共享单车系统的时空函数模型——基于赫尔辛基市的实例
应用统计
2023-10-24 v1
摘要
理解共享单车系统的使用模式对于支持和加强此类方案的运营规划至关重要。已有研究表明，天气条件等因素如何影响一天中某些时段共享单车租赁点应有的可用自行车数量。然而，这些因素的影响通常在一天中不断变化，若时间分辨率足够高，也可能仅在某些小时/分钟（高峰时段、商铺营业时段等）产生显著影响。因此，本文对赫尔辛基 2017 年的共享单车数据进行了分析，考虑了完整的时空分辨率。此外，数据以极高频率可得。因而，租赁点租赁数据在时空函数框架下分析，其中某租赁点的自行车数量被定义为一天时间的连续函数。针对这一全新方法，我们应用函数型时空层次模型来考察环境因素的效应以及时空依赖的程度。计算复杂性方面的挑战通过自助法（bootstrapping）应对。结果表明，基于其时空函数观测的相似性将共享单车租赁点划分为两类簇，对于有效建模赫尔辛基共享单车系统的租赁数据是必要的。所提因素的函数型影响估计值在这两类簇中有所不同。此外，估计参数揭示了数据中未被过程均值解释的较高随机效应。在该随机效应模型中，时间自回归参数主导了空间依赖。
引用
@article{arxiv.2012.10746,
title = {A Spatiotemporal Functional Model for Bike-Sharing Systems -- An Example based on the City of Helsinki},
author = {Andreas Piter and Philipp Otto and Hamza Alkhatib},
journal= {arXiv preprint arXiv:2012.10746},
year = {2023}
}
备注
28 pages, 11 figures, submitted to journal