1.一种基于机器学习的城际网约车需求预测方法,其特征在于,包括:S1,需求预测模型训练:
S11,订单数据获取,从网约车平台中获取城际订单数据,并以每天24小时分成n个时段t={1,...,n},根据订单数据汇总各时段的网约车需求客座数y={y1,...,yt};对于拼车订单,需求客座数为用户下单时所选择的乘车人数,对于包车订单,需求客座数为所选择车辆类型的可提供的客座数;
S12,天气特征数据获取,获取各时段的天气特征数据;
S13,特征数据合并及增加,将需求客座数y和天气特征数据通过线路和时段关联合并,同时添加时间特征数据和线路特征数据;
S14,特征数据预处理,对天气特征数据中缺失或异常的数据进行处理,包括用均值或附近时段值填充空值,并剔除异常值;
对处理后的天气、时间、线路特征中的离散型特征数据做one‑hot编码,并通过min‑max方法对天气、时间、线路特征数据标准化,使结果值映射到[0‑1]之间;
S15,特征数据筛选,对天气、时间及线路特征采用Pearson相关系数法和最大信息系数法两种方法综合度量,提取Pearson系数的绝对值大于第一预设值或MIC值大于第二预设值的特征;
S16,模型训练,将S11~S15处理后的需求客座数据和特征数据作为极端梯度提升算法XGBoost的训练数据输入进行训练;
S17,最优模型获取,使用K‑Fold交叉验证方法进行迭代训练寻找最优模型,将最优模型以文件的方式保存到特定路径;
S2,需求客座数值预测:构建未来时段的特征数据;对未来时段的特征数据以训练数据相同的数据处理方式进行处理;调用训练好的最优模型对需求客座数值进行预测。
2.根据权利要求1所述的基于机器学习的城际网约车需求预测方法,其特征在于,采用Pearson相关系数法获取Pearson相关系数,具体如下:其中,ρ(x,y)表示Pearson相关系数;x表示特征,包括天气、时间及线路特征,xi表示在i时段特征x的值;y表示需求客座数,yi表示在i时段的需求值;n表示有n个时段;表示所有时段该特征的平均值; 表示所有时段的需求平均值。
3.根据权利要求1所述的基于机器学习的城际网约车需求预测方法,其特征在于,采用最大信息系数法获取最大信息系数MIC,具体如下:其中,MIC(x,y)表示最大信息系数MIC;x表示特征,包括天气、时间及线路特征;y表示需求客座数;n表示有n个时段;I(x,y)表示特征x与需求y之间的互信息值,a和b分别表示在y轴和x轴方向划分网格的大小。
4.根据权利要求1所述的基于机器学习的城际网约车需求预测方法,其特征在于,极端梯度提升算法XGBoost中使用MSE做损失函数,并使用RMSE做评估函数。
5.根据权利要求1所述的基于机器学习的城际网约车需求预测方法,其特征在于,所述K‑Fold交叉验证方法,具体包括:将各时段需求客座数及特征数据随机分成K组子集,子集包含了不同时段对应的需求及特征数据;将每个子集数据分别做一次验证集,其余的K‑1组子集数据作为训练集进行训练;分别在K个验证集中对预测结果进行评估,最后将K个模型误差加和平均得到该模型的交叉验证误差;在迭代训练过程中,XGBoost算法会根据设定的参数不断调整树模型,计算并保存每一次调整后模型的交叉验证误差。
6.一种基于机器学习的城际网约车需求预测系统,其特征在于,包括:需求预测模型训练模块,包括:
订单数据获取单元,用于从网约车平台中获取城际订单数据,并以每天24小时分成n个时段t={1,...,n},根据订单数据汇总各时段的网约车需求客座数y={y1,...,yt};对于拼车订单,需求客座数为用户下单时所选择的乘车人数,对于包车订单,需求客座数为所选择车辆类型的可提供的客座数;
天气特征数据获取单元,用于获取各时段的天气特征数据;
特征数据合并及增加单元,用于将需求客座数y和天气特征数据通过线路和时段关联合并,同时添加时间特征数据和线路特征数据;
特征数据预处理单元,用于对天气特征数据中缺失或异常的数据进行处理,包括用均值或附近时段值填充空值,并剔除异常值;
对处理后的天气、时间、线路特征中的离散型特征数据做one‑hot编码,并通过min‑max方法对天气、时间、线路特征数据标准化,使结果值映射到[0‑1]之间;
特征数据筛单元,用于对天气、时间及线路特征采用Pearson相关系数法和最大信息系数法两种方法综合度量,提取Pearson系数的绝对值大于第一预设值或MIC值大于第二预设值的特征;
模型训练单元,用于将处理后的需求客座数据和特征数据作为极端梯度提升算法XGBoost的训练数据输入进行训练;
最优模型获取单元,使用K‑Fold交叉验证方法进行迭代训练寻找最优模型,将最优模型以文件的方式保存到特定路径;
需求客座数值预测模块,用于构建未来时段的特征数据;对未来时段的特征数据以训练数据相同的数据处理方式进行处理;调用训练好的最优模型对需求客座数值进行预测。