[发明专利]一种基于机器学习的城际网约车需求预测方法及系统

权利要求书

1.一种基于机器学习的城际网约车需求预测方法，其特征在于，包括：

S1，需求预测模型训练：

S11，订单数据获取，从网约车平台中获取城际订单数据，并以每天24小时分成n个时段t＝{1,...,n}，根据订单数据汇总各时段的网约车需求客座数y＝{y₁,...,y_t}；对于拼车订单，需求客座数为用户下单时所选择的乘车人数，对于包车订单，需求客座数为所选择车辆类型的可提供的客座数；

S12，天气特征数据获取，获取各时段的天气特征数据；

S13，特征数据合并及增加，将需求客座数y和天气特征数据通过线路和时段关联合并，同时添加时间特征数据和线路特征数据；

S14，特征数据预处理，对天气特征数据中缺失或异常的数据进行处理，包括用均值或附近时段值填充空值，并剔除异常值；

对处理后的天气、时间、线路特征中的离散型特征数据做one-hot编码，并通过min-max方法对天气、时间、线路特征数据标准化，使结果值映射到[0-1]之间；

S15，特征数据筛选，对天气、时间及线路特征采用Pearson相关系数法和最大信息系数法两种方法综合度量，提取Pearson系数的绝对值大于第一预设值或MIC值大于第二预设值的特征；

S16，模型训练，将S11～S15处理后的需求客座数据和特征数据作为极端梯度提升算法XGBoost的训练数据输入进行训练；

S17，最优模型获取，使用K-Fold交叉验证方法进行迭代训练寻找最优模型，将最优模型以文件的方式保存到特定路径；

S2，需求客座数值预测：构建未来时段的特征数据；对未来时段的特征数据以训练数据相同的数据处理方式进行处理；调用训练好的最优模型对需求客座数值进行预测。

2.根据权利要求1所述的基于机器学习的城际网约车需求预测方法，其特征在于，采用Pearson相关系数法获取Pearson相关系数，具体如下：

其中，ρ(x,y)表示Pearson相关系数；x表示特征，包括天气、时间及线路特征，x_i表示在i时段特征x的值；y表示需求客座数，y_i表示在i时段的需求值；n表示有n个时段；表示所有时段该特征的平均值；表示所有时段的需求平均值。

3.根据权利要求1所述的基于机器学习的城际网约车需求预测方法，其特征在于，采用最大信息系数法获取最大信息系数MIC，具体如下：

其中，MIC(x,y)表示最大信息系数MIC；x表示特征，包括天气、时间及线路特征；y表示需求客座数；n表示有n个时段；I(x,y)表示特征x与需求y之间的互信息值，a和b分别表示在y轴和x轴方向划分网格的大小。

4.根据权利要求1所述的基于机器学习的城际网约车需求预测方法，其特征在于，极端梯度提升算法XGBoost中使用MSE做损失函数，并使用RMSE做评估函数。

5.根据权利要求1所述的基于机器学习的城际网约车需求预测方法，其特征在于，所述K-Fold交叉验证方法，具体包括：

将各时段需求客座数及特征数据随机分成K组子集，子集包含了不同时段对应的需求及特征数据；将每个子集数据分别做一次验证集，其余的K-1组子集数据作为训练集进行训练；分别在K个验证集中对预测结果进行评估，最后将K个模型误差加和平均得到该模型的交叉验证误差；在迭代训练过程中，XGBoost算法会根据设定的参数不断调整树模型，计算并保存每一次调整后模型的交叉验证误差。

6.一种基于机器学习的城际网约车需求预测系统，其特征在于，包括：

需求预测模型训练模块，包括：

订单数据获取单元，用于从网约车平台中获取城际订单数据，并以每天24小时分成n个时段t＝{1,...,n}，根据订单数据汇总各时段的网约车需求客座数y＝{y₁,...,y_t}；对于拼车订单，需求客座数为用户下单时所选择的乘车人数，对于包车订单，需求客座数为所选择车辆类型的可提供的客座数；

天气特征数据获取单元，用于获取各时段的天气特征数据；

特征数据合并及增加单元，用于将需求客座数y和天气特征数据通过线路和时段关联合并，同时添加时间特征数据和线路特征数据；

特征数据预处理单元，用于对天气特征数据中缺失或异常的数据进行处理，包括用均值或附近时段值填充空值，并剔除异常值；

对处理后的天气、时间、线路特征中的离散型特征数据做one-hot编码，并通过min-max方法对天气、时间、线路特征数据标准化，使结果值映射到[0-1]之间；

特征数据筛单元，用于对天气、时间及线路特征采用Pearson相关系数法和最大信息系数法两种方法综合度量，提取Pearson系数的绝对值大于第一预设值或MIC值大于第二预设值的特征；

模型训练单元，用于将处理后的需求客座数据和特征数据作为极端梯度提升算法XGBoost的训练数据输入进行训练；

最优模型获取单元，使用K-Fold交叉验证方法进行迭代训练寻找最优模型，将最优模型以文件的方式保存到特定路径；

需求客座数值预测模块，用于构建未来时段的特征数据；对未来时段的特征数据以训练数据相同的数据处理方式进行处理；调用训练好的最优模型对需求客座数值进行预测。