智慧海洋建设TOP方案借鉴学习与整理

本文主要是学习了天池的智慧海洋建设比赛的一些TOP方案，并对思路进行整理，本文以TOP1的方案为主，其他方案作为补充。

参考的文章如下：

1. 2020DCIC智能算法赛-智慧海洋建设TOP1方案
2. DCIC 2020数字中国创新大赛数字政府赛道：智慧海洋建设Rank 3解决方案
3. 智慧海洋复赛0.89937方案代码开源
4. 智慧海洋建设算法赛道B榜top5 方案及源码
5. 42个特征+xgboost top7方案-完整notebook

非常感谢前排大佬开源的方案！

数据探索与预处理

渔船作业方式的定义

拖网：拖曳渔具在海底或海水中前进，对鱼类进行捕捞的作业方式。

围网：使用网具包围鱼群进行捕捞的作业方式

刺网：将长带形的网列敷设于水域中，使鱼刺入网目或被网衣缠络后加以捕捞

渔船作业过程中的三种状态

Anchored-off：船舶休息的点

Turning：船舶转弯的点

Straight-sailing：船舶航行的点

预处理

轨迹数据预处理方面, 将平面坐标转换为经纬度坐标。首先采用了经验阈值均值滤波去除了每条轨迹速度的异常值、坐标的离群点， 并用多项式插值函数对离群点进行了插值，基于局部速度对异常坐标点进行插值。

特征工程

统计特征

1，分箱特征，距离海岸线的近似值。

对v求分箱特征，等分为200份，求每一份的统计值
对x求分箱特征，1000份和10000份，求每一份的次数统计值，和每一个分箱对应不同id数目
对y求分箱特征，1000份和10000份，求每一份的次数统计值，和每一个分箱对应不同id数目
求x，y分箱后的组合特征做为分组，求对应的次数统计值，和对应的id的不同数目
根据x分组，求y距离最小y的距离 # 可以理解为距离海岸线距离
根据y分组，求x距离最小x的距离 # 可以理解为距离海岸线距离

2，对渔船的经纬度序列做均值、方差、分位数、众数等统计，可以简单地刻画渔船的活动范围

mode_df = data.groupby(['渔船ID', 'lat', 'lon'])['time'].agg({
   'mode_cnt':'count'}).reset_index()
mode_df['rank'] = mode_df.groupby('渔船ID')['mode_cnt'].rank(method='first', ascending=False)
for i in range(1, 4):
    tmp_df = mode_df[mode_df['rank']==i]
    del tmp_df['rank']
    tmp_df.columns = ['渔船ID', 'rank{}_mode_lat'.format(i), 'rank{}_mode_lon'.format(i), 'rank{}_mode_cnt'.format(i)]
    data_ = data_.merge(tmp_df, on=['渔船ID'],