[发明专利]一种交通业务量预测方法、系统、装置及存储介质

说明书

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。

技术领域

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。

背景技术

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。

发明内容

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。

通过采用上述技术方案，本发明从原始业务量中剥离了周期性因子，例如法定节假日、星期和年度，从而得到了基业务量，接着利用机器学习算法根据历史基业务量预测未来基业务量，把握近期基业务量的走势，最后加入周期因子得到最终预测业务量，不仅便于将不同年份的假日日期对齐而提高预测数据的准确性，也很好的解决了由于突发情况而造成的预测误差的问题。

优选的，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。

通过采用上述技术方案，通过Excel将历史原始业务量S0进行折线图或者柱状图形式的可视化，便于工作人员观察到原始业务量中的周期类型，便于后续采用Prophet算法对周期因子提取时的对模型参数的设置。

优选的，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：