研究所采用的实验数据是出租车的GPS轨迹数据。数据内容包括车辆ID、车辆经度坐标、车辆纬度坐标和采样时间，可以满足实验的需求。数据包由500辆左右的出租车24天的轨迹数据组成，总的大小将近500MB，受客观条件限制，基本符合实验的需求。轨迹数据基本上绝大多数都是可用数据，数据质量方面没有问题。因此，综上所述，研究所采用的实验数据情况可以用于实验。
本章之前已经建立了乘客候车时间预测模型并确定了对应的模型参数。接下来的实验主要是对模型进行实验验证。可以对乘客候车时间进行验证。对于乘客候车概率，可以给定一个固定的乘客候车概率阈值，也就是乘客在一定的时间之内可以在某载客热点等候到出租车的概率。因为已经确定了对每一个载客热点每一个时间段的模型参数。所以确定这一固定的概率阈值后，可以将此乘客候车概率阈值分别代入每一个载客热点每一个时间段的模型中，计算出相应的乘客候车时间预测值，进一步计算出每一个时间段所有载客热点乘客候车时间预测值的平均值。然后利用评估数据得到的空车到达时间序列，运用Matlab仿真得出每一个载客热点每一个时间段的仿真的乘客候车时间，进一步计算出每一个时间段所有载客热点仿真的乘客候车时间的平均值。将预测值与仿真值进行对比，计算相对误差，最后做出比较直观的折线图。反之，也可以对乘客候车概率进行验证。将已经给定的固定的乘客候车概率阈值作为理论值，然后利用评估数据得到的空车到达时间序列，运用Matlab仿真得出每一个载客热点每一个时间段的仿真的乘客候车时间，分别代入相应的模型中，计算出相应的仿真的乘客候车概率阈值，进一步计算出每一个时间段所有载客热点的仿真的乘客候车概率阈值的平均值，将理论值与仿真值进行对比，计算相对误差，最后画出比较直观的折线图。通过对计算结果和得出的折线图进行对比分析，就可以实现对模型的实验验证[12]。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
