摘要
—
置顶
预测
逐小时车流
—万辆 · 全天
每日总量
要点
明日车流预测
—万辆
未来 24 小时
滚动 24 小时预测
单位：万辆/时。今天已上传实测的时段会用实测在线修正剩余时段。
各模型明日预测
预测依据
日常数据
上传单日数据
一键导入历史数据（Excel）
Excel / CSV 文件
第一行是日期、下面 24 行是各小时数值的表格可以直接导入；也支持“日期、小时、流量”三列的长表，多个工作表会一起导入。日期后加 (假) 或 (班) 可标注放假或调休。
批量导入（可直接粘贴 Excel 表格）
已有数据（0 天）
日常模型回测（用此前数据预测当天，全天总量误差）
只统计有同类样本的日子；借用估计的日子不计入。
上传当日实测 · 在线优化
修正后全天预测
—
上传数据
逐小时追加
AI 微调
小米 MiMo 调参
MiMo 读取已上传的实测与各模型误差，提出调参建议；网页先用你的实测数据验证误差，确认下降后再应用。
偏差传导到后续天
当某天上传 ≥ 6 小时数据后，它相对先验的偏差会按 50%/天 衰减传导给之后尚无数据的日子。
逐小时明细
多函数预测模型对比
模型曲线对比
时段缩放指数
各时段指数
有效指数 = (1 + λ(历史指数 − 1)) × 手动微调。手动微调只作用于当前分组（节前 / 出游段 / 返程段）。
指数效果（留一法回测，逐时平均误差 万辆/时）
用相邻日形态与真实总量预测目标日，指数从其余日子学习，以免“自己学自己”。右侧四列为对应时段误差的变化。
2026 国庆回测（全天总量误差 %）
用相邻日的形态做先验去预测另一天，按已观测小时数统计。上表：先验总量准确；下表：先验总量低估 20%。
小米 MiMo 联网检索出行帖子
整体出行热度
—/ 100
时间节点
五支队 · 假期车流预测双峰模型 · 多函数集成 · 小米 MiMo 热度与 AI 微调城市与假期
基准
平常日总量填预测年份某个普通工作日的 24 时累计值。全站数值单位均为万辆（逐时流量为万辆/时）。
热度修正系数
F = 1 + e(H − Href)/100；D = 1 + ed(hd − 平均)/100。建议先分析一次 2026 国庆，把整体热度填入参照热度完成校准。
服务状态
数据