[发明专利]基于出租车和网约车的需求联合预测方法

说明书

本发明具体涉及基于出租车和网约车的需求联合预测方法，包括：将出租车历史需求矩阵和网约车历史需求矩阵输入需求预测模型中，输出对应的未来需求预测值；首先生成出租车时空共享信息和网约车时空共享信息；然后基于出租车历史需求矩阵和自适应邻接矩阵进行时空特征提取，并结合网约车时空共享信息生成出租车未来需求矩阵；同时基于网约车历史需求矩阵和自适应邻接矩阵进行时空特征提取，并结合出租车时空共享信息生成网约车未来需求矩阵；最后生成租车未来需求预测值和网约车未来需求预测值。本发明能够提取出租车和网约车的模式内特征和模式间特征，并且能够实现模式内特征和模式间特征的融合，实现了出租车和网约车的需求联合预测。

技术领域

本发明涉及交通需求预测领域，具体涉及基于出租车和网约车的需求联合预测方法。

背景技术

人口过度拥挤带来的出行需求不断增加，给城市交通系统带来了巨大的压力和严峻的挑战。为应对日益增加的出行难度，多种创新出行方式相继推出并占据主导地位。最具代表型是由Uber、Lyft、滴滴等网约车公司提供的流动性需求(MoD)服务，给乘客提供灵活便捷的出行选择。然而，出行困难问题仍未解决，甚至更严重，主要是由于交通供需失衡。无论是人(即出租车司机)还是机器(即网约车平台)，及时获取交通供给和乘客需求双方的准确信息，是做出最佳在线决策的基础和必要条件。

在实际情况下，与供应信息相比，了解需求是相当具有挑战性的。通过车辆的GPS定位和空置状态记录可以轻松获取和监控供应信息，而乘客需求却不能自然感知而只能预测。因此，准确、及时的乘客需求预测模型是关键推动因素。一方面，预测结果可以帮助出租车司机避免停留在低需求地区，而前往高需求地区。另一方面，网约车平台也可以从预测需求中受益。例如，根据预测需求，平台可以更好地提前分配和调度车辆资源以实现双赢，这不仅可以减少司机寻找乘客的努力，而且更够减少乘客的等待时间。

出租车服务和网约车服务是完全不同但相关的交通方式(模式)。然而，现有的大多数研究都集中在预测单一模式的需求。这些预测模型的前提是单一交通模式服务是一个相当独立的系统，未来的需求只与数据驱动的历史观察需求相关。事实上，乘客通常不会拘泥于一种交通方式。他们可以根据需要在不同模式之间切换。虽然存在模式转换行为，但这在出租车和网约车之间更加密集和频繁。例如，当乘客等待出租车的时间过长时，他/她可能会转向网约车服务，但很少寻找周围的公共汽车。反之，由于平台的暴涨定价策略，如果动态价格过高，网约车乘客可能会选择打车来省钱。这些模式转换行为表明，乘客对出租车和网约车的需求不同，但相互影响。换言之，上述前提并不总是合理的。而且，这些影响在空间和时间维度上都是动态存在的，并且在各个模式需求之间形成了复杂的关系。申请人认为对一种模式的需求预测不仅应考虑其历史需求，还应考虑其他模式需求的动态变化。即出租车模式和网约车模式的需求预测应该结合起来，并被视为两个相关的任务。

因此，如何设计一种能够实现出租车和网约车需求联合预测的方法是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种基于出租车和网约车的需求联合预测方法，能够提取出租车和网约车的模式内特征和模式间特征，并且能够实现模式内特征和模式间特征的融合，进而实现了出租车和网约车的需求联合预测，从而能够提高交通需求预测的准确性和全面性，并为多种交通方式的需求联合预测提供一种新的思路。

为了解决上述技术问题，本发明采用了如下的技术方案：

基于出租车和网约车的需求联合预测方法，包括：

S1：获取对应的出租车历史需求矩阵和网约车历史需求矩阵；

S2：将出租车历史需求矩阵和网约车历史需求矩阵输入经过训练的需求预测模型中，输出对应的出租车未来需求预测值和网约车未来需求预测值；