回归模型在城市公共自行车租还业务大数据分析中的应用

摘要

某市级公共自行车业务系统自2008年上线以来，上线初始服务点61个点、自行车2800辆、日均租用量2607人次、最高租用量6000余人次;截止2014年6月底共达到服务点3111个、自行车7.8万辆、目前日均租用量达28.8万人次、最高租用量达41.14万人次。随着业务的发展，运营和管理资源短缺的问题逐步暴露出来，公共自行车业务缺乏指导性管理方法，缺乏对下一步业务发展的提前判断。在出现租还车高峰时，经常性的出现资源协调不合理，临时调配困难的问题。
　　在大数据时代，如何将整个公共自行车关联的运营数据进行实时汇总、多维分析、及时预判和提醒;如何对租还车数据进行统计研究分析等，是近期要解决的核心问题，也是公共自行车信息化发展的必经阶段。因此，公共自行车行业也迫切需要引入在成熟信息行业已广泛采用的统计分析方法和技术集成公共自行车业务系统的数据，在保证数据完整性和准确性的基础上搭建公共自行车数据主题分析模型，为运营决策提供实时的、科学的、合理的以及具有预见性的分析依据。
　　本文将采用线性回归的分析方法，结合用户的运营数据，构建公共自行车租还业务量的回归模型，帮助用户准确把握租还量的变量受其他一个或多个变量影响的程度，进而为预测提供科学依据。

目录

声明

摘要

第一章 引言

1．2 研究现状概述

1．3 本文研究意义

第二章 相关知识和理论

2．2．1 提商投放车辆

2．2．2 提高车辆周转率

2．2．3 降低租车点系统故障

2．2．5 及时补充车辆

2．2．6 关于调运节点的支持

2．3 如何提高还车能力

2．3．1 降低租车点系统故障

2．3．2 及时下架以提高还车能力

2．4 管理视觉

2．5 下架点、调运点、下架时间点和上架时间点

第三章 业务模型设计

3．1 逻辑数据模型

3．1．1 事实

3．1．2 实体

3．1．3 层系

3．2 业务模型

3．2．1 租还车分析主题

3．2．2 卡用户分析主题

3．3 业务模型的实现

第四章 算法设计和结果

4．1 数据样本

4．2 模型选择

4．3 线性回归模型

4．4 样条函数

4．5 算法设计

4．5．1 一元线性回归模型

4．5．2 模型参数估计

4．6 模拟结果

第五章 结论和展望

5．2 未来展望

参考文献

致谢

附件