救护车需求的时空点过程模型
应用统计
2014-05-29 v2
摘要
精细时空尺度下的救护车需求估计对于车队管理和动态部署至关重要。我们受加拿大多伦多市救护车需求空间分布估计问题的驱动，该需求在离散的 2 小时间隔内变化。这个大规模数据集在所需的时间分辨率下是稀疏的，并表现出特定地点的序列依赖性、日周期性和周周期性。我们通过引入时变高斯混合模型的一种新颖表征来应对这些挑战。我们固定所有时间段的混合成分分布以克服数据稀疏性并准确描述多伦多的空间结构，同时通过时变混合权重表示复杂的时空动态。我们约束混合权重以捕捉周周期性，并对每个成分的混合权重应用条件自回归先验，以表示特定地点的短期序列依赖性和日周期性。虽然估计可以使用固定数量的混合成分进行，我们也扩展到使用生灭马尔可夫链蒙特卡洛方法来估计成分数量。与典型的行业实践相比，所提出的模型显示出更高的统计预测准确性，并将预测 EMS 运营性能的误差减少了多达三分之二。
引用
@article{arxiv.1401.5547,
title = {A Spatio-Temporal Point Process Model for Ambulance Demand},
author = {Zhengyi Zhou and David S. Matteson and Dawn B. Woodard and Shane G. Henderson and Athanasios C. Micheas},
journal= {arXiv preprint arXiv:1401.5547},
year = {2014}
}