车辆需求预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种车辆需求预测方法、装置、计算机设备和存储介质。所述方法包括：获取目标区块的区块特征信息；针对目标时间区间，采用多个骑出预测模型和多个骑入预测模型分别对目标区块的区块特征信息进行预测处理，得到目标区块在目标时间区间对应的多个骑出预测数量和多个骑入预测数量；分别对多个骑出预测数量和多个骑入预测数量进行加权融合处理，得到目标预测骑出数量和目标预测骑入数量；根据目标预测骑出数量和目标预测骑入数量，确定目标区块在目标时间区间对应的预测车辆需求数量。采用本方法能够提高目标区块中车辆需求数量的预测精度。量的预测精度。量的预测精度。

【技术实现步骤摘要】
车辆需求预测方法、装置、计算机设备和存储介质


[0001]本申请涉及数据预测
，特别是涉及一种车辆需求预测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着数据预测技术的发展，出现了对象需求数量预测方法。目前，大部分城市都引入了共享车辆，由于共享车辆使用频次高，共享车辆使用结束后需要共享车辆管理者对共享车辆进行调度，从而提高共享车辆后续使用的便捷性。
[0003]目前的共享车辆数量预测方法，可以根据近几天共享车辆在各区块的骑入、骑出数量，预测各区块中共享车辆的需求数量，从而根据各区块中共享车辆的需求数量，实现对各区块中共享车辆的调度。
[0004]然而，由于目前的共享车辆数量预测方法，采用的预测因素较为单一，因此对各区块中共享车辆的需求数量的预测准确度较低。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高车辆需求预测准确度的车辆需求预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种车辆需求预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆需求预测方法，其特征在于，所述方法包括：获取目标区块的区块特征信息；针对目标时间区间，采用多个骑出预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑出预测数量，及采用多个骑入预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑入预测数量；对多个所述骑出预测数量进行加权融合处理，得到所述目标区块在所述目标时间区间对应的目标预测骑出数量，及对所述多个骑入预测数量进行加权融合处理，得到所述目标区块在所述目标时间区间对应的目标预测骑入数量；根据所述目标预测骑出数量和所述目标预测骑入数量，确定所述目标区块在所述目标时间区间对应的预测车辆需求数量，其中，所述目标时间区间为目标预测周期中的任一时间区间。2.根据权利要求1所述的方法，其特征在于，所述多个骑出预测模型包括第一骑出预测模型、第二骑出预测模型和第三骑出预测模型，其中，所述第一骑出预测模型用于进行车辆骑出数量预测，所述第二骑出预测模型用于进行车辆骑出数量均值预测，所述第三骑出预测模型用于进行车辆骑出数量峰值预测；所述多个骑入预测模型包括第一骑入预测模型、第二骑入预测模型和第三骑入预测模型，其中，所述第一骑入预测模型用于进行车辆骑入数量预测，所述第二骑入预测模型用于进行车辆骑入数量均值预测，所述第三骑入预测模型用于进行车辆骑入数量峰值预测。3.根据权利要求1所述的方法，其特征在于，所述针对目标时间区间，采用多个骑出预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑出预测数量，及采用多个骑入预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑入预测数量，包括：根据所述目标区块的区块特征信息，确定所述目标区块的预测策略；根据所述预测策略，确定所述目标区块对应的目标预测周期；根据所述目标预测周期、及多个骑出预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑出预测数量；根据所述目标预测周期、及多个骑入预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑入预测数量。4.根据权利要求3所述的方法，其特征在于，所述根据所述预测策略，确定所述目标区块对应的目标预测周期，包括：在所述预测策略为离线预测策略的情况下，确定所述目标区块对应的目标预测周期为第一预测周期，所述第一预测周期包括多个时间区间；或者，在所述预测策略为实时预测策略的情况下，确定所述目标区块对应的目标预测周期为第二预测周期，所述第二预测周期包括一个时间区间。5.根据权利要求4所述的方法，其特征在于，在所述目标区块对应的所述预测策略为所述离线预测策略的情况下，所述多个骑出预测模型均为离线骑出预测模型，所述多个骑入预测模型均为离线骑入预测模型，
所述根据所述目标预测周期、及多个骑出预测模型和多个骑入预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑出预测数量和多个骑入预测数量，包括：获取所述第一预测周期的预测时间点以及各所述预测时间点对应的时间区间；判断当前时间点是否为所述预测时间点，在所述当前时间点不为所述预测时间点的情况下，获取所述目标区块在所述当前时间点所在目标时间区间对应的多个骑出预测数量和多个骑入预测数量；或者，在所述当前时间点为所述预测时间点的情况下，根据所述当前时间点对应的所述预测时间点，从所述第一预测周期内确定所述目标时间区间，根据所述多个离线骑出预测模型和所述多个离线骑入预测模型分别对所述目标区块的区块特征信息及所述当前时间点进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑出预测数量和多个骑入预测数量。6.根据权利要求4所述的方法，其特征在于，在所述目标区块对应的所述预测策略为所述实时预测策略的情况下，所述多个骑出预测模型均为实时骑出预测模型，所述多个骑入预测模型均为实时骑入预测模型，所述根据所述目标预测周期、及多个骑出预测模型和多个骑入预测模型分别对所述目标区块的区块特征信息进行预测处理，得到所述目标区块在所述目标时间区间对应的多个骑出预测数量和多个骑入预测数量，包括：获取当前时间点对应的当前时间标识，并确定所述第二预测周期的目标时间标识，所述第...

【专利技术属性】
技术研发人员：刘璇恒，刘永威，刘思喆，
申请(专利权)人：北京阿帕科蓝科技有限公司，
类型：发明
国别省市：