通过聚类分析探究天气对共享单车使用量的影响
机器学习
2020-08-18 v1 机器学习
摘要
共享单车系统（BSS）多年来已成为一种流行的出行服务，并在全球范围内使用。其对于希望促进更健康生活方式、减少空气污染与温室气体排放以及改善交通的城市和用户具有吸引力。有桩共享单车系统的一大挑战是重新分配单车与平衡停靠点。一些研究提出了可帮助预测单车使用量、再平衡单车分布策略、建立模式或识别模式的方法。其他研究提出通过纳入天气数据来扩展该方法。本研究旨在扩展这些提议与机遇，探究天气如何以及在何种程度上影响单车使用量。我们收集了华盛顿特区的单车使用数据与天气数据，并使用 k-means 聚类算法进行分析。k-means 成功识别出对应于依天气条件而定的单车使用量的三个簇。结果显示簇间天气对单车使用量的影响显著。表明在五个天气变量中，温度随后是降水的影响权重最大。
关键词
引用
@article{arxiv.2008.07249,
title = {Exploring the weather impact on bike sharing usage through a clustering analysis},
author = {Jessica Quach and Reza Malekian},
journal= {arXiv preprint arXiv:2008.07249},
year = {2020}
}