Hur många cyklar imorgon? - En studie i Malmö med regressionsanalys

Sammanfattning: Mer hållbara transporter i urban miljö är under ständig utveckling. För att bidra till detta jobbar vi med att bygga bättre kunskap om cykeltrafik med fokus på Malmö, Sverige. Tillsammans med exempelvis väderdata, som består av temperatur och nederbörd utvecklar vi modeller för att uppskatta hur många cyklar som förväntas trafikera en viss plats under nästkommande dag. Detta kan bidra till förbättrade transporter i urbana miljöer, exempelvis genom att känna till korrelationen mellan cykel- och bussresenärer kan man på så vis kunna uppskatta behovet av extrabussar. Vidare har vi studerat precisionen av några algoritmer och hur väl dessa predikterar antalet cyklister. Vårt huvudverktyg är Sci-kit learn som innehåller en mängd olika maskininlärningsalgoritmer. Slutligen beskriver vi den regressionsalgoritm som har bäst förmåga att uppskatta antalet cyklister imorgon. För att nå vårt slutresultat beskriver vi hur vi bearbetat cykelflödesdata, för att exempelvis ta bort dagar då cykelräknare varit sönder. Enligt våra resultat är regression med ett neuralt nätverk den bästa algoritmen för uppskattning av cykelflöde, ett neuralt nätverk hamnar efter 400 dagar under 15% i genomsnittlig feluppskattning. För att bedöma vilken som presterar bäst använder vi det absoluta relativa felet som beskriver hur stor skillnaden mellan det exakta värdet och prediktionen är. Vi kom fram till att om man lägger till vilken tid på året det är blir prediktionen bättre som med utan tid på året, det finns alltså en stark korrelation mellan tid på året och antalet cyklister.