DCIC赛题“早高峰共享单车潮汐点的群智优化”task1-baseline提交

最新推荐文章于 2021-02-25 00:18:42 发布
最新推荐文章于 2021-02-25 00:18:42 发布
阅读量563 收藏
点赞数 1
CC 4.0 BY-SA版权
文章标签： 大数据 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/paletteboo/article/details/113875104
该博客探讨了早高峰期间共享单车潮汐现象的识别与优化问题。通过数据分析和计算模型构建，识别出40个最突出的潮汐区域，并提出优化方案。主要涉及数据包括共享单车轨迹、停车点位和订单信息。计算方法侧重于统计各停车点的流入和流出流量，以理解区域间的流量变化规律。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

赛题1-早高峰共享单车潮汐点的群智优化

baseline上传得分截图

稍后上传

赛题理解

算法分析题：早高峰共享单车潮汐点的群智优化
任务一：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。

  • 赛题任务：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，针对Top40区域计算结果进一步设计高峰期共享单车潮汐点优化方案；

  • 赛题数据：共享单车轨迹数据、共享单车停车点位（电子围栏）数据 和 共享单车订单数据；

  • 赛题思路：为了完成具体潮汐计算，需要将订单或轨迹与具体的停车点进行匹配，需要计算在不同时间下每个停车点： 停了多少车（订单终点为停车点）；骑走多少车（订单起点为停车点）；
    在完成具体的经纬度匹配后，接下来就需要完成具体的区域流量统计，即统计某一范围内的不同时间的流量（入流量和出流量）

#Paletteboo?
关注
DCIC-早高峰共享单车潮汐点的群智优化（1）
疯子书生的博客
02-19 1520
目录学习主题赛题说明赛题任务代码 学习主题 ： 比赛链接: https://data.xm.gov.cn/contest-series-api/promote/register/3/UrnA69nb. 赛题说明 共享单车，延伸了城市公共交通脉络，解决了市民出行“最后一公里”问题。然而，随着共享经济模式被越来越多市民接受，成为出行习惯，潮汐现象也随之出现。白天工作、晚上休息的人类活动规律的客观存在，加之上下班时间段的集中，导致早晚高峰“一车难寻”、“无地可停”的供需矛盾。本题希望通过对车辆数据的综合分析，对厦
DCIC赛事-task01-共享单车潮汐算法分析题任务解析、内容介绍与pandas读取数据
weiphm的博客
02-19 1630
本文为2021年DCIC赛事之共享单车潮汐算法分析 task01：题目解析+pandas读取数据 题目解析 算法分析题——早高峰共享单车潮汐点的群智优化 潮汐：即自行车的“借还”存在特定时间段的波峰波谷现象。在城市下班的早、晚高峰“借不到、还不进”，由此造成的不便利和公共资源浪费。 任务一：首先利用给出的数据识别出早上7-9点潮汐现象最突出的40个区域，要求给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 任务二：根据任务一得到的40个区域，设计高峰期共享单车潮汐点优化方案：过主
早高峰共享单车潮汐点的群智优化Baseline
weixin_44023658的博客
02-19 2464
参考自：coogle数据科学 https://coggle.club/learn/dcic2021/ 赛题说明 2021数字中国创新大赛大数据赛道-城市管理大数据专题
早高峰共享单车潮汐点的群智优化-Task01
qq_45068574的博客
02-20 851
早高峰共享单车潮汐点的群智优化DCIC2021算法分析题赛题介绍赛题任务功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 DCIC2021算法分析题赛题介绍 共享单车，延伸了城市公共交通脉络，解决了市民出行“最后一公里”问题。然而，
2021数字中国创新大赛大数据赛道-城市管理大数据专题-早高峰共享单车潮汐点的群智优化-感想
weixin_39214108的博客
02-19 317
提交比赛结果遇到了问题，将ftp换位sftp登陆就可以了。sftp软件用的360软件管家安装的 filezilla。 比赛提交比较复杂。早高峰共享单车潮汐点的群智优化 提交结果较简单只需要提交到result目录下就行了。 ...
早高峰共享单车潮汐点的群智优化
LitraLIN的博客
02-19 560
任务 详细见：早高峰共享单车潮汐点的群智优化 感想 本次是第一次参加datawhale的组队学习计划 遇到的问题： 1、部分库安装不上 这里使用"conda install geohash"命令下载geohash包，但是import时却报错， 解决方法：参考博客：https://www.cnblogs.com/ceeyo/p/11691283.html 学习点 高频函数的使用： apply()用法： 参考博客：https://blog.youkuaiyun.com/yanjiangdi/article/details
DCIC2021-Task 1 赛题任务解析
小胖鸡的博客
02-20 406
系列文章目录 Task 1 赛题任务解析 Task 2 共享单车潮汐点分析 Task 3 共享单车潮汐点建议 Task 4 共享单车调度方案 Task 5 单车畅行友好度方案 文章目录系列文章目录任务分析赛题数据数据读取和理解数据解读baseline 任务分析 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 针对Top40区域计算结果进一步设计高峰期共享单车潮汐点优化方案 赛题数据 共享单车轨迹数据 共享单车停车点位（电子围栏）数据 共享单车订单数据 数据读取和理解 这里直接套
DCIC2021_task1
weixin_43913783的博客
02-19 963
DCIC2021 共享单车潮汐分布预测赛题理解赛题目的赛题任务Baseline中 一些特殊的库的了解```%pylab inline ``````Geohash``````hnswlib```库的导入 与 数据读取常见库的导入读取数据集共享的单车订单数据的聚合地图可视化按照经纬度聚合按照最近的经纬度潮汐统计方法1：Geohash匹配计算潮汐方法2：基于KNN密度匹配 赛题理解 赛题目的 通过对车辆数据的综合分析，对厦门岛内早高峰阶段潮汐点进行有效定位，进一步设计高峰期群智优化方案，缓解潮汐点供需问题。 赛题
【数据挖掘实战】task2-task3详情
weixin_44454670的博客
02-24 574
文章目录前言一、任务2：共享单车潮汐点分析1.geohash 原理2.分析结果二、任务三：共享单车潮汐点优化1.sklearn.neighbors2.from sklearn.neighbors import NearestNeighbors3.距离度量三 提交结果参考资料 前言 感谢datawhale组织的学习，并免费提供答疑服务。 学习地址：https://coggle.club/learn/DCIC2021/ 博客主要记录相关的问题 代码示例地址：https://cdn.coggle.club/dc
Datawhale——城市管理大数据算法模型（DCIC）专题组队学习——task01
qq_43526989的博客
02-19 474
运行时候遇到的问题与解决方法 安装folium后无法import——更换python的kernel后可以import，怀疑是之前的环境里装了太多？ 安装geohash后无法import——找到库将Geohash改为geohash，修改文件夹下的init.py文件中的from geohash—>from .geohash 如下报错 将for循环里的 folium.Marker( data[0, ::-1] ).add_to(m) 改为 folium.Marker( locati.
Task1 早高峰共享单车潮汐点的群智优化
Rocklyn的博客
02-20 423
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
DataWhale组队学习分享1-早高峰共享单车潮汐点的群智优化
ljchyes的博客
02-19 385
对baseline的解读。 Baseline给出两种方法计算共享单车的潮汐情况。方法1使用geohash库，对经纬度编码，将一定精度范围内的区域视为同一区域，计算每个区域的入流量和出流量。接着由出入流量之差，计算该位置的留存量。然后提取街道信息，根据“留存车辆 / 街道停车位总面积”，计算得到道路上的车密度。 方法2对经纬度距离应用KNN方法聚类，得到停车点和密度。 方法1的统计方法可能会不准确，精度只能到街道信息，故倾向于选择方法2。 计算完潮汐点之后，开始研究停车点推荐。Baseline的策略是：根据.
DCIC2021-早高峰共享单车潮汐点的群智优化-算法分析题
weixin_42024142的博客
02-20 283
1.熟悉比赛提交过程 本次比赛用sftp提交各种文件，关于sftp可以参考这篇博文，SFTP. 使用SFTP上传文件可以用工具或者命令行。尝试用powershell 提交会出现 登录失败的问题。 所以用FileZilla提交，下载连接，用户界面非常友好，比赛官方提供的操作手册也很详细。 成功提交，后续优化算法留待更新。 ...
算法分析_早高峰共享单车潮汐点的群智优化学习记录
hxl
02-20 1371
导入数据集 共享单车轨迹数据为再使用时产生的定位数据，具体包含单车在不同时间段（默认15秒记录一次）的经纬度信息 #导入常见库 import os,codecs import pandas as pd import numpy as np %pylab inline from IPython.display import set_matplotlib_formats set_matplotlib_formats('svg') from matplotlib import font_manager a
DCIC 早高峰共享单车潮汐点的群智优化
lwl2836的博客
02-20 225
DCIC 早高峰共享单车潮汐点的群智优化 组队学习task1心得 个人感觉Datawhale学习计划组织得不错，就是每一个任务对于上班族，又是刚入门的小白来说，进度比较快，我都搞到了凌晨两天才刚刚提交，也不知道提交成功没有！ 特别感谢这次比赛的组织者和我们后浪组成员对我的帮助，希望我没有给大家拖后退，加油，奥利给！ ...
DCIC-早高峰共享单车潮汐点的群智优化
wield_jjz的博客
02-19 361
早高峰共享单车潮汐点的群智优化 打卡task01 遇到的问题 环境问题 win10系统下，基于anaconda3安装python库hnswlib 遇到报错： 试过网上多种方法无果，自己摸索成功。 解决方法： 安装Visual Studio 2019 下载hnswlib源码，到安装目录下解压 在anaconda的终端进入到安装目录 输入：python setup.py install --compiler=msvc 安装成功！ ...
早高峰共享单车潮汐点的群智优化（想法）
weixin_44023658的博客
02-25 549
一些想法 结合天气、地理环境等因素 对时间进行分类讨论，分为工作日和周末 实时计算潮汐点的变化，进行动态推荐，并结合红绿等，与当地公交、地铁相结合来进行多种交通方式推荐，提供多条路线供用户选择。 统计每辆单车骑行率，对于骑行率低的单车做一些特殊处理（减少权重等等） 额外数据 公交数据 地铁数据 打车服务数据 天气等数据 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值