总结：DCIC算法分析赛完整方案分享！
DCIC2020
赛题说明：出租车作为城市客运交通系统的重要组成部分，以高效、便捷、灵活等优点深受居民青睐。出租车每天的运营中会产生大量的上下车点位相关信息，对这些数据进行科学合理的关联和挖掘，对比在工作日以及休息日、节假日的出租车数据的空间分布及其动态变化，对出租车候车泊位、管理调度和居民通勤特征的研究具有重要意义。
出租车/网约车：上下车地点挖掘；
出租车/网约车：不同日期的空间变化；
出租车/网约车：泊车和调度问题；
统计分析方法分别对所提供的巡游车和网约车运营的时间、空间分布特征进行量化计算，包括：
计算2年的每年工作日取日平均，非工作日取日平均和节假日取日平均，三种类型各自平均的时变分布变化，三种时间类型按网格划分的平均空间分布（网格划分颗粒度选手自选）；
并分别对比分析所提供的网约车、巡游车，计算2年每年按工作日取日平均，非工作日取日平均和节假日取日平均三种类型的日均空驶率、订单平均运距、订单平均运行时长、上下客点分布密度等时变特性；
根据巡游车和网约车的时空运营特征，并尝试对巡游车与网约车的融合发展提出相关建议。在分析过程，参赛者必须用到但不局限于提供的数据，可自行加入自有数据进行参赛，但需说明自带数据来源并保证数据合法合规使用；
通过赛题理解&数据分析，参赛选手需要回答上述问题：
每年工作日取日平均，非工作日取日平均和节假日取日平均，三种情况下出租车&网约车：
运营时间规律：出车时间和运行时间；
空间分布规律：城市分布规律，订单分布规律；
日均空驶率：空驶里程(没有载客)在车辆总运行里程中所占的比例；
订单平均运距：订单平均距离计算；
订单平均运行时长：订单平时时长计算；
上下客点分布密度：上下车位置分布；
对出租车&网约车的调度、融合发展提出建议：
如何进行订单调度？识别打不到车的位置；
如何进行停车场推荐？
订单差异性分析？
比赛数据说明（点击阅读原文即可直达）：
https://data.xm.gov.cn/opendata-competition/#/contest_explain
赛题数据基本可以分为四类：
巡游车GPS数据（2019年、2020年）；
巡游车订单数据（2019年、2020年）；
网约车GPS数据（2019年、2020年）；
网约车订单数据（2019年、2020年）；
数据字段说明如下：
城市巡游车与网约车运营特征对比分析赛题，提供 2019.05.31-2019.06.09 和2020.06.18-2020.06.27 两年共计 20 天的 A 城市网约车和巡游车的 GPS 数据、订 单数据，以及 A 城市路网矢量数据，上亿条数据。
计算巡游车日均空驶率、运距和运行时长；
计算网约车日均空驶率、运距和运行时长；
import pandas as pdimport numpy as npimport glob# 网约车计算def cal_wyc(df):df = df[['DEST_TIME', 'DEP_TIME', 'WAIT_MILE', 'DRIVE_MILE']].dropna()if df['DEST_TIME'].dtype != np.int64:df = df[df['DEST_TIME'].apply(len) == 14]df = df[df['DEST_TIME'].apply(lambda x: x.isdigit())]df['DEP_TIME'] = pd.to_datetime(df['DEP_TIME'], format='%Y%m%d%H%M%S')df['DEST_TIME'] = pd.to_datetime(df['DEST_TIME'], format='%Y%m%d%H%M%S')df = df[df['DRIVE_MILE'].apply(lambda x: '-' not in str(x) and '|' not in str(x) and'路' not in str(x))]df['DRIVE_MILE'] = df['DRIVE_MILE'].astype(float)df['WAIT_MILE'] = df['WAIT_MILE'].astype(float)# return dfprint('空驶率：', (df['WAIT_MILE'] / (df['WAIT_MILE'] + df['DRIVE_MILE'] + 0.01)).mean())print('订单平均距离：', df['DRIVE_MILE'].dropna().mean())print('订单平均时长：', ((df['DEST_TIME'] - df['DEP_TIME']).dt.seconds / 60.0).mean())# 巡游车计算def cal_taxi(df):df['GETON_DATE'] = pd.to_datetime(df['GETON_DATE'])df['GETOFF_DATE'] = pd.to_datetime(df['GETOFF_DATE'])print('空驶率：', (df['NOPASS_MILE'] / (df['NOPASS_MILE'] + df['PASS_MILE'])).mean())print('订单平均距离：', df['PASS_MILE'].mean())print('订单平均时长：', ((df['GETOFF_DATE'] - df['GETON_DATE']).dt.seconds / 60.0).mean())
2019年端午节数据：
INPUT_PATH = '../input/'df = taxiorder2019 = pd.concat([pd.read_csv(INPUT_PATH + x) for x in ['taxiOrder20190607.csv','taxiOrder20190608.csv','taxiOrder20190609.csv']])cal_taxi(df)INPUT_PATH = '../input/'df = taxiorder2019 = pd.concat([pd.read_csv(INPUT_PATH + x) for x in ['wycOrder20190607.csv','wycOrder20190608.csv','wycOrder20190609.csv']])cal_wyc(df)
出租车
空驶率：0.2997949500443629
订单平均距离：6.501010225346955
订单平均时长：13.055927380570695
网约车
空驶率：0.056048033587246776
订单平均距离：9.065422897306478
订单平均时长：111.21042580624874
2019年工作日数据：
INPUT_PATH = '../input/'df = taxiorder2019 = pd.concat([pd.read_csv(INPUT_PATH + x) for x in ['taxiOrder20190531.csv','taxiOrder20190603.csv','taxiOrder20190604.csv','taxiOrder20190605.csv','taxiOrder20190606.csv']])cal_taxi(df)INPUT_PATH = '../input/'df = taxiorder2019 = pd.concat([pd.read_csv(INPUT_PATH + x) for x in ['wycOrder20190531.csv','wycOrder20190603.csv','wycOrder20190604.csv','wycOrder20190605.csv','wycOrder20190606.csv']])cal_wyc(df)出租车
空驶率：0.28597477408680505
订单平均距离：6.463312988754979
订单平均时长：13.897280639095992
网约车
空驶率：0.0451398589440301
订单平均距离：8.678716893803035
订单平均时长：113.34003128482045
2019年周末数据：
INPUT_PATH = '../input/'df = taxiorder2019 = pd.concat([pd.read_csv(INPUT_PATH + x) for x in ['taxiOrder20190601.csv','taxiOrder20190602.csv',]])cal_taxi(df)df = taxiorder2019 = pd.concat([pd.read_csv(INPUT_PATH + x) for x in ['wycOrder20190601.csv','wycOrder20190602.csv',]])cal_wyc(df)
出租车
空驶率：0.2871319581401905
订单平均距离：6.289113628823901
订单平均时长：13.1542066691464
巡游车
空驶率：0.049881413163707276
订单平均距离：8.514400548965787
订单平均时长：113.50896480737183
需要注意2020年数据与上面计算逻辑相同，只需要修改下具体的文件名就可以完成计算。是不是很简单?
评分注意事项如下：
点击「阅读原文」实践