目录

第一部分1. 赛题背景2. EDA3. 特征工程4. 模型训练 第二部分1. 前言1.1 训练数据1.2 预测数据 2. 特征工程2.1 强相关性信息2.2 趋势性2.3 周期性2.4 stationID 相关特征

第一部分

全球城市计算AI挑战赛总决赛 这个部分是自己在看决赛视频时，觉得印象深刻 值得学习借鉴的点。

1. 赛题背景

分析地铁站的历史刷卡数据，预测站点未来客流量变化，挖掘出行规律提供2019.1.1-2019.1.25共81个站点的刷卡数据记录，以及路网地图（邻接关系），预测未来一天各站点的逐十分钟累积进出站人次A榜测试集：增加28日为训练集，预测29日；B榜测试集：增加26日为训练集，预测27日；C榜测试集：增加30日为训练集，预测31日；

2. EDA

答辩人2：（25min左右）

周末（图中前两簇）与工作日（图中后五簇）的流量差异，与站点类型有关 ，办公属性站点差异较大，旅游属性站点差异较小。所以纯粹以周末或非周末作为区分，可能不太合理 城际客流的“潮汐效应”，火车站站点的周六和周日流量会存在镜像分布的特点，就比如周六到火车站乘火车，周日乘火车返回再经过地铁回家。（注：周一和周五也存在类似特点）

答辩人5：（90min左右）

根据各站点在工作日早晚高峰的出站入站数，判断站点类型。如（1）工作日晚高峰入站形成波峰的站点被判定为工作地；（2）工作日早高峰入站形成波峰的站点被判定为居住地；（3）周末出入站人流远超于工作日人流的站点被判定为休闲娱乐地

3. 特征工程

答辩人1：

时间特征：星期/小时/分钟；是否周末；距离春节还有几天流量特征（历史信息）：前两天同时段流量；前两天同时段前后两小时逐十分钟流量；历史所有星期$x$ （要预测的星期$x$）同时段逐小时流量均值；历史同时段逐十分钟流量均值站点特征：站点id；站点闸机数；站点连接数；站点位置（类似POI 点，结果表示比较有效）

注：有一个未用的特征值得学习，作者可视化了入站出站的时间对应关系，比如7点入站的人对应出站时间的概率分布（结果显示比较集中）；12点入站的人对应出站时间的概率分布（结果显示比较分散）；18点入站的人对应出站时间的概率分布（结果显示比较集中）。

这个怎么用，作者说比如要预测今天早上7点的入站人次，将昨天晚上18点的出站特征加到现有的特征集中。

答辩人2：

4. 模型训练

答辩人1： 重特征工程，轻模型。

第二部分

TIANCHI-全球城市计算挑战赛-完整方案及关键代码分享（季军） 本部分是季军团队的思路笔记和代码笔记

1. 前言

An AI compute of cities based on Distributed-Platform and Distributed-Databases(天池地铁流量预测) 大框架的赛题背景不再赘述，见前一部分的第1节，本节主要是细节分析。

1.1 训练数据

训练数据（Metro_train.zip）解压后可以得到25个csv文件，每天的刷卡数据均单独存在一个csv文件中。具体数据包含：

1.2 预测数据

三种预测模式：

A：提供2019年1月28日（周一）的刷卡数据，需对2019年1月29日（周二）全天各地铁站以10分钟为单位的人流量进行预测。B：提供2019年1月26日（周六）的刷卡数据，需对2019年1月27日（周日）全天各地铁站以10分钟为单位的人流量进行预测。C：提供2019年1月30日（周三）的刷卡数据，需对2019年1月31日（周四）全天各地铁站以10分钟为单位的人流量进行预测。

2. 特征工程

2.1 强相关性信息

2.2 趋势性

前后时段的差值 $A_{-}diff(n+1)=A(n+1)-A(n),A=in\mid out$ 在这里既可以是出站流量，也可以是入站流量前后时段的差比 $A_{-}\text{ratio}(n+1)=A(n+1)/A(n),A=\text{in }\mid \text{ out }$

2.3 周期性

2.4 stationID 相关特征

挖掘不同站点及站点与其他特征组合的热度

（待更新）