Predicting the Volume of Daejeon Call-Taxis using Machine Learning

Abstract

These days, many people use Kakao or T-Map taxis. But in Daejeon, people still use call-taxis more than Kakao or T-map taxis compared to Seoul. However, because of the lack of efficient distribution of call-taxis, they often should wait for a long time to catch a taxi. The purpose of this paper is to find out in what situation the large number of taxis should be placed in which area to meet the demand. In this paper, Linear Regression, Support Vector Machine(SVM), Random Forest(RF), XGboost, and Gradient Boosting were used to find the best prediction model. The result shows that we can estimate the volume of call-taxis accurately based on dates and weather information.;요즘 많은 사람들이 카카오 택시나 T-map 택시를 많이 이용한다. 그러나 대전의 경우, 서울지역에 비해 여전히 카카오 택시나 T-map 택시보다 콜택시를 많이 이용한다. 또한, 콜택시의 배차가 효율적으로 이루어지지 않아 택시를 타기 위해 장시간 기다려야 하는 경우가 빈번하게 발생한다. 본 논문에서는 이와 같은 문제를 해결하고자 어떤 상황에 어떤 지역의 구에 택시를 많이 배치해야 수요에 맞는 공급이 가능한지 알아보고자 한다. 본 논문에서는 데이터 분석 기법으로 Linear Regression, Support Vector Machine(SVM), Random Forest(RF), XGboost, 그리고 Gradient Boosting을 사용하였다.