[发明专利]一种基于机器学习的地铁乘客分类方法

说明书

本发明公开了一种基于机器学习的地铁乘客分类方法，包括下述步骤：步骤一，从一卡通公司获取城市全部地铁站的历史刷卡数据；步骤二，对历史刷卡数据进行预处理，缺失值补0；步骤三，对部分刷卡数据进行人工标注，得到乘客类别，作为半监督学习中的已知类别的数据集，用于初始训练；步骤四，按照实际情况，对地铁站进行等级划分；步骤五，考虑影响地铁乘客类别的影响因素，分析建立模型时所需要的初始特征；本发明考虑影响乘客类别的因素较为全面，利用GBDT算法模型根据已有特征构建出新特征，实现了特征的自动提取，算法模型简单，能解决现有方法分类效果较差等问题，提高了分类的精度。

技术领域

本发明涉及乘客分类技术领域，具体涉及一种基于机器学习的地铁乘客分类方法。

背景技术

随着社会的发展，交通方式越来越多，地铁是很重要的一种出行方式，它对于一个城市的建设具有重要意义，有利于引导和实现城市可持续发展，并且逐渐成为居民出行的首要选择，因此对于地铁乘客进行分类尤为重要。通过对地铁乘客进行分类预测，可以针对不同种类的乘客提供有针对性的服务，可以提高服务质量。

关于地铁乘客分类预测的研究，国内的赵娟娟等人提出了一种“基于时空数据挖掘的地铁乘客分类方法”(CN103699601A)，该方法基于时间、空间的用户出行规律算法，通过对乘客的出行进行特征分析，将具有相似特征的乘客聚类，最后完成分类；尹宝才等人提出了“一种基于地铁刷卡数据的乘客出行行为分析方法”(CN105718946A)，在分析出行行为时，对乘客进行聚类，但是，这两种方法实现较为繁琐，根据出行规律算法进行计算，计算不方便，并且没有考虑天气属性等外在因素对乘客类别的影响，只是考虑进出站的站点以及时间等常规因素，也没有利用算法从已有特征中进行自动提取新特征，所以整体分类没有达到很好的分类效果。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于机器学习的地铁乘客分类方法，该方法利用机器学习算法对现有特征进行特征的自动提取，进一步发现数据背后的知识，提高分类精度。

本发明的目的通过下述技术方案实现：

一种基于机器学习的地铁乘客分类方法，包括下述步骤：

步骤一，从一卡通公司获取城市全部地铁站的历史刷卡数据；

步骤二，对历史刷卡数据进行预处理，缺失值补0；

步骤三，对部分刷卡数据进行人工标注，得到乘客类别，作为半监督学习中的已知类别的数据集，用于初始训练；

步骤四，按照实际情况，对地铁站进行等级划分；

步骤五，考虑影响地铁乘客类别的影响因素，分析建立模型时所需要的初始特征；

步骤六，训练GBDT算法模型；

(1)GBDT算法模型是以决策树为基模型的；

(2)利用已知类别的那部分数据，进行特征工程，得到满足GBDT算法模型的特征表示，将该特征记为X'；

(3)将数据划分为训练集和测试集；

(4)将已知的乘客类别作为目标y，特征作为输入x，传给GBDT算法模型，利用训练集训练GBDT算法模型，利用测试集测试GBDT算法模型的性能以及调整模型参数，得到准确度较高的模型；

步骤七，利用GBDT算法模型构建新特征；

(1)利用GBDT算法模型学习得到的树来对已经标注的数据构造新特征，记为X”；

(2)将该新特征X”加入原有特征X'，一起构成了特征集X”'；

步骤八，建立softmax算法模型；

(1)softmax算法模型的函数为