基于自适应聚类的共享单车需求预测与投放决策

来源：计算机集成制造系统杂志2023年第5期北京时间：

作者：郭洪飞, 赵淑曼, 任亚平, 张超勇

单位：1.暨南大学物联网与物流工程研究院2.暨南大学智能科学与工程学院3.暨南大学管理学院4.华中科技大学数字制造装备与技术国家重点实验室

摘要：为了解决有桩共享单车系统(BSS)发生站点失衡导致用户不满和真实需求失真的问题,提出一种基于自适应聚类的站点借还车需求预测和投放量决策方法。首先基于XGBoost原理将站点聚类,然后依次在类层次和站点层次估计借还车需求量,考虑导致需求失真的两种场景,最后根据各站点各时段需求量的预测结果多次模拟系统服务过程,以被拒需求数量的期望值为指标计算各站点以客户满意为导向的最优投放量。论文以纽约CitiBike系统为例进行分析,总结了运营建议,并设计对比试验验证了所提方法对捕捉BSS潜在需求并提高服务率的有效性。

关键词：共享单车系统,需求预测,需求失真,站点聚类,XGBoost算法,最优投放量

基金资助：国家自然科学基金资助项目(51875251);广州市科技计划资助项目(202002030321);广东省研究生教育创新计划资助项目(82620516);广东省基础与应用基础研究基金联合基金青年基金资助项目(2019A1515110399);广东省高等教育教学研究和改革资助项目(2020059);广东省学位与研究生教育改革研究资助项目(2019JGXM15);广州市创新领军团队资助项目(201909010006);暨南大学大学生校外实践教学基地建设资助项目(55691207);暨南大学研究生教育教