报告链接：/?p=32161
本文通过建立空载率的数学模型，帮助客户来分析出租车的空载率，从而对出租车补贴政策能否提高高峰期的实载率，缓解打车难问题进行了说明（点击文末“阅读原文”获取完整代码数据）。
相关视频
分析思路
1.利用这么多天的数据，按照算法先算出每天的日平今年空载率，绘制成曲线
2 利用一次平滑预测模型算出这么多天的预测日平均空载率，其中的平滑常数分别带入我假设的那三种数值，求出预测和实际均方差，最后取均方差最小的那个对应的平滑常数为我们所要的。
3.利用二次平滑指数预测模型，预测4月25日至5月31日的日平均空载率，绘制成曲线（初始值取4月23日的实际日平均空载率，平滑常数为2中所要的那个）
选择南京市的三个地点：鼓楼公园，四牌楼，玄武湖公园，因为距离远近，交通状况都差不多，以4月1日到4月30日每天测量这三个地点的打车需求量，出租车总数。
数据
数据以滴滴平台获得：
分析方法
以鼓楼公园为例：
则4月1日的空载率为：
注：不考虑拼车状况，假设一辆出租车只能接一单。
以此类推，4月2日，4月3日，4月4日…4月30日空载率分别为：
利用一次平滑指数公式：
如：4月1日的预测空载率为k,则4月2日的预测空载率为
我们采用二次平滑指数预测的算法来预测短期之内，不受季节因素影响的空载率。
二次平滑指数预测模型：公式：
求空载率
kongzailv=function(datat){ sum(as.numeric(datat[,2]))/sum(as.numeric(datat[,1])) }
地区：鼓楼公园
for(i in 1:27){ datat=data[((i-1)*4+1):(i*4),3:4] kongzailvdata[i]=kongzailv(datat)
设置alpha参数为0.3
alpha <- 0.3
参看模型参数
计算均方差值
RMSE1=mean((model$fitted-model$x)^2)
设置alpha参数为0.5
alpha <- 0.5
设置alpha参数为0.7
找出最小的RMSE值
min(RMSE1,RMSE2,RMSE3)[1] 0.2712489
因此 采用alpha为0.5 ， 然后使用二次平滑指数预测的算法来预测短期之内，不受季节因素影响的空载率。
参看模型参数
预测数值
预测图像
点击标题查阅往期内容
杭州出租车行驶轨迹数据空间时间可视化分析
左右滑动查看更多
01
02
03
04
地区：四牌楼
which.min(c(RMSE1,RMSE2,RMSE3))## [1] 3###从结果看出当alpaha为0.7的时候 渠道最小的RMSE值
因此 采用alpha为0.7 ，然后使用二次平滑指数预测的算法来预测短期之内，不受季节因素影响的空载率。
参看模型参数
地区：玄武湖公园
#############################找出最小的RMSE值 min(RMSE1,RMSE2,RMSE3)## [1] 0.01964692which.min(c(RMSE1,RMSE2,RMSE3))## [1] 1###从结果看出当alpaha为0.3的时候 渠道最小的RMSE值
参看模型参数
点击文末“阅读原文”
获取全文完整代码数据资料。
本文选自《R语言指数平滑预测法分析南京出租车打车软件空载率补贴政策可行性》。
点击标题查阅往期内容
基于出租车GPS轨迹数据的研究：出租车行程的数据分析
用数据告诉你出租车资源配置是否合理
把握出租车行驶的数据脉搏 ：出租车轨迹数据给你答案!
基于出租车GPS轨迹数据的研究：出租车行程的数据分析
用数据告诉你出租车资源配置是否合理
共享单车大数据报告
R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量
消费者共享汽车使用情况调查
新能源车主数据图鉴
python研究汽车传感器数据统计可视化分析
R语言ggmap空间可视化机动车交通事故地图
R语言ggmap空间可视化机动车碰撞–街道地图热力图
Python金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言多元Copula GARCH 模型时间序列预测
python中的copula：Frank、Clayton和Gumbel copula模型估计与可视化
R语言中的copula GARCH模型拟合时间序列并模拟分析
matlab使用Copula仿真优化市场风险数据VaR分析
R语言多元Copula GARCH 模型时间序列预测
R语言Copula函数股市相关性建模：模拟Random Walk(随机游走)
R语言实现 Copula 算法建模依赖性案例分析报告
R语言ARMA-GARCH-COPULA模型和金融时间序列案例
R语言基于copula的贝叶斯分层混合模型的诊断准确性研究
R语言COPULA和金融时间序列案例
matlab使用Copula仿真优化市场风险数据VaR分析
matlab使用Copula仿真优化市场风险
R语言多元CopulaGARCH模型时间序列预测
R语言Copula的贝叶斯非参数MCMC估计
R语言COPULAS和金融时间序列
R语言乘法GARCH模型对高频交易数据进行波动性预测
R语言GARCH-DCC模型和DCC（MVT）建模估计
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
R语言时间序列GARCH模型分析股市波动率
R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
matlab实现MCMC的马尔可夫转换ARMA - GARCH模型估计
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
R语言多元Copula GARCH 模型时间序列预测
R语言使用多元AR-GARCH模型衡量市场风险
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言用Garch模型和回归模型对股票价格分析
GARCH（1,1），MA以及历史模拟法的VaR比较
matlab估计arma garch 条件均值和方差模型
R语言ARMA-GARCH-COPULA模型和金融时间序列案例
