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中离开起运港、到达中转港、到达目的港等关键事件，记录为“历史运单事件数据”；“港口的坐标数据“为与运单船运相关的港口坐标信息。
允许选手合理增加与题目相关的外部数据进行纠正，如大赛提供的港口坐标数据存在偏差时可自行补充数据纠正。

1.1 历史运单GPS数据

历史运单GPS数据描述每个运单在船运的过程中，所在船产生的GPS位置的相关信息。

数据说明：
每个运单表示一次运输的运输单号，不会重复使用，一次运输过程中的多条GPS数据拥有相同的运输单号。船号为运单货物所在的船编号，会重复出现在不同次运输的GPS数据中。需要注意的是GPS数据中可能会有异常的GPS，可能且不限于如下问题：
（1） GPS坐标在陆地，或者有些港口是内陆的港口。
（2） GPS漂移：两点距离过大，超过船的行驶能力。
（3） GPS在部分地区的比较稀疏（比如南半球、敏感海域）。
（4） 最后的GPS点可能和港口的距离较远（比如塞港时，或者临近目的港时已无GPS数据）。
（5） speed字段之后数据可能会有少量缺失（如GPS设备短暂异常）。

1.2. 历史运单事件数据

历史运单事件数据描述每个运单在船运的过程中，与港口相关的关键信息，如离开起运港、到达目的港等。

1.3 港口坐标数据

港口坐标数据描述每个运单在船运的过程中涉及的港口位置信息。

1.4. 测试运单数据

测试运单数据为运单运输过程中的不同位置点所构成，供选手测试对应的ETA时间。测试运单数据如下表描述。

2 选手提交结果

所有参与竞赛的选手登录到大赛平台，提交结果数据，具体提交格式要求：

其中，ETA为选手评估的时间值；creatDate为该表或该CSV文件创建时间， 用于区别多次提交数据。对于未提交的运单ETA，后台统一取timestamp时间计算。

1. 初赛
大赛初赛提供：
（1） 训练数据：1.5万量级运单对应的历史运单GPS数据、历史运单事件数据和港口坐标数据，用于模型的训练
（2） 测试数据：2万量级测试数据，由不同运单的不同GPS位置所组成。
选手通过训练数据训练好的模型，对测试数据进行预测和提交结果，初赛排行榜以选手的提交结果评分为准。

2. 复赛
大赛复赛提供：
（1） 训练数据：1.8万量级条运单对应的历史运单GPS数据、历史运单事件数据和港口坐标数据，用于模型的训练。
（2） 测试数据：2.5万量级条测试运单数据，由不同运单的不同GPS位置所组成。
选手通过训练数据训练好的模型，对测试数据进行预测和提交结果，复赛排行榜以选手的提交结果评分为准。

3 评估标准

选手提交结果的评估指标是MSE，即ARRIVAL AT PORT预测时间ETA与真实时间ATA的差距的平方和，计算如下：

其中：
（1） **hETA为同一个货物运单到达目的港口的预测所需时间。**选手提供DATE时间，评测程序转换为单位所需时间，单位：小时。
（2） **hATA为同一个货物运单到达目的港口的实际所需时间，**大赛测评程序后台保存，用于测评运算。
（3） **ETA_NUM为预测的ETA数量，测评程序后台运算，**大赛测评程序后台保存，用于测评运算。
最终使用MSE值作为参赛选手得分，MSE值越小，排名越靠前。
示例说明：
如某一货物运单路由CNSHK-MYPKG-MYTPP，已离开起运港CNSHK，SHIPMENT ONBOARD DATE为2019/09/05 16:33:17，通过经纬度等信息判断船位置在CNSHK与MYPKG之间，根据,预测目的港口MYTPP的时间，提交的ETA：”2019/09/18 22:28:46”。

4 平台使用及代金券

5 周周星大佬团队思路整理

感谢大家的耐心阅读，有什么建议欢迎大家在评论里提出来哦~~
这篇文章会持续更新，记录自己的一点心得和思考~
也请大家多多指教！！希望能和大家一同学习进步！！