通过删失高斯过程估计共享出行的潜在需求

出行需求高度依赖于供给，尤其是对于可用性常常受限的共享出行服务。由于观测到的需求不可能高于可用供给，历史出行数据通常代表真实潜在需求模式的偏倚或删失版本。若不显式考虑这一内在区别，需求预测模型必然代表真实需求的偏倚版本，从而不能有效预测服务使用者的需要。为应对此问题，我们提出一种考虑删失的需求建模通用方法，并为此设计了删失似然函数。我们将该方法应用于共享出行需求预测任务，通过将删失似然嵌入高斯过程模型，该模型可灵活逼近任意函数形式。在人工与真实世界数据集上的实验表明，在获得无偏的用户需求行为预测模型过程中，考虑供给对需求的限制效应至关重要。