一种交通业务量预测方法、系统、装置及存储介质制造方法及图纸

本申请涉及一种交通业务量预测方法、系统、装置及存储介质，其中方法包括：通过数据分析工具对历史原始业务量S0进行可视化然后分析历史原始业务量S0中所包含的周期性类型；采用Prophet算法提取历史原始业务量S0中每一周期性类型所对应的周期因子，然后从历史原始业务量S0中剔除所有的周期因子以得到基业务量Sn；将每天的基业务量定义为标签y，训练基业务量Sn中第n天之前t天的基业务量数据映射到yn的模型；利用训练好的模型预测以当天为基准的未来T天的预测基业务量PT；根据未来T天包含的周期性类型，将相应的周期因子增加到预测基业务量PT中，得到最终预测业务量P。本申请具有能够有效降低交通业务量预测误差的效果。

【技术实现步骤摘要】
一种交通业务量预测方法、系统、装置及存储介质
本申请涉及计算机技术的领域，尤其是涉及一种交通业务量预测方法、系统、装置及存储介质。
技术介绍
在交通领域，业务量主要被定义为需求量、成交量、交易额等，提前预知未来业务量的走势，对资源规划、战略调整都至关重要，因此需要对未来业务量进行精准预测。当前的对交通业务量的预测方法主要依照年同比和日环比来设计的，即，根据一年前业务量的走势和当前的业务量来推测未来业务量的走势。针对上述中的业务量预测方法，其存在以下缺陷：每年的法定节、星期等周期日期的不对齐会导致交通业务量预测出现比较大的预测误差，遇到突发情况例如大环境政策调整而导致的周期日期变动时，这种预测误差会更大。
技术实现思路
为了改善交通业务量预测误差的问题，本申请提供一种交通业务量预测方法、系统、装置及存储介质。第一方面，本申请提供一种交通业务量预测方法，采用如下的技术方案：一种交通业务量预测方法，包括：通过数据分析工具对历史原始业务量S0进行可视化然后分析历史原始业务量S0中所包含的周期性类型；采本文档来自技高网...

【技术保护点】
1.一种交通业务量预测方法，其特征在于，包括：/n通过数据分析工具对历史原始业务量S0进行可视化然后分析历史原始业务量S0中所包含的周期性类型；/n采用Prophet算法提取历史原始业务量S0中每一周期性类型所对应的周期因子，然后从历史原始业务量S0中剔除所有的周期因子以得到基业务量Sn；/n将每天的基业务量定义为标签y，训练基业务量Sn中第n天之前t天的基业务量数据映射到yn的模型；/n利用训练好的模型预测以当天为基准的未来T天的预测基业务量PT；/n根据未来T天包含的周期性类型，将相应的周期因子增加到预测基业务量PT中，得到最终预测业务量P。/n

【技术特征摘要】
1.一种交通业务量预测方法，其特征在于，包括：
通过数据分析工具对历史原始业务量S0进行可视化然后分析历史原始业务量S0中所包含的周期性类型；
采用Prophet算法提取历史原始业务量S0中每一周期性类型所对应的周期因子，然后从历史原始业务量S0中剔除所有的周期因子以得到基业务量Sn；
将每天的基业务量定义为标签y，训练基业务量Sn中第n天之前t天的基业务量数据映射到yn的模型；
利用训练好的模型预测以当天为基准的未来T天的预测基业务量PT；
根据未来T天包含的周期性类型，将相应的周期因子增加到预测基业务量PT中，得到最终预测业务量P。


2.根据权利要求1所述的方法，其特征在于，所述通过数据分析工具对历史原始业务量S0进行可视化然后分析历史原始业务量S0中所包含的周期性类型具体包括：
通过数据分析工具Excel对历史原始业务量S0进行可视化，然后分析历史原始业务量S0中所包含的周期性类型，所述周期性类型包括法定节假日周期性、星期周期性和年度周期性。


3.根据权利要求2所述的方法，其特征在于，所述采用Prophet算法提取历史原始业务量S0中每一周期性类型所对应的周期因子，然后从历史原始业务量S0中剔除所有的周期因子以得到基业务量Sn，具体包括：
如果历史原始业务量S0中包含法定节假日周期性，首先根据国务院公布的法定节假日信息定义相应日期对应的节假日类型，然后采用Prophet算法提取法定节假日因子H，最后从历史原始业务量S0中剔除法定节假日因子H得到一级业务量S1；如果历史原始业务量S0中不包含法定节假日周期性，则直接将历史原始业务量S0配置为一级业务量S1；
如果历史原始业务量S0中包含星期周期性，先使用Prophet算法提取星期周期因子W，再从一级业务量S1中剔除星期周期因子W得到二级业务量S2；如果历史原始业务量S0中不包含星期周期性，则直接将一级业务量S1配置为二级业务量S2；
如果历史原始业务量S0中包含年度周期性，先使用Prophet算法提取年度周期因子Y，再从二级业务量S2中剔除年度周期因子Y得到三级业务量S3；如果历史原始业务量S0中不包含年度周期性，则直接将二级业务量S2配置为三级业务量S3；
得到历史的基业务量Sn=S3。


4.根据权利要求1所述的方法，其特征在于，所述将每天的基业务量定义为标签y，训练基业务量Sn中第n天之前t天的基业务量数据映射到yn的模型，具体包括：
将基业务量Sn中每天的基业务量定义为标签y，将第n天之前t天的基业务量定义为x1、x2、x3、……、xt，然后采用线性回归算法训练x1、x2、x3、……、xt映射到yn的模型。


5.根据权利要求4所述的方法，其特征在于，所述利用训练好的模型预测以当天为基准的未来T天的预测基业务量PT具体包括：
利用训练好的模型预测以当天为基准的未来第k天的预测基业务量Pk，所述第k天为以当天为基准的未来T天中的某一天；
当k=1时，结合当天之前m天的基业务量利用训练好的模型预测以当天为基准的未来第1天的预测基业务量Pk；其中，m为预设的与t相等的值；
当k为大于1且小于等于m的整数时，结合预测基业务量P1、P2、……、Pi...

【专利技术属性】
技术研发人员：周国静，王安琪，
申请(专利权)人：苏州创旅天下信息技术有限公司，
类型：发明
国别省市：江苏;32