Task1 早高峰共享单车潮汐点的群智优化

Task1：早高峰共享单车潮汐点的群智优化

模型预测任务说明

为更好地掌握早高峰潮汐现象的变化规律与趋势，参赛者需基于主办方提供的数据进行数据分析和计算模型构建等工作，识别出工作日早高峰 07:00-09:00潮汐现象最突出的 40 个区域，列出各区域所包含的共享单车停车点位编号名称，并提供计算方法说明及计算模型，为下一步优化措施提供辅助支撑, 城市公共自行车从业者将发生在早晚高峰时段共享单车“借不到、还不进”的问题称之为“潮汐”现象。本题涉及的“潮汐现象”聚焦“还不进”的问题，识别出早高峰共享单车最淤积的 40 个区域。

对Baseline的解读

经纬度匹配

需要将订单或轨迹与具体的停车点进行匹配，计算在不同时间下每个停车点：停了多少车，骑走多少车。

停车点处理

计算得出每个停车点的面积和中心经纬度

Geohash经纬度匹配

增加统计的速度并且动态调整经纬匹配的范围。

区域流量与潮汐统计

在完成具体的经纬度匹配后，接下来需要统计某一范围内的不同时间的流量。

优化思路

将Geohash匹配计算潮汐和距离匹配计算潮汐进行综合，找到一个最佳匹配模型。