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。
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。
可下载资源
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
×
指数平滑法 是 移动平均法 中的一种，其特点在于给过去的观测值不一样的权重，即较近期观测值的权数比较远期观测值的权数要大。 根据平滑次数不同，指数平滑法分为一次指数平滑法、二次指数平滑法和三次指数平滑法等。 但它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权数，新数据给予较大的权数，旧数据给予较小的权数。 据平滑次数的不同，指数平滑预测法可以分为： 一次指数平滑预测法 、二次指数平滑预测法、高次指数平滑预测法。
指数平滑法是预测分析的重要方法之一。
在预测时间序列上，指数平滑法是另一类常用的方法。该方法最先由布朗提出，他认为时间序列的态势具有稳定性或规则性，所以可被合理地顺势推延；最近发生的，在某种程度上会持续到最近的未来，所以历史信息越新，其所占权重也越大。指数平滑法其实是一种特殊的移动平均法，是一种加权移动平均，特点是权重按照几何数级递减，越老的数据权重越小。
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。
数据
数据以滴滴平台获得：
分析方法
以鼓楼公园为例：
则4月1日的空载率为：
注：不考虑拼车状况，假设一辆出租车只能接一单。
以此类推，4月2日，4月3日，4月4日…4月30日空载率分别为：
利用一次平滑指数公式：
如：4月1日的预测空载率为k,则4月2日的预测空载率为
我们采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。
二次平滑指数预测模型：公式：
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)设置alpha参数为0.3
alpha <- 0.3
参看模型参数
随时关注您喜欢的主题
计算均方差值
RMSE1=mean((model$fitted-model$x)^2)
设置alpha参数为0.5
alpha <- 0.5
设置alpha参数为0.7
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
预测数值
预测图像
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
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
Python混合注意力机制-多变量-LSTM神经网络分析PM2.5、光伏电站、温度时间序列数据及RNN、ARIMAX、XGT、随机森林对比
MATLAB深度学习Transformer神经网络量化金融时间序列预测交易策略回测
【视频讲解】线性时间序列原理及混合ARIMA-LSTM神经网络模型预测股票收盘价研究实例
R语言股价跳跃点识别：隐马尔可夫hmm和GARCH-Jump对sp500金融时间序列分析
