机器学习应用于起点抓路项目，第一个问题就是真值数据的获取。用户在某个位置A发起路线规划请求，由于定位精度限制，我们无法确认其实际所在位置，但如果用户在发起规划请求附近有实走信息，可以将实走信息匹配到路网生成一条运动轨迹，通过这条轨迹我们就可以获取到请求定位点所处的实际道路。
我们针对高德地图的导航请求数据进行相关挖掘，将用户实走与路线规划信息相结合，得到了请求与真值一一映射的数据集。
特征数据
在起点抓路模型中，我们提取了三大类特征用于构建样本集，分别是定位点相关特征、道路自身特征以及定位点与道路之间的组合特征。
特征处理是特征工程的核心部分，不同项目在进行特征预处理时会有不同，需要根据实际业务场景进行特殊化处理，往往依赖于专业领域经验。起点抓路项目中，我们针对定位特征进行了样本去重、异常值处理、错误值修正及映射等数据清洗工作。
3.模型选择
在目标问题定义中，我们将起点抓路剖析为搜索排序问题，而机器学习的ranking技术，主要包括point-wise、pair-wise、list-wise三大类。
根据起点抓路业务特点，我们采用了list-wise，其learning to rank框架具有以下特征：
输入信息是同一路线规划请求对应的所有道路构成的多特征向量（即一个query）。
输出信息是对应请求（即同一query）特征向量的打分序列。
对于打分函数，我们采用了树模型。
我们选择NDCG（Normalized Discounted Cumulative Gain 归一化累积折算信息增益值）作为模型评价指标，NDCG是一种综合考虑模型排序结果和真实序列之间关系的指标，也是常用的衡量排序结果的指标。
4.模型训练及效果评估
我们抽取了一定时间段内的请求信息，按照步骤2中描述的方式获取到对应真值及特征数据，打标构建了样本集，将其划分为训练集与测试集，训练模型并查看结果是否符合预期。
评估模型效果，我们将测试集的请求分别用人工规则及机器学习模型进行抓路，并分别与真值进行对比，统计准确率。
对比结果，针对随机抽取的请求，模型与人工规则抓路结果差异率为10%，这10%的差异群体中，模型抓路准确率比人工规则提升40%，效果显著。
写在最后
以上我们介绍了大数据和机器学习在起点抓路方面的一些应用，项目的成功上线也验证了机器学习在提升准确率、优化流程等方面可以发挥重要作用。
未来，我们希望能够将现有模型场景继续细化，寻找新的收益点，从数据和模型两个角度共同探索，持续优化机器学习抓路效果。