（这里只是做分析，不提供源代码，毕竟是一个比赛）

题目分析

赛题详情
构建一个模型，根据天气，交通，区域里面的各种设施，以往历史数据，预测未来的某个时间点，某个区域里，打车需求的缺口。整个算法其实就是一个有监督的机器学习的过程。

数据整理

下载后的整个压缩数据包575M，其中包括的订单数据大约900万条。（其他Master表数据量很小，这里忽略不计）
使用MongoDB存储的话，大概使用2GB的空间，全部导入之后，工作用计算机十分卡顿。MongoCola管理软件失去响应。所以，这里的订单按照日期导入。（训练的时候，按照天来训练）注意：官方的订单数据的 订单号 OrderID是主键重复的。这里以第一次出现的订单号的数据为准。

由于数据量非常庞大，所以这里建议将中间的计算结果也放入数据库中备用。

订单数据整理

订单数据整理，主要是整理出各个时段，各个地域的订单数据。

• 时间段
• 地域编号
• 需求数
• 缺口
• 缺口比例

数据整理尽量使用LINQ进行处理，MONGODB查询是消耗时间的！！！，这里数据库只是用作数据的存储不做计算

        private void btnImportDB_Click(object sender, EventArgs e)
        {
            string rootFolder = txtRootDir.Text;
            //Order: Root + "\order_data"
            foreach (var filename in Directory.GetFiles(rootFolder + "\\order_data"))
            {
                if (!filename.Contains("._"))
                {
                    string strDate = filename.Substring(filename.LastIndexOf("_") + 1);
                    var colname = "Order_" + strDate;
                    Database.Clear(colname);
                    var orderlist = new List<Order>();
                    var read = new StreamReader(filename);
                    while (!read.EndOfStream)
                    {
                        var o = Order.Gernerate(read.ReadLine());
                        orderlist.Add(o);
                    }
                    orderlist = orderlist.Distinct(x => x.order_id).ToList();
                    Database.InsertRecBatch(orderlist, colname);


                    var orderGaplist = new List<OrderGap>();
                    Database.Clear("OrderGap_" + strDate);
                    for (int time = 1; time < 144 + 1; time++)
                    {
                        for (int area = 1; area < 66 + 1; area++)
                        {
                            var m = new OrderGap() {  DistrictId = area,TimeSlient = time};
                            m.Total = orderlist.Count((x) => { return x.DistrictID == area && x.TimeSlient == time; });  
                            m.Gap = orderlist.Count((x) => { return x.DistrictID == area && x.TimeSlient == time && x.driver_id == "NULL" ; });
                            m.GapPercent = m.Total == 0 ? 0 : Math.Round(((double)m.Gap / m.Total) * 100, 2);
                            orderGaplist.Add(m);
                        }
                    }
                    Database.InsertRecBatch(orderGaplist, "OrderGap_" + strDate);
                    //暂时只分析一天数据
                    break;
                }
            }
        }

利用Excel，可视化数据

以下是2016-01-01的数据分析。蓝色的是GAP缺口数，红色的是Total数。
一天24个小时整体需求分布可以看个大概了。
PS 区域1 ：占整体的5.1%订单量，有一定的参考价值

PS 区域5 ：占整体的22.5%订单量，有一定的参考价值
这里看到，整个24小时分布极不均衡。考虑到 01-01 是一个特殊的日子，大家为了跨年而在零点之后选择打车也是可以理解的。

同样的51区域，2016-01-02的情况则比较正常，整体的高峰出现在夜间16：50 - 17：20（评价订单850） 左右。21：10，22：00也是两个小高峰（平均订单720）。

拟合

Gap的预测，是建立在一个拟合函数上的。也有一些机器学习的味道。

总的Gap函数 = 函数(时间,地区)

• TimeID ： 时间片编号
• DistricID：地区编号
• Traffic：交通流量
• Weather：天气
• POI：设施数

百度地图POI说明
注意：每家公司的POI分类都是不同的，这里只是将百度POI做个例子，滴滴打车的POI和百度的POI定义好像是不同的。

交通流量和时间有关，一个地方的拥堵程度和时间有关系
不同的地区，各种设施配置不同。
天气和时间有关。

Gap函数 = 函数(交通拥挤度函数(时间，地区编号)，POI函数(地区编号)，天气函数(时间))

这里可以认为，一个地方的打车人数，交通越堵，则打车的GAP越大。天气不好，打车的人则越多，GAP也越大。设施越多的地方，打车的需求也越多，GAP可能也越大。但是这一切都只是可能性。
（题外话，其实真实的情况也要考虑节假日的问题，在节假日的时候，GAP可能会变大。当然这是一个人文的考量了）

算法

交通拥堵函数：
这里的交通拥堵函数是使用4个等级表示的。

• LV1 20条路 权重8
• LV2 10条路 权重4
• LV3 15条路 权重2
• LV4 05条路 权重1
  那么拥堵指数怎么计算呢？这里应该是对每个拥堵哟一个权重，等级越高，权重越大。
  拥挤度 = SUM(权重 * 数量）
  当然权重也是一个需要训练和拟合的。
  （设施数和天气差不多，也是同样考虑的。）
  这里有三个指标，每种指标对于整体的影响程度也是需要训练的。

各项指标分析

起始区域差距

以下数据为2016-01-01的数据统计

整体有效订单数：498789（订单ID去重复）
66个区域的订单分布是极其不均衡的.

排名后33位的，总共只有整体的4.37%的订单
排名前5位的，总共只有整体的50.87%的订单

起始区域POI整体数目和订单数关系

我们将POI总数/30 和订单数一起放到柱状图中发现，POI总数和订单数应该有一些联系。
一个区域POI数越多说明这个地区越是繁华，从这里打车的需求就越多。

任务

• 研究同一时间片，同一地区，按照日期变化，数据的变化。观察天气对数据变化的影响
• 研究同一时间片，不同地区，POI的数量对数据变化的影响
• 研究每个区域的需求量，可能每个区域的需求量基准数值都是差不多的。