一、赛题描述

本赛题将人工智能技术应用于智慧交通领域，以改善交通拥堵问题。赛题聚焦于路口饱和度和快速路OD出行需求的智能化预测。通过分析道路基础数据和交通流数据，预测未来路口交通流饱和情况，辅助实现信控路口交通状态的自动巡检，自动发现存在问题的信控路口，科学分析路口配时方案是否合理，指导信号配时工作。同时，预测快速路OD出行需求，准确掌握大流量OD对，提前分流交通量，从源头上缓解快速路交通拥堵。本赛题鼓励参赛者运用多样化的技术手段，如数据分析、机器学习、深度学习等，提出富有创新性的解决方案，以改善城市交通状况和提升居民出行体验，为城市交通管理和出行规划提供重要参考，促进智慧城市的建设。

二、赛题题目

智慧交通-人工智能在交通领域的应用

三、赛题任务

【初赛】

依托无锡市滨湖区某路口电警卡口的多维脱敏数据，根据路口路况进行特征处理并构造算法模型，预测未来某天每5分钟的路口交通饱和度。

饱和度：实际交通流量（V）与最大通行能力（C）的比值。

最大通行能力C的参考数值：1650。单位：车流量/小时/车道。

结果文件提交时间：2023年10月10日 - 2023年11月8日

【初赛复核】

前50名队伍代码提交时间：2023年11月13日 - 2023年11月25日。初赛代码截止提交时间2023年11月15日。

【复赛】
根据无锡市快速路电警卡口的多维脱敏数据和电子地图数据，预测未来某天一段时间内通过快速路上的不同OD对之间的车辆流量。复赛分为A、B榜。

【复赛-A榜】

根据无锡市快速路电警卡口的多维脱敏数据和电子地图数据，预测9月3日8时-9时内，每隔15分钟，通过下列10组OD对之间的车辆流量：

（1）匝道编号见数据描述部分，其中，nTYXq9ulA1DPBC235C776J、nTYXq9ulA1DPBC237B6TML和nTYXq9ulA1E07S7LRD77NG分别为同一匝道的三个不同设备）。注：

（2）OD对：由一个上匝道和一个下匝道组成。

（3）OD对的流量计算：

若某车辆在某个时刻（假设8:05）经过某OD对的上匝道并且在某个时刻（假设9:00）离开该OD对的下匝道，则计入该OD对的该车辆经过上匝道时间所属时间段（即8:00-8:15）中的流量。
车辆经过OD对的上下匝道的时间间隔（即车辆在OD对中的行驶时间）应在3小时之内，若超出则不计入所属时间段的流量。

（4）共40组不同时间段的OD对

时间：2023年11月30日- 2023年12月12日（12月12日00:00截止提交）

【复赛-B榜】

根据无锡市快速路电警卡口的多维脱敏数据和电子地图数据，预测10月13日17时-18时内，每隔15分钟，通过下列10组OD对之间的车辆流量：

（1）匝道编号见数据描述部分，其中，nTYXq9ulA1DPBC2374GVGJ和nTYXq9ulA1E07S7LR3LS3L分别为同一匝道的两个不同的设备。

时间：2023年12月12日 - 2023年12月29日（12月29日00:00分截止提交）

【决赛】

决赛阶段采用线下答辩的方式，晋级决赛队伍需要提前准备答辩PPT及相关支撑材料，评委将根据选手的初复赛成绩及现场表现进行综合评分，决定最终排名，最终解释权以组委会通知为准。

时间：2024年4月15日

四、数据描述

【初赛】

本赛题提供的数据集包含4张数据表。其中，Lane.csv 为车道数据，Light_status.csv为路口灯态相位数据，Entrance_road.csv为进口道数据，Flow.csv为路口车流量数据。数据集为历史27天的数据。

数据集清单与格式说明：

点击下载

主办方对此类数据保留全部所有权、知识产权和使用权，参赛者承诺不得将此类数据进行任何商业化使用。

注：

（1）放行车道号“_”前后分别代表进口道和车道，1，2，3，4进口道分别对应方向为西，北，东，南。

（2）车道功能11，12，13分别代表直行，左转，右转。

【复赛】

复赛B榜将在Mars数据工场进行。复赛B榜进行线上代码训练及预测，分为调试和复现（生产）两个阶段。其中，调试阶段使用的数据是复赛A榜数据，复现使用的是B榜数据。其中，调试数据可见，复现数据不可见。调试和复现的数据集路径保持一致，具体操作可见复赛流程指南。

为方便选手处理数据，将数据做如下调整：A榜和B榜数据名称修改成统一格式，数据工厂提供的数据集清单和格式说明见图表：

|-- data

|--up

|--data_1.csv

|--data_2.csv

|--data_3.csv

|--data_4.csv

|--data_5.csv

|--down

|--data_1.csv

|--data_2.csv

|--data_3.csv

|--data_4.csv

|--data_5.csv

|--equipment_point.xls

其中，原始数据和数据工厂提供的对应文件名称对应关系如表所示：

原始数据目录	数据工厂数据目录
A榜数据	调试数据
上匝道口0801-0831	up
上匝道口0801-0805.csv	data_1.csv
上匝道口0806-0810.csv	data_2.csv
上匝道口0811-0817.csv	data_3.csv
上匝道口0818-0820.csv	data_4.csv
上匝道口0821-0831.csv	data_5.csv
下匝道口0801-0831	down
下匝道口0801-0805.csv	data_1.csv
下匝道口0806-0810.csv	data_2.csv
下匝道口0811-0817.csv	data_3.csv
下匝道口0818-0820.csv	data_4.csv
下匝道口0821-0831.csv	data_5.csv
快速路设备点位.xls	equipment_point.xls

B榜数据	真实数据
上匝道口0901-0930	up
上匝道口0901-0905.csv	data_1.csv
上匝道口0906-0910.csv	data_2.csv
上匝道口0911-0915.csv	data_3.csv
上匝道口0916-0920.csv	data_4.csv
上匝道口0921-0930.csv	data_5.csv
下匝道口0901-0930.csv	down
下匝道口0901-0905.csv	data_1.csv
下匝道口0906-0910.csv	data_2.csv
下匝道口0911-0915.csv	data_3.csv
下匝道口0916-0920.csv	data_4.csv
下匝道口0921-0930.csv	data_5.csv
快速路设备点位.xls	equipment_point.xls

数据字段说明如下：

（1）B榜数据不包含09月03日数据注：

（2）无锡快速路电子地图需使用代码或专业软件如QGIS查看。

（3）如需使用无锡快速路shp图层，选手可自行上传。

复赛数据点击下载

主办方对此类数据保留全部所有权、知识产权和使用权，参赛者承诺不得将此类数据进行任何商业化使用。

五、评估指标

【初赛】

评估指标：对称平均绝对百分比误差

式中为第个t数据的真实值，为第t个数据的预测值，n为样本总数,ep是很小的数。

【复赛】

复赛分A、B榜，复赛A、B榜的评估指标都为：平均绝对百分比误差MAPE

式中为第 i 个数据的真实值，为第 i 个数据的预测值，n 为样本总数，其中

复赛最终评估指标以复赛A榜的 MAPE 和复赛B榜的 MAPE 的加权结果作为最终的得分。

其中，为复赛A榜的得分权重，为复赛B榜的得分权重。其中，=0.4，=0.6。

【决赛】

六、提交说明

【初赛】

选手需要根据给定的训练集，预测出2023年8月28号的目标变量值（路口交通饱和度），并以csv格式（列形式）保存，文件命名为result.csv。

提交样例如下：

注：选手需保证提交的result.csv中的预测数据的字段顺序与给定的提交样例顺序一致，提交的文件记录数应与提交示例中的记录数保持一致。为避免评测过程中文件编码格式导致评测错误的影响，文件统一以utf-8编码。

【初赛复核】

初赛复核阶段需要上传完整的、可复现的代码，并提供代码复现说明文档，在requirements.txt文件写明代码所使用的依赖包文件。

请将所需提供文档打包成.zip压缩包进行提交，压缩包文件大小不超过1G，参赛作品需以“参与赛道-团队名.zip”命名

注：

（1）初赛复核阶段的代码提交格式详见代码提交格式说明。

（2）初赛阶段结束后，通过实名认证的TOP50团队晋级入围初赛评审环节，要求前50名团队提交最优成绩对应的训练预测代码进行审核，代码提交截止时间11月15日。组委会将审核并剔除存在作弊行为的队伍，晋级空缺名额递补。最终符合要求的排名前32名参赛队伍将进入复赛。

代码提交格式说明

代码提交规范目录结构如下。（需严格按照代码规范上传，否则导致的问题将由选手自行承担）

|-- project

|-- code

|-- train

|-- model

|-- raw_data

|-- temp_data

|-- result

|-- result.csv

|-- requirements.txt

|-- description

|-- description.md

1）测试代码文件夹 code/

选手需要将针对测试集的测试代码放入该文件夹中，并提供main.py文件作为程序入口，确保可以通过执行该文件来运行训练、预测程序，得到最终结果。

2）训练代码文件夹 train/

选手需要将针对训练集的训练代码放入该文件夹中，并在main.py中调用，确保可复现训练过程。

3）模型文件夹 model/

选手需要将训练代码生成的模型文件放入该文件夹中，并注意不要将本地训练的模型文件上传到该文件夹。

4）原始数据文件夹 raw_data/

选手需将原始竞赛数据文件放入该文件夹。

5）中间数据文件夹 temp_data/

选手需要将必要的中间数据及额外数据放入该文件夹中。

6）预测结果件夹result/

选手需要将测评结果保存成.csv格式，并放入该文件夹。.csv文件中包含的内容可参考提交说明。

7）依赖说明文件requirements.txt

选手需要将训练与测试代码所使用的依赖（需要安装的Python package）在requirements.txt文件中写明。

8）说明文档文件夹description/

选手需要将含有算法思路、亮点解读、建模算力与环境的说明文档，以markdown格式进行保存，并放入该文件夹。说明文档内容可参考以下结构：

编程思路：简要说明算法编程实现方法和路径，提供核心代码段。

特色亮点：简要说明算法和程序在运算速度、效率等方面的特点和优势。

编程语言：采用的主要编程语言（必须注明版本号，如python3.7）。

软件运行环境：说明算法程序运行需配置的操作系统、语言环境、依赖包等（注明版本号）。

硬件配置环境：说明算法程序运行建议硬件环境配置。

运行说明：算法程序运行安装、配置、运行操作（必须）、算法结果等简要

【复赛-A榜】

复赛A榜进行线下代码训练及预测。

选手需要根据给定的测试集，预测出测试集的目标变量值（各个OD对的车辆流量），并以csv格式（列形式）保存，文件名为result.csv上传。提交样例如下：

注：

（1）ID为唯一编码

（2）OD_ID为OD对编号。

选手需保证提交的result.csv中数据的字段顺序与给定的提交样例数据顺序一致，提交的文件记录数应与提交示例中的记录数保持一致。为避免评测过程中文件编码格式导致评测错误的影响，文件统一以utf-8编码。

【复赛-B榜】

复赛B榜在Mars数据工场进行。选手需要预测出赛题任务中的目标变量值（各个OD对的车辆流量），并以csv格式（列形式）命名为result.csv保存到指定目录（/opt/output/result）。

选手需保证提交的result.csv中数据的字段顺序与给定的提交样例数据顺序一致，提交的文件记录数应与提交示例中的记录数保持一致。为避免评测过程中文件编码格式导致评测错误的影响，文件统一以utf-8编码。

代码提交格式说明

代码提交规范目录结构如下。（需严格按照代码规范上传，否则导致的问题将由选手自行承担）

|-- project

|-- code

|-- train

|-- model

|-- raw_data

|-- train

|-- test

|-- temp_data

|-- result

|-- result.csv

|-- requirements.txt

|-- description

|-- description.md

1）测试代码文件夹 code/

选手需要将针对测试集的测试代码放入该文件夹中，并提供main.py文件作为程序入口，确保可以通过执行该文件来运行训练、预测程序，得到最终结果。

2）训练代码文件夹 train/

选手需要将针对训练集的训练代码放入该文件夹中，并在main.py中调用，确保可复现训练过程。

3）模型文件夹 model/

选手需要将训练代码生成的模型文件放入该文件夹中。

4）原始数据文件夹 raw_data/

选手无需提交原始竞赛数据文件，只需提交上文描述的raw_data目录结构，其中：

train：挂载训练集

test：挂载测试集

注：B榜数据集需加载指定目录使用。

5）中间数据文件夹 temp_data/

选手需要将必要的中间数据及额外数据放入该文件夹中。

6）预测结果文件夹result/

选手需要将测评结果保存成.csv格式，并放入该文件夹。.csv文件中包含的内容可参考提交说明。

7）依赖说明文件requirements.txt

选手需要将训练与测试代码所使用的依赖（需要安装的Python package）在requirements.txt文件中写明。

8）说明文档文件夹description/

选手需要将含有算法思路、亮点解读、建模算力与环境的说明文档，以markdown格式进行保存，并放入该文件夹。说明文档内容可参考以下结构：

编程思路：简要说明算法编程实现方法和路径，提供核心代码段。

特色亮点：简要说明算法和程序在运算速度、效率等方面的特点和优势。

编程语言：采用的主要编程语言（必须注明版本号，如python3.7）。

软件运行环境：说明算法程序运行需配置的操作系统、语言环境、依赖包等（注明版本号）。

硬件配置环境：说明算法程序运行建议硬件环境配置。

运行说明：算法程序运行安装、配置、运行操作（必须）、算法结果等简要说明。

备注信息：其他需要说明或建议的内容。