R语言指数平滑预测法分析南京出租车打车软件空载率时间序列补贴政策可行性

本文通过建立空载率的数学模型,帮助客户来分析出租车的空载率,从而对出租车补贴政策能否提高高峰期的实载率,缓解打车难问题进行了说明。

由Kaizong Ye,Weilong Zhang撰写

分析思路:1.利用这么多天的数据,按照算法先算出每天的日平今年空载率,绘制成曲线


2 利用一次平滑预测模型算出这么多天的预测日平均空载率,其中的平滑常数分别带入我假设的那三种数值。


求出预测和实际均方差,最后取均方差最小的那个对应的平滑常数为我们所要的

3.利用二次平滑指数预测模型,预测4月25日至5月31日的日平均空载率,绘制成曲线(初始值取4月23日的实际日平均空载率,平滑常数为我们2中所要的那个)

选择南京市的三个地点:鼓楼公园,四牌楼,玄武湖公园,因为距离远近,交通状况都差不多,以4月1日到4月30日每天测量这三个地点的打车需求量,出租车总数。


自适应网页宽度的 Bilibili 视频

视频

在Python和R语言中建立EWMA,ARIMA模型预测时间序列

探索见解

去bilibili观看

探索更多视频

数据

数据以滴滴平台获得:

image.png

分析方法

以鼓楼公园为例:

image.png

 

则4月1日的空载率为:

image.png

求空载率

kongzailv=function(datat){  
   sum(as.numeric(datat[,2]))/sum(as.numeric(datat[,1]))  
}

地区:鼓楼公园

for(i  in 1:27){  
  datat=data[((i-1)*4+1):(i*4),3:4]  
  kongzailvdata[i]=kongzailv(datat)

图片

杭州出租车行驶轨迹数据空间时间可视化分析

阅读文章


设置alpha参数为0.3


alpha <- 0.3 

参看模型参数

image.png


随时关注您喜欢的主题


计算均方差值

RMSE1=mean((model$fitted-model$x)^2)
image.png

设置alpha参数为0.5

alpha <- 0.5
image.png

设置alpha参数为0.7

image.png

找出最小的RMSE值


min(RMSE1,RMSE2,RMSE3) [1] 0.2712489

因此 采用alpha为0.5 , 然后使用二次平滑指数预测的算法来预测短期之内,不受季节因素影响的空载率。

参看模型参数

image.png

预测数值

image.png

预测图像

202003281439369701.png

地区:四牌楼

which.min(c(RMSE1,RMSE2,RMSE3))

## [1] 3

 ###从结果看出当alpaha为0.7的时候 渠道最小的RMSE值

因此 采用alpha为0.7 ,然后使用二次平滑指数预测的算法来预测短期之内,不受季节因素影响的空载率。

参看模型参数

image.png
image.png

地区:玄武湖公园

#############################找出最小的RMSE值  
 min(RMSE1,RMSE2,RMSE3)

## [1] 0.01964692

 which.min(c(RMSE1,RMSE2,RMSE3))

## [1] 1

 ###从结果看出当alpaha为0.3的时候 渠道最小的RMSE值

参看模型参数

image.png
image.png


可下载资源

关于作者

Kaizong Ye拓端研究室(TRL)的研究员。

本文借鉴了作者最近为《R语言数据分析挖掘必知必会 》课堂做的准备。

​非常感谢您阅读本文,如需帮助请联系我们!

 
QQ在线咨询
售前咨询热线
15121130882
售后咨询热线
0571-63341498

关注有关新文章的微信公众号


永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。

技术干货

最新洞察

This will close in 0 seconds