当前位置：首页 > news >正文

KDD Cup 2017 数据集分析

news 来源：原创 2025/4/23 5:25:50

Table 3 – Road Link Properties（路段属性）
- link_id：唯一标识一条路段（Link）。
- length、width、lanes、lane_width：路段的几何属性。
- in_top：这个路段的「上游」路段列表（用逗号分隔），即车辆从哪些路段进入本路段。
- out_top：这个路段的「下游」路段列表，车辆从本路段可以到哪些路段。
- 用途：刻画整个区域内路网的拓扑结构，用来构建时空图或提取下游／上游特征。
Table 4 – Intersection–Tollgate Routes（路口到收费站的典型路径）
- intersection_id：上游路口编号（例如 A、B、C）。
- tollgate_id：目标收费站编号（1、2、3）。
- link_seq：从该路口到该收费站所经过的路段序列（link_id 按行驶顺序用逗号连接）。
- 用途：每条路径是一条定长（约 5–10 段路）的 Link 序列，后续要把车辆的轨迹（Table 5）映射到哪条路径上，就靠它。

Table 5 – Vehicle Trajectories（车辆轨迹）
- intersection_id、tollgate_id：标明这条记录对应的是哪对路口–收费站路径。
- vehicle_id：车辆唯一标识。
- starting_time：车辆进入该路径（第一个路段）的时间点。
- travel_seq：详细的链路打点：link_id#enter_time#travel_time(sec) 用“;”分割每一段打点。
- travel_time：整条路径从路口到收费站的总耗时（秒）。
- 用途：可用来计算不同时间段、不同方向下的平均通行时间；也可提取分段耗时、分段速度等。
Table 6 – Traffic Volume（收费站车流量）
- time：记录时间，按20 分钟为一个窗口（如 00:00–00:20、00:20–00:40……）。
- tollgate_id：收费站编号。
- direction：进站（0）或出站（1）。
- vehicle_model、has_etc、vehicle_type：车的容量等级、是否 ETC、客货类型。
- traffic_volume：该 20 分钟窗口内的车辆总数。
- 用途：这是做“短期车流量预测”最核心的目标变量。
Table 7 – Weather Data（天气）
- date、hour：时间坐标，每 3 小时一条记录。
- pressure、sea_pressure、wind_direction、wind_speed、temperature、rel_humidity、precipitation：常见气象指标。
- 用途：对车流量和通行时间都有潜在影响，可对齐到最近的半小时或小时窗口，作为外生特征。

路径映射（Table 5 ⇄ Table 4）
- 每条轨迹（Table 5）都有 intersection_id、tollgate_id，两者完全对应 Table 4 中的一条 link_seq。
- 通过比对 travel_seq 中的 link_id 列表与 Table 4 的 link_seq，确认该车辆跑的是哪条典型路径。
统计特征
- 平均通行时间：对同一条路口–收费站路径，在不同时间窗口内（如 20 分钟、1 小时），统计 Table 5 的 travel_time 均值、方差、分位数等。
- 细分路段速度：利用 travel_seq 中每段的 travel_time / link length，计算下游路段拥堵情况（图神经网络或特征工程时可用）。
时序特征拼接（Table 6 + Table 7）
- 将 Table 6 的每个 20 分钟窗口对应到最近的一个或两个 Table 7 记录（如用前小时的天气指标）。
- 拼接后形成：time,tollgateid,direction,weather…,过去N窗口的trafficvolume、holidayflag、weekdayflag…time, tollgate_id, direction, weather…, 过去 N 窗口的 traffic_volume、holiday_flag、weekday_flag…，用于流量预测模型。
上下游空间特征（Table 3）
- 如果要做更精细的空间关联（如 GNN），可把每个收费站看作图节点，节点属性包括：临近路段的平均速度、上下游站点的历史流量等，边由 Table 3 的 in_top/out_top 决定。

数据清洗
- 剔除节假日（尤其国庆 10‑01 至 10‑07）或单独建模。
- 对 Table 5 中丢失/异常 travel_time 做插值或过滤。
- 对天气数据做缺失值填充（前向／后向插值）。
特征工程
- 时序特征：小时、星期几、是否工作日/节假日、前 N 窗口流量/通行时间统计量。
- 空间特征：同一路口–收费站路径的历史平均通行时间；相邻路径的通行时间；上下游收费站流量。
- 外生特征：天气指标（温度、降水等）、车类型比例（ETC 占比、货车占比）。
模型训练
- 通行时间预测（任务 1）：用 Table 5 构造样本，特征如上，对应标签为 travel_time。
- 车流量预测（任务 2）：用 Table 6＋Table 7 构造样本，标签为 traffic_volume。
- 可选模型：XGBoost/LightGBM、LSTM/TCN、图神经网络、集成学习等。
评估与上线
- 按官方给的测试集时间段（10‑18 至 10‑24）输出预测结果，计算 RMSE、MAPE 等指标。
- 如果要做实时系统，可把训练好的模型部署为在线接口，输入最新窗口的流量和天气，输出未来 N 窗口的预测。