Subway-bigdata

以地铁ACC(地铁自动售检票系统清分中心简称)系统的用户行程数据、站点 数据为基础，完成基于地铁出行行程大数据的分析建模和算法研究，实现对地铁 的线路级别以及站点级别的客流进行分析和预测。

项目结构

1. Flask前端框架

1.1 templates

放置html模板 模板引擎采用Jinja2 如需绘制图表 需引入jquery.min.js和echarts.min.js

1.2 static

放置css、js、image等静态文件 引入的方式统一采用url_for('static',filename='路径')

1.3 app.py

控制模板的跳转 处理前后端的数据交互

2. PredictModel 后端 数据分析与模型建立

2.1 csv_data

放置csv类型的原始数据

2.2 DataSource.py

提供数据分析所需的数据 使用方法参考注释

2.3 MonthFlow.py -> PeakFlow.py

提供各项数据统计和图表接口 使用方法参考注释

2.4 BoostModel.py

客流预测模型 采用xgboost机器学习集成算法

后端技术栈

开发语言采用python3

1.web应用框架

使用flask轻量级web框架进行后台开发

2.数据分析

主要技术：

1.数据分析 numpy、pandas

2.可视化 pyecharts

3.数据预测

客流预测归结于时间序列预测的问题

本项目采用机器学习进行预测

主要技术：

1.数据建模 sklearn

2.集成算法 xgboost

3.模型保存 joblib

4.数据库

采用mysql8.0作为数据库

5.项目部署

本项目部署在远程云服务器，可以实现外网访问以及网站的动态更新

主要技术：

1.Flask

轻量级web应用框架

2.Gunicorn

高性能 WSGI 服务器 作为web应用程序与web服务器之间的接口

3.Nginx

高性能 Web 服务器 实现分流、转发、负载均衡