qū)塊位置等信息，其中包含接近300萬(wàn)條的真實(shí)用戶(hù)租還記錄。

在預(yù)測(cè)共享自行車(chē)的用戶(hù)出行目的地之前，需要先根據(jù)用戶(hù)的歷史騎行規(guī)律，構(gòu)建出用戶(hù)最可能去往的目的地集合，稱(chēng)作用戶(hù)出行候選地預(yù)測(cè)。在預(yù)測(cè)候選地的時(shí)候，需要根據(jù)用戶(hù)歷史的行為，分析出最有可能去的地方，這就需要挖掘用戶(hù)與初始地、目的地的頻繁模式項(xiàng)。實(shí)現(xiàn)代碼如表1所示。

首先，在數(shù)據(jù)集上統(tǒng)計(jì)出用戶(hù)的出行熱門(mén)地點(diǎn)，將目的地區(qū)塊作為分組進(jìn)行統(tǒng)計(jì)，計(jì)算用戶(hù)騎行目的地次數(shù)最多的5個(gè)地點(diǎn)和所對(duì)應(yīng)的地理位置經(jīng)緯度。如表2所示。

表2

接下來(lái)按照騎行地與目的地的組合對(duì)進(jìn)行統(tǒng)計(jì)，觀察分析起始地和目的地之間都有哪些規(guī)律。

圖1

圖2 北京城區(qū)GeoHash編碼區(qū)圖北京郊區(qū)GeoHash編碼圖

起始地描述目的地描述軌跡數(shù)如表3所示。

表3

其中起始地與目的地對(duì)應(yīng)關(guān)系涉及到的區(qū)域的經(jīng)緯度信息如下：

首先，可以發(fā)現(xiàn)頻繁度比較高的模式對(duì)主要是出現(xiàn)在環(huán)路附近、居民區(qū)以及地鐵站附近等地方，他們之間關(guān)系抽象出來(lái)主要有:環(huán)路-居民區(qū)、居民區(qū)-地鐵站等。這也與日常生活中的情況比較吻合，用戶(hù)經(jīng)常由于工作需要往來(lái)于居民區(qū)、地鐵站或者環(huán)路等附近。因此這些規(guī)律性比較具有普遍意義。

在預(yù)測(cè)共享自行車(chē)的用戶(hù)出行目的地之前，結(jié)合上面的分析，需要先根據(jù)用戶(hù)的歷史騎行規(guī)律，構(gòu)建出用戶(hù)最可能去往的目的地集合，稱(chēng)作用戶(hù)出行候選地預(yù)測(cè)。在預(yù)測(cè)候選地的時(shí)候，需要根據(jù)用戶(hù)歷史的行為，分析出最有可能去的地方，這就需要挖掘用戶(hù)與初始地、目的地的頻繁模式項(xiàng)。首先我們需要對(duì)所有項(xiàng)的出現(xiàn)個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，其次是只考慮對(duì)頻繁項(xiàng)集進(jìn)行掃描。具體步驟如下：

（1）首先創(chuàng)建根節(jié)點(diǎn)，用Null來(lái)表示；

（2）統(tǒng)計(jì)所有的項(xiàng)中各個(gè)類(lèi)型的總支持度，如起始地或目的地的總個(gè)數(shù)；

（3）遍歷每個(gè)項(xiàng)，按照總支持度計(jì)數(shù)進(jìn)行降序排列，然后掛在根節(jié)點(diǎn)下方；

（4）遍歷后續(xù)的項(xiàng)，以相同方式順著根節(jié)點(diǎn)加入到樹(shù)結(jié)構(gòu)中，并更新支持度計(jì)數(shù)。

根據(jù)用戶(hù)出行的歷史規(guī)律，可以考慮挖掘出“起始地-目的地”的頻繁項(xiàng)集，以歷史集合中出現(xiàn)頻次最高的，作為用戶(hù)出行目的地的候選集。總計(jì)為以下幾種:

（1）用戶(hù)-起始地-目的地頻繁項(xiàng)集(User-Start-Destination): 用戶(hù)、起始地和目的地在訓(xùn)練集的組合中出現(xiàn)頻率較高的頻繁項(xiàng)作為該起始地對(duì)應(yīng)的候選目的地。

（2）用戶(hù)-起始地頻繁項(xiàng)集( User-Start): 根據(jù)分析，用戶(hù)的歷史出行地也是用戶(hù)出行范圍的一-部分，因此歷史的出行地也可能是未來(lái)的目的地，因此要考慮將用戶(hù)、起始地在訓(xùn)練集的組合中出現(xiàn)頻率較高的頻繁項(xiàng)作為該起始地對(duì)應(yīng)的候選目的地。

（3）用戶(hù)-目的地頻繁項(xiàng)集(User-Destination):根據(jù)分析，用戶(hù)的歷史目的地必然是用戶(hù)出行范圍的一部分，因此歷史的目的地很也可能是未來(lái)的目的地，此可能性比起始地還要高，因此要考慮將用戶(hù)、目的地在訓(xùn)練集的組合中出現(xiàn)頻率較高的頻繁項(xiàng)作為該起始地對(duì)應(yīng)的候選目的地。

（4）起始地-目的地頻繁項(xiàng)集(Start-Destination):不挖掘具體用戶(hù)的頻繁項(xiàng)集，將整體的思考范圍調(diào)整到全部用戶(hù)，考慮僅僅將起始地、目的地在訓(xùn)練集的組合中出現(xiàn)頻率較高的頻繁項(xiàng)作為該起始地對(duì)應(yīng)的候選目的地。

4 結(jié)論

4.1 模型優(yōu)勢(shì)

本文以北京摩拜單車(chē)的數(shù)據(jù)集為例分析了共享自行車(chē)用戶(hù)出行規(guī)律和影響共享自行車(chē)用戶(hù)出行的因素，然后采用常用的關(guān)聯(lián)分析算法、聚類(lèi)分析算法，并使用Python編程語(yǔ)言實(shí)現(xiàn)，構(gòu)建了用戶(hù)候選地預(yù)測(cè)模型。按照不同角度,如用戶(hù)與目的地、用戶(hù)與起始地、起始地與目的地、起始地附近地與目的地、起始地與目的地附近低等多種組合的頻繁項(xiàng)集，構(gòu)建出來(lái)的預(yù)測(cè)模型召回率較高。

4.2 改進(jìn)方向

由于能力及時(shí)間有限，對(duì)問(wèn)題的考慮及處理方法上仍有很多不周的地方需要改進(jìn)或后續(xù)進(jìn)行深入研究，共享單車(chē)數(shù)據(jù)較難獲取，目前的研究是基于有限的數(shù)據(jù)集進(jìn)行的，因此效果可能會(huì)有些影響，在真實(shí)場(chǎng)景下能夠有更大量的數(shù)據(jù)集用來(lái)訓(xùn)練模型，效果應(yīng)該會(huì)好很多。