城市共享单车需求的多特征CNN-BiLSTM预测方法

摘要：

共享单车的需求量预测对于共享单车企业的精细化运营十分重要,是解决单车区域供需平衡的前提.为精准预测共享单车需求量,本文首先分析了纽约Citi Bike 2017-2019 年共享单车数据的时空特征,探究了共享单车出行的分布规律;其次,融合卷积神经网络的特征提取能力和双向长短期记忆网络的双向时序数据处理能力,构建了卷积双向长短时记忆网络CNN-BiLSTM模型;然后,结合出行数据、气象数据及单车时空出行特征,采用相关性分析法探究了单车需求量的显著影响因子,并作为模型输入特征,对模型进行训练,生成单车预测模型;最后,选取CNN、LSTM、BiLSTM、CNN-LSTM作为对比模型,对CNN-BiLSTM预测模型效果进行评价.对比结果表明,CNN-BiLSTM模型的MAE和RMSE最小,分别为 0.035 和0.058;R2 最大,为0.922,模型预测效果最佳.本文可为实际的共享单车调度与再分配提供参考依据.

关键词：共享单车、需求量预测、CNN、BiLSTM、CNN-BiLSTM

分类号：P208(一般性问题)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;中国测绘科学研究院基本科研业务费

在线出版日期：2023-09-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：113-119,150