说明文档.md · JUDAIhyper/Traffic_Predict

# 交通-地铁客流量预测赛题说明文档

**摘要：**本题要求根据郑州市某年8-11月各地铁闸机刷卡数据来预测12月1-7日的地铁客流量。通过对数据进行分析和清理后我们发现该问题为时序模型问题，因此我们在建立模型时分析并去除了异常的时间点，再应用构建的时序模型预测出相应的客流量。摘要：本题要求根据郑州市某年8-11月各地铁闸机刷卡数据来预测12月1-7日的地铁客流量。通过对数据进行分析和清理后我们发现该问题为时序模型问题，因此我们在建立模型时分析并去除了异常的时间点，再应用构建的时序模型预测出相应的客流量。
## 1 准备工作
本次比赛我们进行数据处理的操作系统为linux，使用的编程语言为Python3.6，编译平台为jupyter notebook。
## 2 数据分析
### 2.1 字段分析
比赛数据给了41个字段的数值，用于预测每日客流量。从题目要求中可知，我们所需要输出的预测结果只有“日期”，“TRADE_ADDRESS（刷卡地点编号）”和“预测客流量”三种数据。这意味着很多所给的字段可能是无用的。并且我们发现，预测客流量并不是一个直观的字段，因此需要我们自己对其进行整理。
建立ipython文件Traffic_dataAnalysis。先用pandas库读取csv的数据：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%871.png?raw=true)

客流量并没有出现在字段中，由题目要求得知，每个站点的日客流量是交易类型21,22之和，因此客流量实际上就是对应行的和。
因此我们选择用python进行作图，来判断字段之间的联系和影响。

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%872.png?raw=true)

通过作图我们可以看出，每个月不同刷卡地点的客流量的变化趋势十分接近，因此可以知道刷卡地点TRADE_ADDRESS字段的数据拟合的非常好。
### 2.2 数据清洗
通过分析我们字段我们得出结论，这是一个关于时序模型预测的问题。其余无关的属性字段对预测并没有帮助，可以去除。因为预测的数据单位为天（day），因此我们先将日期进行正则处理，只取年月日（Y-m-d）：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%873.png?raw=true)

增加字段TRADE_DATE_DAY：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%874.png?raw=true)

通过dataframe的排序求和，我们获得对应日期对应刷卡地点的客流量字段VAL：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%875.png?raw=true)

将重新整理的数据输出，此时便得到了用来训练时间序列模型的数据集。
### 2.3 特征工程
新建ipython文件Traffic_modelNPre，对新输出的数据集进行操作。
通过分析相关字段的客流量变化，可以看出其波动非常之大，这势必对模型的拟合产生影响，所以我们建立新字段VAL_LOG，对VAL进行指数转化，使变化值处于一个相对小的范围内。

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%876.png?raw=true)
![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%877.png?raw=true)

针对整理好的数据，可以分析出：
地铁客流的时间序列具有一定的连续性，以一周为单位，整段时间的客流情况会具有相似性。
因此对于该题我们决定使用 **时间序列模型** 作为基本模型进行解答。
这时开始继续分析数据：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%878.png?raw=true)

该函数能提取相应TRADE_ADDRESS的时间序列数据，及每天的平均连接数。

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%879.png?raw=true)

绘图结果如下，可以看出有存在异常的天数。

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%8710.png?raw=true)

所以需要写如下函数将异常的日子过滤掉，此处的过滤策略是：
对每月特定时间段天数的数据求均值与标准差，然后将均值与标准差落在10%分位数以下和90%分位数以上的日子去除。

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%8711.png?raw=true)

去除后序列如下：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%8712.png?raw=true)

将异常的天数筛选出来后，保留剩余的天数所对应的数据，并且将异常天数对应的日客流量取每月正常天数客流量的均值，使得模型能更好的拟合。这样我们便得到了新的数据集，保存在data_final文件夹中。这样，就完成了建立模型的前置工作。
## 3 建立模型
数据都已经准备好，可以开始着手模型的构建了。
因为地铁人流具有连续性的特征，我们使用ARMA来对预测进行一定的修正，模型如下：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%8713.png?raw=true)

我们选择了8-10月的数据作为临时训练集，将11月1-7日的数据作为验证集来测试模型拟合的好坏。通过计算得到，该时序模型的置信区间落在（2,0），因此我们的时间序列模型p,q数值的取值分别取2和0作为参数。

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%8714.png?raw=true)

从结果图上来看，对于时间序列趋势的预测还算不错，但仍存在部分偏差。
模型基本构建完成，可以开始进行预测了。

## 4 结果预测
按照比赛要求的表格形式，输出成dataframe，

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%8715.png?raw=true)

进行输出就完成了预测数据：

![img](https://github.com/JUDAIhyper/Traffic_Predict/blob/master/tmp/%E5%9B%BE%E7%89%8716.png?raw=true)

我们将训练模型保存，用9月1日-9月7日作为测试集进行预测，与实际数据比对，最终得到的MAE=4135.218。

JUDAIhyper/Traffic_Predict

简介

发行版

贡献者

近期动态

JUDAIhyper/Traffic_Predict .gitee-modal { width: 500px !important; }

简介

发行版

贡献者

近期动态

搜索帮助

JUDAIhyper/Traffic_Predict