城市共享单车需求的多特征CNN-BiLSTM预测方法

作者：杨帆; 车向红; 王勇^*; 杜凯旋; 徐胜华; 朱军

来源：测绘通报, 2023, (08): 113-150.

DOI：10.13474/j.cnki.11-2246.2023.0242

• 共享单车
• 需求量预测
• CNN
• BiLSTM
• CNN-BiLSTM

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。

• 单位
  中国测绘科学研究院; 西南交通大学; 武汉大学