大赛以“地铁乘客流量预测”为赛题，参赛者可通过分析地铁站的历史刷卡数据，预测站点未来的客流量变化，帮助实现更合理的出行路线选择，规避交通堵塞，提前部署站点安保措施等，最终实现用大数据和人工智能等技术助力未来城市安全出行。 大赛开放了20190101至20190125共25天地铁刷卡数据记录，共涉及3条线路81个地铁站约7000万条数据作为训练数据（Metro_train.zip），供选手搭建地铁站点乘客流量预测模型。训练数据（Metro_train.zip）解压后可以得到25个csv文件，每天的刷卡数据均单独存在一个csv文件中，以record为前缀。如2019年1月1日的所有线路所有站点的刷卡数据记录存储在record_2019-01-01.csv文件中，以此类推。同时大赛提供了路网地图，即各地铁站之间的连接关系表，存储在文件Metro_roadMap.csv文件中供选手使用。 测试阶段，大赛将提供某天所有线路所有站点的刷卡数据记录，选手需预测未来一天00时至24时以10分钟为单位各时段各站点的进站和出站人次。 预选赛阶段，测试集A集上，大赛将提供2019年1月28日的刷卡数据

大赛以“地铁乘客流量预测”为赛题，参赛者可通过分析地铁站的历史刷卡数据，预测站点未来的客流量变化，帮助实现更合理的出行路线选择，规避交通堵塞，提前部署站点安保措施等，最终实现用大数据和人工智能等技术助力未来城市安全出行。 大赛开放了20190101至20190125共25天地铁刷卡数据记录，共涉及3条线路81个地铁站约7000万条数据作为训练数据（Metro_train.zip），供选手搭建地铁站点乘客流量预测模型。训练数据（Metro_train.zip）解压后可以得到25个csv文件，每天的刷卡数据均单独存在一个csv文件中，以record为前缀。如2019年1月1日的所有线路所有站点的刷卡数据记录存储在record_2019-01-01.csv文件中，以此类推。同时大赛提供了路网地图，即各地铁站之间的连接关系表，存储在文件Metro_roadMap.csv文件中供选手使用。 测试阶段，大赛将提供某天所有线路所有站点的刷卡数据记录，选手需预测未来一天00时至24时以10分钟为单位各时段各站点的进站和出站人次。 预选赛阶段，测试集A集上，大赛将提供2019年1月28日的刷卡数据

包含工作日和周末的客流数据，近300万条数据，可能进行客流特征分析。

15天引爆实体店客流，适用于所有餐饮店，突破单量瓶颈必学课程，首先要进行店铺诊断，找到自己门店真正的问题，通过外卖运营+抖音团购提高入店率、下单率，提高团购新客复购。 视频大小:4.6G

智慧景区客流统计解决方案.doc

本文选取2015年1月至2016年3月中国部分车站的客流数据，建立了BP神经网络的铁路客流时间序列预测模型。 但由于收敛速度慢，容易陷入问题的局部最优解，建议通过遗传算法改进BP神经网络的时间序列模型，以预测铁路客流。 实验结果表明，改进的方法具有较高的预测精度和较好的非线性拟合能力。

轨道交通短期客流预测方法及其算法研究.docx

为了解决城市轨道交通运输组织中的列车停站问题，考虑列车停站与客流换乘选择之间的主从博弈关系，建立了城市轨道交通组合型停站方案的0-1双层规划数学模型。上层停站模型以运营收益最大化为目标，以车站停站下限为约束；下层乘客路径选择以总旅行耗费时间最少为目标，乘车径路连续性和可行性为约束。根据双层规划模型特点分别对决策变量、目标函数和约束条件整合处理并通过优化软件求解。通过算例分析了参数的敏感度，并证明了模型的可行性和有效性。实例应用证明了组合停站更适用于特殊空间分布的客流。

针对目标快速移动和遮挡情况导致的客流统计存在误差的问题，设计目标的检测、跟踪、进门行为判断等策略，提出基于深度学习的餐饮业客流统计方法.首先，通过多数据集对YOLOv3-tiny模型进行训练，实现对于小目标的准确检测；进而设计多通道特征融合的目标跟踪算法，完成目标快速移动情况下的稳定跟踪；最后设计目标进门行为的判断方法，通过重叠率对目标的进门行为进行判断，实现对进门客流量的准确统计.最终通过实验验证，客流量统计的平均准确率达到93.5%.

中国大学生服务外包创新大赛 源码 赛道：轨道交通客流预测