基于改进随机森林算法的共享单车需求量预测*

张 徐 聂文惠

（江苏大学计算机科学与通信工程学院 镇江 212013）

1 引言

随着城市化进程的快速推进，交通拥挤问题愈发严重［10］。共享单车作为城市公共交通的创新形式，有力缓解了人们出行困难的现象。然而各城市在逐步推进共享单车建设的同时，也伴随着一系列的问题，“租车难，还车难”成了共性问题［1］。因此预测城市共享单车需求量对于整个共享单车系统来说，具有重要的现实意义。

共享单车是一种极容易受环境影响的交通方式，在时间和空间分布上存在高动态性和高关联性［7～9］。准确高效地对共享单车需求量预测可以优化单车系统的布局，提高系统车辆调度能力。在高需求量的租赁区域，运营商可以投放较多的车辆，而一些偏远或使用较少的区域则可以减少运营维护。这样不仅可以节约运营成本，还可以提高服务质量和用户体验。

对于城市共享单车需求量预测，Kaltenbrunner A等［2］通过对巴塞罗那社区的共享单车数目和当地人口流动数据的分析，提出了ARIMA模型，对站点单车需求量和状态进行了预测。Singhvi D等［3］利用线性回归模型来预测来预测纽约市站点共享单车的需求量；Zhang Y等［4］利用中山市共享单车系统的用户历史数据，采用多元线性回归模型，研究了中山市各个景点对出行需求的影响及站点需求与供给的比例。

以往共享单车需求量预测的算法，绝大部分是通过历史借还数据建模来进行预测［6］。实际上，由于目前智能信息较为发达［12］，共享单车系统能够提供更详细准确的单车租还数据，包括借还时间、借还地点、用户信息等。……