中国公路学报

作者：李聪颖, 袁锴璐, 李静怡, 郑晓晶, 李坤, 何源

单位：1. 西安建筑科技大学城市发展与现代交通学院, 陕西西安 710055;2. 长安大学基建处, 陕西西安 710064"],"fundList_en":["The Project Supported by Natural Science Basic Research Plan in Shaanxi Province of China (2020JM-478); Xi'an Key Industrial Chain Breakthrough General Project (24ZDCYJSGG0016)

关键词：交通工程,共享单车需求预测,LP算法,TFT算法,SHAP可解释分析

基金：陕西省自然科学基础研究计划项目(2020JM-478);西安市重点产业链攻关一般项目(24ZDCYJSGG0016)

为揭示共享单车系统需求演变规律，并明确不同因素对需求的影响，提出一种融合特征解耦与深度学习的集群-站点级分层时空预测框架。首先，基于站点间的关联性与相似性改进LP算法，构建站点集群划分模型，其中关联性通过空间距离与出行流量表征，相似性通过POI相似度与历史出行量相似度加权表征；引入借还不平衡差异指数评价聚类效果，以最小化借还不平衡差异指数为目标进行站点集群划分；在此基础上，分别建立基于TFT模型的集群级与站点级需求预测模型，并将集群级预测结果整合进站点级预测过程中；最后，运用SHAP方法解析不同因素对集群级与站点级共享单车需求的影响机制。研究结果表明：集群级需求预测过程中，小时特征对集群级需求的影响最显著，表现为夜间抑制、日间促进，气象因素呈现双向调节作用，在温度适中、气压较高、风速与湿度较低时对需求产生促进作用；站点级需求预测过程中，集群需求为核心影响因素，随着集群级结果的引入，站点级预测结果的决定系数<i>R</i>²由0.767 9提升至0.850 4，平均绝对误差MAE由1.215 2降至0.975 5，误差降低约19.73%;气象因素在站点层级展现出一定的独立影响趋势，如在部分低温、高湿或风速较大的情境下仍可能促进需求，表明站点级需求不仅依赖于集群需求的整体波动，还受站点周边环境的影响，具有一定独立性。研究构建了基于分层时空框架的共享单车需求预测方法，可为共享单车需求驱动因素识别与动态调度提供决策支持。

来源：2025年第10期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第10期