（这里只是做分析，不提供源代码，毕竟是一个比赛）

题目分析

构建一个模型，根据天气，交通，区域里面的各种设施，以往历史数据，预测未来的某个时间点，某个区域里，打车需求的缺口。整个算法其实就是一个有监督的机器学习的过程。

数据整理

下载后的整个压缩数据包575M，其中包括的订单数据大约900万条。（其他Master表数据量很小，这里忽略不计）

使用MongoDB存储的话，大概使用2GB的空间，全部导入之后，工作用计算机十分卡顿。MongoCola管理软件失去响应。所以，这里的订单按照日期导入。（训练的时候，按照天来训练）注意：官方的订单数据的 订单号 OrderID是主键重复的。这里以第一次出现的订单号的数据为准。

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。

订单数据整理

订单数据整理，主要是整理出各个时段，各个地域的订单数据。

• 时间段
• 地域编号
• 需求数
• 缺口
• 缺口比例

数据整理尽量使用LINQ进行处理，MONGODB查询是消耗时间的！！！，这里数据库只是用作数据的存储不做计算

private void btnImportDB_Click(object sender, EventArgs e)        {            string rootFolder = txtRootDir.Text;            //Order: Root + "\order_data"            foreach (var filename in Directory.GetFiles(rootFolder + "\\order_data"))            {                if (!filename.Contains("._"))                {                    string strDate = filename.Substring(filename.LastIndexOf("_") + 1);                    var colname = "Order_" + strDate;                    Database.Clear(colname);                    var orderlist = new List
    
     ();                    var read = new StreamReader(filename);                    while (!read.EndOfStream)                    {                        var o = Order.Gernerate(read.ReadLine());                        orderlist.Add(o);                    }                    orderlist = orderlist.Distinct(x => x.order_id).ToList();                    Database.InsertRecBatch(orderlist, colname);                    var orderGaplist = new List
     
      ();                    Database.Clear("OrderGap_" + strDate);                    for (int time = 1; time < 144 + 1; time++)                    {                        for (int area = 1; area < 66 + 1; area++)                        {                            var m = new OrderGap() {  DistrictId = area,TimeSlient = time};                            m.Total = orderlist.Count((x) => { return x.DistrictID == area && x.TimeSlient == time; });                              m.Gap = orderlist.Count((x) => { return x.DistrictID == area && x.TimeSlient == time && x.driver_id == "NULL" ; });                            m.GapPercent = m.Total == 0 ? 0 : Math.Round(((double)m.Gap / m.Total) * 100, 2);                            orderGaplist.Add(m);                        }                    }                    Database.InsertRecBatch(orderGaplist, "OrderGap_" + strDate);                    //暂时只分析一天数据                    break;                }            }        }
     
    

利用Excel，可视化数据

以下是2016-01-01的数据分析。蓝色的是GAP缺口数，红色的是Total数。

一天24个小时整体需求分布可以看个大概了。

拟合

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

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）

算法

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）
  当然权重也是一个需要训练和拟合的。
  （设施数和天气差不多，也是同样考虑的。）
  这里有三个指标，每种指标对于整体的影响程度也是需要训练的。

本博文将在 进行实时更新。

任何疑问，讨论，请移步

本文不求大部分关注，只求算法爱好者的参与。