曾友，董世权，黄闽江，夏莉丽，徐则中

(常州工学院计算机科学与技术学院，江苏 常州 213032)

0 引言

作为一种新型的短途通勤方式，无桩共享单车有效缓解了城市交通拥堵的情况。虽然在许多城市大规模部署了共享单车，但由于空间、时间等各种外部因素，造成了共享单车供需的严重失衡[1-2]，在高峰时段找车难的问题仍然存在。为此，本文研究了共享单车需求预测方法[3-4]，预测未来某时间段内某个地点对共享单车的需求量，提前对各站点的共享单车进行优化配置和调度，以缓解共享单车的供需矛盾。用于站点需求预测的模型主要有：神经网络模型、LSTM线性回归模型、Logit模型，随机森林和时空聚类模型、SVM模型[5-9]等。

然而，这些共享单车的需求预测是为运营商自己服务的，并没有考虑用户的预测需求，为用户提供的查询服务并不能满足用户需求，比如:当用户查询显示前方有共享单车，正当自己前往时，车辆被他人骑走。在现实中，用户的需求是：当找不到共享单车时，用户需要了解附近地点未来一段时间内的单车汇集趋势，从而朝着未来一段时间单车汇聚的地点去找共享单车。所以，从用户的角度出发，对用户周围未来一段时间内共享单车汇集情况进行预测就非常有必要。但是，这种面向用户需求，预测用户周围未来一段时间内的单车汇集趋势，尚未发现相关研究。

1 设计原理

1.1 预测算法流程

运用理论分析、算法设计、实验校验相结合的方法，构建预测模型，运用共享单车大数据对模型进行训练。……