基于机器学习的地铁站区域共享单车需求预测

作者：杨鑫宇; 靳群

来源：石家庄铁道大学学报(自然科学版), 2023, 36(03): 92-126.

DOI：10.13319/j.cnki.sjztddxxbzrb.20230138

• 岭回归
• 共享单车
• 随机森林
• AdaBoost

为了准确掌握地铁站周边区域共享单车投放量，提出一种以岭回归思想为基础的预测方法。首先，通过随机森林模型和AdaBoost模型筛选出符合条件的共享单车影响因素；其次，将单车变化量和影响因素分别作为岭回归函数的因变量和自变量，建立共享单车需求投放模型；最后，以济南地铁益康路站、济泺路站和北园站为例，综合3站位置特征将其周边小区划分成A、B、C、F 4类，并对工作日及节假日间的单车投放量进行预测。数据显示，3站工作日和节假日单车投放量集合分别为{365,443,395}、{405,527,443}。根据预测结果得出结论，3站单车投放量均呈现出节假日大于工作日的趋势，且济泺路站最高，与其实际出行特征基本吻合，较好地验证了岭回归模型的实用性和普适性，具有一定的实际参考价值。

• 单位
  石家庄铁道大学; 交通运输学院