教你用300万共享单车出行数据，预测骑行目的地 !（附源码）

来源：大数据挖掘DT数据分析

本文长度为1647字，建议阅读3分钟

本文为你介绍使用出行记录数据和源码预测摩拜出行目的地的方法。

后台回复关键词“摩拜” 获取本文数据及源码地址。

摩拜单车在北京的单车投放量已经超过40万。用户可以直接在人行道上找到停放的单车，用手机解锁，然后骑到目的地后再把单车停好并锁上。因此，为了更好地调配和管理这40万辆单车，需要准确地预测每个用户的骑行目的地。

标注数据中包含300万条出行记录数据，覆盖超过30万用户和40万摩拜单车。数据包括骑行起始时间和地点、车辆ID、车辆类型和用户ID等信息。参赛选手需要预测骑行目的地的区块位置。

以下代码是knn算法，结合了leak。这里主要有两点创新：

• 给算出来的距离值除以频度的1.1次方，这个加了很多分

• 对于新用户又使用了一个新的knn，其他算法在处理新用户的时候也可以参考下，knn算法产生的特征可以融合进xgb再训练。

源码地址： 后台 回复 摩拜  即可获取

import csv

import math

import datetime

#user_habit_dict:每个用户的乘车记录:起点,终点,距离

user_habit_dict={}

#start_end_dict:每条记录的起点,终点对

start_end_dict={}

#end_start_dict:每条记录的起点,终点对

end_start_dict={}

#user_habit_dict_test:test中每个用户的记录

user_habit_dict_test={}

#bike_dict:bike中的记录

bike_dict={}

• 弧度转换

def rad(tude):

    return (math.pi/180.0)*tude

• geohash模块提取的

__base32 = '0123456789bcdefghjkmnpqrstuvwxyz'

__decodemap = { }

for i in range(len(__base32)):

    __decodemap[__base32[i]] = i

del i

• 返回 精确的经纬度和误差

def decode_exactly(geohash):

    lat_interval, lon_interval = (-90.0, 90.0), (-180.0, 180.0)

    lat_err, lon_err = 90.0, 180.0

    is_even = True

    for c in geohash:

        cd = __decodemap[c]

        for mask in [16, 8, 4, 2, 1]:

            if is_even: # adds longitude info

                lon_err /= 2

                if cd & mask:

                    lon_interval = ((lon_interval[0]+lon_interval[1])/2, lon_interval[1])

                else:

                    lon_interval = (lon_interval[0], (lon_interval[0]+lon_interval[1])/2)

            else:      # adds latitude info

                lat_err /= 2

                if cd & mask:

                    lat_interval = ((lat_interval[0]+lat_interval[1])/2, lat_interval[1])

                else:

                    lat_interval = (lat_interval[0], (lat_interval[0]+lat_interval[1])/2)

            is_even = not is_even

    lat = (lat_interval[0] + lat_interval[1]) / 2

    lon = (lon_interval[0] + lon_interval[1]) / 2

    return lat, lon, lat_err, lon_err