透過使用者習慣分析，預測未來需求量 - 以共享單車產業為例

情境

假設你代表公司，到了一個陌生的城鎮和客戶開會，下了捷運才發現目的地還有十分鐘的路程，正午日光曝曬，走路實在很累，但搭計程車過去好像又有些浪費，你陷入了兩難……。

這時，若能有一台隨借隨還的腳踏車，是不是能帶來莫大的幫助？

為了研究人群在城市之中的流動性，華盛頓哥倫比亞特區（Washington, D.C.）的研究人員藉由大量的單車租借紀錄，進一步預測未來每個時段的需求量。

解決方法

資料簡介

資料由華盛頓特區的一家自行車共享系統 Capital Bikeshare 所提供，總共包含兩年、共 17379 筆資料，其中資料的切分方法則是以日期切分，每個月 19 號以前為訓練資料，總共 10886 筆，20 號以後為測試資料，總共 6493 筆，而最終目的就是根據所提供的欄位，包括氣溫、雨量、季節、節日與否等等，預測出每小時腳踏車的總租借數。

接著，為了做變數的挑選，我們把較為無關的季節、天氣等變數去除，並將內含多於一項資訊的欄位（如 datetime）拆分，成為一欄只包含一個資訊的欄位。

模型訓練

共嘗試以下五種模型，成果如表一，RMSLE 為衡量預測值與實際值之間的誤差，其值越低模型表現越佳。因此，下圖中的模型，以 RandomForestRegressor 表現最佳：

成果與應用

至此，我們完整的示範了從原始資料到最後生成一個需求預測模型的過程。對於廠商，此模型可以用以規劃共享單車的配送，避免在熱門和冷門地點，車輛數量分布不均的情形；對於消費者，此模型可在規劃行程與交通方式時使用，若預先得知某地在某時段的車輛需求較大，不一定能在該站租借到車輛，則可轉換其他的交通方式，對於供需雙方而言，都能達到莫大的幫助！

作者：趙熙寧(臺灣行銷研究特邀作者)、鍾皓軒(臺灣行銷研究有限公司創辦人）