一种网约车短时出行需求的组合预测方法

摘要

本发明公开了一种网约车短时出行需求的组合预测方法，具体步骤如下：获取历史出行需求数据；基于获取历史出行需求数据，建立ARIMA模型和BP神经网络模型，进行网约车短时出行需求预测；将ARIMA模型和BP神经网络模型加权组合，利用临近历史时段误差最小原则计算加权组合的权重值，得到最终的组合预测模型；根据构建的组合预测模型进行网约车出行短时出行需求预测。本方法综合两种线性和非线性预测模型的优势，既能基于同的时段历史数据通过线性迭代得到最优估计，又能利用BP神经网络强大的非线性映射能力体现网约车需求的动态特征，能有效减少单项预测模型的过大误差，从而提高网约车短时出行需求预测的精度。