基于XGBoost算法的共享单车借车需求量预测

作者：李福; 徐良杰; 朱然博; 罗浩顺; 陈国俊

来源：武汉理工大学学报(交通科学与工程版), 2021, 45(05): 880-884.

• 共享单车
• 机器学习
• 需求预测
• 因素分析

基于纽约市的Citi Bike单车用户的历史订单数据,分析发现:气温、风速、天气、每日时间、一周时间、季节与共享单车的借车数量之间存在着相关性.基于上述因素,采用极端梯度推进决策树(XGBoost)算法建立预测模型,训练后的模型对北京市两个区域的摩拜单车的借车需求量进行预测,平方相关系数可达到0.94.结果表明:使用XGBoost算法结合天气和时间因素以及,历史数据,可实现对某区域的每小时的共享单车用户借车量的有效预测.

• 单位
  武汉理工大学; 湖北文理学院