基于回歸模型的共享單車需求預測

張山山 鮑蓉 馬玉婷

【摘 ?要】為了準確掌握城市共享單車投放量，論文提出了一種以隨機森林為基礎的預測方法。首先，通過隨機森林模型篩選出符合條件的共享單車影響因素；其次，將單車變化量和影響因素分別作為神經(jīng)網(wǎng)絡參數(shù)，建立共享單車需求投放模型；最后，以公開數(shù)據(jù)集為對象，對其工作日及節(jié)假日間的單車投放量進行預測。在隨機森林模型下，預測得分為84.48，選出權重最高的6個影響因素分別為溫度、小時、太陽輻射、是否是工作日、濕度、降雨量。然后建立LSTM神經(jīng)網(wǎng)絡模型，以這些特征訓練網(wǎng)絡，得到預測得分為82.48，在大幅減少特征維度、降低計算量的情況下，預測結果與其實際出行特征基本吻合，較好地驗證了該模型的實用性和普適性，具有一定的實際參考價值。

【關鍵詞】共享單車需求預測；隨機森林；LSTM網(wǎng)絡；Python

【中圖分類號】F713.36；F570 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2024）04-0038-03

1 引言

隨著城市化進程的日益加速，共享單車作為一種新興的綠色出行方式，正逐漸改變著人們的出行習慣。它既提供了靈活便捷的交通選擇，減輕了城市交通擁堵，又符合現(xiàn)代社會對可持續(xù)發(fā)展和環(huán)保的需求，成為越來越多人短途出行的首選[1]。與此同時，共享單車供需不平衡的問題日漸凸顯，因此，對其需求進行準確預測成為提升人們出行效率和單車使用率的關鍵[2]，更有助于優(yōu)化車輛調(diào)度，提高運營效率，有效緩解城市交通壓力，推動城市的可持續(xù)發(fā)展。

共享單車需求預測是一個跨學科的復雜問題，受到眾多因素的影響，包括時間、地點、天氣、節(jié)假日、政策調(diào)整等。這些因素相互交織，使得共享單車的需求變化呈現(xiàn)出高度的復雜性和不確定性。因此，構建一個準確且有效的需求預測模型，成為共享單車行業(yè)亟待解決的重要問題?；貧w模型作為一種經(jīng)典的統(tǒng)計分析方法，在需求預測領域具有廣泛的應用。它通過建立自變量和因變量之間的數(shù)學關系，實現(xiàn)對因變量的預測。在共享單車需求預測中，回歸模型可以根據(jù)歷史數(shù)據(jù)和相關特征，構建需求預測模型，并通過訓練和優(yōu)化模型，實現(xiàn)對未來需求的準確預測。

盡管國內(nèi)外學者在共享單車需求預測方面已經(jīng)取得了一些研究成果[3-5]，但現(xiàn)有的研究仍存在一些不足之處。部分研究在數(shù)據(jù)處理和特征提取方面存在局限，導致預測精度不高。同時，一些研究缺乏對模型性能的系統(tǒng)評估和優(yōu)化，使得模型的泛化能力和穩(wěn)定性有待提升。

鑒于此，本研究通過回歸模型，關注天氣、環(huán)境等多因素，旨在深入了解這些因素對共享自行車需求的影響，進而挖掘數(shù)據(jù)中真正的影響因素。本項研究致力于建立一個簡潔而可靠的神經(jīng)網(wǎng)絡預測框架，為優(yōu)化共享自行車系統(tǒng)提供科學支持，推動城市交通的可持續(xù)發(fā)展。

2 隨機森林模型

隨機森林是一種集成算法，它通過組合多個弱分類器，最終結果通過投票或取均值，使得整體模型的結果具有較高的精確度和泛化性能[6]。隨機森林使用了CART決策樹作為弱學習器，它是一種在原始數(shù)據(jù)集上通過又放回抽樣重新選出k個新數(shù)據(jù)集來訓練分類器的集成技術，它使用訓練出來的分類器的集合來對新樣本進行分類，然后用多數(shù)投票或者對輸出求均值的方法統(tǒng)計所有分類器的分類結果，結果最高的類別即最終標簽[7]。

對于一般的決策樹，假如總共有K類，樣本屬于第k類的概率為：pk，則該概率分布的基尼指數(shù)為公式（1），其可以取得不錯成績，主要歸功于“隨機”和“森林”，一個使它具有抗過擬合能力，一個使它更加精準。基尼指數(shù)越大，說明不確定性就越大；基尼系數(shù)越小，不確定性越小，數(shù)據(jù)分割越徹底、越干凈。

在遍歷每個特征的每個分割點時，當使用特征A=a，將D劃分為兩部分，即D1（滿足A=a的樣本集合）、D2（不滿足A=a的樣本集合）。則在特征A=a的條件下D的基尼指數(shù)為公式（2）。隨機森林中的每棵CART決策樹都是通過不斷遍歷這棵樹的特征子集的所有可能的分割點，尋找Gini系數(shù)最小的特征的分割點，將數(shù)據(jù)集分成兩個子集，直至滿足停止條件為止。

3 神經(jīng)網(wǎng)絡模型

神經(jīng)網(wǎng)絡是一種受到人類大腦結構啟發(fā)的計算模型，由大量的神經(jīng)元以及他們之間的連接組成。神經(jīng)網(wǎng)絡可以通過學習和調(diào)整連接權重來進行模式識別、回歸等任務。神經(jīng)網(wǎng)絡中，每一層都由多個神經(jīng)元組成，通過前向傳播和反向傳播來不斷優(yōu)化模型以適應給定的任務。

長短期記憶網(wǎng)絡（Long Short-Term Memory，LSTM）是一種特殊的循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network，RNN）架構，用于處理序列數(shù)據(jù)。LSTM的設計目的是解決傳統(tǒng)RNN在處理長序列時存在的梯度消失或爆炸問題[8]。本文使用的神經(jīng)網(wǎng)絡模型為雙向長短期記憶網(wǎng)絡（Bidirectional Long Short-Term Memory，BiLSTM），它是在LSTM的基礎上進行改進的一種架構，用于處理序列數(shù)據(jù)，網(wǎng)絡的完整結構見表1。與傳統(tǒng)LSTM不同的是，BiLSTM同時考慮了序列數(shù)據(jù)的過去和未來信息。它包含兩個方向的LSTM層：一個按照時間順序處理輸入序列（正向），另一個按照時間逆序處理輸入序列（反向）。通過這種方式，BiLSTM可以同時捕捉到序列數(shù)據(jù)的過去和未來信息，從而更好地理解序列中的上下文和依賴關系，提高模型的性能和泛化能力[9]。

4 實例應用

選取UCI上公開的首爾共享單車數(shù)據(jù)集作為研究對象[10]。該數(shù)據(jù)集包含2017年12月1日至2018年11月30日的共計8 760條數(shù)據(jù)，每條數(shù)據(jù)包含13個自變量：Date（日期）、Hour（小時）、Temperature（溫度）、Humidity（濕度）、Wind speed（m/s，風速）、Visibility（10 m，能見度）、Dew point temperature（露點溫度）、Solar Radiation （太陽輻射）、Rainfall（下雨量）、Snowfall（下雪量）、Seasons（季節(jié)）、Holiday（是否假期）、Functioning Day（是否工作日），以及1個目標變量Rented Bike Count（每小時單車使用量）。因為每小時單車的使用數(shù)量是與所在城市的氣候以及環(huán)境監(jiān)測相關的，所以可以推廣到所有擁有共享單車系統(tǒng)的城市。本文使用隨機森林方法進行研究，隨機選取其中70%的樣本作為訓練數(shù)據(jù)集，剩下30%作為測試數(shù)據(jù)集。首先，對每一條樣本數(shù)據(jù)提取年、月、日添加進數(shù)據(jù)集，然后對數(shù)據(jù)集的數(shù)值型變量進行預處理——歸一化操作，處理后的數(shù)據(jù)樣本見表2。

經(jīng)過預處理后，初始化隨機森林，為了取得最優(yōu)效果，使用scikit-learn庫中的GridSearchCV模塊來遍歷搜索最優(yōu)參數(shù)組，搜索算法見算法1，其中N為樣本數(shù)，T為時間，V為特征數(shù)。最終經(jīng)過搜索取樹最大深度為20，最大葉子節(jié)點數(shù)為100，決策樹的數(shù)量為40。

算法1：最優(yōu)隨機森林搜索算法

1： 給定訓練數(shù)據(jù)X∈RT×V和初始化隨機森林α

2： 初始化搜索最優(yōu)參數(shù)n_estimators、max_depth等

3： for k=1，2，...，遍歷n_estimators（k）、max_depth（k）等網(wǎng)絡參數(shù) do

4： GridSearchCV：訓練網(wǎng)絡

5： GridSearchCV：計算網(wǎng)絡分數(shù)

6： end for

在最優(yōu)森林下對訓練數(shù)據(jù)進行擬合，得到測試集分數(shù)為84.48，RMSE為0.057，將預測值與實際值繪制成圖1，可以看到，預測值與實際值是相對接近的，即結果是可靠的。將影響預測的前6種因素按權重輸出，分別是溫度、小時、太陽輻射、是否是工作日、濕度、降雨量。

經(jīng)過隨機森林特征選擇，使用被選擇的屬性訓練神經(jīng)網(wǎng)絡，以減輕模型計算量。與隨機森林不同的是，由于使用的是LSTM神經(jīng)網(wǎng)絡，因此需要對數(shù)據(jù)再次進行處理。設置窗口大小為4，LSTM中隱藏單元的個數(shù)為10，將原始特征轉(zhuǎn)化為適合神經(jīng)網(wǎng)絡輸入的X'∈RN'×W×V，其中W為窗口大小，訓練迭代次數(shù)為300次，批處理大小設置為4，最終得到的R2分數(shù)為82.48，損失變化見預測結果與真實值如圖2所示，可得出結論，神經(jīng)網(wǎng)絡使用更少的數(shù)據(jù)量，更小的計算量達到了與隨機森林模型相近的準確性，由于數(shù)據(jù)輸入模式更真實，因此具有更好的泛化性。

5 結語

通過對共享自行車需求預測任務進行隨機森林分析，得到了84.48的分數(shù)，并獲得影響該預測任務最重要的6個因素，這與前期相關性分析得到的結果基本保持一致。接下來只選擇這些特征，將數(shù)據(jù)輸入設計的神經(jīng)網(wǎng)絡中，預測得分為82.48，與使用全部數(shù)據(jù)的隨機森林預測作對比，發(fā)現(xiàn)使用更低的特征維度，更少的計算資源達到了相近的預測結果，提高了模型的泛化性，為共享單車的需求預測任務提供了有效的參考。

使用回歸模型來預測共享單車的需求可以為共享單車行業(yè)的運營和管理提供科學依據(jù)。主要體現(xiàn)在以下幾個方面：首先，準確預測共享單車需求有助于優(yōu)化車輛調(diào)度。通過了解不同時間和地點的需求分布，共享單車運營商可以更加精準地安排車輛的投放和調(diào)度，從而提高車輛利用效率，降低運營成本。其次，需求預測有助于提升用戶體驗。通過預測用戶的需求變化，共享單車運營商可以提前做好車輛維護和保養(yǎng)工作，確保車輛的安全性和可用性。同時，根據(jù)需求預測結果，運營商還可以調(diào)整收費標準和服務策略，更好地滿足用戶需求，提升用戶滿意度和忠誠度。最后，本研究有助于推動共享單車行業(yè)的可持續(xù)發(fā)展。通過深入研究共享單車需求預測問題，可以為行業(yè)的健康發(fā)展提供理論支持和實踐指導，促進共享單車行業(yè)的長期穩(wěn)定發(fā)展。

【參考文獻】

【1】楊鑫宇.基于機器學習的地鐵站區(qū)域共享單車需求預測[J].石家莊鐵道大學學報（自然 科學版），2023（36）：92-98+126.

【2】謝光明.基于改進時空圖神經(jīng)網(wǎng)絡的共享單車流量預測[D].上海：華東師范大學，2023.

【3】Gregory R. Krykewycz，Christopher M. Puchalsky，Joshua Rocks，et al.Defining a primary market and estimating demand for major bicycle-sharing program in philadelphia， pennsylvania[J].Transportation Research Record Journal of the Transportation Research Board，2010，2143（-1）：117-124.

【4】徐葉冉子，沈瑾.基于圓分布法和時間序列模型的公共自行車需求量分析[J].工業(yè)工程，2014（2）：55-63.

【5】何流，李旭宏，陳大偉，等.公共自行車動態(tài)調(diào)度系統(tǒng)需求預測模型研究[J].武漢理工大學學報（交通科學與工程版），2013，37（2）：278-282.

【6】韓成成.基于數(shù)據(jù)挖掘任務的分類方法綜述[J].軟件，2023，44（06）：95-97.

【7】方匡南，吳見彬，朱建平，等.隨機森林方法研究綜述[J].統(tǒng)計與信息論壇，2011，26（03）：32-38.

【8】楊麗，吳雨茜，王俊麗，等.循環(huán)神經(jīng)網(wǎng)絡研究綜述[J].計算機應用，2018，38（S2）：1-6+26.

【9】徐先峰，黃劉洋，龔美.基于卷積神經(jīng)網(wǎng)絡與雙向長短時記憶網(wǎng)絡組合模型的短時交通流預測[J].工業(yè)儀表與自動化裝置，2020（01）：13-18.

【10】UCI Machine Learning Repository.Seoul Bike Sharing Demand[EB/OL].https：//doi.org/10.24432/C5F62R，2020-02-29.