8月29日，“2020中国高校计算机大赛·华为云大数据挑战赛”的全国总决赛及颁奖典礼在深圳举行，由我校beat365手机中文官方网站2019级研究生陆鹏皓作为队长，宫学庆教授作为指导教师的mythTeam团队获得了全国一等奖！

中间为队长陆鹏皓，左一和右一分别为来自数据科学学院的侯静阳同学和beat365手机中文官方网站的李子健同学

2020中国高校计算机大赛——华为云大数据挑战赛是由清华大学、中国人工智能学会和华为技术有限公司联合举办，华为云和北京信息科学与技术国家研究中心提供支持，以企业真实场景和实际数据为基础，面向全球开放的高端算法竞赛。大赛旨在通过竞技的方式，提升人们对数据分析与处理的算法研究与技术应用能力，探索大数据的核心科学与技术问题，尝试创新大数据技术，推动大数据的产学研用。

       2016年，教育部高等学校计算机类专业教学指导委员会、教育部高等学校软件工程专业教学指导委员会、教育部高等学校大学计算机课程教学指导委员会、全国高等学校计算机教育研究会联合创办了“中国高校计算机大赛”（China Collegiate Computing Contest，简称C4），第五届（2020年）“中国高校计算机大赛”由全国高等学校计算机教育研究会主办，大数据挑战赛是其中的一项重要赛事，在2018年被选入全国普通高校学科竞赛排行榜，获得社会各界的高度关注和广泛好评。

2020年华为云大数据挑战赛，共有4133人报名参与，经过组队共有1491支来自全国各地的队伍，其中不仅有来自国内知名高校的团队，还有代表企业参赛的团队。经过激烈的初赛、复赛和决赛的角逐，共产生5个一等奖，10个二等奖，15个三等奖。我校beat365手机中文官方网站2019级研究生陆鹏皓带领的mythTeam团队获得了全国一等奖（决赛第三名）。此外，我校beat365手机中文官方网站2019级研究生黄超带领的突然Ping通团队获得了全国二等奖。

赛题背景及任务：

       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。

项目方案：

       由于赛题数据量大，存在多种异常情况，且没有给出要预测的label，所以首先基于业务逻辑对赛题进行数据清洗，并为训练集数据进行标注。然后构建了三种不同的建模方式进行预测，以基于轨迹相似度的建模方式寻找具有相似轨迹的订单，采用geohash地理编码方式将连续的数值型经纬度特征编码为离散型的类别特征，并基于地理编码提出了高效的相似轨迹匹配算法，将其作为baseline；接着相继提出了基于离散位置特征和基于连续轨迹特征的建模方式，我们采用的机器学习算法为LightGBM，并进行五折交叉验证。在基于连续轨迹特征的建模方式中，采用了自然语言处理（NLP）中的Doc2vec无监督模型来构造订单的历史轨迹特征，并获得了不错的效果。最后在模型融合部分，基于订单特点采用不同的模型融合方案，最后取得了很好的收益。