2020中国高校计算机大赛·华为云大数据挑战赛正式赛题——船运到达时间预测赛题整理6.21版本（持续更新~）

2020中国高校计算机大赛·华为云大数据挑战赛正式赛题——船运到达时间预测整理分析6.21版本（持续更新~）

写在前面：大家好！我是练习时长半年的在读本科生数据小白JerryX，各位数据挖掘大佬有什么问题和建议多多指教！！欢迎大家多多点赞，多多评论，多多批评指正！！

2020中国高校计算机大赛·华为云大数据挑战赛正式赛赛程不知不觉已经过了三周了，JerryX前一段时间学业比较繁忙，同时也在搞另一个比赛的答辩，所以也没怎么做这个比赛，今天开始正式和队友集结起来开始把高校赛搞起来啦。希望可以和各位优秀队伍多多交流！！也希望能和大家在接下来一个多月的时间内共同学习、成长！！
我们队的初步数据分析链接参见队友之前整理的blog

0 背景简介

在企业全球化业务体系中，海运物流作为其最重要的一项支撑。其中，船运公司会和数据供应公司进行合作，对运输用的船通过GPS进行定位以监控船的位置；在运输管理的过程中，货物到达目的港的时间是非常重要的一项数据，那么需要通过船运的历史数据构建模型，对目的港到达时间进行预测，预测时间简称为ETA（estimated time of arrival），目的港到达时间预测为ARRIVAL_ETA。
本次大赛提供历史运单GPS数据、历史运单事件数据、港口坐标数据，预测货物运单的到达时间，对应“历史运单事件”数据中EVENT_CODE字段值为ARRIVAL AT PORT时EVENT_CONVOLUTION_DATE的时间值。

1 比赛数据

大赛提供脱敏后的训练数据及测试数据，训练数据集包括：历史运单GPS数据、历史运单事件数据、港口坐标数据，这些数据主要用于参赛队伍训练模型，制定预估策略；测试运单数据为不同运单、运输过程中的不同位置所构成，供选手测试对应的ETA时间。
货物运单在船运过程中，会产生大量的GPS运单数据，记录为“历史运单GPS数据”；货物运单在船运过程