你知道吗，我们在公交客流预测这个领域，大家一般都知道GPS还有Informer、LSTM这些东西，严春荣、刘妙男、王魏、胡显辉这些研究者都很有名。西安建筑科技大学也出了不少成果呢。公交客流预测其实挺重要的，它能提高公交调度的精准度，让乘客更满意，还能提高企业资源的利用效率。今天我们就来聊聊公交客流预测的主要步骤和相关的模型算法。 要做公交客流预测，首先得获取数据。我们需要公交乘客支付流水数据、GPS到离站数据、发车间隔这些内部数据，还有天气、温度、日期类型等外部因素的数据。这样做能提高预测的准确度。接下来就是分析影响客流的因素了。内部因素有线路走向、站点覆盖、发车间隔这些，外部因素主要是天气和其他交通方式的便捷度。 好了，接下来就是模型构建了。以深度学习模型为例吧。第一步是确定输入输出数据，然后对数据进行预处理，包括缺失值异常值的处理和特征提取。然后根据数据复杂度选择合适的模型进行建模。之后可以用贝叶斯优化或者遗传算法来调整参数或者手动调参。最后评估一下模型性能，如果准确率高就搞定了。 目前常用的公交客流预测模型有传统统计模型、机器学习模型还有深度学习模型。传统统计模型主要是线性回归和时间序列分析这些；机器学习模型包括决策树和支持向量机；深度学习模型就更厉害了，包括卷积神经网络和循环神经网络。我们特别介绍一下研究应用较多的长短期记忆网络（LSTM），它是一种特殊的循环神经网络。 你看这篇文章里面有个表还介绍了LSTM的核心结构和流程呢。 严春荣写了一篇关于降雨天气下城市公交客流预测和调度优化的博士论文在西安建筑科技大学完成。 还有刘妙男、王魏、胡显辉等人发表了一篇论文是基于因果卷积和Informer模型来做城市公交客流预测的。