自行车共享使用预测。
bspred的Python项目详细描述
基于citibike纽约数据的2018年自行车共享使用量预测
请下载并打开HTML文件以查看绘图。可用的地块展示了出发和到达人数最多的车站。
要安装，请执行以下操作：
pip install bspred
关键变量
到达次数：每天在车站结束的旅行次数。
出发：每天从一个车站出发的旅行次数。
特征预测：假设在某一特定地点附近没有自行车站，则预测在该地点共享自行车的使用情况。
依赖性
路缘石
说明
这是一个正在进行的项目。
有两种预测可用。所有的预测都有95%的置信区间。
importbspredimportnumpyasnpimportpandasaspddata=pd.DataFrame({'latitude':[40.75058535],'longitude':[-73.99468482]})
- 预测目前没有citibike站点的自行车共享使用情况。
请注意，这不是真正的自行车共享使用，而是一个数量级分析。
bspred.predict(data)
结果将是：
到达人数=826.452942，
离港=839.163513。
- 根据目前活跃的城市自行车站预测自行车共享使用量。
bspred.predict_with_Citibike(data)
结果将是一个熊猫数据框预测自行车共享使用在当前的自行车站和新增加的。
数据框的最后一行是对新自行车站自行车共享使用情况的预测：
到达人数=441.030067，
离港=474.2624。
如果需要删除一些当前的citibike站点，可以将站点名称列表作为删除列表传递：
bspred.predict_with_Citibike(data,remove_list=[])
可以从https://member.citibikenyc.com/map/中提取名称。
或者，要查看当前的citibike旅行历史数据，请运行：
path=bspred.get_path()df=pd.read_csv(path+'/stations_reshaped.csv',sep=',',engine='python')df
欢迎加入QQ群-->： 979659372
