AI-система прогнозирования пассажиропотока для транспорта

Представьте: диспетчер метро видит на дашборде, что через час на станции «Спортивная» ожидается поток +85% к норме из-за концерта. Он успевает за 45 минут перебросить дополнительный состав и усилить персонал. Это реальность с нашей AI-системой прогнозирования пассажиропотока. Мы разработали и внедрили подобные решения для автобусных парков, метрополитенов и ж/д операторов. Точность прогноза напрямую влияет на операционные расходы: снижение простоев, оптимальное расписание, сокращение overtime. Наши модели достигают MAPE 8-12% для 1-часового горизонта — в 2-3 раза точнее классических статистических методов. При этом мы учитываем сезонность, погоду, городские события и топологию сети. Например, на одной из станций удалось снизить overtime на 30%, что привело к экономии около 2 млн рублей в год. Система окупается в среднем за 6 месяцев, принося чистую экономию от 1,5 млн рублей в год.

Основные задачи прогнозирования

• Оптимизация интервалов движения: при ожидаемом пике система рекомендует сократить интервал с 3 до 1.5 минут.
• Планирование персонала: прогноз потока на станциях позволяет рассчитать число кассиров и контролёров на смену.
• Предотвращение перегрузок: раннее предупреждение за 60-90 минут до аномалии.

Как мы строим модели?

Используем комбинацию градиентного бустинга (LightGBM) и графовых нейросетей (GNN) для метро. Для автобусов и ж/д часто достаточно LightGBM с богатым feature engineering.

# LightGBM с богатым feature set
features = {
    # Лаги
    'passengers_lag_15min': passengers_t_minus_1,
    'passengers_lag_1h': passengers_t_minus_4,
    'passengers_same_time_yesterday': passengers_same_period_yesterday,
    'passengers_same_time_last_week': passengers_same_period_week_ago,

    # Время
    'hour': hour,
    'minute': minute,
    'day_of_week': dow,
    'is_holiday': holiday_flag,
    'month': month,

    # Внешние
    'weather_rain': rain_intensity,
    'temperature_c': temperature,
    'stadium_event_distance_time': event_proximity_score,

    # Станция/маршрут
    'station_type': encode(terminal_transfer_intermediate),
    'line_id': line_embedding
}

Почему графовые нейросети эффективны для метро?

В метро поток на станции сильно зависит от соседних — пассажиры пересаживаются, закрытие одной ветки перераспределяет нагрузку. GNN моделирует эту зависимость явно, что даёт выигрыш в точности 2-3% MAPE на пиковых часах. LightGBM обрабатывает данные в 10 раз быстрее GNN при обучении, но GNN стабильно побеждает на задачах с явной сетевой структурой. Сертифицированные инженеры с опытом более 5 лет настраивают гиперпараметры под каждый проект.

Сравните точность разных подходов на одном датасете:

Что даёт учёт событий?

Без event-awareness прогноз на концертный день отклоняется на 30-50%. Мы добавляем known future covariates: для плановых событий — флаг и продолжительность, для аномальных — автоматическое детектирование по z-score. Это снижает ошибку в час пик до 12%. Благодаря AI-системе прогнозирования пассажиропотока мы достигаем стабильно высокой точности даже в нестандартных ситуациях. Наша AI-система прогнозирования пассажиропотока включает модуль event detection на основе LightGBM и GNN.

Типичные ошибки при внедрении

• Игнорирование событий: без календаря мероприятий прогноз на пике ошибается на 30-50%.
• Отсутствие лагов: поток сильно коррелирует с предыдущими интервалами.
• Слишком сложная модель для малого объёма данных: GNN требует >6 месяцев истории.

Содержание работ

• Аудит данных: анализ источников AFC, CCTV, IoT и построение пайплайна ETL.
• Разработка baseline: LightGBM за 2 недели с MAPE 10-14%.
• Усложнение модели: при необходимости GNN или TFT, обучение на GPU-кластере.
• Интеграция: дашборд ЦУП с heatmap, API прогнозов, алерты при превышении порога.
• Тестирование: A/B-тест на станции, сравнение с текущими методами.
• Документация и обучение: перечень признаков, инструкция по использованию, передача модели.
• Поддержка: мониторинг дрейфа данных, переобучение раз в месяц.

Этапы внедрения: от ETL до дашборда

1. Аудит и ETL: анализ источников (AFC, CCTV, IoT) и построение пайплайна обработки.
2. Baseline-модель: LightGBM за 2 недели, точность MAPE 10-14%.
3. Усложнение: при необходимости GNN или TFT, обучение на GPU-кластере.
4. Интеграция: дашборд ЦУП с heatmap, API прогнозов, алерты при превышении порога.
5. Тестирование: A/B-тест на станции, сравнение с текущими методами.
6. Деплой и поддержка: мониторинг дрейфа данных, переобучение раз в месяц.

Сроки ориентировочно

• Пилот на одной станции/маршруте — 3-4 недели.
• Система для сети с GNN и дашбордом — 4-5 месяцев.
• Стоимость рассчитывается индивидуально. Закажите пилотный проект на одной станции, чтобы оценить эффект. Получите консультацию: мы поможем подобрать оптимальное решение для вашего транспорта.

Какие проблемы прогнозирования временных рядов встречаются чаще всего?

Финансовый директор запрашивает прогнозирование временных рядов продаж на квартал. Аналитик строит SARIMA, добивается MAPE 8.3% на тестовой выборке — и с гордостью деплоит. Через два месяца в production метрика падает до 23%. Причина классическая: модель обучалась на данных до COVID, тестировалась на стабильном периоде, а production попал на промо-акцию и сбой поставок. Data leakage + distribution shift = красивые цифры в ноутбуке и неработающий прогноз в реальности. Мы сталкивались с этим десятки раз. Наш опыт — 5+ лет в прогнозировании временных рядов для ритейла, финтеха и IoT, более 50 завершённых проектов.

Неправильная кросс-валидация. Стандартный train_test_split для временных рядов — ошибка. Случайное разбиение создаёт data leakage: модель видит «будущие» значения в обучении. Правильно — TimeSeriesSplit или walk-forward validation с expanding window.

Множественная сезонность. Почасовые данные потребления электроэнергии имеют три сезонности: суточную (24 ч), недельную (168 ч), годовую (8760 ч). SARIMA справляется только с одной. Prophet обрабатывает несколько, но медленно масштабируется на тысячи рядов.

Пропуски и аномалии в данных. Пропуск в сенсорных данных — это информация (датчик отключился), а не просто NaN. Линейная интерполяция убивает этот сигнал. Правильная обработка зависит от природы пропуска.

Cold start при иерархическом прогнозировании. Новый SKU в ассортименте из 50 000 позиций: исторических данных нет, нужен прогноз. Стандартные подходы тут не работают — нужны cross-learning подходы или feature-based методы.

Какие инструменты и когда применять?

Prophet (Meta) — отличный старт для бизнес-данных с понятной сезонностью и праздниками. Быстро настраивается, интерпретируем, встроенная обработка выбросов и пропусков. Падает в точности при нерегулярных паттернах и не масштабируется на десятки тысяч рядов без параллелизации. Prophet (Facebook) — официальная документация.

Gradient boosting на фичах (LightGBM, XGBoost) — часто недооценённый подход. Создаёте фичи вручную: лаги (t-1, t-7, t-28), скользящие средние, категориальные признаки (день недели, месяц), экзогенные переменные. Модель обучается на всех рядах одновременно — решает cold start через похожие ряды. MAPE на ритейл-прогнозировании часто лучше нейронных сетей при правильной feature engineering.

TFT (Temporal Fusion Transformer) — трансформер, специально разработанный для интерпретируемого прогнозирования с ковариатами. Встроенные механизмы: variable selection (какие признаки важны), temporal self-attention (какие временные точки влияют на прогноз), квантильные предсказания. Доступен в pytorch-forecasting. Требует ~10 000+ записей на ряд для стабильного обучения. Temporal Fusion Transformer — академическая публикация.

PatchTST — трансформер, который делит временной ряд на патчи (аналогично ViT для изображений). Лучше захватывает локальные паттерны, чем классические трансформеры. Хорошо работает для long-horizon forecasting (прогноз на 96–720 шагов). Реализация в neuralforecast от Nixtla.

N-HiTS, N-BEATS — нейронные архитектуры без attention, быстрее TFT, конкурентная точность. N-BEATS выигрывает на M4/M5 benchmark для задач без ковариат.

Как мы разворачиваем TFT в production?

TFT требует тщательной подготовки данных. Типичный пайплайн через pytorch-forecasting:

training = TimeSeriesDataSet(
    data,
    time_idx="time_idx",
    target="sales",
    group_ids=["store", "sku"],
    min_encoder_length=max_encoder_length // 2,
    max_encoder_length=max_encoder_length,  # 120 дней
    min_prediction_length=1,
    max_prediction_length=max_prediction_length,  # 28 дней
    static_categoricals=["store_type", "category"],
    time_varying_known_reals=["price", "promo_flag"],
    time_varying_unknown_reals=["sales"],
    target_normalizer=GroupNormalizer(groups=["store", "sku"], transformation="softplus"),
)

Частая ошибка: target_normalizer по умолчанию (StandardScaler) ломает предсказания для рядов с нулевыми значениями (нет продаж в выходные). GroupNormalizer с transformation="softplus" — правильный выбор для count-данных.

Пошаговая инструкция по настройке TFT

1. Сбор и подготовка данных. Обработать пропуски (маркировать NaN, интерполировать только если это технический сбой), агрегировать до нужной частоты, сформировать ковариаты (праздники, промо, цены).
2. Создание TimeSeriesDataSet. Указать group_ids (например, магазин+SKU), временной индекс, горизонт прогноза. Настроить target_normalizer с учётом распределения таргета.
3. Обучение baseline. Сначала Prophet или LightGBM — чтобы понять, насколько сложнее задача.
4. Тренировка TFT. Запустить TemporalFusionTransformer с loss=QuantileLoss(), подобрать learning rate и размеры hidden слоёв. Использовать pytorch_forecasting или neuralforecast.
5. Валидация и интерпретация. Проверить walk-forward, проанализировать variable selection, построить attention heatmap.

Кейс: прогноз спроса в ритейле. Сеть из 120 магазинов, 8000 SKU, горизонт прогноза 28 дней. Исходная система: SARIMA отдельно для каждого ряда, MAPE 18.4%, полный цикл переобучения — 6 часов. TFT на PyTorch + pytorch-forecasting: одна модель на все ряды, MAPE 11.2%, переобучение — 40 мин на A10G. Дополнительный бонус: feature importance через variable selection — выяснилось, что day_before_holiday влияет сильнее, чем сама дата праздника. Средняя экономия бюджета на инференсе для клиента составила 1.5 млн ₽ в год.

Как правильно оценивать качество прогнозов?

Не используйте RMSE как единственную метрику — она сильно штрафует за большие ошибки на больших значениях. Наш набор метрик для ритейл-прогнозирования:

• MAPE — интерпретируема, но нестабильна при значениях близких к нулю
• sMAPE — симметричная версия, избегает деления на маленькие числа
• MASE (Mean Absolute Scaled Error) — нормализован относительно наивного сезонного прогноза, отлично подходит для сравнения между рядами с разными масштабами
• Quantile loss / Pinball loss — для вероятностного прогнозирования, оценка покрытия интервалов

Гарантируем: мы предоставляем model card с этими метриками на валидационной выборке и результаты walk-forward теста на истории не менее 6 месяцев.

Что входит в работу

• Документация по выбранной архитектуре, обоснование выбора гиперпараметров.
• Воспроизводимый пайплайн обучения и инференса (Docker + CI/CD + Airflow/Prefect).
• Код с комментариями и модульными тестами на ключевые компоненты.
• Обучение вашей команды: как переобучать модель, как интерпретировать выходы, как деплоить новые версии.
• Поддержка в течение 3 месяцев после сдачи: консультации, фиксы багов, донастройка.

Процесс работы

Начинаем с EDA: визуализация, тест ADF на стационарность, STL-декомпозиция, анализ пропусков и выбросов. Это 2–3 дня, но часто выявляет системные проблемы данных, которые блокируют прогнозирование.

Затем: baseline (наивный seasonal, Prophet), feature engineering для LGBM, выбор архитектуры нейронной сети если нужно. Walk-forward validation с реалистичным горизонтом. Деплой через API с автоматическим переобучением по расписанию через Airflow или Prefect.

Сроки ориентировочно: MVP-прогноз на одном типе данных — 3–6 недель. Иерархическая система прогнозирования с автоматизацией — 2–5 месяцев. Стоимость рассчитывается индивидуально.

Наша команда — сертифицированные ML-инженеры (AWS ML Specialty, GCP Professional ML Engineer). За 5 лет на рынке реализовали более 50 проектов по прогнозированию. Свяжитесь с нами для бесплатного анализа ваших данных — мы оценим задачу и дадим первые рекомендации за 1–2 дня. Закажите консультацию и убедитесь, что ваши прогнозы работают в production, а не только в ноутбуке.