数据科学开启“地下城”的智慧交通

案例概述

城市轨道交通需求不断增加,相应的地铁项目、城域铁路项目需求也随之暴增。由于轨道建设具有工期长、投资高、运营成本大等特点,因此有必要进行轨道客流预测,才能从定量的角度进行经济、环境和社会等各个角度的分析和评价,进而评价轨道建设项目的可行性和实施效益。对客流的动态变化进行实时跟踪和系统分析,掌握客流变化规律是轨道交通系统运输组织工作得以顺利进行的前提。

 

客户介绍

北京地铁是服务于中国北京市的城市轨道交通系统,也是国际地铁联盟(CoMET)的14个成员之一,其第一条线路于1971年1月15日正式开通运营,使北京成为中国第一个开通地铁的城市。

 

解决方案

我们将通过SaCa RealRec数据科学平台对样本数据进行分析、特征提取、用户建模,实现对个体卡用户进行实时进出站精准预测的功能,从而能够基于个体预测做某个站点的宏观客流预测。

  • 原始数据特征抽取

基于SaCa RealRec数据科学平台提供的多维特征分析功能组件,可以方便的过滤原始数据中记录不足的用户,并将连续数值处理为离散特征,如“时间”特征的离散化。

  • 构建多维特征向量

个体用户出行行为具有较强的个性化规律化特点,基于SaCa RealRec数据科学平台强大的分布式计算能力,可以为每一卡用户构建个性化的预测模型,最终实现大规模增强学习模型。

针对构建完成的机器学习模型, SaCa RealRec数据科学平台的评估系统对决策树预测错误的情况进行分析。根据评估结果的反馈,可以指导运营人员对决策树构建过程进行优化,通过设置树节点的可信度阈值来对决策树进行剪枝,经剪枝后SaCa RealRec数据科学平台能够实现用户进站预测97.9%的准确率,大大提高了用户出行行为的预测能力。

 

实施效果

依托SaCa RealRec数据科学平台对轨道交通用户出行多维度数据进行分析挖掘,提取出与用户进站的相关因素,并利用上述特征通过机器学习算法对用户出行数据建模,从而达到对用户进站站点进行实时监控预测。促进城市智慧交通的快速发展,为缓解城市交通拥堵状况,改善交通环境创造无限可能。

 

相关产品

2019-04-10T15:32:46+00:00