مقایسه عملکرد الگوریتم های مختلف یادگیری ماشین برای پیش بینی کرایه ی سفرهای انجام شده با تاکسی در شهر نیویورک

جمعیت ساکن در شهرها بسیاری از سفرهای روزمره خود را از طریق تاکسی ها انجام می دهند. درصد بالایی از کسب و کارهای فعال در شهرها نیز برای رفع نیازهای حمل و نقلی خود وابسته به خدمات شرکت هایتاکسی رانی می باشد. هدف از این پژوهش پیش بینی کرایه تاکسی ها در نظر گرفته شده است زیرا نرخ کرایهتاکسی ها می تواند عاملی تاثیرگذار در مدیریت شخصی هزینه های فردی و آنالیز اقتصادی کسب و کارها باشد.تخمین کرایه سفر با توجه به وجود شرایط تاثیرگذار مختلف مانند شرایط پویا ترافیکی» طول سفر و زمان سفرامری دشوار و پیچیده به حساب می آید. به همین منظور در این مقاله یک مطالعه جامع برآورد کرایه سفرانجام شده است که پیاده سازی مدل های به کار گرفته شده در آن بر اساس داده های در دسترس پیشینصورت پذیرفته است. این داده ها شامل ناحیه سوار و پیاده شدن، زمان سوار و پیاده شدن، مسافت سفر و تعداد مسافران است. رگرسیو ن خطی، رگرسیون ستیغی، مدل جنگل تصادفی، مدل ایکس جی بوست و مدل شبکه عصبی برای پیش بینی مقدار کرایه مورد استفاده قرار گرفته اند. در انتها با توجه به معیارهای ارزیابی به کار گرفته شده، شبکه عصبی و جنگل تصادفی به عنوان بهترین مدل ها برای پیش بینی کرایه سفر با تاکسیانتخاب می شوند.