《表6 需求分配结果：基于机器学习的共享单车热点区域识别及需求预测》
提示：宽带有限、当前游客访问压缩模式
根据各热点区域的历史出行比例，分配总出行量的预测值，需求分配结果见表6。所有区域的预测结果中，平均误差率为6.8%，预测值能较好反应真实的出行需求。
| 图表编号 | XD0081080400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.20 |
| 作者 | 徐伟 |
| 绘制单位 | 北京交通大学交通运输学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 渗漏量预测：基于机器视觉深度学习的电站渗水检测识别技术研究》2020.10.20
- 《表6 权重分配结果：基于机器学习的电力大客户群体月度售电量预测研究》2018.09.25
- 《表2 多重共线性分析：基于Logistic模型的张掖市共享单车需求影响因素研究》2020.06.30
- 《表2 多重共线性分析：基于Logistic模型的张掖市共享单车需求影响因素研究》2020.06.30
- 《表1 单因素方差分析：基于Logistic模型的张掖市共享单车需求影响因素研究》2020.06.30
- 《表6 方程中的变量：基于Logistic模型的张掖市共享单车需求影响因素研究》2020.06.30
- 《表4 模型汇总：基于Logistic模型的张掖市共享单车需求影响因素研究》2020.06.30
- 《表1 变量定义表：共享单车站点潜在需求预测问题研究》2020.01.01
- 《表1 各类POI的属性：基于地理加权回归的共享单车需求影响因素分析》2020.04.01
- 《表2 各变量均值：共享单车短时需求影响因素分析》2020.03.15
- 《表1 变量说明：共享单车短时需求影响因素分析》2020.03.15
- 《表3 调度需求：考虑用户参与的共享单车调度模型》2019.11.10
- 《表4 时段分布特征：基于机器学习的共享单车热点区域识别及需求预测》2019.05.20
- 《表3 用户效用灵敏度：位置识别率影响下基于博弈的共享单车停车奖惩策略研究》2019.02.01
- 《表2 模型预测结果：机器学习在物联网虚假用户识别中的运用》2019.07.20
- 《表5 副中心站区域公共自行车、共享单车出行量预测》2019.04.25
- 《表2 实验识别结果：基于机器视觉的施工危险区域侵入行为识别方法》2019.01.01
- 《表3“共享单车1.0时代”ofo捕捉消费者需求变化能力的形成及引用语》2019.02.20
- 《表3“共享单车1.0时代”ofo捕捉消费者需求变化能力的形成及引用语》2019.02.20
- 《表3 共享单车需求与实际供求的差值 (单位:辆)》2019.01.15