2021 DCIC竞赛总结（二）

可以进步的改进点总结
case1:进一步改进knn算法：
1.感觉结算fence area的计算好像是有点问题，计算的是包裹住4个点的最大矩形的对角线的距离，而不是订车区域面积，这个需要改进一下。应该是选择其中一个点到其他点距离的中位数两个距离相乘，即矩形的长宽相乘得到面积。
2 里面只是使用了前2w个数据，可以放开全部数据
case2: 使用kmeans算法
使用kmeans去拟合进入订单最大的top20个区域，距离每个中心店距离最近的停车点就选择作为潮汐点
case3：不仅使用订单数据，还要使用轨迹数据进行综合判断：
1 数据需要清洗，有不合理数据
2 “潮汐”的进出判断应该包括在一定范围内的骑行量，在一定时间段内骑行人数多也是潮汐的表现，所以应该增加对于最大数据量（骑行轨迹数据）的判断
3 关于骑行量的判断，就是在top100的潮汐点中选择一定区域范围内，不同骑行id数量最多的top50，最终作为潮汐点。

因为电脑一直在跑 全球人工智能技术创新大赛 热身赛一: 布匹疵点智能识别
暂时还没法跑这个，仅提供自己后续准备改进的方式方法。