面向站点网络重构的动态城市自行车使用预测

共享单车已成为全球大都市居民的主要交通方式之一。基于站点的共享单车系统通常以用户从一站取车、于另一站还车的方式运营。然而,自行车站点并非静态,因为自行车站点常因随时间变化的需求或城市城市化而被重新配置。关键运营之一便是评估候选位置并安装新站点以扩展共享单车站点网络。传统方法已用于预测现有站点使用量,而评估新站点由于缺少历史自行车使用数据极具挑战。为填补此空白,本工作中我们提出一种新颖高效的站点级自行车预测算法 AtCoR,其可预测现有站点与新站点(重构期间的候选位置)的自行车使用量。为解决历史数据缺失问题,依据新站点与周边现有站点的相关性生成其虚拟历史使用量,用于 AtCoR 模型初始化。我们设计了新颖的以站点为中心的热力图,其针对每个以目标站点为中心的热图刻画骑行者在其与站点邻近区域间出行的趋势,使模型能捕获共享单车站点网络的可学习特征。所捕获特征进一步应用于新站点的自行车使用量预测。我们在美国三大共享单车系统(包括纽约市、芝加哥和洛杉矶)超过 2300 万次出行上的广泛实验表明,AtCoR 在现有与未来站点的预测上均优于基线及最先进模型。