利用有限历史观测估计在线配送需求

部分由COVID-19大流行驱动，居家配送的在线购买步伐已显著加快。然而，由于缺乏公开数据，应对这一发展一直具有挑战性。现有数据可能不频繁，且由于调查参与者无应答，相当一部分数据可能缺失。这种数据匮乏使常规预测模型不可靠。我们通过开发用于未来年份数据插补与合成需求估计的算法来解决这一缺陷，而无需实际真值数据。我们使用2017年普吉特湾地区委员会(PSRC)和国家家庭旅行调查(NHTS)数据，并从NHTS中针对配送数据相对更频繁的西雅图-塔科马-贝尔维尤大都市统计区(MSA)进行插补。我们的插补对NHTS的均方误差$\mathsf{MSE} \approx 0.65$，均值$\approx 1$，标准差$\approx 3.5$，并提供两个数据源样本间的相似性匹配。鉴于2021年NHTS数据不可用，我们利用PSRC数据源(2017和2021)的时间保真度将分辨率投影到NHTS上，提供NHTS配送的合成估计。除估计可靠性提升外，我们报告了在确定配送量时相关的解释变量。这项工作通过最大化可用稀疏数据以生成合理估计，推进了货物配送需求估计的现有方法，从而可助力政策决策。