賽題詳情

在出行問題上，中國市場人數多、人口密度大，總體的出行頻率遠高於其他國家，這種情況在大城市尤為明顯。然而，截至目前中國擁有汽車的人口只有不到10%，這意味著在中國人們的出行更加依賴於計程車、公共交通等市場提供的服務。另一方面，滴滴出行佔領了國內絕大部分的網路呼叫出行市場，面對著巨大的資料量以及與日俱增的資料處理需求。截至目前，滴滴出行平臺日均需處理1100萬訂單，需要分析的資料量達到50TB，路徑規劃服務請求超過90億。面對如此龐雜的資料，我們需要通過不斷升級、完善與創新背後的雲端計算與大資料技術，從而保證資料分析及相關應用的穩定，實現高頻出行下的運力均衡。供需預測就是其中的一個關鍵問題。供需預測的目標是準確預測出給定地理區域在未來某個時間段的出行需求量及需求滿足量。調研發現，同一地區不同時間段的訂單密度是不一樣的，例如大型居住區在早高峰時段的出行需求比較旺盛，而商務區則在晚高峰時段的出行需求比較旺盛。如果能預測到在未來的一段時間內某些地區的出行需求量比較大，就可以提前對營運車輛提供一些引導，指向性地提高部分地區的運力，從而提升乘客的整體出行體驗。

檔名稱	檔案格式	下載
training_set.tar.gz	.tar.gz(600MB)	下載資料
test_set.tar.gz	.tar.gz	下載資料

定義及評估標準

1. 問題定義

乘客開啟滴滴出行app，輸入出發地和目的地並點選“呼叫”後就完成一次發單(request)，有司機接單後就完成一次應答(answer)。
將一個城市劃分為n個互不重疊的正方形區域D={d₁,d₂,⋯,d_n }，將每一天的24小時劃分為144個10分鐘長的時間片t₁,t₂,⋯,t₁₄₄。
對於區域d_i，在時間片t_j，有r_ij個乘客發單，有a_ij個司機成功應答了a_ij次發單。
對於區域d_i，在時間片t_j，定義需求demand_ij=r_ij，供給supply_ij

=a_ij，則有供需缺口gap_ij：gap_ij = r_ij - a_ij
給定每個區域在時間片t_j,t_j-1...的各項資料，預測gap_i,j+1, ∀d_i∈D。

2. 評價指標

對n個區域和q個時間片，區域d_i在時間片t_j的供需缺口為gap_ij，選手預測值為s_ij，
以MAE作為最終的評價指標：MAE越小越好。

3. 選手提交結果

選手提交的資料格式為：區域ID，時間片，預測值。其示例如下：

其中每個欄位的具體描述如下：

資料名稱	資料型別	示例
區域ID	string	1,2,3,4 （與區域對映ID一致）
時間片	string	2016-01-23-1（即2016年1月23日第1個時間片，時間片是將每天的時間按10分鐘間隔劃分到1-144個片中）
預測值	double	6.0

資料形式

訓練集中給出M市2016年連續三週的資料資訊，需預測M市第四周和第五週中某五天的某些時間段的供需。測試集中給出了每個需預測的時間片的前半小時的資料資訊，具體需預測的時間片見說明檔案（說明檔案含在資料集下載包內）。 具體資料如下，其中訂單資訊表、天氣資訊表和POI資訊表為資料庫中直接的表資訊，而區域定義表、擁堵資訊表是由資料庫中其他表衍生的資訊。訂單資訊表

欄位	型別	含義	示例
order_id	string	訂單ID	70fc7c2bd2caf386bb50f8fd5dfef0cf
driver_id	string	司機ID	56018323b921dd2c5444f98fb45509de
passenger_id	string	使用者ID	238de35f44bbe8a67bdea86a5b0f4719
start_district_hash	string	出發地區域雜湊值	d4ec2125aff74eded207d2d915ef682f
dest_district_hash	string	目的地區域雜湊值	929ec6c160e6f52c20a4217c7978f681
Price	double	價格	37.5
Time	string	訂單時間戳	2016-01-15 00:35:11

訂單資訊表主要覆蓋了一張訂單的基本資訊，包括這張訂單的乘客，以及接單的司機（driver_id =NULL表示driver_id為空，即這個訂單沒有司機應答），及出發地，目的地，價格和時間。區域定義表

欄位	型別	含義	示例
district_hash	string	區域雜湊值	90c5a34f06ac86aee0fd70e2adce7d8a
district_id	string	區域對映ID	1

區域定義表主要表示比賽評測區域的資訊，選手需選擇區域定義表中的區域來做預測，並在最終提交的結果中需將區域雜湊值對映為其相應的ID。POI資訊表

欄位	型別	含義	示例
district_hash	string	區域雜湊值	74c1c25f4b283fa74a5514307b0d0278
poi_class	string	POI類目及其數量	1#1:41 2#1:22 2#2:32

POI資訊表主要表徵區域的地域屬性，由其中所含的不同類別設施的數量表示，如2#1:22表示在此區域中含有類別為2#1的設施22個，2#1表示一級類別為2，二級類別為1，例如休閒娛樂#劇院，購物#家電數碼，運動健身#其他等等。不同類別及其數量以\t分割。擁堵資訊表

欄位	型別	含義	示例
district_hash	string	區域雜湊值	1ecbb52d73c522f184a6fc53128b1ea1
tj_level	string	不同擁堵程度的路段數	1:231 2:33 3:13 4:10
tj_time	string	時間戳	2016-01-15 00:35:11

擁堵資訊表主要表示區域中道路的總體擁堵情況，其中主要包括不同時間段不同區域的不同擁堵情況的路段數，其中的擁堵級別是越大越擁堵。天氣資訊表

欄位	型別	含義	示例
Time	string	時間戳	2016-01-15 00:35:11
Weather	int	天氣	7
temperature	double	溫度	-9
PM2.5	double	pm25	66

天氣資訊表主要表示整個城市的每天間隔10分鐘段的天氣情況。其中的weather欄位表示天氣的實時描述資訊，而溫度以攝氏溫度表示，PM2.5為實時空氣汙染指數。