2017/07 -- 2017/09 天池智慧交通預測賽思路及模型總結(jié)（二）

前提回顧

前面一篇的天池智慧交通預測賽思路及模型總結(jié)（一）中總結(jié)了比賽中的數(shù)據(jù)處理、特征選擇以及基本機器學習模型的使用，算是一個baseline的做法吧。

本片博客主要介紹比賽過程中使用到的Static（線性規(guī)則模型）。

Static模型概覽

LightGBM和Xgboost從回歸模型的角度針對短時交通流的預測給出了相對較好的Mape值，一方面來源于特征選取地較為恰當，另一方面是對模型的參數(shù)集的合理配置。但是通過對測試集的預測值與真實值進行比對之后，發(fā)現(xiàn)相對于時序數(shù)據(jù)的單點預測來說，雖然一次性預測未來一個小時的所有點總體來看Mape值較低，但是卻沒有單點預測的趨勢性。針對這一缺陷，考慮使用模型融合的方式加入趨勢性信息特征。

通過對各個時間段travel_time與統(tǒng)計值指標的分析，發(fā)現(xiàn)早高峰8_{9點中位數(shù)和眾數(shù)的線性組合可以總體上逼近真實值，下午日平峰的15}16點更偏向于使用樣本期望來反映，而均值和眾數(shù)的線性組合更適用于晚高峰6~7點。這樣的統(tǒng)計規(guī)律使我嘗試構(gòu)建線性模型，實驗證明，這樣的模型測試結(jié)果同樣具有較好的Mape值指標。

既然最終以Mape指標為評測標準，那么是否可以通過對樣本的分析從而找出局部最優(yōu)Mape所對應的travel_time，同樣考慮模型融合的方式將其與LightGBM和線性模型進行融合。

最優(yōu)Mape值算法的偽代碼如下所示：

Input: travel_time List  Link_id List
Output: The best travel_time with best Mape of each Link_id in every time phases
Global variables: 
    double bestMape = 100.0;
    double bestTravelTime minValue maxValue = 0.0;
    double step = 0.1;
    ArrayList<Double> travel_time= new ArrayList<Double>();  
ArrayList<String> linkIdList = new ArrayList<String>();
----START
maxValue = Collections.max(tmpList);
    minValue = Collections.min(tmpList);
    for var i to limit by step do
         ArrayList<Double> tmpMapeList = new ArrayList<Double>();  
        double realData = 0.0;
        double preData = 0.0;
        double sum = 0.0;
        double mapeTmp = 0.0;
        for(int j=0;j<tmpList.size();j++){
            tmpMapeList.add(i);
        }
Double[] tmpMapeArray = new Double[tmpMapeList.size()];  //預測值
            Double[] tmpListArray = new Double[tmpList.size()];  //真實值
            for (int r=0;r<tmpList.size();r++){
                realData = tmpList.toArray(tmpListArray)[r];
                preData = tmpMapeList.toArray(tmpMapeArray)[r];
                sum=sum+(Math.abs(Math.abs(realData)-
Math.abs(preData))/Math.abs(realData));
            }
            mapeTmp = sum/tmpList.size();
            if (mapeTmp < bestMape){
                bestMape = mapeTmp;
                bestTravelTime = i;
            }
-----END