基于机器学习的网约车拼车需求预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：为了提高拼车需求预测的准确性，提高网约车拼车服务效率，进一步有效缓解交通拥堵问题，该文利用时间特征提取和Kepler优化算法对传统的决策树机器学习模型进行优化，提出了一种区域拼车概率预测模型。基于芝加哥网约车拼车概率数据集进行拼车需求预测的实验，将该模型与传统决策树模型进行比较。结果表明：优化后的模型在预测精度方面优于传统决策树模型，平均绝对误差（MAE）降低了0.044，均方根误差（RMSE）降低了0.054。（剩余10921字）

试读结束

目录
monitor