[发明专利]一种打车需求量预测方法及装置

权利要求书

1.一种打车需求量预测方法，其特征在于，包括：

将地理空间根据经度和纬度划分为设定尺寸的网格，根据通过出行软件获取待乘车的订单数据包括经度和纬度信息，确定地理空间内每个网格在设定时间内的打车需求数据；

将所述打车需求数据内包括任意一个订单数据的计时时间转换为以日期为单位的特征值；根据所述设定时间内的打车需求数据，所述设定时间的前N个时间的所述打车需求数据以及所述特征值，确定所述设定时间的后一个时间的N+1个时间序列特征值；

将所述N+1个时间序列特征值输入到预测模型内，得到所述设定时间的后一个时间的打车需求数量。

2.如权利要求1所述的预测方法，其特征在于，所述预测模型通过下列公式确定：

其中，λ用来降低分支的收益的灵敏度，当收益小于一个阈值则剪枝，从而达到防止过拟合的目的；γ是正则化项，表示每分裂一次就减去一个视为惩罚的常数；G表示叶子结点中所有一阶导数的和；H表示叶子结点中所有二阶导数的和；G_L表示左叶子结点中所有一阶导数的和；G_R表示右叶子结点中所有一阶导数的和；H_L表示左叶子结点中所有二阶导数的和；H_R表示右叶子结点中所有二阶导数的和。

3.如权利要求1所述的预测方法，其特征在于，所述预测模型通过下列公式确定：

其中，x表示特征，θ表示参数，n表示特征数量，x_i表示第i个特征，θ_i表示第i个参数，h_θ(x)表示预测值。

4.如权利要求1所述的预测方法，其特征在于，所述设定时间的周期介于0～60分钟之间；所述N为大于零且小于10的整数。

5.如权利要求1所述的预测方法，其特征在于，所述以日期为单位的特征值包括周末，周内以及法定节假日。

6.一种打车需求量预测装置，其特征在于，包括：

第一确定单元，用于将地理空间根据经度和纬度划分为设定尺寸的网格，根据通过出行软件获取待乘车的订单数据包括经度和纬度信息，确定地理空间内每个网格在设定时间内的打车需求数据；

第二确定单元，用于将所述打车需求数据内包括任意一个订单数据的计时时间转换为以日期为单位的特征值；根据所述设定时间内的打车需求数据，所述设定时间的前N个时间的所述打车需求数据以及所述特征值，确定所述设定时间的后一个时间的N+1个时间序列特征值；

得到单元，用于将所述N+1个时间序列特征值输入到预测模型内，得到所述设定时间的后一个时间的打车需求数量。

7.如权利要求1所述的装置，其特征在于，所述预测模型通过下列公式确定：

其中，λ用来降低分支的收益的灵敏度，当收益小于一个阈值则剪枝，从而达到防止过拟合的目的；γ是正则化项，表示每分裂一次就减去一个视为惩罚的常数；G表示叶子结点中所有一阶导数的和；H表示叶子结点中所有二阶导数的和；G_L表示左叶子结点中所有一阶导数的和；G_R表示右叶子结点中所有一阶导数的和；H_L表示左叶子结点中所有二阶导数的和；H_R表示右叶子结点中所有二阶导数的和。

8.如权利要求1所述的装置，其特征在于，所述预测模型通过下列公式确定：

其中，x表示特征，θ表示参数，n表示特征数量，x_i表示第i个特征，θ_i表示第i个参数，h_θ(x)表示预测值。

9.如权利要求1所述的装置，其特征在于，所述设定时间的周期介于0～60分钟之间；所述N为大于零且小于10的整数。

10.如权利要求1所述的装置，其特征在于，所述以日期为单位的特征值包括周末，周内以及法定节假日。