校园共享滑板车使用意愿影响因素分析及需求预测.pdf

中文摘要

在校园内，共享滑板车作为便捷的短途出行工具已经逐渐流行起来。许多

大学和高校开始支持共享滑板车在校园内的使用，以提供学生和教职员工更方

便的出行选择。本文采用问卷调查与原始骑行数据相结合的方式，探究了大学

生共享滑板车使用意愿的影响因素，并提出了提升使用意愿的建议，基于校园

内的站点进行共享滑板车需求预测，旨在为校园共享滑板车的发展提供参考依

据。

首先，主要是对感知风险、感知有用性、感知便利性、感知成本、感知质

量、感知娱乐性、相对优势、期望确认度和使用意愿9个因素进行研究，建立

研究理论模型并提出研究假设。通过分析得到大学生共享滑板车使用意愿分别

与感知有用性、感知便利性、感知娱乐性和相对优势呈现显著正相关关系，与

感知成本呈现显著负相关关系；感知有用性与期望确认度呈现显著正相关关

系。

其次，分析共享滑板车用户出行需求特性。在对某大学校园共享滑板车2023

年5月19日至2023年6月24日骑行数据进行预处理的基础上，采用数据挖掘

方法和空间可视化工具，从时间、空间层面分析共享滑板车用户出行特征，进而

确定共享滑板车需求预测研究思路。结果显示，用户工作日与非工作日以及不同

类型区域骑行需求在时间分布上存在明显差异。工作日共享滑板车出行需求具有

明显的早中晚高峰特征，高峰期明显高于平峰时期；而非工作日共享滑板车骑行

量并无明显时段波动情况，高峰期内用户出行量增加并不显著，共享滑板车出行

量在时间分布上较为分散，无明显规律；在宿舍区、教学区骑行量高。

然后，建立基于LSTM的站点层面需求量预测模型。结合骑行数据、站点，

在考虑日期属性和良好天气情况基础上，利用长短期记忆网络提取时间特征，对

单个区域进行需求预测。调节参数以优化预测精度，将预测结果与不区分日期属

性的预测效果进行对比。结果显示，采用30min划分时间片可以取得较好的预测

精度，误差为RMSE16.8799，MAE9.8713，区分日期属性时可提高预测精度。

关键词：共享滑板车；使用意愿；出行特征；长短期记忆网络

ABSTRACT

Oncampus,sharedscootershavegraduallybecomepopularasa

convenientmeansofshort-distancetravel.Manycollegesanduniversities

arestartingtosupporttheuseofsharedscootersoncampustoprovidemore

convenienttraveloptionsforstudentsandstaff.Inthispaper,the

influencingfactorsofcollegestudentswillingnesstousesharedscooters

wereexploredbycombiningquestionnairesurveyandoriginalridingdata,

andsuggestionswereputforwardtoimprovethewillingnesstouse

scooters,andthedemandforsharedscooterswaspredictedbasedonthe

stationsoncampus,aimingtoprovideareferenceforthedevelopmentof

sharedscootersoncampus.

Firstly,ninefactorswerestudied,includingperceivedrisk,perceived

usefulness,perceivedconvenience,perceivedcost,perceivedquality,

perceivedentertainment,relativeadvantage,expectedconfirmationand

willingnesstouse,anda