论文部分内容阅读
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，