首页|基于集成学习的城市共享单车的租借需求预测

基于集成学习的城市共享单车的租借需求预测

扫码查看
原文链接
  • 万方数据
  • 维普
近年来,共享单车已成为一种受欢迎的出行方式,为了合理投放共享单车并提高利用率,使用Kaggle公开的华盛顿共享单车数据集,通过Stacking集成LGBM(Light Gradient Boosting Machine,轻量级梯度提升机)、RF(Random Forest,随机森林)、XGBoost(eXtreme Gradient Boosting,极度梯度提升树)回归模型,来预测华盛顿共享单车在某个时间段的使用量.结果表明,该方法具有较好的预测性能.通过该模型可以预测共享单车的使用量,并在实际投放共享单车时进行参考,从而提高市场运营效率.同时,当预测值与实际使用值相差较大时,可以通过调查并采取相应措施来提高投放效果.

张鑫超、侯惠芳、郑成

展开 >

河南工业大学人工智能与大数据学院,河南 郑州 450001

科大讯飞股份有限公司,安徽 合肥 230088

共享单车 租赁需求 集成学习 回归模型

河南工业大学2021年度教育教学改革研究与实践项目河南省高等教育研究项目教育部产学合作协同育人项目河南省高等教育教学改革研究与实践项目

432021SXHLX1442206002730420272021SJGLX401

2024

10.15913/j.cnki.kjycx.2024.04.038

科技与创新
中国计算机用户协会

科技与创新

ISSN：1008-0570
年,卷(期)：2024.(4)
  • 10