导　　师： 高鹰

授予学位： 硕士

作　　者： (）;

机构地区： 广州大学

摘　　要： 随着国家经济的迅猛发展,城市化进程的不断推进,城市道路交通给居民的日常生活带来了许多便利,但与此同时,人口的持续增长、车辆的日益增多,以及随之而来的居民日常交通出行需求大幅度增长,使得交通拥堵现象越来越频繁。智能交通系统是解决城市道路交通问题较为有效的途径,交通预测则是智能交通系统研究的重要内容。在城市公共交通运输系统中,出租车和网约车是其中的重要组成部分,但由于乘客的出行需求具有较大的波动性与随机性,出租车通过巡游的方式来寻找乘客具有较大的盲目性,同时网约车使用者的不断增加导致出现在某些时段、某些区域网约车供不应求,在另外的一些区域却运力过剩的现象。通过供需预测进行运力调度是解决乘客出行需求与车辆服务之间供需矛盾最为有效的途径。供需预测属于短时交通流预测领域,通过预测在某一时段、某一区域的乘客打车需求,指向性地把过剩的运力向周围特定区域进行调度,从而有效解决供需矛盾。本文通过查阅大量相关文献,从打车需求量预测和短时交通流预测两个方面进行国内外相关文献的综述,对打车需求量的预测展开研究。首先,建立基于极端梯度提升的打车需求量预测模型,从理论推导上分析了极端梯度提升算法相比较于传统的梯度提升算法的优势,通过对样本数据进行预处理,对打车需求量进行分析,构造模型特征,并通过实验对比验证了基于极端梯度提升的预测模型在预测打车需求量方面的有效性以及较其它预测模型更具优越性。其次,建立单变量线性回归模型提取打车需求量的月趋势,建立样条曲线模型提取打车需求量的日趋势,对基于极端梯度提升的打车需求量预测模型的特征进行优化,新增月趋势特征和日趋势特征,并通过实验验证了新增特征对提升模型预测精度的有�

关 键 词： 出租车 网约车 打车需求量预测 极端梯度提升 线性回归 样条曲线

领　　域： [] []