Real-Time Spatial Temporal Forecasting @ Lyft

Real-Time Spatial Temporal Forecasting @ Lyft

摘要

实时时空预测用于高精度预测市场信号，如网约车供需。动态定价和司机激励是主要应用场景。高维高频数据带来计算和噪声挑战，影响模型选择和准确性。时间序列模型和神经网络模型各有优劣，前者在短期预测和低延迟场景表现更佳，后者在长期预测中更准确。模型选择需权衡精度与工程成本，简单模型在现实应用中更具优势。