本案例通过列车运行的2015年1月至2016年3月的数据进行分析,对ST250站点的客流规律进行探索分析,并构建模型预测ST250站点的旅客上车出行的客流量,进而给铁路部门的站点规划、服务改进与列车调度提供合理参考。
表 1给出了2015年1月至2016年3月的列出运行的部分梯形密度表数据:
表 1梯形密度表
本次数据挖掘建模目标如下:*数据详见:示例程序/data/201501-201603
(1)利用列车运行数据,探索ST250站点旅客出行规律;
(2)构建模型,对ST250站点旅客的上车出行客流量情况做出预测。
以上应用其主要流程为:
数据抽取
数据清洗、异常值排除等数据预处理操作
ARIMA模型
非节假日客流预测
节假日客流预测
本用例基于时间序列ARIMA模型,采用含有季节性趋势的SARIMA模型对数据进行拟合,实现对铁路客流量进行预测。
数据预处理
时间序列(SARIMA)模型
节假日与非节假日客流预测
教与学:可落地操作、学生参与度高、交互性强;
科研:将前时间序列SARIMA模型与具体行业应用结合,为科学研究提供素材;
生产:将模型改进后直接用于实际生产环境:优化铁路车辆资源配置、客运汽车资源配置。
windows/linux/mac OS,64位操作系统,内存:4GB以上,R3.5.1
评论已有 0 条