PREDIKCIJA TRAJANJA I CENE TAKSI VOŽNJI

Natalija Krsmanović

doi:10.24867/31BE23Krsmanovic

Autori

Natalija Krsmanović Autor

DOI:

https://doi.org/10.24867/31BE23Krsmanovic

Ključne reči:

analiza i obrada podataka, algoritmi mašinskog učenja, predikcija, taksi vožnje

Apstrakt

U radu je predstavljen postupak izrade sistema za analizu i obradu podataka o taksi vožnjama u Njujorku. Korišćena su dva skupa podataka - jedan koji obuhvata podatke o taksi vožnjama i drugi koji sadrži informacije o vremenskim uslovima. Nad ovim skupovima je sprovedeno pretprocesiranje, kako bi se formirao konačan skup podataka za obuku modela. Vršena je predikcija trajanja i cene upotrebom različitih algoritama mašinskog učenja. Sprovedeno je više eksperimenata, a dobijeni rezultati su upoređeni međusobno i sa rezultatima sličnih radova.

Reference

[1] C. Antoniades, Delara Fadavi, Antoine Foba Amon, “Fare and Duration Prediction: A Study of New York City Taxi Ride”, Semantic Scholar, 43844792, 2016.

[2] Huang, H., Pouls, M., Meyer, A., Pauly, M, “ Travel Time Prediction Using Tree-Based Ensembles”, Lecture Notes in Computer Science, vol 12433, pp 412–427, 2020.

[3] Poongodi M, Malviya M, Kumar C, “New York City taxi trip duration prediction using MLP and XGBoost”, International Journal of System Assurance Engineering and Management, 13(Suppl 1), 16-27, 2022.

[4] https://www.nyc.gov/site/tlc/about/tlc-trip-recorddata.page (pristupljeno u avgustu 2024.)

[5] https://www.kaggle.com/datasets/selfishgene/historic al-hourly-weather-data/code (pristupljeno u avgustu 2024.)

[6] https://machinelearningmastery.com/why-one-hotencode-data-in-machine-learning/ (pristupljeno u avgustu 2024.)

[7] https://github.com/jahnavi-chowdary/New-York-TaxiFare-Prediction/tree/master (pristupljeno u septembru 2024.)

[8] https://github.com/raymonduchen/MLND-P6-NewYork-City-Taxi-Fare-Prection/tree/master (pristupljeno u septembru 2024.)