基于LSTM的共享自行车站点需求预测与调度

摘要

以厦门岛作为研究对象，采用Geohash算法为每个订单自行车寻找最近停车点，使用K-medoids算法对岛内围栏停车点进行聚类并统计各围栏停车点集群间的单车需求，利用LSTM模型预测单车需求，将预测的结果输入到Maro资源调度平台来模拟各站点间的单车流动和调度，最后提出了一种基于需求预测的动态调度策略.在实验验证过程中，采用系统缺车数量的均值和平均调度次数为评价指标来衡量不同调度策略下的系统缺车情况和调度效率.实验结果表明：无论是系统缺车数量的均值还是平均调度次数，提出的基于需求预测的动态调度策略都要优于Maro平台的其他3种调度策略.

关键词

共享自行车 / Geohash算法 / K-medoids算法 / 时间序列预测 / Maro资源调度平台