基于因果分析和相似日选择的共享单车需求量预测组合模型

摘要

共享单车的需求量预测是优化车辆系统布局、实现车辆合理调度的基础.为了提高共享单车需求量预测模型的精度,建立了基于格兰杰因果分析和相似日选择的组合预测模型,研究了时间和天气因素对共享单车出行需求的影响.应用格兰杰因果检验方法,筛选出影响共享单车需求量变化的关键天气指标.然后,基于天气特征向量的灰色关联度指标,提取待预测日各时段的相似日样本集.综合随机森林回归、支持向量回归等机器学习算法,建立了Stacking策略的组合预测模型,对区域分时共享单车需求量进行预测.最后,对北京市共享单车用户的骑行数据进行实例分析.结果表明相较单个机器学习预测模型,提出的组合预测模型的平均绝对百分比误差下降了9.1％,提高了共享单车短时需求预测的科学性和准确性,可为实际车辆调度提供参考依据.