本研究提出了一种基于数据驱动图滤波器的图卷积神经网络模型，用于预测自行车共享网络中车站级别的小时需求。通过比较多种模型，发现GCNNrec-DDGF和GCNNreg-DDGF表现最佳。此外，通过DDGF分析，发现了车站之间的隐藏异质性相关关系。

本研究提出了一种基于数据驱动图滤波器的图卷积神经网络模型，用于预测自行车共享网络中车站级别的小时需求。通过测试发现，GCNNrec-DDGF和GCNNreg-DDGF的表现最佳。此外，通过DDGF获得更详细的图网络分析，揭示了车站之间的隐藏异质性相关关系。