买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉大学申请的专利地铁站接驳区内共享单车流动模式识别方法及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115510953B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211069234.2，技术领域涉及：G06F18/23；该发明授权地铁站接驳区内共享单车流动模式识别方法及设备是由刘耀林;仝照民;张紫怡;朱奕;安睿;王梓蒙设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本地铁站接驳区内共享单车流动模式识别方法及设备在说明书摘要公布了：本发明提供了一种地铁站接驳区内共享单车流动模式识别方法及设备。所述方法包括：步骤1至步骤9。本发明充分采用共享单车实际骑行订单数据生成接驳区，节省传统方法构建道路网络的繁杂过程，提升接驳区的真实性和有效性，采用能够在时长轴上自适应扭曲匹配的DTW距离，减少时滞对模式划分的影响，提高共享单车流动模式的识别效率。

本发明授权地铁站接驳区内共享单车流动模式识别方法及设备在权利要求书中公布了：1.一种地铁站接驳区内共享单车流动模式识别方法，其特征在于，包括： 步骤1：收集并处理研究区数据集，包括地铁站出入口数据和共享单车订单数据； 步骤2：确定地铁站与共享单车的接驳区； 步骤3：基于步骤2中生成的接驳区，筛选每个地铁站接驳区内的共享单车出行订单时空信息； 步骤4：构建标准化总流量和标准化净流量两个时长序列指标，共同作为地铁站接驳区内共享单车流动模式的衡量指标； 步骤5：基于轮廓系数和平方误差和SSE两个标准，确定K-medoids算法的最优聚类个数k，即k个共享单车流动模式； 所述步骤5中轮廓系数的计算公式包括： 对于向量i的轮廓系数为内聚性，点i到簇内其他点的平均距离；为分离性，点和簇外所有点的平均距离，越接近1聚类的性能越好，将所有向量的轮廓系数求平均，得到全局轮廓系数；平方误差和的计算包括： 其中p为样本向量，为类簇i的聚类中心，k为聚类个数；使用肘部法则确定最佳聚类个数k，最佳的聚类个数k将是轮廓系数停止快速增加及平方误差和SSE停止快速下降的点，此时继续增加聚类数将无法有效改善聚类结果； 步骤6：初始化k个共享单车流动模式的初始聚类中心，计算样本数据与k个初始聚类中心之间的DTW距离，将所有样本点划分到距离最近的聚类中心，标注样本后完成第一次聚类； 所述步骤6中的计算样本数据与k个初始聚类中心之间的DTW距离包括：对于样本数据a和聚类中心b，分别对应两个时长序列S1和S2，通过计算S1和S2间任意两个元素的欧式距离平方，创建a×b的距离矩阵D，则任意一条通过该距离矩阵D的扭曲路径是S1和S2间映射的矩阵元素集合，满足三个约束条件：边界条件：S1和S2的第一个点和最后一个点对齐，即扭曲路径的起点和终点都位于对角单元格；连续性：扭曲路径与相邻点对齐，不能交叉对齐；单调性：S1的每个点都与S2的一个或多个点匹配，反之亦然，则DTW距离是所有扭曲路径中长度最小的一条： 其中，P为S1和S2之间的路径集，为路径集中的一条，D[i,j]是S1中第i个点到S2中第j个点的欧式距离，包括：； 步骤7：计算聚类簇中样本点到该簇中其他样本点DTW距离之和，选取距离之和最小的点作为新的聚类中心，将所有样本点划分到距离最近的新聚类中心并标记；步骤8：若满足迭代终止条件，则执行步骤9；若否，则执行步骤7，直至满足迭代终止条件；其中，迭代终止条件为，没有类簇的聚类中心发生变化，或没有样本点被重新分配给不同的类别；步骤9：输出共享单车聚类结果，并展示其空间分布；其中，DTW距离为动态动态翘曲距离。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。