基于随机森林和LSTM神经网络的路内泊位占有率预测方法

摘要

本发明提出了一种基于随机森林和LSTM神经网络的路内泊位占有率预测方法，主要包括以下步骤：1）获取目标路内停车场及其周边停车场历史订单数据，对订单数据进行预处理，计算单位时间间隔的路内停车场占有率；2）以目标停车场为中心，统计其不同缓冲距离内各类POI的数量；3）采用随机森林模型分析不同缓冲距离内各类POI点数量对路内停车场占有率预测的贡献度，并进行排序，选择贡献度排名前十的变量；4）依据停车场订单数据，统计相对应时间的天气等其他外生变量；5）将选择后的POI变量、其他外生变量与路内停车场占有率数据相结合，通过LSTM神经网络预测路内停车场占有率。本发明可以提高预测的准确度，减少模型训练时间。