基于加权时变泊松模型的出租车载客点推荐模型

摘要 针对出租车空载率高、司机寻客难的问题，提出泊松-卡尔曼组合预测模型（PKCPM）。首先，采用加权非齐次泊松模型，针对出租车历史数据进行建模，得到目标时刻的估计值；其次，基于当天的实时数据，将临近时刻乘客需求的平均值作为目标时刻预测值；最后，将预测值和估计值作为卡尔曼滤波模型的输入参数，实现对目标时刻出租车乘客需求的预测，同时引入误差反向传播机制，减小下一次预测误差。基于郑州市出租车轨迹数据集，对组合模型与非齐次泊松模型（NHPM）、加权非齐次泊松模型（WNHPM）、支持向量机（SVM）等三种模型进行对比，实验结果显示PKCPM的误差比WNHPM、SVM分别降低了8.85个百分点、14.9个百分点。该模型能对不同时段内、不同空间网格的乘客需求进行预测，为出租车寻找乘客提供可靠的依据