组队学习｜DCIC2021-算法分析题-baseline改进

组队学习｜DCIC2021-算法分析题-baseline改进

改进结果：

原baseline的缺点

1. 评价潮汐程度时以停车点为标准，而赛题要求为识别出潮汐现象最突出的40个区域，可能会存在单个停车点潮汐情况突出但其所在区域不突出的情况，造成误差
2. kNN最近邻计算时使用停车点的中心经纬度来进行计算，受到停车点面积大小的影响（面积较大的停车点可能据中心点距离更大），故用停车点的边界经纬度计算会更为准确
3. hnsw近似搜索存在误差

改进方法

这里我利用baseline中提及的geohash编码的方法来对baseline进行改进

1. 为每个停车点和订单分配geohash编码，以geohash编码的区域作为共享单车潮汐情况判断的区域，同时保证编码的区域不能过大或者过小，最终选择precision=8进行编码

import geohash
bike_order['geohash'] = bike_order.apply(
    lambda x: geohash.encode(x['LATITUDE'], x['LONGITUDE'], precision=8), 
axis=1)

bike_fence['geohash'] = bike_fence['FENCE_CENTER'].apply(
    lambda x: geohash.encode(x[0], x[1], precision=8)
)

2. 计算每个编码区域的潮汐入度与出度，得到留存量
3. 通过geohash编码分组计算不同区域内停车点的面积和，计算区域的留存密度

bike_density = bike_remain[0]/
			bike_fence.groupby(['geohash'])['FENCE_AREA'].sum()
bike_density = bike_density.sort_values(ascending=False).reset_index()

5. 设置目标区域的停车点label=1

仍然存在的问题

1. 可能存在一个停车点横跨不同区域的问题
2. 关于精度及目标区域选择的标准有待明确