面向共享單車需求預(yù)測的多模型可視比較分析①

張奇奇 饒 寧 朱素佳 查 夢 孫國道③

(*浙江工業(yè)大學(xué)計算機科學(xué)與技術(shù)學(xué)院 杭州 310023)

(**杭州科技職業(yè)技術(shù)學(xué)院物聯(lián)網(wǎng)技術(shù)學(xué)院 杭州 311402)

0 引言

近年來,共享單車的廣泛使用,打通了人們出行的“最后一公里”,讓人們的出行更加便捷。但是由于不同區(qū)域單車投放量的差異,出現(xiàn)了單車需求量失衡的情況,此時對不同區(qū)域單車使用量的精準預(yù)測變得至關(guān)重要?？紤]到共享單車數(shù)據(jù)的時空性,本文使用時空預(yù)測模型對共享單車的需求進行預(yù)測。

1 相關(guān)研究

時空數(shù)據(jù)預(yù)測的核心步驟是建立預(yù)測模型,即通過預(yù)測算法訓(xùn)練樣本數(shù)據(jù)生成模型。當前用于時空預(yù)測的方法可大致分為2 類:基于參數(shù)模型的傳統(tǒng)預(yù)測方法,基于數(shù)據(jù)驅(qū)動和機器學(xué)習(xí)的預(yù)測方法?；趨?shù)模型的傳統(tǒng)預(yù)測方法是通過觀察歷史數(shù)據(jù)預(yù)測未來的值,包括滑動平均模型(moving average,MA)[1]、自回歸滑動平均模型(auto-regressive moving average,ARMA)[2]和差分自回歸滑動平均模型(auto-regressive integrated moving average,ARIMA)[3]等?；跀?shù)據(jù)驅(qū)動和機器學(xué)習(xí)的預(yù)測方法是通過對已知數(shù)據(jù)的學(xué)習(xí),實現(xiàn)對新樣本類標的預(yù)測,包括支持向量機(support vector machine,SVM)[4]、隨機森林(random forest,RF)[5]法等。現(xiàn)在研究人員又提出了許多高級的算法,如循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network,RNN)[6]和長短期記憶神經(jīng)網(wǎng)絡(luò)(long short term memory,LSTM)[7]等,以幫助人們深入理解不同領(lǐng)域的時空數(shù)據(jù)。

雖然有各種不同的模型可以對時空數(shù)據(jù)進行預(yù)測,但是大多數(shù)模型結(jié)構(gòu)復(fù)雜、不易理解,且不同模型適用的場景不同,可能存在局限性。研究者對模型選擇進行了大量的研究,如TPOT[8]、Hyperopt[9]、H2O AutoML[10]等最常用的模型選擇方法。盡管這些方法在許多應(yīng)用中取得了顯著成功,但是也隱藏著一些挑戰(zhàn)。首先,在數(shù)據(jù)處理方面,現(xiàn)有的數(shù)據(jù)處理方法大多針對傳統(tǒng)的關(guān)系數(shù)據(jù),對于時空數(shù)據(jù)的處理尚不完善。而時空數(shù)據(jù)在時間維度存在大量缺失值、噪聲以及在空間維度存在尺度不一致等問題。其次,沒有對模型的預(yù)測性能進行適當?shù)慕忉?只是根據(jù)數(shù)據(jù)給出一些推薦模型,用戶可能想知道是什么因素影響模型的預(yù)測結(jié)果以及想了解模型的優(yōu)勢及使用范圍。

為了解決上述問題,本文基于杭州市共享單車真實數(shù)據(jù)設(shè)計了一套交互式可視分析系統(tǒng)。該系統(tǒng)將多個預(yù)測模型與可視分析技術(shù)相結(jié)合,允許用戶在視覺上比較不同區(qū)域不同模型之間的預(yù)測性能,幫助用戶分析預(yù)測結(jié)果,從而在自己的工作中選擇合適的模型。

本文的研究貢獻主要有以下3 個方面:

(1)提出了用于區(qū)域向量化的“area to vector”(area2vec)方法,進而實現(xiàn)區(qū)域相關(guān)性的計算。

(2)設(shè)計了包含多維屬性的字形和網(wǎng)格布局算法,幫助用戶比較區(qū)域模型的預(yù)測性能并為用戶提供無遮擋的可視分析圖。

(3)設(shè)計并實現(xiàn)了一套可視分析系統(tǒng),通過2個案例的分析和用戶調(diào)查證實了該系統(tǒng)的有效性和實用性。

2 系統(tǒng)概述

本文基于杭州市共享單車真實數(shù)據(jù)設(shè)計了一套可視分析系統(tǒng),系統(tǒng)整體界面如圖1 所示。該系統(tǒng)包括6 個視圖,分別為允許用戶選擇預(yù)測區(qū)域和調(diào)節(jié)字形布局的控制面板(圖1(a))、展示區(qū)域在地理空間中分布的地圖視圖(圖1(b))、展示區(qū)域在向量空間中分布的投影視圖(圖1(c))、展示實際數(shù)據(jù)與各模型預(yù)測數(shù)據(jù)的詳細視圖(圖1(d))、展示區(qū)域字形的字形視圖(圖1(e))和展示實際數(shù)據(jù)與各模型預(yù)測數(shù)據(jù)之間相關(guān)性的相關(guān)性視圖(圖1(f))。

圖1 面向共享單車需求預(yù)測的多模型可視比較分析系統(tǒng)

本文系統(tǒng)的整體流程如圖2 所示,可分為3 個模塊:數(shù)據(jù)處理模塊、數(shù)據(jù)預(yù)測模塊和數(shù)據(jù)可視化模塊。

圖2 系統(tǒng)工作流程圖

(1)數(shù)據(jù)處理模塊。該模塊主要對原始共享單車的起點終點(orginal destination,OD)數(shù)據(jù)進行處理,包括數(shù)據(jù)清洗、數(shù)據(jù)類型轉(zhuǎn)化、提取主要字段存儲等。數(shù)據(jù)處理后,采用隱含狄利克雷分布(latent Dirichlet allocation,LDA)主題建模技術(shù)選取預(yù)測區(qū)域,同時完成區(qū)域數(shù)據(jù)特征分析,揭示不同區(qū)域數(shù)據(jù)特征間的相關(guān)性以及數(shù)據(jù)變化規(guī)律。

(2)數(shù)據(jù)預(yù)測模塊。該模塊主要基于各區(qū)域歷史數(shù)據(jù)完成數(shù)據(jù)的預(yù)測,包括3 個環(huán)節(jié)的工作。首先,基于準備的數(shù)據(jù)集提取特征,包括工作日、節(jié)假日、天氣、溫度、相對濕度等。其次,選擇模型進行訓(xùn)練。將整理好的訓(xùn)練集用于模型訓(xùn)練,然后對數(shù)據(jù)預(yù)測,對比單車真實流量與預(yù)測流量。最后,對模型進行評估。本文選擇3 種常用的模型評估指標,分別為:決定系數(shù)(coefficient of determination,R2)、均方根誤差(root mean squared error,RMSE)和平均絕對誤差(mean absolute error,MAE)。

(3)數(shù)據(jù)可視化模塊。該模塊主要通過可視化技術(shù)進行視圖設(shè)計和系統(tǒng)搭建,并通過多個視圖對多模型進行可視比較分析。

3 數(shù)據(jù)和方法

3.1 數(shù)據(jù)形式

本文使用浙江省杭州市的共享單車數(shù)據(jù)、氣象數(shù)據(jù)和興趣點(point of interest,POI)數(shù)據(jù)。具體數(shù)據(jù)介紹如下。

(1)共享單車數(shù)據(jù)。本文收集了浙江省杭州市2018 年1 月至2 月的共享單車起點終點(origin-destination,OD)數(shù)據(jù)。每條數(shù)據(jù)包括:起點經(jīng)度、起點緯度、起點時間戳、終點經(jīng)度、終點緯度、終點時間戳等。例如,其中1 條記錄形式為(120.1314,30.2600,2018-01-0114:30: 29,120.1541,30.2598,2018-01-0114:48:07)。獲取數(shù)據(jù)后需要對數(shù)據(jù)進行預(yù)處理,包括剔除越界數(shù)據(jù)、缺失數(shù)據(jù)和異常數(shù)據(jù)等并在數(shù)據(jù)庫中存儲主要字段。在數(shù)據(jù)庫每一行額外增加2列,即是否工作日(1 表示是,0 表示否)和節(jié)假日(1表示是,0 表示否)。

(2)氣象數(shù)據(jù)。為了從可解釋性角度出發(fā)探究時間序列特征對模型預(yù)測的影響,本文引入了外部特征因素,包括天氣、溫度、相對濕度。天氣數(shù)據(jù)用數(shù)字1、2、3、4 劃分為4 種類型。1 表示:晴朗,少云,晴間多云,部分多云;2 表示:薄霧+多云,薄霧+裂云,薄霧+少云,薄霧;3 表示:小雪,小雨+雷暴+散云,小雨+散云;4 表示:大雨+冰托+雷暴+霧,雪+霧。溫度和相對濕度用當天采集到的平均溫度和平均相對濕度進行表示。

(3)興趣點(POI)數(shù)據(jù)。POI 是描述城市中具有位置信息的地點。每個POI 至少包含3 項基本信息:名稱、類別和地理位置。其中POI 類別包括交通設(shè)施、酒店、美食等。本文根據(jù)每個POI 相對于區(qū)域的位置對區(qū)域內(nèi)的POI 進行統(tǒng)計,并根據(jù)POI 比例將區(qū)域劃分為不同類型。

3.2 方法描述

基于數(shù)據(jù)的地理位置,首先對地理空間進行網(wǎng)格劃分?？紤]到共享單車的停放點間隔一般在500 m內(nèi),結(jié)合所研究的杭州市范圍,將地理空間均勻劃分為100 ×100 的網(wǎng)格,每個網(wǎng)格大概為500 m×500 m,并對這些網(wǎng)格進行編號,從0 開始一直到9999 為止。本文將2018 年1 月處理好的每天的共享單車OD 數(shù)據(jù)匯集起來,作為訓(xùn)練的原始數(shù)據(jù)。然后將OD 數(shù)據(jù)上的全球定位系統(tǒng)(global positioning system,GPS)記錄點都映射到該點所屬的網(wǎng)格,則每條OD 記錄都可以轉(zhuǎn)換為用數(shù)字表示的文本形式。

3.2.1 基于LDA 模型的主題區(qū)域選擇方法

將LDA 引入到文本分析中。首先,將數(shù)據(jù)與模型中的概念一一對應(yīng)。把轉(zhuǎn)換后的每條OD 記錄看作模型中的一篇文檔;記錄中的每個編號看作組成文檔的單詞;所有OD 記錄即為整個文檔集。其次,對LDA 進行計算,得到文檔-主題分布θ以及主題-單詞分布φ,即每條記錄與各個主題的相關(guān)度和每個主題與各個空間單位的相關(guān)度。最后,對LDA進行評估,得到最佳主題個數(shù),每個主題選用相關(guān)度最高的前10 個關(guān)鍵詞進行表示,從而得到需要預(yù)測的區(qū)域。通過文獻調(diào)研,選擇2 種常用的主題模型評價指標——困惑度(perplexity)[11]和一致性(pointwise mutual information,PMI)[12]。困惑度表示模型的泛化能力。一致性表示模型是否具有產(chǎn)生語義一致主題詞的能力。對于LDA 模型中的另外2個超參數(shù)α和δ,根據(jù)相關(guān)經(jīng)驗[13],將其分別設(shè)置為α=50/k,δ=0.1。

在困惑度的計算過程中,困惑度越低,通常表示模型的泛化能力越好。其中N為文檔的語料庫,d為文檔,Nd為文檔中單詞的數(shù)量。而在一致性的計算過程中,PMI的值越大說明模型產(chǎn)生的主題語義一致性越高。其中k為主題數(shù),T為每個主題最相關(guān)的詞匯數(shù),p(ωi) 為單詞ωi(i=1,2,…,T) 在文檔中出現(xiàn)的概率,p(ωi,ωj) 為詞對(ωi,ωj) 共同出現(xiàn)的概率。如圖3 所示,當k=29 時,模型的困惑度最小,一致性在25～30 區(qū)間內(nèi)最大。因此,選取k=29作為最佳主題數(shù)量。

圖3 主題數(shù)與模型困惑度和一致性的關(guān)系

3.2.2 基于area2vec 的區(qū)域空間表示方法

本文針對區(qū)域的地理空間位置提出了一種新的表達方法area2vec。該方法將上文OD 數(shù)據(jù)轉(zhuǎn)換得到的文本類比為文檔,將文本中的網(wǎng)格編號類比為單詞,通過詞嵌入技術(shù)將網(wǎng)格編號轉(zhuǎn)換到詞向量空間表示。該方法實現(xiàn)步驟如圖4 所示。

圖4 area2vec 方法運行流程圖

在分析單詞之間關(guān)系的過程中,單詞之間的相似性是研究的重點,即如果在同一個文本中經(jīng)常出現(xiàn)2 個單詞,則這2 個單詞在向量空間中的余弦距離會相對接近。類似地,在地理空間位置中2 個相近的區(qū)域大概率會出現(xiàn)在同一條OD 中,因此這2個區(qū)域的詞向量表示也是相似的。此時區(qū)域的詞向量很好地表示了區(qū)域之間的空間關(guān)系。本文中對轉(zhuǎn)換后的文檔使用word2vec 模型進行訓(xùn)練,每個網(wǎng)格都會在向量空間中生成一個高維向量。以gridi(i=1,2,3,…) 表示網(wǎng)格,則網(wǎng)格間的相似性可以使用余弦距離表示為

為了觀察區(qū)域在向量空間中的分布,本文使用t-SNE[14]處理向量數(shù)據(jù)。t-SNE 是用于探索高維數(shù)據(jù)的非線性降維算法,可以幫助用戶將區(qū)域高維向量投影成二維平面上的點集。

4 可視分析任務(wù)與可視化系統(tǒng)設(shè)計

4.1 分析任務(wù)

本文的目標是通過可視化技術(shù)幫助用戶比較分析不同區(qū)域不同模型之間的預(yù)測性能,以及相似區(qū)域模型預(yù)測性能的差異。

針對上述目標,本文系統(tǒng)的主要任務(wù)如下。

(1)選擇具有代表性的區(qū)域進行預(yù)測。面對城市不同類型的區(qū)域,如何選擇既具有代表性又具有普遍性的區(qū)域進行研究是本文的分析任務(wù)之一。

(2)探究不同區(qū)域內(nèi)興趣點分布情況。通過對區(qū)域內(nèi)興趣點的計算可以從語義上豐富區(qū)域信息,并幫助用戶理解不同區(qū)域的城市功能。

(3)比較各模型的預(yù)測性能。系統(tǒng)應(yīng)該提供所有模型的預(yù)測性能視圖,而不僅僅是選擇性能最好的模型來展示,并從可解釋性角度出發(fā)探究影響模型預(yù)測的時間序列特征。

(4)分析字形如何與地理空間位置相結(jié)合。根據(jù)不同區(qū)域的數(shù)據(jù)集,系統(tǒng)將設(shè)計好的字形直接放置在地圖相應(yīng)的區(qū)域上,可能出現(xiàn)字形重疊的問題,影響用戶對區(qū)域字形的探索。因此需要設(shè)計使用網(wǎng)格布局算法,對字形重新放置。

(5)分析各預(yù)測區(qū)域模型輸出的相關(guān)性。通過區(qū)域相似度的計算,探究空間相似的區(qū)域在模型預(yù)測性能上是否一致。

4.2 可視化視圖設(shè)計

4.2.1 基于多模型比較的視圖設(shè)計

為了更好地比較不同區(qū)域不同模型的預(yù)測性能,本文設(shè)計了地圖視圖、字形視圖和詳細視圖。

(1)地圖視圖。地圖可以為預(yù)測區(qū)域的地理位置提供一個全局的視角,用戶可以通過該視圖觀察預(yù)測區(qū)域在地理空間中的分布。

(2)字形視圖。由于本文預(yù)測區(qū)域包含多維混合屬性的信息,因此需要設(shè)計一套能夠集成這些多維信息的圖形,通過圖形將這些信息同時展示給用戶,方便用戶對不同預(yù)測區(qū)域進行探索。本文設(shè)計了一套基于徑向布局的字形圖來展示數(shù)據(jù),該字形一共分為4 層,每一層的設(shè)計都采用人們?nèi)粘Ｉ钪兴煜さ膱D形,極大增強用戶的理解能力,減少感知負擔,如圖5 所示。

圖5 預(yù)測區(qū)域的字形設(shè)計

字形第1 層,在內(nèi)層圓中放置區(qū)域編號。通過LDA 計算得到主題后,每個主題選取的關(guān)鍵詞即區(qū)域編號,將編號均勻分布在內(nèi)層圓中可以幫助用戶更好地理解當前區(qū)域在地理空間中的分布。內(nèi)層圓中的填充比重表示該關(guān)鍵詞在該主題下的概率分布占比。

字形第2 層,通過折線圖展示各時間序列特征對各模型預(yù)測的影響。本文選定了5 種時間序列特征,分別為工作日、節(jié)假日、天氣、溫度和相對濕度,并按順時針方向在字形中依次放置。為了探究各時間序列特征對各模型預(yù)測具有促進還是抑制作用,本文選用2 種不同的顏色進行編碼,并通過點分布的高低表示促進或抑制的大小。

字形第3 層,通過環(huán)柱形圖展示各模型的評估指標。通過調(diào)研和閱讀文獻,本文選定了R2、RMSE和MAE 3 個比較有代表性的評估指標。通過柱形圖的高低編碼各指標的大小,即柱子越高表示指標數(shù)值越大。對每個模型的3 個評估指標,本文用順時針方向的3 個柱子分別編碼R2、RMSE 和MAE。為了區(qū)分各模型,本文使用5 種不同的顏色編碼不同的模型,并且每種模型的各個評估指標使用漸變色進行表示。用戶可以通過比較各模型的評估指標從而比較各模型的預(yù)測性能。

字形第4 層,通過圓環(huán)圖展示各預(yù)測區(qū)域的興趣點數(shù)量分布情況,幫助用戶理解不同區(qū)域的城市功能。圓環(huán)面積越大表示對應(yīng)的POI 數(shù)值越高,并按順時針方向依次表示POI 的8 種主要類型分別為交通設(shè)施、酒店、戶外休閑、房地產(chǎn)、服務(wù)、購物、專業(yè)機構(gòu)和美食。

(3)詳細視圖。該視圖展示了預(yù)測區(qū)域過去1 個月每天單車的實際數(shù)據(jù)和未來1周5種模型的預(yù)測數(shù)據(jù)與實際數(shù)據(jù)。方塊顏色表示模型當日預(yù)測數(shù)據(jù)與實際數(shù)據(jù)的變化,用3 種顏色編碼數(shù)據(jù)的變化情況分別表示增加、不變、減少,面積表示變化的多少。方塊下方的數(shù)字為實際數(shù)據(jù)和各模型預(yù)測數(shù)據(jù)。用戶可以通過多模型預(yù)測數(shù)據(jù)和實際數(shù)據(jù)的比較得到區(qū)域最佳預(yù)測模型。

4.2.2 基于區(qū)域相關(guān)性分析的視圖設(shè)計

為了探究相似區(qū)域模型預(yù)測性能的差異,即空空間相似的區(qū)域模型預(yù)測性能是否一致,本文設(shè)計了投影視圖和相關(guān)性視圖。

(1)投影視圖。該視圖以散點圖的形式分析城市區(qū)域之間的空間關(guān)系,投影視圖中的1 個點代表城市中的1 個區(qū)域。當用戶選擇預(yù)測主題后,預(yù)測區(qū)域所對應(yīng)的點會在該視圖中高亮顯示,幫助用戶直觀觀測各預(yù)測區(qū)域在向量空間中的分布,并通過點距離的遠近判斷2 個區(qū)域間的相似性。

(2)相關(guān)性視圖。為了探究模型預(yù)測數(shù)據(jù)與實際數(shù)據(jù)之間的關(guān)系,本文使用皮爾遜相關(guān)系數(shù)計算各模型預(yù)測數(shù)據(jù)與實際數(shù)據(jù)之間的相關(guān)性得分,并通過平行坐標圖進行展示?？梢詭椭脩糁庇^觀測各預(yù)測區(qū)域模型預(yù)測數(shù)據(jù)與實際數(shù)據(jù)的相關(guān)性得分及排名。本文使用10 種不同的顏色編碼同一主題下10 個不同的預(yù)測區(qū)域。

4.3 區(qū)域字形的空間布局設(shè)計

如圖6(a)所示,當主題區(qū)域距離較近時,地圖上的字形會發(fā)生重疊,影響用戶對區(qū)域字形的探索。因此本文設(shè)計使用網(wǎng)格布局算法對地圖上的字形重新布局,該算法實現(xiàn)步驟如圖7 所示。

圖6 區(qū)域模型預(yù)測結(jié)果可視分析圖(a)和網(wǎng)格劃分示意圖(b)

圖7 網(wǎng)格布局算法運行流程圖

4.3.1 網(wǎng)格劃分

首先,計算所有預(yù)測區(qū)域在地圖中的位置,并將字形放置在預(yù)測區(qū)域的中心點。其次,采用類似網(wǎng)格索引的方式,遍歷所有字形并將字形中最外層圓的最大直徑作為一個網(wǎng)格尺寸,建立一個屏幕網(wǎng)格索引。然后,對所有地圖要素坐標進行轉(zhuǎn)換,從實際坐標(lng,lat)轉(zhuǎn)換為屏幕坐標(x,y),轉(zhuǎn)換函數(shù)設(shè)為f(x)。最后,計算所有字形所要占據(jù)的網(wǎng)格,并將這些網(wǎng)格標記為不可放置。

網(wǎng)格劃分完成后,如圖6(b)所示。每個網(wǎng)格的位置可以用一個二維數(shù)組表示,即Grid=[iRowLoc][jColLoc],其中iRowLoc為屏幕網(wǎng)格的最大行數(shù),jColLoc為屏幕網(wǎng)格的最大列數(shù)。用數(shù)字1、0 表示網(wǎng)格是否被占用,如當行1 列1 被占用時則Grid[1][1]=1。

4.3.2 字形避讓

初始化網(wǎng)格劃分中,一個網(wǎng)格可能包含多個字形或多個網(wǎng)格包含一個字形。因此首先需要計算所有字形中心與字形所占網(wǎng)格中心的距離,并在網(wǎng)格中放置距離最短的字形或?qū)⒆中畏胖迷诰嚯x最短的網(wǎng)格中,此時網(wǎng)格用1 表示被占用。同時考慮到字形之間的相對位置關(guān)系,本文定義了一個相對位置關(guān)系矩陣P添加約束,使得其余字形按照相對位置在網(wǎng)格中進行放置。用g1,g2,…,gi表示字形,對于單一字形,與自身的相對位置關(guān)系定義為null。則P可表示為

考慮到人眼視覺的識別能力,我們將一個字形與另一個字形的相對位置關(guān)系分為8 種:上、右上、右、右下、下、左下、左和左上,并按順時針方向分別定義為:0,1,2,3,4,5,6,7,如圖8 所示。

圖8 字形相對位置分析圖

當字形位于圖8 中的a位置時,則與周邊字形所在位置b、c、d、e、f、g、h、i組成的相對位置關(guān)系向量為[null,0,1,2,3,4,5,6,7]。同理得出其他字形的相對位置關(guān)系向量,并組成相對位置關(guān)系矩陣。

布局是一個連續(xù)迭代的過程,每次運算過程中,每個字形都會在網(wǎng)格中得到一個臨時的新位置,直到字形之間沒有重疊,迭代才會停止。每次迭代過程中,通過計算臨時相對位置關(guān)系矩陣P添加約束。如果一個字形的相對位置關(guān)系矩陣不同于原來的相對位置關(guān)系矩陣,也就是說該字形的相對位置發(fā)生了變化。根據(jù)該字形的初始相對位置關(guān)系矩陣和其他字形的相對位置關(guān)系矩陣來計算該字形的新位置。最后,得到布局后所有字形的新位置,如圖9所示。

圖9 字形布局之后的圖形

5 實驗與案例分析

通過LDA 主題建模技術(shù)和主題困惑度、一致性的計算得到29 個主題,每個主題選用相關(guān)度最高的前10 個關(guān)鍵詞進行表示,即每次選取10 個預(yù)測區(qū)域,計算并保存每個預(yù)測區(qū)域每天的單車流量數(shù)據(jù)?？紤]到預(yù)測的實際意義,本文預(yù)測了2018 年2 月1日至2 月7 日各預(yù)測區(qū)域每天的單車流量數(shù)據(jù)。根據(jù)過去一個月的數(shù)據(jù)預(yù)測未來一周的數(shù)據(jù)。通過大量調(diào)研,本文選擇5 種具有代表性的時間序列預(yù)測模型,分別為ARIMA、SVM、RF、LSTM 和RNN。最后,將所有模型的輸出和評估指標等作為輸入數(shù)據(jù)進行可視化展示。

5.1 最佳模型的選擇

探索區(qū)域模型預(yù)測性能,從而選擇最合適的模型預(yù)測單車流量數(shù)據(jù)。用戶可以通過控制面板中的“預(yù)測區(qū)域”下拉菜單框選擇感興趣的主題區(qū)域進行研究。當用戶選擇topic_9 主題時,發(fā)現(xiàn)地圖中的預(yù)測區(qū)域臨近造成了字形重疊。此時用戶可以通過調(diào)節(jié)控制面板中的“字形布局”調(diào)節(jié)滑條使重疊的字形分離開,如圖10 所示,為用戶提供無遮擋的可視分析圖。

圖10 局部區(qū)域模型預(yù)測結(jié)果的可視分析圖

為了得到區(qū)域最佳預(yù)測模型,需要對區(qū)域各模型的預(yù)測性能進行比較。通過觀察字形第3 層并將光標懸停在柱形圖上查看具體數(shù)據(jù),用戶發(fā)現(xiàn)對于區(qū)域167,RNN 模型的各個評估指標都優(yōu)于其他模型,因此初步判定RNN 為區(qū)域167 的最佳預(yù)測模型。為了驗證這一想法,用戶點擊區(qū)域編號在詳細視圖中觀察5 種模型的預(yù)測數(shù)據(jù)和實際數(shù)據(jù),如圖11所示,通過數(shù)值的比較驗證了這一猜想。

圖11 區(qū)域167 的單車流量圖

為了探究各時間序列特征對RNN 模型預(yù)測的影響,觀察區(qū)域167 字形的第2 層,如圖5 所示。用戶發(fā)現(xiàn)工作日、溫度和相對濕度這3 個特征對模型預(yù)測具有促進作用,而節(jié)假日和天氣對模型預(yù)測具有抑制作用。結(jié)合區(qū)域興趣點的分布可以將該區(qū)域定義為交通小區(qū)。

RNN 模型在所有區(qū)域預(yù)測效果是否都是最佳,結(jié)合字形和詳細視圖中數(shù)值的比較,用戶發(fā)現(xiàn)區(qū)域231 的最佳預(yù)測模型為LSTM。此外,觀察發(fā)現(xiàn)不存在一個在不同區(qū)域都預(yù)測很準確的模型,即沒有一個模型在任何場景下總是適用的。

5.2 區(qū)域相關(guān)性分析

為了進一步探究模型預(yù)測性能是否與地理空間位置有關(guān),即空間相似的區(qū)域在模型預(yù)測性能上是否一致,本文使用各預(yù)測區(qū)域模型預(yù)測性能的排名進行表示。由于本文所選的預(yù)測模型在原理上是不同的,沒有直接相關(guān)性,因此無法直接進行比較,所以從模型預(yù)測結(jié)果上來探索模型的預(yù)測性能,即使用模型預(yù)測數(shù)據(jù)與實際數(shù)據(jù)的相關(guān)性得分表示模型的預(yù)測性能,并利用各預(yù)測區(qū)域模型預(yù)測性能的排名表示模型預(yù)測性能是否與地理空間位置有關(guān)。

當用戶選擇主題后,預(yù)測區(qū)域會在投影視圖中高亮顯示。如圖12 所示,通過在投影視圖中觀察topic_11 主題下區(qū)域的空間分布,用戶發(fā)現(xiàn)區(qū)域8299 和區(qū)域8327 的距離較近且與區(qū)域4894 的距離較遠,因此選取這3 個區(qū)域進行研究,點擊這3 個投影點觀察這3 個區(qū)域的相關(guān)性視圖。

圖12 區(qū)域4894、8299、8327 在向量空間中的位置

如圖13 所示,用戶發(fā)現(xiàn)區(qū)域4894 的模型預(yù)測性能排名依次為RNN、ARIMA、LSTM、RF、SVM;區(qū)域8299 的模型預(yù)測性能排名依次為LSTM、RNN、ARIMA、SVM、RF;區(qū)域8327的模型預(yù)測性能排名依次為RNN、LSTM、SVM、RF、ARIMA。通過這3 個區(qū)域模型預(yù)測性能的比較,用戶發(fā)現(xiàn)模型預(yù)測性能的排名沒有相關(guān)性,得出模型預(yù)測性能與所處的地理空間位置無關(guān),即空間相似的區(qū)域在模型預(yù)測性能上也存在差異。

圖13 區(qū)域4894、8299、8327 相關(guān)性視圖

6 用戶調(diào)查

為了評估本文可視化系統(tǒng)的有效性和實用性,針對各個視圖共設(shè)計了6 個問題并邀請了20 位計算機相關(guān)專業(yè)的志愿者和10 位非計算機相關(guān)專業(yè)的志愿者進行問卷調(diào)查。

在問卷調(diào)查開始之前,首先對每一位參與者演示本文系統(tǒng)的具體細節(jié),然后針對不同的問題記錄每一位參與者做出的回答,最后對所有參與者的肯定回答進行統(tǒng)計,如表1 所示。

表1 問卷調(diào)查及結(jié)果統(tǒng)計

問卷調(diào)查結(jié)果顯示,參與者普遍認為地圖視圖能夠快速定位區(qū)域所在的位置,字形視圖設(shè)計新穎且能夠直觀比較區(qū)域多模型預(yù)測性能,詳細視圖能夠快速發(fā)現(xiàn)區(qū)域最佳預(yù)測模型,投影視圖能夠快速定位相似區(qū)域,相關(guān)性視圖能夠直觀比較區(qū)域模型性相關(guān)性排名。因此本文可視化系統(tǒng)基本符合本文的任務(wù)要求。

7 結(jié)論

本文針對共享單車的OD 數(shù)據(jù),設(shè)計了一套可視分析系統(tǒng)。該系統(tǒng)能夠?qū)⒍嗄Ｐ皖A(yù)測信息集成到字形中并在地理空間中展示,使用戶可以通過交互式界面直觀了解模型的預(yù)測性能和預(yù)測結(jié)果,從而指導(dǎo)用戶在工作中選擇合適的模型。其中area2vec方法能夠幫助用戶分析預(yù)測區(qū)域之間的空間關(guān)系,引入的網(wǎng)格布局算法可以有效地緩解地圖中字形遮擋的問題。

雖然本系統(tǒng)基本達到了預(yù)期效果,但在系統(tǒng)可擴展性上仍存在一些局限性。首先,本文僅選取5種具有代表性的時間序列預(yù)測模型,但是由于模型種類眾多,無法確定哪種模型預(yù)測的準確率更高。其次,在區(qū)域相似度的計算過程中,由于OD 數(shù)據(jù)只包含起點-終點的定位且騎行距離有限,因此只能計算城市小范圍內(nèi)的區(qū)域相似度。最后,在字形布局上,由于本文每次僅選取10 個預(yù)測區(qū)域進行研究,當包含更多預(yù)測區(qū)域時,地圖上有限的空間無法避免所有預(yù)測區(qū)域的字形不重疊。未來的工作中,將在可視化系統(tǒng)中加入更多的預(yù)測模型。另外,可以考慮融合多種數(shù)據(jù)源提取城市區(qū)域的特征,計算城市部分區(qū)域相似度并擴展到整個城市。最后,在考慮更多地理區(qū)域的字形布局時,可以通過窗口的自適應(yīng)功能和地圖的縮放功能,實現(xiàn)更多區(qū)域預(yù)測模型的可視比較分析。