基于运营数据的出租车短期出行需求预测模型（2016年）

简介：
本研究构建了一个基于历史运营数据的机器学习模型，用于预测短期内出租车的出行需求，以优化资源配置和提高服务效率。 出租车系统是城市交通运输体系中的关键部分,其规划与调度的合理性直接影响到服务质量。本段落主要探讨了如何通过估计和预测乘客出行需求来优化出租车系统的规划及实时调度策略，提供必要的数据支持。首先，我们分析了现有的出租车定位系统和计费机制，并改进了传统的网格划分方法，在考虑地形、建筑群以及道路网络特点的同时确保每个网格内出行特征的完整性。其次，基于收集到的实际出租车运营数据，构建了一种易于操作的需求评估模型。最后，通过实际数据分析影响短时需求的关键变量之间的关系，并提出一种基于人工神经网络的短期需求预测模型，根据相关性分析确定了该模型的主要参数。