2019NAVIGATE创客节——10W奖金人工智能交通赛题的思路探讨

声明：本文转载自：https://www.csdn.net/article/a/2019-11-06/15983719
文章观点不代表本人观点

摘要：最近看到重庆本月将有一场开发者的比赛，2019NAVIGATE创客节，内容还挺丰富，设置了黑客松比赛、安全对抗赛，奖金也不低。特地研究了赛题，都是目前比较热的领域。黑客松两个赛题，一个是目前比较流行的ReID行人重识别技术，在识图方面用得很多。另一个用人工智能做公共交通流量预测，和现实问题…

最近看到重庆本月将有一场开发者的比赛，2019NAVIGATE创客节，内容还挺丰富，设置了黑客松比赛、安全对抗赛，奖金也不低。特地研究了赛题，都是目前比较热的领域。黑客松两个赛题，一个是目前比较流行的ReID行人重识别技术，在识图方面用得很多。另一个用人工智能做公共交通流量预测，和现实问题比较贴近。

安全对抗赛是由新华三（H3C）提供网络、防火墙、虚拟化，IXIA提供测试设备和攻防平台，搭配AMD服务器组成试验环境模拟攻防，红蓝两方抢旗决胜，是比较常见的玩法。活动专题挂在新华三官网，大家有兴趣可以去了解一下。

今天重点说说公共交通流量预测这个话题，恰逢进京证新政策，文哥自己也被限了，很应景。大家对公共交通的依赖程度不需多说，尤其在北上广这些城市。其实这个问题已经研究很久，但如果这次有谁真能拿出好的算法模型，说不定能让各位早晚挤公交的兄弟们舒服一点，当然前提是道路资源有足够空间。

看一下具体赛题：
给到某市6个月49条线路的日客运里程数据，线路位置数据，日客流数据。

在这里插入图片描述
参赛者需要对赛题所提供的数据进行挖掘，对公共交通客流需求进行分析，准确预测不同公共交通线路在测试集日期内的每日公共交通客流值。
在这里插入图片描述
预测是否准确的评价指标为平均绝对误差：
在这里插入图片描述

At为实际客流值，Ft为预测客流值，即提交数据文件result_data.csv中补全的预测客流值。N为测试数据集数据量，MAE说明了预测值的总体平均偏离程度，MAE值越小说明预测偏离越小，得分越高。

顺便说一下，比赛提供的是4核8G的虚拟机（windows、无GPU），anaconda软件平台以及anaconda所含python包，比的是技术功底和经验。

简单聊聊解题思路：
总结各大高校、研究所、企业所做的研究得出，目前公共交通客流预测技术主要有基于客流影响因子的特征工程和公共交通客流预测模型。

特征工程就是根据已有数据提取出一系列公共交通客流影响因子，有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。所以此赛题技术难点和重点主要集中在特征工程。

公共交通客流与社会经济特性、土地利用性质、交通区位特征人口分布、气候等因素都有关，这些因素不易量化，其数据采集来源也具有一定局限性，人工调查采集数据耗时长且易出现纰漏；乘客刷卡数据中缺少非刷卡乘客数据；快速公交站点数据较为精准但是普及不广。

从官方所给赛题数据和赛题来看主要从以下三个方面进行特征提取： 线路因素（即每条线路本身的位置，站点个数规划、每条线路每日客运里程等），时间因素，天气因素。其中每日客运里程、线路站点个数跟客流的相关性非常大，容易量化和获取，对客流预测技术应用落地非常有利，而且客运里程与公交站点个数对公共交通的运力配置和站点规划直接相关，结合这两个关键特征变量可以将客流预测技术应用于公共交通调度和线路规划，使得客流预测技术更有价值，而不仅仅是预测客流。

从研究报告中来看，线路位置特征必定是十分重要的，怎么利用所提供的线路经纬度数据提取线路位置特征也是一个难点。除了对关键特征进行提取，特征工程还包括数据预处理和特征选择。数据预处理包括特征缺失值填充、类别数据的数值化，特征数据的无量纲化等。特征选择需要利用到相关性分析等。

公共交通客流预测模型主要有传统预测模型（卡尔曼滤波，小波变换等）、机器学习预测模型（支持向量机、随机森林，人工神经网络等）以及混合预测模型（AP-SVM,SAE-DNN等）。随着数据采集量增多与机器运算能力增强，其中机器学习及其混合算法在公交客流预测研究中被广泛应用，且相比传统模型其预测精度显著提高。

简单画个技术路线图归纳如下：
在这里插入图片描述
对这个问题，大家有什么好的想法也欢迎各位老哥留言、私信，前面的想法如有不足之处，大家轻点喷。

PS：NAVIGATE创客节活动适合学生团体去小试牛刀，在真实的城市交通数据的基础上，如果预测模型做得好，还真可以为城市公共交通建设做一些贡献，顺便拿点奖金。真希望国内有越来越多这样的活动，给更多的人一个舞台。

（刚刚又想起车这个让人惆怅的问题，真期待能快点摇到号，要不然就得卖车了。）