公共自行车站点需求量预测仿真
【摘要】 针对自行车需求量具有很强的随机性、时变性和非线性，传统的自行车需求量短期单点预测模型具有预测精度低，无法给出合适的需求量区间等问题，提出一种有助于解决公共自行车系统站点之间需求平衡问题的非线性RBF神经网络分位数回归算法。首先，通过利用统计学习方法和RBF神经网络分位数回归对辅助变量进行定性与定量的分析，并筛选出核心特征;然后，使用筛选的特征构建基于RBF神经网络分位数回归的公共自行车站点需求量预测模型;最后，使用所建模型对未来一天中不同站点各个时段的自行车需求量进行了区间估计。实验结果表明，所提方法不仅可以挖掘各个影响因子对自行车需求量的关联关系，还可以较高精度的给出自行车需求区间，可为实际车辆调度提供参考依据。
