NYC311-ML：用机器学习预测纽约市民服务请求的处理时间

本项目是一个完整的全栈机器学习项目，利用纽约市311服务请求真实数据构建预测投诉解决时间的分析平台。技术栈涵盖PostgreSQL、FastAPI、React和XGBoost。原作者为gregluna4809，项目开源于GitHub（链接：https://github.com/gregluna4809/NYC311-ML），更新时间为2026-06-08T03:14:47Z。核心目标是通过数据分析与预测模型，为城市管理和资源分配提供数据支持。

开发者在完成生物信息学领域的机器学习项目后，希望转向更贴近组织日常运营的分析问题。纽约市311服务请求数据因公开易得、规模大、含义易理解，成为理想选择。该项目也为练习数据工程、SQL、PostgreSQL、机器学习、API开发和前端开发等多技能提供了综合机会。311系统是纽约市民报告非紧急问题（如噪音、供暖、街道维修）的主要渠道，每日产生数千条记录，分析这些数据可了解市民关切并预测处理时长。

项目采用现代全栈数据应用架构，数据流从纽约市开放数据平台开始，经PostgreSQL存储，通过FastAPI后端提供API服务，最终由React前端展示交互式仪表板。预测引擎基于XGBoost模型，支持实时估计投诉解决时间。技术选型包括：PostgreSQL（结构化数据存储）、FastAPI（高性能异步API）、React（响应式UI）、Docker（容器化部署）、XGBoost（结构化数据预测），确保系统可维护性、扩展性和开发效率。

仪表板支持多种功能：探索投诉活动分布、分析机构/行政区投诉情况、查看历史投诉量与解决时间趋势、对比模型性能、生成新投诉解决时间预测。预测功能需用户输入机构、投诉类型、行政区、星期几、月份和小时等信息，返回预测解决类别及置信度。例如，输入房屋保护发展局（HPD）的布鲁克林区供暖/热水投诉，系统可能预测3-7天解决，置信度64%。此功能可帮助管理者预估工作量、调配人员、设定市民期望。

仪表板提供多项分析：解决类别分布、行政区投诉热点、机构投诉量统计、热门投诉类型排行、月度投诉量与平均解决时间趋势。所有数据来自PostgreSQL实时查询，无硬编码。示例数据显示：纽约市警察局（NYPD）处理1650起投诉，房屋保护发展局（HPD）处理1424起；供暖/热水问题（759起）和住宅噪音（493起）是最常见投诉类别，这些洞察对资源分配和政策制定有直接指导意义。

项目评估了多种预测模型：多数类基线（准确率44.3%）、逻辑回归（72.1%）、标准XGBoost（72.9%）、优化版XGBoost（74.4%）。优化版XGBoost因性能最优被选定为部署模型。目标类别分为四个时间区间：当天解决、1-3天、3-7天、超过7天。XGBoost在结构化数据预测中表现优异，且具有可解释性强、训练速度快的特点，适合该场景。

后端基于FastAPI构建，提供健康检查、分析端点（类别统计、行政区统计、机构统计、热门投诉查询、趋势分析）、预测端点、元数据端点（投诉类型列表）。API遵循RESTful原则，端点命名清晰，返回结构一致。FastAPI自动生成Swagger文档，支持浏览器直接测试所有端点，降低前后端协作成本，也为第三方集成提供可能。

本项目展示了如何将机器学习从实验推向生产应用，是包含数据管道、存储层、API服务、用户界面和部署配置的完整数据产品，对学习数据工程和机器学习的开发者而言，是理解全栈项目架构的绝佳案例。实际价值在于为城市服务管理提供数据驱动决策支持，帮助规划资源、设定服务标准、识别瓶颈。类似方法可扩展到其他城市服务领域，如紧急响应时间预测、公共设施维护优先级排序等。