目录前言.................................................3第一章绪论..........................................................................................................51.1研究背景及意义..............................51.2本文的主要工作..............................71.3本文的组织结构..............................8第二章相关方法.......................................................................................................92.1随机森林算法...............................................................................................92.2极端随机树算法............................102.3LightGBM算法....................................102.4KNN算法........................................10第三章问题定义与分析........................123.1问题形式化................................................................................................123.2问题分析..................................................................................................13第四章预测算法.....................................................................................................154.1算法架构.....................................154.2数据预处理..................................164.3热站点预测算法............................164.3.1基于随机森林的预测算法..........164.3.2基于极端随机树的预测算法.......184.3.3基于LightGBM的预测算法.............194.3.4加权融合..........................................................................................214.4冷站点预测算法............................224.4.1KNN回归算法原理........................224.4.2冷站点预测..............................224.5预测值修正................................................................................................234.5.1KNN分类算法原理........................244.5.2站点分类.................................254.5.3预测值修正..............................26第五章实验验证..................................275.1数据集........................................275.2基线预测器&评分标准.....................285.3实验结果.....................................29第六章总结与展望...............................306.1本文总结..................................................................................................306.2后续工作展望..............................................................................................30参考文献.............................................32致谢.............................................34摘要近年来，共享单车系统在各大城市逐渐流行，“”“”给大众出行的最先一公里和最后一公里提供了既方便又属于环境友好型的解决方案。虽然它的出现带来了很多便利，但共享单车系统的分配不平衡特点也给管理者和使用者带来了许多问题。对于管理者来说，由于共享单车不断变化的使用需求，它的分布是不均匀的，不加以干预会造成社会资源的极大浪费；对于使用者来说，共享单车的不均匀分布会导致站点无车可借或无车位可停的现象，这会极大影响使用者的使用体验。由于不同站点在不同时间段的借还需求不平衡，因此我们需要对共享单车系统中的自行车进行再平衡。若利用实时监控手段进行再平衡，则需要花费大量的时间、成本、人力，并且无法很好地解决这个问题。因此，我们需要通过一个有效的再平衡策略来对共享单车资源进行调度，这在很大程度上依赖于共享单车借还流量预测。在本文中，我们提出了一种站点级别的预测模型来依靠历史数据以及气象数据等因素来对共享单车借还流量进行预测。首先我们根据历史数据以及时间、气象等因素对历史数据较多——的热站点提出具有一定准确度的预测方...
