香港科技大学的Yexin Li作了题为“Traffic Prediction in a Bike Sharing System”的报告,采用公共自行车数据和天气数据对城市公共自行车站点的出入量进行预测。报告指出,虽然每个自行车站点的流量呈现无序性,但多个站点组成的区域点网的流量却呈现出一定的规律性,因此对于区域点网公共自行车流量的预测是可行的。报告还指出,对于单个网点的出入量预测是毫无必要的。通过建立一系列的借入、借出模型,文章最后提出并实现了一个区分周天的区域点网公共自行车流量预测模型。
本次实验主要基于Yexin的论文对单车预测系统的一个实现。大致分为以下几个部分：
-
对纽约进行了站点聚类
-
使用 GBRT 算法预测每个时段的单车总流量 E t
-
使用 multi-similarity-based inference model 预测 Check-out 比例 P o,t 和 Check-in 比例 P i,t
-
根据 E t 和 P o,t ，P i,t ，预测不同簇的 Check-out 和 Check-in 的流量
-
对单车骑行的空间规律进行统计分析
-
对单车骑行的时间规律进行统计分析
-
根据正在被骑行的单车数量结合单车骑行的时间规律，预测不同簇 Check-in 的流量