共享单车需求预测：时间特征工程 + 随机森林，R² 达到 0.931

本项目由 星枢 支持

星枢官网：https://claudeaihub.cloud/

共享单车需求预测：时间特征工程 + 随机森林，R² 达到 0.931

前面几个项目覆盖了分类、回归、聚类、医疗二分类和特征工程二分类。这次做一个时间序列回归：用 UCI Bike Sharing 数据集预测每小时共享单车租赁量。重点是展示时间特征工程的价值—— hour、是否高峰、是否夜间、是否周末，这些特征对预测结果影响巨大。

项目已开源：

https://github.com/coderWang404/xingshuProjects/tree/main/2026-06-14-bike-sharing-demand

核心结论：

• 数据规模：17,379 条小时级记录
• 模型：RandomForestRegressor
• R²：0.9307
• RMSE：46.84
• MAE：28.73
• 最强特征：is_night（是否夜间）

1. 数据集

数据来自 UCI Machine Learning Repository 的 Bike Sharing Dataset，包含华盛顿特区 Capital Bikeshare 系统 2011-2012 年的每小时租车记录。

原始字段包括：

目标cnt = casual + registered。为了防止数据泄漏，训练时去掉了casual和registered，只用时间、气象和构造的特征预测总量。

2. 环境准备

pandas numpy scikit-learn matplotlib seaborn requests

gitclone https://github.com/coderWang404/xingshuProjects.gitcdxingshuProjects/2026-06-14-bike-sharing-demand python-mvenv venvsourcevenv/bin/activate pipinstall-rrequirements.txt

3. 运行实验

python experiments/bike-sharing/run_experiment.py

4. 时间特征工程

这个项目的核心是构造有效的时间特征。原始数据里hr已经很有用，但模型很难直接理解"0-5 点是夜间"、"7-9 点和 17-19 点是通勤高峰"这些业务知识。

我构造了三个关键二值特征：

data["is_rush_hour"]=((data["workingday"]==1)&(data["hr"].isin([7,8,9,17,18,19]))).astype(int)data["is_weekend"]=(data["weekday"].isin([0,6])).astype(int)data["is_night"]=((data["hr"]>=22)|(data["hr"]<=5)).astype(int)

另外还加了一个气象交互特征：

data["temp_atemp_diff"]=data["atemp"]-data["temp"]

分类变量（season, yr, mnth, hr, holiday, weekday, workingday, weathersit）做了 one-hot 编码。最终输入模型的特征有 57 个。

5. 建模与结果

模型参数：

RandomForestRegressor(n_estimators=300,max_depth=15,min_samples_leaf=2,random_state=42,n_jobs=-1,)

测试集结果：

R² 0.93 非常高，说明模型能解释 93% 的租车量方差。对于共享单车这种受天气、节假日、突发事件影响很大的业务场景，这个表现已经很好。

散点图显示预测值和实际值高度集中在对角线附近。

按小时聚合后，模型几乎完美复刻了实际租车量的双峰模式：早高峰和晚高峰。这说明hr和is_rush_hour两个特征捕获了主要的日内周期。

6. 特征重要性：夜间是最强信号

Permutation Importance 排名前 10：

is_night 排名第一，这很合理：夜间（22:00-05:00）租车量几乎降到接近 0，这个二值特征能直接切掉一大块方差。

is_rush_hour 排名第二，说明通勤时段是工作日的核心需求。

temp 排名第三，温度对共享单车需求有显著正向影响——天气越暖和，骑车的人越多。

yr_1（2012 年）排名第四，说明租车量在逐年增长，系统用户基数在扩大。

一个有趣的观察是：hr_9、hr_7、hr_6这些单个小时 one-hot 特征也进入了前十，说明通勤高峰的具体小时有额外的信息，不是光靠is_rush_hour就能完全捕捉。

7. 这个实验的业务含义

共享单车需求预测是一个典型的时间序列回归问题。这个结果可以指导实际业务：

• 调度：高峰前把车辆调度到通勤热点
• 维护：夜间低需求时段进行车辆维护
• 营销：温度高的晴天加大推广力度
• 容量规划：根据年增长趋势（yr_1）扩容

当然，真实系统还需要考虑更复杂的因素：特殊事件、地铁罢工、共享单车竞争、实时天气预警等。但这个实验展示了基础时间特征工程就能达到很好的效果。

8. 实验输出

运行脚本后experiments/bike-sharing/outputs/会生成：

metrics.json # 完整指标 JSON feature_importance.csv # 全部特征重要性 dataset_profile.csv # 数据统计 actual_vs_predicted.png # 实际 vs 预测散点图 residuals.png # 残差分布图 hourly_pattern.png # 按小时聚合趋势图 feature_importance.png # 特征重要性图 summary.md # 实验摘要

9. 总结

这个实验让我重新认识了时间特征工程在回归任务中的价值：

• 业务知识可以转化为强特征。“夜间租车少”、"早晚高峰租车多"这些常识，通过is_night和is_rush_hour变成模型能直接使用的信号。
• 随机森林对时间周期模式学习能力强。配合 one-hot 编码的hr，模型能准确拟合双峰曲线。
• 温度是气象因素中最关键的。这和日常经验一致。
• R² 0.93 不代表可以无脑上线。真实业务中还需要考虑极端天气、特殊事件、实时性等更复杂因素。

如果想继续优化，可以试试：

• 用 Gradient Boosting（XGBoost / LightGBM）对比
• 加入前一天同时段的滞后特征（lag features）
• 加入移动平均特征
• 把预测目标从总量拆分为 casual 和 registered 分别建模

本项目由 星枢 支持

星枢官网：https://claudeaihub.cloud/