基于conv-lstm方法预测共享单车需求
本期分享下我们小组的数据挖掘期末(划水)大作业，小组成员还有李天豪and张振同学。
主题是：基于conv-lstm方法预测共享单车需求
主要参考的论文是：Bao J, Yu H, Wu J, et al. Short-term FFBS demand prediction with multi-source data in a hybrid deep learning framework[J]. Iet Intelligent Transport Systems, 2019, 13(9): 1340-1347.
大纲
- 数据来源
- 单车数据
- poi数据
- 实验设置
- conv-lstm优势
- 模型设置
- 实验结果
- 模型对比
- 可视化
- 出行高峰预测
- 预测总订单量最大的栅格
- 总结与展望
数据来源
单车数据
单车数据是北京摩拜单车2017年的数据，获取来源：
https://www.biendata.xyz/competition/mobike_practice/
2017-05-19后单车骑行订单突然大幅下降，因此宜使用05-10至05-19日期之间稳定的订单数据
可以看到主要有三个高峰，分别在7:30-8:30，11:30-12:30，17:30-18:30
通过摩拜单车数据在北京市不同行政区的空间分布，可以看到骑行具有空间不均匀性，主要分布于朝阳区，丰台区，海淀区等中心城区，且有沿中心圈层向外辐射递减的趋势，特别是在一些外围区域，订单数据稀少。
所以我们仅针对摩拜单车订单量较多的热点区域进行需求预测，选择的区域如下6×6栅格所示：
经以上时间和空间筛选后，本次实验共用2422993条订单数据。
poi数据
由于无法获取2017年5月10日-2017年5月19日的poi数据，因此利用百度API获取目前的poi数据近似代替，这可能会导致与真实情况有部分出入。在指定的研究区域内共获取155862条poi数据,包括住宅区，地铁站，公交站等类型，数据总体情况如下：
从中可以看到住宅区、美食、购物为主要的三个poi类别，占到了整个poi数量的75%左右。
将poi数据集计到我们划定的6×6栅格里，得到poi的分布情况如下
可以看到poi数据的分布也呈现不均匀分布的特征，中心区poi数量最多且向周围辐射递减。
最后我们将各栅格poi数量换算成各栅格poi比例来作为各个栅格的土地利用情况信息并作为6×6的矩阵输入。
此外，本实验还收集了北京市2017年5月10日-2017年5月19日的日均气温，是否下雨，空气质量数据，数据总体情况如下表3-1 北京市2017年5月10日—2017年5月19日气象数据。
由相关研究可知，是否下雨，平均气温，是否是工作日三者对骑行量影响具有显著性，其中是否下雨影响最大，而本次实验所选日期内均为不下雨，且未能收集到逐小时气温，由于数据质量原因，此次实验不使用气象数据。
实验设置
conv-lstm优势
经典的LSTM的state-state采用全连接形式，而ConvLSTM采用卷积的形式。
相比於单纯的LSTM网络，不仅考虑了单个预测单元的信息，还考虑了相邻单元的信息，有效利用了共享单车需求数据的时间和空间信息。
模型设置
将订单数据按照每个栅格每5min进行集计，Poi数据按照栅格进行集计并换算成比例。
再将2017-05-10到2017-05-17数据作为训练，2017-05-18到2017-05-19数据作为测试
然后分三个模型进行了多次实验
- 模型1：仅利用订单数据的LSTM网络
- 模型2:仅利用订单数据的Conv-LSTM网络
- 模型3：融合POI和订单数据的Conv-LSTM网络
实验结果
模型对比
对不同场景的模型采取的整体的评价指标包括MAPE（平均绝对百分比误差）,MAE（平均绝对误差）,MSE（均方误差）,R2（确定系数）。
MAPE,MAE,MSE指标值越小，R2（确定系数）越大，代表预测的越准确。
MAPE,MAE,MSE,R2四个指标都显示出，模型3：融合POI和订单数据（Conv-LSTM）是预测最优的。
可视化
融合POI和订单数据Conv-LSTM网络损失函数（mse）随着训练的变化
融合POI和订单数据Conv-LSTM网络评价指标（mae）随着训练的变化
模型3：融合POI和订单数据（Conv-LSTM）是预测最优的，下面针对此种方法对预测结果给出更直观的展示。
出行高峰预测
由前文共享单车需求数据的时间分布可知，有早中晚三个出行高峰，我们将预测的时间粒度为5min的数据集计在这三个高峰内并进行可视化（选取的是2017-05-18）：
各个栅格内预测需求与真实需求整体很接近，说明该模型能够较好的预测各高峰时段的共享单车出行需求。
预测总订单量最大的栅格
挑出总订单量最大的栅格（栅格标号为22），画出测试集上的预测对比曲线
22号栅格预测需求与真实需求对比图
可以看到早晚高峰时段预测的差距较大，其他时刻预测很准确，由于栅格22处于中心城区，栅格内各种活动模式较为复杂，影响因素很多，本模型只考虑了基本的土地利用信息，且是用2020年的POI信息近似代替，因此可能造成在高峰时段预测偏差较大。
总结与展望
相比於单纯的LSTM网络，使用Conv-LSTM，不仅考虑了单个预测单元的信息，还考虑了相邻单元的信息，有效利用了共享单车需求数据的时间和空间信息，因此预测更为准确。结果表明，所提出的融合POI数据的组合神经网络在三个模型中预测精度是最优的，这证实了将多源数据集纳入共享单车需求预测的好处。
将来，随着越来越多的共享单车出行数据集公开可用，将进一步评估和比较融合POI数据的Conv-LSTM网络在不同情况下（如出行规律、工作日与非工作日）的性能和准确性。
共享单车数据可后台回复： 北京摩拜 获取原始数据
（原始数据的地理位置是以geohash格式给出，需要进一步转换成经纬度值并转换为wgs84座标系。想获取处理完成的数据的同学可以帮忙点个再看，支持一下，发截图到后台获取下载链接）
