[发明专利]一种基于时间轴的模型数据指标推演方法

说明书

本发明公开了一种基于时间轴的模型数据指标推演方法，该方法基于时间轴将其他维度的数据量化成指标投射到时间维度上，经过数据清洗和标准化等常规数据处理手段，结合事实维度模型的方式建模，根据曲线的走向进行模拟插值操作，进而达到推演未来的目的。本发明提供的一种基于时间轴的模型数据指标推演方法，将相关事物数据化，以可度量的方式进行收集，然后将数据展示在以时间维度作为横轴的坐标轴上，推演精细化运营，在尽量接近现实的可能下，提高决策效率。本发明有效解决现在技术所存在的数据庞大导致分析过程过于复杂，造成大量人力资源的浪费以及大量成本的增加，且分析效率低、准确率差的问题，适于广泛推广。

技术领域

本发明涉及轨道交通和计算机技术领域，特别涉及，一种基于时间轴的模型数据指标推演方法。

背景技术

轨道交通的作用是服务于区域发展，促进区域间的资源交流及经济发展；服务于城市发展，促进城市发展方式及城市结构转变；服务于城市居民，为其提供方便高效的生活方式。城市轨道交通应引导城市向更好的服务城市居民，更适于和谐和可持续发展的方向前进。

目前，我国各大中型城市相继投入巨资开始城市轨道交通建设，因此必须对城市轨道交通的服务质量引起高度重视。但是目前来看，国内轨道交通运营公司在运营阶段都是亏损经营，完全靠政府补贴。由于轨道交通行业实际上是多个专业协同工作的，导致整个分析过程非常庞杂，非一人之力可以完成。

针对上述问题，设计一种解决现有技术所存在的数据庞大导致分析过程过于复杂，造成大量人力资源的浪费以及大量成本的增加，且分析效率低、准确率差的问题的方法，用于分析运营情况并推演未来的运营花费情况。

发明内容

针对上述缺陷，本发明解决的技术问题在于，提供一种基于时间轴的模型数据指标推演方法，以解决现在技术所存在的数据庞大导致分析过程过于复杂，造成大量人力资源的浪费以及大量成本的增加，且分析效率低、准确率差的问题。

本发明提供了一种基于时间轴的模型数据指标推演方法，具体步骤包括：

步骤1、发现并纠正数据文件中可识别的错误，再进行数据清洗，其中数据清洗包括检查数据一致性、判断数据完整性和处理无效值与缺失值；

步骤2、基于时间序列的线性和非线性表示方法，分别对清洗后的数据向时间维度降维，其中线性表示方法包括极值点拟合法、特征点拟合法、基于关键点的线性拟合方法和一种精确的时间序列线性拟合方法；

步骤3、将降维后的数据根据分析目的选择具体的挖掘算法，得到多个基于时间轴的模型，选择拟合度高的模型推演未来时间点的相应数据。

优选地，所述步骤2中极值点拟合法的具体步骤包括：基于时间序列数据的单调变化属性，抽取并保留序列中的极值点作为特征数据即关键点，其中对于时间序列Q(q₁ ,q₂,…,q_i-1 ,q_i , q_i+1 ,……, q_n ) (0i≤n)，如果时间序列Q的第i个元素q_i满足条件q₁≤q₂≤，…，≤q_{i- 1}≤q_i且q_i≥q_i+1≥，…，≥q_n-1≥q_n，或q_i≥q₂≥，…，≥q_i-1≥q_i且q_i≤q_i+1≤，…，≤q_n-1≤q_n，则q_i作为极值点被保留。

优选地，所述步骤2中特征点拟合法的具体步骤包括：

步骤2.2.1、把时间按序列Q的起点和终点保留下来作为特征点；

步骤2.2.2、从保留下来的特征点中选取序列的极值点作为特征值点即关键点，其中极值点保持极值的时间段与序列Q长度的比值大于指定阈值M。