滴滴算法大赛算法解决过程 - 方案设计

回到原点

上面两篇文章讲了一些分析情况，整个模型变得很不确定了

数据分析： http://codesnippet.info/Article/Index?ArticleId=00000038
拟合算法： http://codesnippet.info/Article/Index?ArticleId=00000041

滴滴算法大赛到底需要什么样子的答案？
我一开始的想法是建立一个模型，通过天气，POI，交通拥堵的参数来推导出订单数和GAP数。
但是通过现有的数据发现，这个模型很难建立。

其实看一下题目，这是一个预测题：

给定每个区域在时间片tj,tj-1...的各项数据，预测gapi,j+1, ∀di∈D。

如果不是想研究机器学习的话，其实也没有必要（或者没有可能）建立一个完整的模型。
我们只需要知道，数据的发展趋势，例如这个时间点是 N ，按照经验，后一个时间点的趋势是上升还是下降，幅度大约多少即可。

那些因素左右订单

前几天一直在寻找那些因素制约着订单数。

9点整和18点整 全区域订单分析图
订单的总量在不同日期，表现出极大的不同。但是，接单量和司机数有关系，司机数则是比较稳定的，9点的司机数大约是5000人，18点为4500人。（前三个数据是 01-01 到 01-03 节假日 ，01-09 ，01-10，01-16，01-17 分别是节假日，所以早晨的需求比较少 ）
通过分析，我们应该可以整理出一张司机数和时间段的对应函数。（节假日和非节假日区分开来）

如果我们按照节假日和非节假日去看分时接单量

• 节假日的早高峰和平日的早高峰项目，相差巨大。
• 节假日和非节假日，其他时段接单量，基本持平。
• 每天的8：30分，17：30分 是两个最高值。

• 根据这个统计数据，我们大概知道了每天的接单情况。可以预测未来的某个时间片的接单量。当然，如果我们能够计算出Gap比率（GAP数/总订单数[GAP+接单数]），Gap数也是可以预测出来的。很遗憾，Gap比率的数据统计如下：（每天订单量起伏比较大，接单数较为固定，GAP比率则变化很大）
  日期别9：00和18：00GAP比率

预测订单趋势

上面说了，日期别的订单差异量很大，但是我们是否可以考察一下，每个时段的订单变化率是否有规律可循呢？
例如在 100个时间片上订单时 N，则101个时间片上，根据统计一般会增加 1.5%的话，则可以预测101个时间片上的订单时 1.05 * N;
当然如果就这么计算的话，可能会接近于正确答案，但是完全没有使用POI，天气，交通等数据，基本上是不可能获奖的。。。
不过，我们可以先来试试看，是不是可以找到规律呢。从图表上看，我们应该可以统计出，每个时间点上数据的变化率。

周三的变化：

从第一个周三到第二个周三的变化

从第一个周三到第二个周三的变化率
订单变化率：（这个时间片 - 上个时间片）/ 上个时间片

这样的话，我们大概可以对于各个时间片之间订单的变化率做一个统计平均表。
假设时间片 N 的订单数位 Order ，下一个时间片N+1的订单数为 NextOrder，则 变化率 K = （NextOrder - Order） / Order。
我们可以计算出全区域的每个时间片的变化率，也可以算出单个区域的每个时间片的变化率。

每个区域的订单比例

有些区域订单多，有些区域订单少，这个比例是否会随着时间变化而变化呢？
放心，基本上每个区域的订单比率很固定的。

如何解决问题

题目里面告诉了我们所需测试Gap的时间片的前三个时间片的数据。结合变化率的概念，其实我们可以计算出待预测的时间片的订单量。
还有一个问题是接单量怎么考虑，我的想法是将这三个已知时间片的接单量的平均值作为新的接单量。
（有一种情况，例如一个时间片里 有50个订单，但是有1个GAP，这个时候其实不能认为接单量只有49，而应该认为这个区域的基本上是公供需平衡的。1个GAP有可能是偶然因素。所以我这里认为5个GAP以下都是供需正常的。）

• 第N+1个时间片的GAP = 第N + 1个时间片的订单数 - 第N + 1个时间片的接单能力。
• 第N + 1个时间片的订单数 = 第N 个时间片的订单数 * （订单变化率+ 1）
• 第N + 1个时间片的接单能力 = 第 N ，N-1， N-2 个时间片的接单能力的平均值。

最后公式是：

• 第N+1个时间片的GAP = 第N 个时间片的订单数 * （订单变化率+ 1） - 第 N ，N-1， N-2 个时间片的接单能力的平均值

这种方法计算出来的结果可能接近于答案，也可能远离答案。但是完全没有体现出机器学习的作用，所以本人觉得肯定是有问题的。这里只是给出一种解决方案。接下来，开始思考正统的解决方案。