CONTINA：基于置信区间的交通需求预测方法，确保覆盖率

准确的短期交通需求预测对交通系统的运行至关重要。除了点预测，预测的置信区间也同样重要。许多交通运营模型，如共享单车调配和出租车调度，都会考虑未来需求的不确定性，并将置信区间作为输入。然而，现有的置信区间建模方法依赖严格假设，如交通模式不变和模型假设正确，以保证足够的覆盖率。因此，在变化的交通环境下，所提供的置信区间可能无效。为填补这一空白，我们提出了一种高效方法，CONTINA（Conformal Traffic Intervals with Adaptation，即适应性保形交通区间），用于提供能够适应外部变化的区间预测。通过收集部署期间的区间误差，该方法可在下一步通过扩大误差过大的区间或缩小其他区间来调整。我们在理论上证明了所提供置信区间的覆盖率会收敼到目标覆盖水平。实验在四个真实数据集和预测模型上表明，所提方法能够提供长度更短且有效的置信区间。我们的 метод可以帮助交通管理人员制定更合理、更稳健的运行计划。我们将代码、模型和数据集发布在 GitHub 上。