出租车需求量预测模型的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国内外研究现状 | 第12-15页 |
| 1.2.2 目前研究存在的问题 | 第15页 |
| 1.3 研究内容和目的 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 相关理论和技术 | 第18-31页 |
| 2.1 数据挖掘的过程 | 第18-19页 |
| 2.1.1 数据挖掘的定义 | 第18页 |
| 2.1.2 数据挖掘的过程 | 第18-19页 |
| 2.2 回归预测方法概述 | 第19-29页 |
| 2.2.1 多元线性回归预测方法 | 第19-20页 |
| 2.2.2 回归树预测方法 | 第20-25页 |
| 2.2.3 随机森林预测方法 | 第25-27页 |
| 2.2.4 梯度渐进回归树预测方法 | 第27-29页 |
| 2.3 R语言 | 第29-30页 |
| 2.3.1 R语言介绍 | 第29页 |
| 2.3.2 R语言特点 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 数据预处理及分析 | 第31-48页 |
| 3.1 原始数据简介 | 第31-33页 |
| 3.2 原始数据预处理 | 第33-36页 |
| 3.2.1 数据清洗 | 第33页 |
| 3.2.2 数据集成与变换 | 第33-34页 |
| 3.2.3 数据归约 | 第34页 |
| 3.2.4 原始数据预处理情况 | 第34-36页 |
| 3.3 出租车需求量影响因素分析 | 第36-43页 |
| 3.3.1 需求量与时间的关系 | 第36-38页 |
| 3.3.2 需求量与交通的关系 | 第38-39页 |
| 3.3.3 需求量与PM2.5的关系 | 第39-40页 |
| 3.3.4 需求量与温度的关系 | 第40-41页 |
| 3.3.5 需求量与天气的关系 | 第41-42页 |
| 3.3.6 需求量与区域的关系 | 第42-43页 |
| 3.4 变量的提取与设计 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 出租车需求量短时预测 | 第48-67页 |
| 4.1 数据集的拆分 | 第48页 |
| 4.2 多元线性回归预测模型 | 第48-51页 |
| 4.2.1 模型检验指标 | 第48-50页 |
| 4.2.2 模型训练 | 第50-51页 |
| 4.3 梯度渐进回归树预测模型 | 第51-53页 |
| 4.3.1 交差验证 | 第51页 |
| 4.3.2 模型算法流程 | 第51-52页 |
| 4.3.3 模型调参 | 第52-53页 |
| 4.4 随机森林预测模型 | 第53-59页 |
| 4.4.1 模型算法流程 | 第53-54页 |
| 4.4.2 模型调参 | 第54-57页 |
| 4.4.3 变量重要性 | 第57-59页 |
| 4.5 组合预测模型 | 第59-63页 |
| 4.6 预测结果的评价 | 第63-66页 |
| 4.6.1 模型的预测结果 | 第63-64页 |
| 4.6.2 模型准确性对比 | 第64-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第5章 出租车需求量预测可视化系统 | 第67-76页 |
| 5.1 概要设计 | 第67-68页 |
| 5.2 模块设计 | 第68-69页 |
| 5.3 系统实现 | 第69-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-77页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80页 |
