[发明专利]基于随机森林模型的出租车载客热点预测方法

说明书

本发明提供的基于随机森林模型的出租车载客热点预测方法，通过根据公交站点构建泰森多边形，并对每个泰森多边形按预设规则构建多变量的预测数据集；根据所述预测数据集构建得到多个训练样本；分别为每个训练样本建立用于分类的决策树，并根据所述决策树得到相应的预测值；根据所有的预测值对出租车载客热点进行预测，综合考虑了历史时间属性、星期属性、空间属性、公交客流、基于随机森林模型的出租车载客热点预测方法天气因素、是否节假日和功能区等影响因素，预测精度高，而且结合max_features的最优值，降低了模型使用的难度和误差。

技术领域

本发明涉及城市交通技术领域，特别涉及基于随机森林模型的出租车载客热点预测方法。

背景技术

公共交通出行方式是缓解城市拥堵的重要的手段，由于城市的复杂性和居民的出行需求不断增加，导致了城市中乘客“打车难”和司机“寻客难”等问题。随着大数据时代的到来和位置服务技术的发展，浮动车轨迹数据成为了研究公共交通出行模式的理想数据源和决策依据。出租车载客热点预测与推荐，为出租车司机提供快速寻客方案和载客热点推荐，对于降低出租车的空驶里程，避免出租车供需不平衡，提高乘客出行效率，提高出租车司机收入和缓解城市的交通拥堵问题具有非常重要的意义。

因此，需要基于随机森林模型的出租车载客热点预测方法，能够提高出租车载客热点预测的精度。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供的基于随机森林模型的出租车载客热点预测方法，能够提高出租车载客热点预测的精度。

(二)技术方案

为了达到上述目的，本发明采用的技术方案为：

基于随机森林模型的出租车载客热点预测方法，其特征在于，包括步骤：

S1、根据公交站点构建泰森多边形，并对每个泰森多边形按预设规则构建多变量的预测数据集；

S2、根据所述预测数据集构建得到多个训练样本；

S3、分别为每个训练样本建立用于分类的决策树，并根据所述决策树得到相应的预测值；

S4、根据所有的预测值对出租车载客热点进行预测。

(三)有益效果

本发明的有益效果在于：通过根据公交站点构建泰森多边形，并对每个泰森多边形按预设规则构建多变量的预测数据集；根据所述预测数据集构建得到多个训练样本；分别为每个训练样本建立用于分类的决策树，并根据所述决策树得到相应的预测值；根据所有的预测值对出租车载客热点进行预测，综合考虑了历史时间属性、星期属性、空间属性、公交客流、天气因素、是否节假日和功能区等影响因素，预测精度高，而且结合max_features的最优值，降低了模型使用的难度和误差。

附图说明

图1为本发明实施例的基于随机森林模型的出租车载客热点预测方法流程图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

实施例一

请参照图1，基于随机森林模型的出租车载客热点预测方法，包括步骤：

S1、根据公交站点构建泰森多边形，并对每个泰森多边形按预设规则构建多变量的预测数据集；

步骤S1具体为：

根据公交站点构建泰森多边形，并对每个泰森多边形按星期、时段统计每个泰森多边形公交上/下客数量以及出租载客数量构建多变量的预测数据集。

S2、根据所述预测数据集构建得到多个训练样本；