论文部分内容阅读
近年来共享单车逐渐成为大型公共交通方式接驳的重要手段,但站点周边需求不一、投放过量的问题也成为管理部门的困扰。目前的需求预测方法存在基础数据不全、无法验证泛化能力等问题,难以支撑精细化的需求预测。基于厦门市长时间、全样本的共享单车数据,结合详实的人口、建成环境、天气等基础数据,分别对大型公交站点为起点和终点的共享单车出行需求建立传统数学模型、机器学习模型、深度学习模型,研究大型公交站点的共享单车接驳需求的关键影响指标。并以厦门市轨道2号线开通后站点周边流量数据为例,进行模型校核,通过情景假设,对环境优化后