文献类型：期刊文章

作　　者：李福[1] 徐良杰[1,2] 朱然博[1] 罗浩顺[1] 陈国俊[1]

LI Fu;XU Liangjie;ZHU Ranbo;LUO Haoshun;CHEN Guojun(School of Transportation Wuhan University of Technology, Wuhan 430063, China;School of Automotive and Traffic Engineering, Hubei University of Arts and Science, Xiangyang 441053, China)

机构地区：[1]武汉理工大学交通学院,武汉430063 [2]湖北文理学院汽车与交通工程学院,襄阳441053

出　　处：《武汉理工大学学报（交通科学与工程版）》

基　　金：武汉理工大学自主创新研究基金项目(205202003)。

年　　份：2021

卷　　号：45

期　　号：5

起止页码：880-884

语　　种：中文

收录情况：JST、RCCSE、SCOPUS、ZGKJHX、普通刊

摘　　要：基于纽约市的Citi Bike单车用户的历史订单数据,分析发现:气温、风速、天气、每日时间、一周时间、季节与共享单车的借车数量之间存在着相关性.基于上述因素,采用极端梯度推进决策树(XGBoost)算法建立预测模型,训练后的模型对北京市两个区域的摩拜单车的借车需求量进行预测,平方相关系数可达到0.94.结果表明:使用XGBoost算法结合天气和时间因素以及,历史数据,可实现对某区域的每小时的共享单车用户借车量的有效预测.

关 键 词：共享单车  机器学习  需求预测  因素分析  

分 类 号：U491[物流管理与工程类]