基于相似日匹配与自适应保形推断的日停车需求区间预测框架
《Applied Sciences》:Daily Parking Demand Interval Forecasting with Similar-Day Matching Diagnostics
【字体:
大
中
小
】
时间:2026年10月22日
来源:Applied Sciences 2.5
摘要
日常停车需求会随日历模式、天气状况和近期需求状态而变化,由此产生大量不确定性。可靠的预测区间能够为停车资源调度提供支撑。现有的相似日方法主要利用检索到的邻近样本进行点预测,却很少利用基于检索的不确定性信息——这类信息能够反映历史相似日的可靠程度,并有助于区间构建。本研究提出了一种结合相似日匹配诊断的日停车需求区间预测框架。通过相似日检索与核加权聚合生成点预测,并构建七项诊断指标,涵盖匹配质量、邻近样本需求一致性、近期需求波动及历史样本支撑度。残差条件分位数模型将这些诊断指标与传统协变量相结合,构建非对称的、逐日定制化的初始区间。滚动保形化分位数回归(CQR)用于校准近期覆盖率,而自适应保形推断(ACI)则根据观测到的覆盖率误差更新失覆盖率。在三个真实停车设施的滚动实验中,在两种方法均实现接近80%的经验覆盖率的情况下,与按宏平均Winkler得分最优的外部基线方法Conformal PID(比例-积分-微分)控制相比,所提方法将宏平均相对区间宽度降低6.78%,Winkler得分降低10.22%。该框架可提供逐日定制化的不确定性估计,在次日停车资源规划方面具有潜在应用价值。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号