基于機器學習的網(wǎng)約車拼車需求預測研究

打開文本圖片集

摘 要：為了提高拼車需求預測的準確性，提高網(wǎng)約車拼車服務效率，進一步有效緩解交通擁堵問題，該文利用時間特征提取和Kepler優(yōu)化算法對傳統(tǒng)的決策樹機器學習模型進行優(yōu)化，提出了一種區(qū)域拼車概率預測模型?；谥ゼ痈缇W(wǎng)約車拼車概率數(shù)據(jù)集進行拼車需求預測的實驗，將該模型與傳統(tǒng)決策樹模型進行比較。結(jié)果表明：優(yōu)化后的模型在預測精度方面優(yōu)于傳統(tǒng)決策樹模型，平均絕對誤差（MAE）降低了0.044，均方根誤差（RMSE）降低了0.054。（剩余10921字）