出租车需求预测：一种基于 HEDGE 的镶嵌划分策略以提升精度

基于位置的建模与预测中的一个关键问题，在于确定合适的空间与时间分辨率。具体而言，审慎的空间划分可显著提升基于位置的预测模型性能。本文中，我们针对实时出租车需求预测，研究了两种广泛使用的城市空间划分镶嵌策略。我们的研究使用两个不同的出租车需求数据集、在多个时间尺度上，比较了（i）Geohash 镶嵌与（ii）Voronoi 镶嵌。为进行比较，我们采用经典时间序列工具对时空需求建模。研究发现，每种镶嵌策略的性能高度依赖于城市地理、数据空间分布以及一天中的时段，且在整个预测区间内未见任一策略始终最优。我们提出了一种混合镶嵌算法，基于各策略在近期的表现，在每一时刻选取最佳镶嵌策略。我们的混合算法是著名的 HEDGE 算法（用于从多个专家中选取最佳建议）的非平稳变体。我们表明，所提混合镶嵌策略在多个时间尺度及不同性能度量下，在所考虑的数据集上始终优于上述两种策略中的任意一种。在 60 分钟聚合层级上，我们对所考虑的两个数据集均实现了每平方公里平均准确率超 80%。