换一批基于加权时变泊松模型的出租车载客点推荐模型
Recommendation model of taxi passenger-finding locations based on weighted non-homogeneous Poisson model
摘要针对出租车空载率高、司机寻客难的问题,提出泊松-卡尔曼组合预测模型(PKCPM).首先,采用加权非齐次泊松模型,针对出租车历史数据进行建模,得到目标时刻的估计值;其次,基于当天的实时数据,将临近时刻乘客需求的平均值作为目标时刻预测值;最后,将预测值和估计值作为卡尔曼滤波模型的输入参数,实现对目标时刻出租车乘客需求的预测,同时引入误差反向传播机制,减小下一次预测误差.基于郑州市出租车轨迹数据集,对组合模型与非齐次泊松模型(NHPM)、加权非齐次泊松模型(WNHPM)、支持向量机(SVM)等三种模型进行对比,实验结果显示PKCPM的误差比WNHPM、SVM分别降低了8.85个百分点、14.9个百分点.该模型能对不同时段内、不同空间网格的乘客需求进行预测,为出租车寻找乘客提供可靠的依据.
更多相关知识
关键词
空载率卡尔曼滤波预测模型加权时变泊松模型临近时刻乘客需求empty-loading ratioKalman filtering prediction modelweighted Non-Homogeneous Poisson Model (NHPM)passenger demand in the near time
分类号
TP181
栏目名称
DOI
10.11772/j.issn.1001-9081.2017092339
发布时间
2018-06-01
- 浏览0
- 被引10
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
