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。

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

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] 0.01964692

 which.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