公开(公告)号：CN113538067B

公开(公告)日：2023-05-05

申请号：CN202110943104.6

申请日：2021-08-17

Applicant: 华侨大学

Inventor： 喻小光 ,  林卓瀚 ,  陈霞

IPC: G06Q30/0202 ,  G06Q10/02 ,  G06Q50/30 ,  G06F18/214 ,  G06N5/01 ,  G06N20/20

Abstract: 本发明公开了一种基于机器学习的城际网约车需求预测方法及系统，包括需求预测模型训练和需求客座数值预测，其中需求预测模型训练包括订单数据获取、天气特征数据获取、特征数据合并及增加、特征数据预处理、特征数据筛选、模型训练和最优模型获取。本发明根据网约车用户的订单数据，统计历史各时段的网约车需求数据以及时段特征，同时额外收集城市的天气数据作为补充，由于网约车需求预测所涉及的因素过于繁杂，所以通过特征选择方法选择强相关特征作为算法输入，并将XGBoost算法作为需求预测的关键算法，通过交叉验证的方法选取并保存最优模型；在实际应用时获取保存的模型及未来时段数据做预测，以对未来各时段的网约车需求进行预测。

公开(公告)号：CN113538067A

公开(公告)日：2021-10-22

申请号：CN202110943104.6

申请日：2021-08-17

Applicant: 华侨大学

Inventor： 喻小光 ,  林卓瀚 ,  陈霞

IPC: G06Q30/02 ,  G06Q10/02 ,  G06Q50/30 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于机器学习的城际网约车需求预测方法及系统，包括需求预测模型训练和需求客座数值预测，其中需求预测模型训练包括订单数据获取、天气特征数据获取、特征数据合并及增加、特征数据预处理、特征数据筛选、模型训练和最优模型获取。本发明根据网约车用户的订单数据，统计历史各时段的网约车需求数据以及时段特征，同时额外收集城市的天气数据作为补充，由于网约车需求预测所涉及的因素过于繁杂，所以通过特征选择方法选择强相关特征作为算法输入，并将XGBoost算法作为需求预测的关键算法，通过交叉验证的方法选取并保存最优模型；在实际应用时获取保存的模型及未来时段数据做预测，以对未来各时段的网约车需求进行预测。