Published
2026-03-18
Section
Articles
How to Cite
融合空间热力图与 ARIMA 模型的校园共享电动单车短时需求预测
吴 妍洁
武汉东湖学院 计算机科学学院
邓 林
武汉东湖学院 计算机科学学院
DOI: https://doi.org/10.59429/kxjsyy.v3i1.13267
Keywords: 共享电动单车；潮汐现象；时空可视化；ARIMA；需求预测
Abstract
校园共享电动单车的借还行为受课程作息与功能区布局双重驱动，早晚高峰呈现显著的空间潮汐现象，导致 局部区域车辆短缺与运维成本攀升。研究基于模拟订单数据，构建“空间可视化—时序建模—预测对比”分析框 架：空间维度采用网格化统计与核密度估计绘制借还热力图，以归一化潮汐差异指标识别供需失衡区域；时间维 度针对宿舍、教学、食堂等功能区建立小时级需求序列，对比移动平均与 ARIMA 模型的提前 1 小时预测精度。结 果表明，宿舍区与教学区潮汐差异最为突出，ARIMA 模型高峰期预测误差较移动平均降低约 35%（MAE）与 29% （RMSE），其自回归结构对校园出行强自相关性具有更好捕捉能力。研究可为校园车辆投放优化与动态调度策略提 供方法支撑。
References
[1] MA X, YIN Y, JIN Y, et al. Short-term prediction of bike-sharing demand using multi-source data: A spatial–temporal graph attentional LSTM approach[J]. Applied Sciences, 2022, 12(3): 1161.
[2] SOHRABI S, ERMAGUN A. Dynamic bike sharing traffic prediction using spatiotemporal pattern detection[J]. Transportation Research Part D: Transport and Environment, 2021, 90: 102647.
[3] 柯日宏，吴升，柯玮文. 一种识别共享单车潮汐点的时空模型和基于 KNN-LightGBM 的租还需求预测分析方法[J]. 地球信息科学学报，2023, 25(4): 741-753.
[4] 王纬地，杨敏，陈峻等. 校园无桩共享单车时空动态需求预测[J]. 华中科技大学学报（自然科学版），2022, 50(9): 45-51.
[5] 张腾飞，袁鹏程. 基于 ARIMA 的短时交通量预测模型[J]. 计算机应用与软件，2020, 37(7): 273-278.