曹旦旦，范书瑞，夏克文

(1. 河北工业大学电子信息工程学院， 天津 300401;2. 河北工业大学大数据重点实验室， 天津 300401)

1 引言

在如今这个大数据时代，通过对大数据进行分析来快速精确预测某一时间某一地点的共享单车短时需求量，从而合理地确定单车的投放数量和调度安排，是个亟待解决的问题。现阶段对共享单车需求量预测的研究主要有如下方法。在影响共享单车短时需求量的各种因素方面，Campbell等(2016)[1]通过对北京共享单车项目的调查指出，影响共享单车需求因素主要有距离、气温、降水、空气质量等；Matton 和 Godavarthy(2017)[2]指出气温、风力、降水等气候条件是影响共享单车需求的主要因素；Faghih-Imani 等(2014)[3]提出，时点因素也是影响共享单车需求的重要变量，包括每天的时间段、是否周末、高峰时间等；Zhang等[4]和Li等[5]还发现车站的位置、大小、服务范围是否重叠也会对车辆的需求量产生影响。在共享单车需求预测方法方面，文献[6]对共享单车需求的预测采用的方法集中在传统线性OLS模型、二分类和多分类Logit模型等，这些经验模型需要大量观测数据，且具有明显的局域性，回归关系不能很好符合实际情况。Kaltenbrunner等人[7]对里昂和巴塞罗那的公共自行车系统采用时间序列分析来预测其每小时的需求情况。Bacciu 等(2017)[8]采用机器学习中的支持向量机和随机森林模型预测了共享单车站点是否会在短时间内有单车归还，但没有系统讨论单车使用的短期需求等问题。

目前国内外对在短时间内的共享单车需求量预测的研究较少。……