Інтелектуальний модуль рекомендацій та прогнозування попиту для сервісу онлайн-оренди автомобілів

Abstract

Метою кваліфікаційної роботи є розробка інтелектуального модуля рекомендацій та прогнозування попиту для сервісу онлайн-оренди автомобілів. Він має забезпечити персоналізований підбір транспортних засобів для користувачів та надати операторам сервісу інструменти для ефективного планування автопарку. У роботі використовувалися методи системного аналізу і синтезу, порівняльного аналізу, методи машинного навчання та аналізу часових рядів. Проведено аналіз існуючих рішень у сфері онлайн-оренди автомобілів та каршерингу, а також досліджено підходи до побудови рекомендаційних систем і прогнозування попиту в сервісах мобільності. Представлено загальну структуру, алгоритмічне та інформаційне забезпечення інтелектуального модуля, програмно реалізовано та протестовано систему. У результаті розроблено інтелектуальний модуль, та інтегрований у вебзастосунок онлайн-оренди автомобілів, який поєднує в собі гібридний рекомендатор та модуль прогнозування попиту на базі моделей LightGBM та Prophet. Практична цінність результатів полягає в можливості інтеграції модуля в будь-який вебсервіс онлайн-оренди через REST API.

The aim of the work is to develop an intelligent module for recommendations and demand forecasting for an online car rental service. This system is intended to ensure personalised vehicle selection for users and provide service operators with tools for effective fleet planning. The thesis utilises methods of system analysis and synthesis, comparative analysis, machine learning, and time series analysis. An analysis of existing solutions in the field of online car rental and car-sharing was conducted, and approaches to building recommendation systems and demand forecasting in mobility services were investigated. The general structure, algorithmic and information support of the intelligent module were presented, and the system was implemented in software and tested. As a result, an intelligent module has been developed and integrated into an online car rental web application, combining a hybrid recommender with a demand forecasting module based on LightGBM and Prophet models. The practical value of the results lies in the ability to integrate the module into any online car rental web service via a REST API.