细粒度的代驾需求预测

成员

• 张燕妮
• 韩梦乔
• 刘畅
• 罗佩

问题描述

1、问题背景分析

以“Uber”平台为例

Uber简介： Uber是一个按需服务的O2O网站，每一个有需求的用户通过iPhone、SMS、Android向Uber发送请求，Uber通过分析将该请求下发给离用户比较近的司机，从而满足用户搭乘私家车的服务

每一个请求相当于一条订单数据，现在需要解决的问题就是：

如何根据历史和现在的订单数据，预测下一个时间段的订单数据，使得Uber司机能选择更加合适的区域和时间段去接受用户请求，减少每一个订单的等待时间，提高订单数量和订单成功数？

2、问题描述：

2.1. 数据准备：

采集订单数据，将区域（如北京）分成适当的n x n(如4x4)的数量级的小区域集，然后在每个小区域集上又根据时间统计各个时间段的订单数据,最后可以得到根据时间段和区域统计的数据统计，完成初步的数据准备

2.2. 模型建立，参数训练,得到订单数据规律，估算选定区域的下一个时间段的订单数据

项目评估

项目最后用MAE和RMSE两种方法，来测量测试样本中的误差，误差分成下面四种：

1. 单个样本的误差：
2. 所有样本的整体平均误差：
3. 单个样本的相对误差：
4. 所有样本的整体平均相对误差：

项目分工

• 罗佩： 算法实现，文档编写
• 张燕妮：可视化，文档编写
• 韩梦乔，刘畅：数据分析，系统设计，文档编写