<aside>
💡 本次取得南京地铁23年运营数据（按天计）
</aside>
1. 数据预处理
- 精简并合并数据
- 保留需要的列：交易日期、站点ID、线路ID、交易时间和交易金额
['TRANDATE', 'STATIONID','LINEID', 'TRANSACTIONDATETIME', 'TRANSACTIONVALUE']
- 将一卡通、一票通和移动支付的数据合并
- 数据展示：截取的各月的2号，各站站点客流统计（以站点为横坐标，客流量为纵坐标的图示，十张图片分别是1-10月，简单观察来说，图形大致相同，即大多数站点的客流量相对稳定）
- 对异常数据的处理（主要考虑路网变动的影响）
- 宁滁线（S4），站点包括
['汊河新城', '汊河', '琅琊山', '滁州政务中心', '十二里半', '大王郢', '苏滁商务中心', '花博园', '林楼', '滁州高铁']
以及预留车站['担子站'、'水口站'、'相官站'、'腰铺站']（无数据）
该线年中开通，并且和南京线网并未接通；
- 7号线南段，不包含换乘站
['西善桥站', '太清路站', '嘉陵江东街站', '新城科技园站', '梦都大街东站', '应天大街站']（无数据）
- 5号线，不包含换乘站
['九龙湖南站', '前庄站', '科宁路站', '新亭路站', '东山站', '文靖路站']（无数据）
- 将交易数据处理为5分钟时间切片的进出站数据
- 个别站点一个月的天客流趋势（图片以时间为横坐标，客流为纵坐标，选取10个站点的10月份客流统计规律，因为站点的周边住宅区or工作区特征和早晚高峰呈现出不同样式）
2. 特征工程（按站点建立模型）
- 路网其他站点前四个小时的进站客流量（路网稳定的情况下，所以路网变动情况下稍微有些干扰，特别是一些新站点）
- 常规特征：月份、日期、工作日（周一到周四、周五以及周末）
- 天气：爬取（我这里现在有23年南京按小时的天气数据，以及节假日数据）
- 构建的部分特征
- 其中第一列为要预测的值，即为出站客流
- 第二列及后面的为特征值，时间戳、月份特征、日期特征、星期特征以及其他站点前四小时的进站客流
- 训练集和测试集的数据量为数据的天数*一天的时间的时间戳数量（大致为75000）
3. 模型选择（LightGBM）
4. 模型评估和调整（0701）