BikeNYC数据集的流量预测。

简介：
城市人流量预测的任务被视为一项回归分析，其核心在于利用历史数据来预测城市内不同区域的人流进出情况，从而为城市管理提供有力支持。为了便于研究的进行，我们将要研究的城市区域按照水平和垂直方向进行了细致的分块，划分成若干个较小的区域单元。该任务的主要目标是，基于过去六小时内记录的流入流出量数据，准确地预测未来一小时、两小时以及四小时内的流入流出趋势。在数据处理方面，首先会对原始数据进行严格的规范化处理，以保证数据的质量和一致性。随后，借鉴实验四中提出的方法，我们采用滑动窗口采样技术，根据任务设定的目标对原始数据构建训练集、验证集和测试集，并设置三者比例为7:1:2。模型设计方面，要求模型同时整合卷积神经网络（例如CNN、残差网络）和循环神经网络（例如RNN、LSTM、GRU）等多种技术；模型优化方面则包括：针对不同模块应用差异化的归一化操作；至少采用一次Dropout技术以防止过拟合；在损失函数中加入正则化项以提高模型的泛化能力；并实施早停机制以避免训练过程中的过度拟合。最后, 报告应包含以下内容：首先, 以表格形式呈现待预测的三个时间点在三种评估指标（均方误差MAE、均方根RMSE和平均绝对百分比误差MAPE）下的性能表现, 并用粗体突出显示最佳性能的结果；其次, 通过绘制图表的形式, 系统地分析使用不同正则化参数、Dropout丢弃值以及早停忍耐值对最终结果产生的影响。报告模板方面, 应严格遵循此前指定的实验报告模板; 要求报告内容图文并茂, 并附上关键的高亮代码片段.