微交通领域的机器学习：数据、技术与应用的系统综述

微交通系统包括自行车、电动自行车和电动滑板车等轻便低速车辆，已成为城市交通的重要组成部分，用于解决交通拥堵、空气污染和高运输成本等问题。成功地利用微交通需要优化复杂系统以提高效率、减轻环境影响，并克服技术挑战以确保用户安全。机器学习（ML）方法对支持这些进展并解决其独特挑战发挥了关键作用。然而，现有文献不足以阐述在微交通领域的机器学习应用的具体问题。本综述论文通过提供关于数据、机器学习技术及其在微交通中的具体应用的全面综述来弥补这一空白。具体而言，我们收集并分析了各种微交通相关数据，并就其空间、时间和特征-based 特征进行讨论。此外，我们详细概述了应用于微交通的机器学习模型，介绍其优势、挑战及具体用例。进一步地，我们探索了多个机器学习应用，如需求预测、能源管理和安全问题，着重提高效率、准确性和用户体验。最后，我们提出了未来研究方向以解决这些问题，旨在帮助未来的研究人员更好地理解这一领域。