On Car-Sharing Usage Prediction with Open Socio-Demographic Data

Abstract

Free-Floating Car-Sharing (FFCS) services are a flexible alternative to car ownership. These transportation services show highly dynamic usage both over different hours of the day, and across different city areas. In this work, we study the problem of predicting FFCS demand patterns—a problem of great importance to the adequate provisioning of the service. We tackle both the prediction of the demand (i) over time and (ii) over space. We rely on months of real FFCS rides in Vancouver, which constitute our ground truth. We enrich this data with detailed socio-demographic information obtained from large open-data repositories to predict usage patterns. Our aim is to offer a thorough comparison of several machine-learning algorithms in terms of accuracy and ease of training, and to assess the effectiveness of current state-of-the-art approaches to address the prediction problem. Our results show that it is possible to predict the future usage with relative errors down to 10%, while the spatial prediction can be estimated with relative errors of about 40%. Our study also uncovers the socio-demographic features that most strongly correlate with FFCS usage, providing interesting insights for providers interested in offering services in new regions.

Predição de Séries Temporais de Demanda em Modelos de Compartilhamento de Veículos para Modelos Uni e Multi Variáveis

“…O entendimento da mobilidade urbana e suas aplicações tem sido foco de diversos estudos [Alencar et al 2019, Cocca et al 2020, Shaheen 2016. Tal atenção se deve a mobilidade urbana estar ligada a diversas tarefas que vão desde cotidianas a laborais, que cada vez mais necessitam de recursos inteligentes para melhor atender a sua crescente demanda.…”

“…Uma das soluções para aprimoramento da mobilidade urbanaé o modelo de compartilhamento de veículos, que tem recebido atenção crescente da comunidade acadêmica [Cocca et al 2020, Alencar et al 2019, Boldrini et al 2016, Nourinejad 2014]. O modelo de negócios do compartilhamento de veículos, se baseia em oferecer veículos em uma região de atendimento, onde os usuários podem reservar e utilizá-los a qualquer momento, sem se preocupar com problemas inerentes a manter um veículo próprio.…”

“…Pesquisas já foram realizadas para descrição do comportamento de uso e demanda desses tipos de serviços [Alencar et al 2019, Boldrini et al 2016, Cocca et al 2020]. Nesses trabalhos, foi exibido que a utilização dos serviços de compartilhamento de veículos, segue padrões de utilização tanto de demanda quanto de tempo de utilização.…”

“…Mais precisamente, utilizamos dados de três serviços situados na cidade de Vancouver, Canadá, conjunto a dados históricos meteorológicos da cidade, para uma comparação de desempenho de diferentes técnicas de previsão de demanda para os seus modelos, e como se comportam com dados externos aos serviços. Sobre as técnicas, exploramos o Prophet, que vêm demonstrado resultados competitivos dentre métodos já consolidados [Taylor andLetham 2018, Papacharalampous et al 2018] e o LSTM (Long Short-Term Memory) queé um método de alta escalabilidade e desempenho [Cocca et al 2020, Laptev et al 2017.…”

“…Os trabalhos existentes focam em realizar a predição de demanda para um tipo de serviço sobre modelos do estado da arte [Cocca et al 2020, Laptev et al 2017. Nós avaliamos dois modelos, sendo um de base estatística e outro de redes neurais sobre dados de três serviços e dados externos aos mesmos, o que complementa o entendimento sobre como modelos preditivos podem auxiliar para tomada de decisões para serviços de compartilhamento de veículos.…”