基于时空建模的优步短期需求预测：纽约市案例研究
应用统计
2018-02-13 v3
摘要
网约车服务的需求正在快速增长，尤其是在大城市中。优步（Uber）是美国及纽约市首家且广受欢迎的网约车公司。对2014年和2015年纽约市黄色出租车与优步需求的比较显示，优步的需求有所上升。然而，该需求在空间和时间的分布上可能并不均匀。使用时空时间序列模型有助于我们更好地理解网约车服务的需求并更准确地进行预测。本文分析了三种模型在不同情景（基于时间与空间滞后数）下、并分别应用于高峰与非高峰时段的预测表现：一种时间模型（向量自回归（VAR））和两种时空模型（时空自回归（STAR）；应用于STAR的最小绝对收缩与选择算子（LASSO-STAR））。结果表明，对出租车需求进行建模时有必要考虑空间模型。
引用
@article{arxiv.1712.02001,
title = {Predicting Short-Term Uber Demand Using Spatio-Temporal Modeling: A New York City Case Study},
author = {Sabiheh Sadat Faghih and Abolfazl Safikhani and Bahman Moghimi and Camille Kamga},
journal= {arXiv preprint arXiv:1712.02001},
year = {2018}
}