2023年城市交通系统客流量预测算法赛top3

ref: 2023中国华录杯数据湖算法大赛

        该比赛马上就要结束，0424日答辩。获得了前六的名次，本次比赛给我的感觉就是一言难尽呐。

        昨天（0515）比赛结果出来了，最终排名有点抖（前四）。比如”清华小分队“靠答辩结束后达到了第二名，也是很好奇别人的方案是个什么样子的。昨天加了几个人然后聊了一下，发现里面暗流涌动，该比赛竟然成了各大高校的竞技场，也是异常的精彩。

我先总结下整个比赛数据的情况：

赛题要求：

1 模型数量限制，不超过3个；

2 数据较少。

        在数据较少的情况下还要求模型数量的限制，加大了建模难度，其次在数据分析阶段发现异常数据也是不少。

异常数据：我们简单实用了箱型图进行检测然后盖帽处理。

        其次对目前数据进行了拆分： 周期+趋势，这一个部分就是对标签进行了转化，通过分析表明人流变化呈现按照周为单位的周期。

        其实如果直接使用上周的作为本周的预测值MAPE能狗达到0.93左右，周期行还是比较明显，因此在特征上面我们对滑动窗口也是作为处理。

       其中我们还使用了三指数平滑模型（6个模型），效果也不错0.94。但是官方不是限制在3个模型，这是也给了我们思路，因为三指数平滑的本质可不就是周期与趋势部分的预测。

重点部分：

数据预处理：

1.  把202303月份之前的数据全部舍弃，因为该部分异常数据较多（节假日因素）。
2. 异常数据处理：使用箱型图盖帽处理；
3. 文本特征：tf_idf + word2Vec;
4. 节假日特征；
5. 天气特征数据；

标签变化：

1. 使用当前交通工具的客流量 / 上周的客流量； 让模型专心攻破非周期带来的波动问题，也能更快的收敛。

模型部分：

1.  3个lighgGBM;
2. 趋势（通过画图能看出流量是在逐渐增加的趋势）；

模型融合：

这一部分其实周六周日比较难以预测，因此我们也是针对这个部分进行了加权后处理的方式；

备注：

跟第一名交流别人的方案使用了LSTM，但是我在前期并没有收敛效果也不是很好，也是想往这个方面尝试如何处理数据结构，后面得到了心得体会我在补充。