(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111623714.4 (22)申请日 2021.12.28 (71)申请人 天翼数字生活科技有限公司 地址 200072 上海市 静安区万 荣路1256、 1258号1423室 (72)发明人 李鸣秋　杭云　郭宁　施唯佳　 (74)专利代理 机构 上海专利商标事务所有限公 司 31100 专利代理师 亓云　蔡悦 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06K 9/62(2022.01) G06F 17/18(2006.01) G06F 17/16(2006.01) (54)发明名称 基于马尔可夫链的共享单车投放系统和方 法 (57)摘要 本申请公开了一种基于马尔可夫链的共享 单车投放系统和方法。 该系统包括： 数据获取模 块， 用于获取初始投放数据以确定初始投放概 率； 初始化模块， 用于基于所述初始投放概率来 形成状态转移矩阵； 概率预测模块， 用于对所述 状态转移矩 阵执行数据训练以更新所述状态转 移矩阵， 从而获得概率预测数据； 数据修正模块， 用于对所述概率预测数据进行修正； 以及实施模 块， 用于基于修正后的概率预测数据确定最终投 放数量。 本申请还公开相应的方法。 权利要求书1页 说明书6页 附图3页 CN 114912733 A 2022.08.16 CN 114912733 A 1.一种基于马尔可 夫链的共享单 车投放系统， 其特 征在于， 所述系统包括： 数据获取模块， 用于获取初始投放数据以确定初始投放 概率； 初始化模块， 用于基于所述初始投放 概率来形成状态转移 矩阵； 概率预测模块， 用于对所述状态转移矩阵执行数据训练以更新所述状态转移矩阵， 从 而获得概 率预测数据； 数据修正模块， 用于对所述 概率预测数据进行修 正； 以及 实施模块， 用于基于修 正后的概 率预测数据确定最终投放数量。 2.如权利要求1所述的系统， 其特 征在于， 所述初始投放数据来自地图大 数据， 以及 获取初始投放数据以确定初始投放 概率进一步包括： 选取所有投放 点中人流 量较大的k个投放 点以确定所述 k个投放点的初始投放 概率。 3.如权利要求1所述的系统， 其特征在于， 基于所述初始 投放概率来形成状态转移矩阵 进一步包括： 基于所述初始概 率数据和马尔可 夫模型来形成所述状态转移 矩阵。 4.如权利要求2所述的系统， 其特征在于， 对所述状态转移矩阵执行数据训练以更新所 述状态转移 矩阵进一 步包括： 基于所述 地图大数据和所述 概率预测数据来训练所述状态转移 矩阵。 5.如权利要求1所述的系统， 其特 征在于， 对所述 概率预测数据进行修 正进一步包括： 基于影响投放数量的因素来计算所述 概率预测数据与实际值之间的差值， 以及 基于所述差值 来修正所述概率预测数据。 6.一种基于马尔可 夫链的共享单 车投放方法， 其特 征在于， 所述方法包括： 获取初始投放数据以确定初始投放 概率； 基于所述初始投放 概率来形成状态转移 矩阵； 对所述状态转移矩阵执行数据训练以更新所述状态转移矩阵， 从而获得概率预测数 据； 对所述概率预测数据进行修 正； 以及 基于修正后的概 率预测数据确定最终投放数量。 7.如权利要求6所述的方法， 其特 征在于， 所述初始投放数据来自地图大 数据， 以及 获取初始投放数据以确定初始投放 概率进一步包括： 选取所有投放 点中人流 量较大的k个投放 点以确定所述 k个投放点的初始投放 概率。 8.如权利要求6所述的方法， 其特征在于， 基于所述初始 投放概率来形成状态转移矩阵 进一步包括： 基于所述初始概 率数据和马尔可 夫模型来形成所述状态转移 矩阵。 9.如权利要求7所述的方法， 其特征在于， 对所述状态转移矩阵执行数据训练以更新所 述状态转移 矩阵进一 步包括： 基于所述 地图大数据和所述 概率预测数据来训练所述状态转移 矩阵。 10.如权利要求6所述的方法， 其特 征在于， 对所述 概率预测数据进行修 正进一步包括： 基于影响投放数量的因素来计算所述 概率预测数据与实际值之间的差值， 以及 基于所述差值 来修正所述概率预测数据。权　利　要　求　书 1/1 页 2 CN 114912733 A 2基于马尔可 夫链的共享单 车投放系统和方 法 技术领域 [0001]本申请涉及智 慧城市和智 慧交通领域， 并且更为具体地， 涉及一种基于马尔可夫 链的共享单 车投放系统和方法。 背景技术 [0002]随着城市的发展， 共享单车的使用成为了一种重要的交通方式。 共享单车作为一 种新型绿色环保共享经济， 是建设绿色城市、 低碳城市中的重要支点。 但是， 共享单车 的管 理运营， 同样也面临许多的问题和挑战。 例如， 如何管 理、 如何投放、 如何使 得收益最大化成 为了这个行业的痛点问题。 现在的共享单车投放， 大多采用定点投放、 定量投放的方式。 因 此， 现有的投放方式无法根据现有的交通情况、 筛选出最佳的投放地点以及准确的投放数 量等。 [0003]因此， 为了提供高效率和精准性， 本领域急需一种对每个投放点的单车投放数量 进行概率预测， 以此能够更为有效和高效地投放智能单 车以达到效益最大化的方式。 发明内容 [0004]以下给出一个或多个方面的简要概述以提供对这些方面的基本 理解。 此概述不是 所有构想到的方面的详尽综览， 并且既非旨在标识出所有方面的关键性或决定性要素亦非 试图界定任何或所有方面的范围。 其唯一的目的是要以简化形式给出一个或多个方面的一 些概念以作为稍后给 出的更加详细的描述之序。 [0005]马尔可夫链(Markov  Chain,MC)又称离散时间马尔可夫链， 是概率论和数理统计 中具有马尔可夫性质(Markov  property)且存在于离散的指数集(index  set)和状态空间 (state space)内的随机过程(stochastic  process)。 马尔可夫链可通过转移矩阵和转移 图来定义， 除了马尔可 夫性外， 马尔可 夫链可能具有不可约性、 常返性、 周期性和遍历性。 [0006]针对现有共享单车领域如上所述的问题和痛点， 本申请提出了一种基于马尔可夫 链的共享单车智能投放系统和方法。 该系统和方法结合地图导航大数据， 采用马尔可夫链 的模型进行预测， 对共享单车 的投放地点、 投放数量进行计算， 最终形成稳态， 从而实现精 准和高效地投放。 [0007]具体地， 根据本申请的技术方案， 该系统主要包括： 数据获取模块10 1、 初始化模块 102、 概率预测模块10 3、 数据修 正模块104以及实施模块10 5。 [0008]根据本申请的第一方面， 公开了一种基于马尔可夫链的共享单车投放系统， 该系 统包括： [0009]数据获取模块， 用于获取初始投放数据以确定初始投放 概率； [0010]初始化模块， 用于基于该初始投放 概率来形成状态转移 矩阵； [0011]概率预测模块， 用于对该状态转移矩阵执行数据训练 以更新该状态转移矩阵， 从 而获得概 率预测数据； [0012]数据修正模块， 用于对该概 率预测数据进行修 正； 以及说　明　书 1/6 页 3 CN 114912733 A 3