结合多变量气象因素的共享单车需求预测方法

作     者：邢雪 尹子赫 万乐 XING Xue;YIN Zihe;WAN Le

作者机构：吉林化工学院信息与控制工程学院吉林吉林132022 

出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)

年 卷 期：2025年第15卷第1期

页      面：178-186页

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：吉林省教育厅产业化培育项目(JJKH20230306CY) 吉林省科技发展计划资助项目(20210101416JC) 

主　　题：城市交通 需求预测 CNN-BiLSTM-Attention 共享单车 机器学习 气象因素 

摘      要：在城市交通领域,共享交通已广泛应用,其中共享单车作为一种主要的交通方式,以其高效的机动性和时效性而著称。由于单车数据中存在随机的取还车时间点,可能导致特征与数据之间产生虚假相关性,从而在某些特殊场景下影响模型的预测效果。为解决此问题,本文采用CNN-BiLSTM-Attention模型对共享单车进行需求预测分析。选取纽约市的共享单车数据,重点分析气象因素和时间因素对共享单车需求的影响,数据分析与可视化结果表明,湿度、高峰时段和温度等因素对共享单车需求具有显著影响。使用CNN-BiLSTM-Attention神经网络模型对每小时的共享单车需求进行单步预测,选取包括LightGBM和Bagging在内的多种机器学习模型作为基准进行对比,实验结果表明CNN-BiLSTM-Attention模型在预测任务中表现卓越,其R^(2)评分高达0.952,显著优于其他对比模型,均方根误差(RMSE)为0.018 3,相较于表现最佳的基准模型,本模型的RMSE降低了5%,为共享单车运营者制定科学的管理与投放策略提供了数据支持和决策参考。