3个高二小姐姐，用大数据成功预测地铁出站人数

1.挤地铁，挤出来这个课题

谭婧懿、韦沐汐、唐睿诗是南开中学高二年级的学生，虽然三人不在同一班上，但她们都有一个共同的爱好，参加科技创新活动。说起这次参加重庆市科技创新大赛，谭婧懿有些不好意思，“这个选题，还是我们上学放学挤地铁挤出来的。”

原来，三位女生经常坐1号线。

“每天早上上学和放学回家乘坐轨道交通会这么拥挤？根本就挤不进去啊！”

“如果有方法能够迅速疏散客流，为市民提供快捷、舒适的出行服务，那该多好！”

三个人你一言，我一语，就把选题给定了下来。

2.找数据，一站就是3小时

确定了选题，就开始找数据。“她们用了最笨但也是最实在的办法，就是高峰、平峰两个时间段，到地铁站数人。”指导老师杨梦宁说。

“我们三个人，一人数出站人数，一人数进站人数，一人看车厢的拥挤程度。”唐睿诗说，虽然大家有分工，但一天数下来，“是真累，好想带个小板凳坐下，好想吃个面包充饥。那段时间真是太累了，回去就不想动，放空自己。”

放学后、假期里，在地铁1号线的沙坪坝站，三位小女生成了常客。还因为长时间站在那里，不少人以为她们是志愿者，“好多来问路的。”

付出总是有回报，数了一段日子后，孩子们在自己整理的记录上，发现了一些规律，“我们通过这些数字中的规律，再找到负责部门要了一些数据，做后期的研究。”

3.做分析，手算一个月才处理两个星期数据

拿到了海量数据，就要做分析找规律。因为之前没有做过类似的课题，三位女生又用到了最原始的方法，把数据录入到Excel里“手算”。“因为数据要录入，还要排版，这样‘手算’了一个月，才处理两个星期的数据，这样不是办法。”杨梦宁说。

于是孩子们运用多种算法对数据进行计算，“最开始，预测精准率只有60%，后来加入其他算法，提升到70%以上。但她们拿着这样的结果给运营部门看时，他们说精准率在80%以上，才算有点意义。”在加入深度学习算法后，“我们再把空间特征转化为时间特性来进行计算，平均精准率就达到了93%。”谭婧懿说。

“我们的创新主要是将轨道交通的空间信息引入到客流预测中，同时引入了两种不同的时间信息，即历史同期序列与顺序时间序列，并将其结合，形成新的特征组。除此之外，还将时空特征进行结合引入到客流预测中，将空间特征以及时间特征历史共同结合来创建模型，能更准确全面地进行客流预测。”三个女生的这一项目不仅获得了一等奖，目前也正在申请相关的专利。

（来源：高校大数据与人工智能推进联盟）

—完—

想知道AI加教育领域有哪些最新研究成果？

想要AI领域更多的干货？

想了解更多专家的“智能观”？

请在对话界面点击“找找看”，去获取你想要的内容吧。

关于我们

我们关注AI+教育。致力于提供高附加值的知识，以帮助每一位老师和我们的读者不断学习并提高技能。

我们努力让发表的每一篇文章都具有最佳质量，以满足读者的需求。