基于时间序列的网约车在线司机与乘客发单的供需预测

发布时间：2024-07-01 23:45

　　随着移动互联网的兴起,网约车应运而生。在网约车的业务场景里面,特定城市的不同区域的在线司机数差异很大,乘客发单量差异也很大。为了解决区域之间供需不平衡的问题,首先就要对每个区域的供需比有一个准确的预测。而特定区域的供需比随时间变化而变化,与很多外界因数相关,具有周期性,且会因为节假日、恶劣天气等极端事件使得序列出现异常值。用传统的三阶指数平滑处理时不能很好的对异常点做出预测。因此兼顾极端事件的发单量和接单量的预测具有重大的意义。传统的机器学习模型和循环神经网络在时间序列预测的研究方面都取得了一定的成果。本文基于这两个方向,结合具体的业务背景设计出了一种组合预测模型,并且相对现存的方法取得了很大提高。首先我们获取多个城市多个区域在不同时间点的供需比以及区域位置,天气等的历史信息。并对相应特征做了异常值处理、归一化、one-hot、连续特征离散化等初级处理。然后对处理后的特征分别用两种方案做进一步的处理。方案一中,我们分别把供需比序列输入到三阶指数平滑和一阶指数平滑的holt-winter模型里,分别求解模型参数。然后把两个模型线性加权的结果作为一个最终特征。方案二中,我们首先把包含区域特...

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

图1-1时间序列的发展对于异方差情形，Engle（1982）首先提出ARCH模型

用于时间序列数据的识别、诊断以及估计，最终变得越来越完整。ARIMA有另外一个名称，即Box-Jenkins模型，主要的应用场景是对单变量、同方差的线性时间序列数据拟合。在模型处理非平稳的时间序列时，首先就是把非平稳序列平稳化，而这样的方法多种多样，比如进行傅里叶变化或则小波....

图1-2非线性时间序列

中科技大学硕士学位论上面两个方法一起成为现代谱估计的奠基。随着最小交叉熵最大熵谱分析法只不过是最小交叉熵法在特定情况下的一个知道某些规则的时候，对比最大熵法，最小交叉熵的效果要法[6]的缺点是运算太繁复。通常情况下，经典谱估计对短数对长数据序列有更加优秀的谱估....

图2-1RNN示意图

()∑[(())()()]()(2-去掉常数，展开正则得到()，如式2-20所示：()∑(∑)(∑)....

图2-2LSTM结构图

华中科技大学硕士学位论文人意[31]。网络一旦变得更深就无法训练了，而RNN解决这个问题用到的就叫LSTM，LSTM引入一个核心元素就是Cell[32]。LSTM是一种特殊的RNN结构[33]。是为了解决长期记忆无法有效传递的问题而设计出来的。RN....

本文编号：3999367