一、問題背景與數據概覽

在城市交通管理系統中，準確預測道路通行時間對于智能交通調度和路徑規劃具有重要意義。本文基于真實道路傳感器數據，構建了一個結合時間序列分解與機器學習模型的預測框架。數據源包含三個核心部分：

1. 道路通行數據（new_gy_contest_traveltime_training_data_second.txt）

   • 時間區間、路段ID、通行時間等字段

   • 時間粒度為2分鐘級別

2. 道路屬性數據（gy_contest_link_info.txt）

   • 包含道路長度、寬度等靜態特征

3. 拓撲關系數據（gy_contest_link_top.txt）

   • 記錄路網的連接關系

二、數據預處理關鍵技術

2.1 異常值處理

采用分層分位數修剪方法，對每條道路每日數據：

def quantile_clip(group):
    group[group < group.quantile(.05)] = group.quantile(.05)
    group[group > group.quantile(.95)] = group.quantile(.95)
    r