[發(fā)明專利]基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110337954.1
• 申請(qǐng)日: 2021-03-30
• 公開（公告）號(hào): CN112949939B
• 公開（公告）日: 2022-12-06
• 發(fā)明（設(shè)計(jì)）人: 張群洪
• 申請(qǐng)（專利權(quán)）人: 福州市電子信息集團(tuán)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/28;G06K9/62
• 代理公司: 北京易捷勝知識(shí)產(chǎn)權(quán)代理有限公司 11613
• 代理人: 黃駿鵬

本發(fā)明提供的基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法，通過根據(jù)公交站點(diǎn)構(gòu)建泰森多邊形，并對(duì)每個(gè)泰森多邊形按預(yù)設(shè)規(guī)則構(gòu)建多變量的預(yù)測(cè)數(shù)據(jù)集；根據(jù)所述預(yù)測(cè)數(shù)據(jù)集構(gòu)建得到多個(gè)訓(xùn)練樣本；分別為每個(gè)訓(xùn)練樣本建立用于分類的決策樹，并根據(jù)所述決策樹得到相應(yīng)的預(yù)測(cè)值；根據(jù)所有的預(yù)測(cè)值對(duì)出租車載客熱點(diǎn)進(jìn)行預(yù)測(cè)，綜合考慮了歷史時(shí)間屬性、星期屬性、空間屬性、公交客流、基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法天氣因素、是否節(jié)假日和功能區(qū)等影響因素，預(yù)測(cè)精度高，而且結(jié)合max_features的最優(yōu)值，降低了模型使用的難度和誤差。

技術(shù)領(lǐng)域

本發(fā)明涉及城市交通技術(shù)領(lǐng)域，特別涉及基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法。

背景技術(shù)

公共交通出行方式是緩解城市擁堵的重要的手段，由于城市的復(fù)雜性和居民的出行需求不斷增加，導(dǎo)致了城市中乘客“打車難”和司機(jī)“尋客難”等問題。隨著大數(shù)據(jù)時(shí)代的到來和位置服務(wù)技術(shù)的發(fā)展，浮動(dòng)車軌跡數(shù)據(jù)成為了研究公共交通出行模式的理想數(shù)據(jù)源和決策依據(jù)。出租車載客熱點(diǎn)預(yù)測(cè)與推薦，為出租車司機(jī)提供快速尋客方案和載客熱點(diǎn)推薦，對(duì)于降低出租車的空駛里程，避免出租車供需不平衡，提高乘客出行效率，提高出租車司機(jī)收入和緩解城市的交通擁堵問題具有非常重要的意義。

因此，需要基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法，能夠提高出租車載客熱點(diǎn)預(yù)測(cè)的精度。

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題

為了解決現(xiàn)有技術(shù)的上述問題，本發(fā)明提供的基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法，能夠提高出租車載客熱點(diǎn)預(yù)測(cè)的精度。

(二)技術(shù)方案

為了達(dá)到上述目的，本發(fā)明采用的技術(shù)方案為：

基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法，其特征在于，包括步驟：

S1、根據(jù)公交站點(diǎn)構(gòu)建泰森多邊形，并對(duì)每個(gè)泰森多邊形按預(yù)設(shè)規(guī)則構(gòu)建多變量的預(yù)測(cè)數(shù)據(jù)集；

S2、根據(jù)所述預(yù)測(cè)數(shù)據(jù)集構(gòu)建得到多個(gè)訓(xùn)練樣本；

S3、分別為每個(gè)訓(xùn)練樣本建立用于分類的決策樹，并根據(jù)所述決策樹得到相應(yīng)的預(yù)測(cè)值；

S4、根據(jù)所有的預(yù)測(cè)值對(duì)出租車載客熱點(diǎn)進(jìn)行預(yù)測(cè)。

(三)有益效果

本發(fā)明的有益效果在于：通過根據(jù)公交站點(diǎn)構(gòu)建泰森多邊形，并對(duì)每個(gè)泰森多邊形按預(yù)設(shè)規(guī)則構(gòu)建多變量的預(yù)測(cè)數(shù)據(jù)集；根據(jù)所述預(yù)測(cè)數(shù)據(jù)集構(gòu)建得到多個(gè)訓(xùn)練樣本；分別為每個(gè)訓(xùn)練樣本建立用于分類的決策樹，并根據(jù)所述決策樹得到相應(yīng)的預(yù)測(cè)值；根據(jù)所有的預(yù)測(cè)值對(duì)出租車載客熱點(diǎn)進(jìn)行預(yù)測(cè)，綜合考慮了歷史時(shí)間屬性、星期屬性、空間屬性、公交客流、天氣因素、是否節(jié)假日和功能區(qū)等影響因素，預(yù)測(cè)精度高，而且結(jié)合max_features的最優(yōu)值，降低了模型使用的難度和誤差。

附圖說明

圖1為本發(fā)明實(shí)施例的基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法流程圖。

具體實(shí)施方式

為了更好的解釋本發(fā)明，以便于理解，下面結(jié)合附圖，通過具體實(shí)施方式，對(duì)本發(fā)明作詳細(xì)描述。

實(shí)施例一

請(qǐng)參照?qǐng)D1，基于隨機(jī)森林模型的出租車載客熱點(diǎn)預(yù)測(cè)方法，包括步驟：

S1、根據(jù)公交站點(diǎn)構(gòu)建泰森多邊形，并對(duì)每個(gè)泰森多邊形按預(yù)設(shè)規(guī)則構(gòu)建多變量的預(yù)測(cè)數(shù)據(jù)集；

步驟S1具體為：

根據(jù)公交站點(diǎn)構(gòu)建泰森多邊形，并對(duì)每個(gè)泰森多邊形按星期、時(shí)段統(tǒng)計(jì)每個(gè)泰森多邊形公交上/下客數(shù)量以及出租載客數(shù)量構(gòu)建多變量的預(yù)測(cè)數(shù)據(jù)集。

S2、根據(jù)所述預(yù)測(cè)數(shù)據(jù)集構(gòu)建得到多個(gè)訓(xùn)練樣本；