賽題詳情

在出行問題上，中國(guó)市場(chǎng)人數(shù)多、人口密度大，總體的出行頻率遠(yuǎn)高于其他國(guó)家，這種情況在大城市尤為明顯。然而，截至目前中國(guó)擁有汽車的人口只有不到10%，這意味著在中國(guó)人們的出行更加依賴于出租車、公共交通等市場(chǎng)提供的服務(wù)。另一方面，滴滴出行占領(lǐng)了國(guó)內(nèi)絕大部分的網(wǎng)絡(luò)呼叫出行市場(chǎng)，面對(duì)著巨大的數(shù)據(jù)量以及與日俱增的數(shù)據(jù)處理需求。截至目前，滴滴出行平臺(tái)日均需處理1100萬訂單，需要分析的數(shù)據(jù)量達(dá)到50TB，路徑規(guī)劃服務(wù)請(qǐng)求超過90億。面對(duì)如此龐雜的數(shù)據(jù)，我們需要通過不斷升級(jí)、完善與創(chuàng)新背后的云計(jì)算與大數(shù)據(jù)技術(shù)，從而保證數(shù)據(jù)分析及相關(guān)應(yīng)用的穩(wěn)定，實(shí)現(xiàn)高頻出行下的運(yùn)力均衡。供需預(yù)測(cè)就是其中的一個(gè)關(guān)鍵問題。供需預(yù)測(cè)的目標(biāo)是準(zhǔn)確預(yù)測(cè)出給定地理區(qū)域在未來某個(gè)時(shí)間段的出行需求量及需求滿足量。調(diào)研發(fā)現(xiàn)，同一地區(qū)不同時(shí)間段的訂單密度是不一樣的，例如大型居住區(qū)在早高峰時(shí)段的出行需求比較旺盛，而商務(wù)區(qū)則在晚高峰時(shí)段的出行需求比較旺盛。如果能預(yù)測(cè)到在未來的一段時(shí)間內(nèi)某些地區(qū)的出行需求量比較大，就可以提前對(duì)營(yíng)運(yùn)車輛提供一些引導(dǎo)，指向性地提高部分地區(qū)的運(yùn)力，從而提升乘客的整體出行體驗(yàn)。 文件名稱文件格式下載

training_set.tar.gz	.tar.gz(600MB)	下載數(shù)據(jù)
test_set.tar.gz	.tar.gz	下載數(shù)據(jù)

定義及評(píng)估標(biāo)準(zhǔn)

1. 問題定義

乘客打開滴滴出行app，輸入出發(fā)地和目的地并點(diǎn)擊“呼叫”后就完成一次發(fā)單(request)，有司機(jī)接單后就完成一次應(yīng)答(answer)。
將一個(gè)城市劃分為n個(gè)互不重疊的正方形區(qū)域D={d₁,d₂,?,d_n?}，將每一天的24小時(shí)劃分為144個(gè)10分鐘長(zhǎng)的時(shí)間片t₁,t₂,?,t₁₄₄。
對(duì)于區(qū)域d_i，在時(shí)間片t_j，有r_ij個(gè)乘客發(fā)單，有a_ij個(gè)司機(jī)成功應(yīng)答了a_ij次發(fā)單。
對(duì)于區(qū)域d_i，在時(shí)間片t_j，定義需求demand_ij=r_ij，供給supply_ij=a_ij，則有供需缺口gap_ij：gap_ij?=?r_ij?-?a_ij
給定每個(gè)區(qū)域在時(shí)間片t_j,t_j-1...的各項(xiàng)數(shù)據(jù)，預(yù)測(cè)gap_i,j+1, ?d_i∈D。

2. 評(píng)價(jià)指標(biāo)

對(duì)n個(gè)區(qū)域和q個(gè)時(shí)間片，區(qū)域d_i在時(shí)間片t_j的供需缺口為gap_ij，選手預(yù)測(cè)值為s_ij，
以MAE作為最終的評(píng)價(jià)指標(biāo)：MAE越小越好。

3. 選手提交結(jié)果

選手提交的數(shù)據(jù)格式為：區(qū)域ID，時(shí)間片，預(yù)測(cè)值。其示例如下：

其中每個(gè)字段的具體描述如下： 數(shù)據(jù)名稱數(shù)據(jù)類型示例

區(qū)域ID	string	1,2,3,4 （與區(qū)域映射ID一致）
時(shí)間片	string	2016-01-23-1（即2016年1月23日第1個(gè)時(shí)間片，時(shí)間片是將每天的時(shí)間按10分鐘間隔劃分到1-144個(gè)片中）
預(yù)測(cè)值	double	6.0

數(shù)據(jù)形式

訓(xùn)練集中給出M市2016年連續(xù)三周的數(shù)據(jù)信息，需預(yù)測(cè)M市第四周和第五周中某五天的某些時(shí)間段的供需。測(cè)試集中給出了每個(gè)需預(yù)測(cè)的時(shí)間片的前半小時(shí)的數(shù)據(jù)信息，具體需預(yù)測(cè)的時(shí)間片見說明文件（說明文件含在數(shù)據(jù)集下載包內(nèi)）。 具體數(shù)據(jù)如下，其中訂單信息表、天氣信息表和POI信息表為數(shù)據(jù)庫中直接的表信息，而區(qū)域定義表、擁堵信息表是由數(shù)據(jù)庫中其他表衍生的信息。 訂單信息表 字段類型含義示例

order_id	string	訂單ID	70fc7c2bd2caf386bb50f8fd5dfef0cf
driver_id	string	司機(jī)ID	56018323b921dd2c5444f98fb45509de
passenger_id	string	用戶ID	238de35f44bbe8a67bdea86a5b0f4719
start_district_hash	string	出發(fā)地區(qū)域哈希值	d4ec2125aff74eded207d2d915ef682f
dest_district_hash	string	目的地區(qū)域哈希值	929ec6c160e6f52c20a4217c7978f681
Price	double	價(jià)格	37.5
Time	string	訂單時(shí)間戳	2016-01-15 00:35:11

訂單信息表主要覆蓋了一張訂單的基本信息，包括這張訂單的乘客，以及接單的司機(jī)（driver_id =NULL表示driver_id為空，即這個(gè)訂單沒有司機(jī)應(yīng)答），及出發(fā)地，目的地，價(jià)格和時(shí)間。 區(qū)域定義表 字段類型含義示例

district_hash	string	區(qū)域哈希值	90c5a34f06ac86aee0fd70e2adce7d8a
district_id	string	區(qū)域映射ID	1

區(qū)域定義表主要表示比賽評(píng)測(cè)區(qū)域的信息，選手需選擇區(qū)域定義表中的區(qū)域來做預(yù)測(cè)，并在最終提交的結(jié)果中需將區(qū)域哈希值映射為其相應(yīng)的ID。 POI信息表 字段類型含義示例

district_hash	string	區(qū)域哈希值	74c1c25f4b283fa74a5514307b0d0278
poi_class	string	POI類目及其數(shù)量	1#1:41 2#1:22 2#2:32

POI信息表主要表征區(qū)域的地域?qū)傩?#xff0c;由其中所含的不同類別設(shè)施的數(shù)量表示，如2#1:22表示在此區(qū)域中含有類別為2#1的設(shè)施22個(gè)，2#1表示一級(jí)類別為2，二級(jí)類別為1，例如休閑娛樂#劇院，購物#家電數(shù)碼，運(yùn)動(dòng)健身#其他等等。不同類別及其數(shù)量以\t分割。 擁堵信息表 字段類型含義示例

district_hash	string	區(qū)域哈希值	1ecbb52d73c522f184a6fc53128b1ea1
tj_level	string	不同擁堵程度的路段數(shù)	1:231 2:33 3:13 4:10
tj_time	string	時(shí)間戳	2016-01-15 00:35:11

擁堵信息表主要表示區(qū)域中道路的總體擁堵情況，其中主要包括不同時(shí)間段不同區(qū)域的不同擁堵情況的路段數(shù)，其中的擁堵級(jí)別是越大越擁堵。 天氣信息表 字段類型含義示例

Time	string	時(shí)間戳	2016-01-15 00:35:11
Weather	int	天氣	7
temperature	double	溫度	-9
PM2.5	double	pm25	66

天氣信息表主要表示整個(gè)城市的每天間隔10分鐘段的天氣情況。其中的weather字段表示天氣的實(shí)時(shí)描述信息，而溫度以攝氏溫度表示，PM2.5為實(shí)時(shí)空氣污染指數(shù)。

總結(jié)

以上是生活随笔為你收集整理的滴滴数据挖掘竞赛题目的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。