当前位置：首页 > news >正文

【快手】数据挖掘面试题0002：求某地铁站每日客流量，乘地铁经过、进出站人都包括在内

news 2025/7/9 6:47:04

文章大纲

- - 第一步：明确问题与数据基础
  - 第二步：费米问题拆解框架
  - - 关键假设（基于“二线城市区域中心站”场景）
  - 第三步：用SQL实现“数据驱动的费米估算”
  - - Step 1：按“时段+事件类型”统计基础数据
    - Step 2：结合费米假设估算总量
    - Step 3：调整假设，优化估算
  - 结论：结合SQL的费米估算逻辑
  - ~~ 机器学习方案 ~~
  - 一、预测目标与数据基础
  - 二、特征工程（关键步骤）
  - - 1. 时间特征
    - 2. 外部特征
  - 三、模型选择（适合客流量预测的模型）
  - - 1. 经典统计模型
    - 2. 机器学习模型
    - 3. 深度学习模型
  - 四、模型训练与评估
  - - 1. 数据划分
    - 2. 评估指标
    - 3. 模型优化
  - **五、实际应用：预测结果落地**
  - **六、总结：机器学习预测的优势**

1.求某地铁站每日客流量，乘地铁经过、进出站人都包括在内费米问题

结合费米问题的“拆解-假设-估算”逻辑与SQL的“数据提取-聚合分析”能力，可以更系统地估算地铁站每日客流量。

以下是具体分析过程：

第一步：明确问题与数据基础

目标：估算某地铁站每日总客流量（含进站、出站、换乘/经过三类人群）。
假设我们有基础数据记录表 subway_events，结构如下：

字段名	含义	示例值
`user_id`	乘客唯一标识	1001
`station_id`	地铁站ID	S018
`event_time`	事件时间	2023-10-01 08:30:00
`event_type`	事件类型	‘IN’（进站）、‘OUT’（出站）、‘TRANSFER’（换乘）

第二步：费米问题拆解框架

将总客流拆分为3个核心组成部分，再按“时段”细化（地铁运营时间通常为5:30-23:30，共18小时）：

总客流 = 进站人数 + 出站人数 + 换乘/经过人数

关键假设（基于“二线城市区域中心站”场景）

时段划分：
- 高峰：7:00-9:00（早高峰，2h）、17:00-19:00（晚高峰，2h），共4h；
- 平峰：9:00-17:00（8h）、19:00-21:00（2h），共10h；
- 低峰：5:30-7:00（1.5h）、21:00-23:30（2.5h），共4h。
客流组成假设：
- 进站 / 出站：同一乘客的“进站”和“出站”是配对的，但单日同一乘客可能多次进出（如通勤+购物）；
- 换乘 / 经过：乘客在该站从A线换乘到B线，未出闸机，属于“经过”，记录为“TRANSFER”事件。

第三步：用SQL实现“数据驱动的费米估算”

通过SQL提取各组成部分的量化数据，结合假设验证并汇总。

Step 1：按“时段+事件类型”统计基础数据

先用SQL分时段统计“进站、出站、换乘”的原始记录数（反映各环节的流量规模）：

-- 按时段和事件类型分组统计
WITH time_segments AS (SELECT station_id,DATE(event_time) AS stat_date,-- 划分时段（高峰/平峰/低峰）CASE WHEN HOUR(event_time) BETWEEN 7 AND 8 OR HOUR(event_time) BETWEEN 17 AND 18 THEN 'peak'  -- 早7-9、晚17-19（简化为整点时段，便于计算）WHEN HOUR(event_time) BETWEEN 9 AND 16 OR HOUR(event_time) BETWEEN 19 AND 20 THEN 'flat'  -- 平峰9-17、19-21ELSE 'off_peak'  -- 低峰5-7、21-23END AS time_period,event_type  -- 事件类型：IN/OUT/TRANSFERFROM subway_eventsWHERE station_id = 'S018'  -- 目标地铁站
)
-- 统计各时段的事件数量
SELECT stat_date,time_period,SUM(CASE WHEN event_type = 'IN' THEN 1 ELSE 0 END)