基于随机森林与时空聚类的共享单车站点需求量预测

• 作者: 种颖珊 韩晓明
• 来源期刊: 科学技术与工程
• 学科: 交通运输
• 关键词: 随机森林 分层聚类 对数优化 需求量预测
• 年，卷（期）: 2018,（32）
• 所属期刊栏目: 论文
• 页码范围: 89-94
• 页数: 6页
• 分类号: U491.1
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2018.32.015

摘要

为方便准确地预测出城市共享单车站点的需求量,根据站点需求量的随机性和时变性,提出了一种基于随机森林和时空聚类的共享单车站点需求量预测模型;该模型研究了时间因子、气象因子以及关联站点对需求量的影响;应用分层聚类对站点进行了时空分析;结合对数优化后的随机森林作为预测器.面向湾区共享单车出行数据进行需求量预测.结果表明:该模型相比极限学习机、支持向量机与随机森林等经典机器学习算法在需求量预测方面有较好的预测结果,可为实际车辆调度提供参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩晓明	太原理工大学电气与动力工程学院	12	54	5.0	6.0
2	种颖珊	太原理工大学电气与动力工程学院	1	7	1.0	1.0