基于QPSO__RBF神经网络的网约车需求量预测模型

为了准确地预测乘客对网约车的需求量,指向性地提高部分地区的运力,让乘客更加容易预约到网约车,从而提升乘客的出行体验,通过对网约车需求量的变化规律和影响因素进行灰色关联度分析,选取网约车历史需求量、天气类型和道路拥堵比例作为影响因子,利用量子行为粒子群(QPSO)算法优化径向基(RBF)神经网络的网络权值、中心和基宽来构建QPSO__RBF神经网络预测模型。实际运营数据结果表明,QPSO__RBF神经网络预测模型具有可行性和有效性,其预测精度优于普通RBF神经网络模型的,且无论是改进的RBF神经网络还是普通RBF神经网络,综合考虑历史需求量、天气类型和道路拥堵比例作为影响因子的预测模型均优于只考虑历史需求量的预测模型。