科技猎滴滴算法大赛算法解决过程 – 拟合算法拟合
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。
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2倍平均值(1555.875)以上的噪点)
A:1.08888907683687
B:192.700547917395
A:5.9674717077966
B:-364.491343067091
我们现在看一下，其实即使是同一个区域，不同的日期，其拟合函数还是相差十分巨大的。
在TEST数据集中，其实Traffic的数据，每天只有3组，每组10个连续片段，用拟合的方法是无法预测出缺失的Traffic数据的。
那么，我们来看一下，同一区域，同一时间段，Level3 + Level4的情况如何。这样的话，整体数据相对比较稳定
#region 最小二乘法拟合
///
///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]
///
///已知点的x坐标集合
///已知点的y坐标集合
///已知点的个数
///方程的最高次数
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++)< p=””>
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。
