滴滴算法大赛算法解决过程 - 拟合算法
拟合
概论
Gap的预测,是建立在一个拟合函数上的。也有一些机器学习的味道。
总的Gap函数 = 函数(时间,地区)
- TimeID : 时间片编号
- DistricID:地区编号
- Traffic:交通流量
- Weather:天气
- POI:设施数
百度地图POI说明
注意:每家公司的POI分类都是不同的,这里只是将百度POI做个例子,滴滴打车的POI和百度的POI定义好像是不同的。
交通流量和时间有关,一个地方的拥堵程度和时间有关系
不同的地区,各种设施配置不同。
天气和时间有关。
Gap函数 = 函数(交通拥挤度函数(时间,地区编号),POI函数(地区编号),天气函数(时间))
这里可以认为,一个地方的打车人数,交通越堵,则打车的GAP越大。天气不好,打车的人则越多,GAP也越大。设施越多的地方,打车的需求也越多,GAP可能也越大。但是这一切都只是可能性。
(题外话,其实真实的情况也要考虑节假日的问题,在节假日的时候,GAP可能会变大。当然这是一个人文的考量了)
zhihu网友的算法
作者:四名评论员
链接:你对滴滴算法大赛赛题的解决思路是什么?
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
利益不相关,不是参赛选手,不是滴滴工作人员,纯粹觉得题目好玩。
我的分析:
这个题目的目标是预测,预测的核心是发掘信息,信息才是消除不确定性的唯一途径。信息存在于乘客与司机的几种行为模式,以及POI的不同功能类型。
乘客的行为基本上有三类模式,周期性的(每天上下班、每周去上补习班)、集中偶发性的(音乐会)和随机性的(各类杂事)。司机的行为模式包括出车、收车、找活、趴活、午休。POI类型也可以分为周期性的(工作单位)、集中偶发性(电影院、体育馆、演播大厅)、随机性的(医院、车站),当然每个POI的功能类型不是绝对的。
GAP是用车需求和供给的差,那么分别为需求和供给建立模型。
简单说,一个完整的打车需求包括出发地、目的地、时间。首先任意两个POI之间都存在一条线路,每条线路的人流量可以按照乘客的行为模式进行分解,这样也就包含了时间因素。这样最终就可以算出从每个POI出发的人数。由于数据只有方格的总数,这看起来是一个隐马尔科夫链。至于天气则基本可以看成线路人流量的一个系数。
司机接单在全天大多数时间里都是找活的状态,也就是附近有单就抢,那么某个方格某个时间片司机接单数应该是空车数量*一个系数,空车数量=上一个时间片到达的乘客数+其他司机漫无目的找活出入方格的净值+趴活司机数(找活、趴活数应该和poi类型有关,这得问问老司机拉活的窍门),系数就是抢单成功率。
非专业人士,以上只是粗浅的想了一下,还有很多细节没有考虑,抛砖引玉,达人莫笑!非专业人士,以上只是粗浅的想了一下,还有很多细节没有考虑,抛砖引玉,达人莫笑!
算法
交通拥堵
交通拥堵函数:
这里的交通拥堵函数是使用4个等级表示的。
- LV1 20条路 权重8
- LV2 10条路 权重4
- LV3 15条路 权重2
- LV4 05条路 权重1
那么拥堵指数怎么计算呢?这里应该是对每个拥堵哟一个权重,等级越高,权重越大。
拥挤度 = SUM(权重 * 数量)
在上文中 滴滴算法大赛算法解决过程 - 数据分析 提过了通过统计分析可以得知,LV1的路大约占2/3强,估计LV4,LV3的路是变化的关键。
由于数据量非常庞大,所以这里建议将中间的计算结果也放入数据库中备用。
博客园不支持图片放大功能,如果您想更好的查看图片,也可以使用以下网址获得更好的阅读体验:
http://codesnippet.info/Article/Index?ArticleId=00000041
我们尝试使用最小二分法拟合 LV4和 订单总量
从图中可以看到,大部分的点在一个 Y = AX+ B 的直线函数中。
(未去噪点)
A:4.67355309006603
B:18.931303546517
(去除1500以上的噪点)
A:1.08888907683687
B:192.700547917395
(这里使用的是2016-01-01 #51 的数据)
- #region 最小二乘法拟合
- ///<summary>
- ///用最小二乘法拟合二元多次曲线
- ///例如y=ax+b
- ///其中MultiLine将返回a,b两个参数。
- ///a对应MultiLine[1]
- ///b对应MultiLine[0]
- ///</summary>
- ///<param name="arrX">已知点的x坐标集合</param>
- ///<param name="arrY">已知点的y坐标集合</param>
- ///<param name="length">已知点的个数</param>
- ///<param name="dimension">方程的最高次数</param>
- public static double[] MultiLine(double[] arrX, double[] arrY, int length, int dimension)//二元多次线性方程拟合曲线
- {
- int n = dimension + 1; //dimension次方程需要求 dimension+1个 系数
- double[,] Guass = new double[n, n + 1]; //高斯矩阵 例如:y=a0+a1*x+a2*x*x
- for (int i = 0; i < n; i++)
- {
- int j;
- for (j = 0; j < n; j++)
- {
- Guass[i, j] = SumArr(arrX, j + i, length);
- }
- Guass[i, j] = SumArr(arrX, i, arrY, 1, length);
- }
- return ComputGauss(Guass, n);
- }
- private static double SumArr(double[] arr, int n, int length) //求数组的元素的n次方的和
- {
- double s = 0;
- for (int i = 0; i < length; i++)
- {
- if (arr[i] != 0 || n != 0)
- s = s + Math.Pow(arr[i], n);
- else
- s = s + 1;
- }
- return s;
- }
- private static double SumArr(double[] arr1, int n1, double[] arr2, int n2, int length)
- {
- double s = 0;
- for (int i = 0; i < length; i++)
- {
- if ((arr1[i] != 0 || n1 != 0) && (arr2[i] != 0 || n2 != 0))
- s = s + Math.Pow(arr1[i], n1) * Math.Pow(arr2[i], n2);
- else
- s = s + 1;
- }
- return s;
- }
- private static double[] ComputGauss(double[,] Guass, int n)
- {
- int i, j;
- int k, m;
- double temp;
- double max;
- double s;
- double[] x = new double[n];
- for (i = 0; i < n; i++) x[i] = 0.0;//初始化
- for (j = 0; j < n; j++)
- {
- max = 0;
- k = j;
- for (i = j; i < n; i++)
- {
- if (Math.Abs(Guass[i, j]) > max)
- {
- max = Guass[i, j];
- k = i;
- }
- }
- if (k != j)
- {
- for (m = j; m < n + 1; m++)
- {
- temp = Guass[j, m];
- Guass[j, m] = Guass[k, m];
- Guass[k, m] = temp;
- }
- }
- if (0 == max)
- {
- // "此线性方程为奇异线性方程"
- return x;
- }
- for (i = j + 1; i < n; i++)
- {
- s = Guass[i, j];
- for (m = j; m < n + 1; m++)
- {
- Guass[i, m] = Guass[i, m] - Guass[j, m] * s / (Guass[j, j]);
- }
- }
- }
- //结束for (j=0;j<n;j++)
- for (i = n - 1; i >= 0; i--)
- {
- s = 0;
- for (j = i + 1; j < n; j++)
- {
- s = s + Guass[i, j] * x[j];
- }
- x[i] = (Guass[i, n] - s) / Guass[i, i];
- }
- return x;
- }//返回值是函数的系数
- #endregion
任务
- 研究同一时间片,同一地区,按照日期变化,数据的变化。观察天气对数据变化的影响
- 研究同一时间片,不同地区,POI的数量对数据变化的影响
- 研究每个区域的需求量,可能每个区域的需求量基准数值都是差不多的。
滴滴算法大赛算法解决过程 - 拟合算法相关推荐
- 数据拟合算法c语言实现,数据拟合算法剖析及C语言实现.doc
数据拟合算法剖析及C语言实现 数据拟合算法剖析及C语言实现 [摘要]数据拟合在很多地方都有应用,主要用来处理实验或观测的原始离散数据.通过拟合可以更好的分析和解释数据.在引用前人的算法基础上,采用正交 ...
- 腾讯广告算法大赛已启动,逆向算法,等你来战
2020年 腾讯广告算法大赛广撒"英雄帖" 面向全社会召集技术人前来一"战"! 腾讯广告算法大赛步入第四年 已经为来自海内外的企业和研究人员 提供了富有研究价值 ...
- 蚂蚁算法C语言解决,蚂蚁优化算法在解决CVRP中的应用
摘要: According to the disadvantage of basic ant swarm optimization algorithm such weak convergence an ...
- 滴滴算法大赛算法解决过程 - 机器学习
按照前面文章的方法进行数据预测,完全不使用POI,天气,交通情况的数据,可以达到0.43的成绩. 不过如果想要获得更好的成绩,简单的预测方法显然无法满足要求了. GBDT 网友说可以使用GBDT的方法 ...
- 腾讯广告算法大赛高分秘籍来袭!大咖直播详解TI-ONE与Angel框架
2020腾讯广告算法大赛自开赛以来,已经吸引了近两万名技术人才关注.目前算法大赛已进入初赛阶段,针对参赛选手的真实问题反馈,为提升选手的赛事体验,特开启腾讯广告算法大赛系列直播课程,邀请大咖在线答疑解 ...
- 机器人曲线插值拟合算法研究现状简述
混沌无形 混沌系统是世界本质,无形之中存在规律.机器人智能化发展从线性过渡到混沌,本号将分享机器人全栈技术(感知.规划.控制:软件.机械.硬件等). 38篇原创内容 公众号 [文末提供原文PDF免费下 ...
- 算法“视”界杯来袭,2021腾讯广告算法大赛正式开启
全球算法达人注意啦,2021腾讯广告算法大赛强势归来!本届赛事围绕视频广告议题开设两大赛道--"视频广告秒级语义解析"与"多模态视频广告标签"两大前沿命题等你来 ...
- 数模学习(四)---拟合算法
一 Abstract 与插值问题不同,在拟合问题中不需要曲线一定经过给定的点.拟合问题的目标是去寻求一个函数(曲线),使得该曲线在某种准则下与所有的数据点最为接近,即曲线拟合的最好(最小化损失函数) ...
- 200万奖金广聚天下算法英雄,第二届广州·琶洲算法大赛要来了!
随着深度学习不断驱动技术创新,人工智能加速与实体经济深度融合发展.作为中国首个自主研发.开源开放的产业级深度学习平台,飞桨与百度自研的产业级知识增强文心大模型,共同构筑了产业智能化基座,并联合产学研用 ...
最新文章
- 4行代码,让app自动化框架支持 webview 混合应用操作
- php 操作txt,PHP 从txt文件中读取数据
- 在Ubuntu上安装Odoo 11(企业版)
- linux阿波罗配置文件放在哪,Apollo阿波罗配置中心
- 计算机采购类增值税税率是多少,各个行业的税率是多少?
- redis——sentinel
- hadoop伪分布式(单机版)安装,Linux
- HTML+CSS+JS实现 ❤️H5图片列表滑动特效❤️
- html文字如何排布成圆形,css多个扇形怎么拼凑成圆?
- mysql 8.0空间索引_牛逼!MySQL 8.0 中的索引可以隐藏了…
- mysql主键外键_MySQL数据库的主键和外键详解3
- log4j.properties打印日志
- Verilog常用语法
- java最新2019面试题
- vue里面使用echarts实现根据浏览器屏幕大小自适应
- 如何修改Julia语言环境的安装包默认安装文件夹的位置
- [74系列------74HC595]
- MQ--1( Message queuing)RabbitMQ
- hdu 1849 Rabbit and Grass Nim博弈
- 【拦截器】和【过滤器】
热门文章
- 计蒜客/51Nod题目
- 初学c++基础知识——第一个c++程序
- 苹果怎样运行低版本php,Mac如何安装多个php版本
- tof摄像头手势识别_TOF(Time Of Flight)+模型匹配,ThisVR想让手势识别低成本小型化...
- python宝石与石头_771. 宝石与石头
- 计算机二级一年几次湖南省,湖南省计算机二级多少分可以通过
- 易语言webservice接口_易语言语音通知webservice接口
- timespan怎么比较大小_装饰画怎么挂都不好看?那是你不懂技巧!整理了一篇攻略,请拿好...
- java判断邮箱名和文件名_Java公开课|想学好Java,教你操作Java校验文件名和邮箱地址,快来看看...
- esp8266设置sta失败_使用NodeMCU_ESP8266驱动OLED