DCIC2021车辆碰撞检测Top6方案

赛题任务

本赛题基于上汽通用五菱提供的新能源汽车运行数据、碰撞标注和碰撞时间，希望参赛者综合运用机器学习/深度学习等技术，实现根据车辆运行数据即可识别车辆发生碰撞的可能，及时发现用户碰撞情况

赛题链接

字段描述

数据特征

1.几乎所有都存在一个电池包主负继电器状态由连接到断开的过程，该变化时刻通常与所给碰撞标签时刻相同，也存在个别样本时刻早于碰撞时刻；
2.几乎所有都存在整车电流突变为0的过程。
3.发现19和94为异常样本，所给的标签时刻并不在所给的预测时间段中

解题思路

在发现以上两个规则后，可得出解题思路：首先筛选所有存在主负继电器状态变化或整车电流变化的时刻，再对这些时刻进行建模，判断是否存在碰撞。由于该题一车仅出现一次碰撞，所以在模型预测过程中，选取所有筛选时刻中碰撞概率最高的时刻作为该车最终状态的判定。该思路相比对每个时刻建模，有以下特点：

1.极大减少训练中的负样本数，平衡正负样本比例；
2.极大加快处理速度；
3.最后预测阈值直接采用0.5，避免调阈值对训练集或A榜过拟合；
4.基本所有碰撞时刻都能被筛选出来，无法筛选出来的部分可以认为非常难判定，即使是直接建模也很难判定准确。

特征选取以及建模

特征提取部分，还是采用经典的时间窗统计方法，对碰撞时刻前、碰撞时刻附近、碰撞时刻后，以及样本所有时刻，4个时间窗进行统计，分别可得到碰撞前的状态，碰撞时的状态，碰撞后的状态，以及该车辆一个长期状态，也可表征驾驶者的驾驶习惯。

离散特征统计出现频率，连续特征（主要是加速踏板位置、车速、整车当前总电流）则统计均值、中位数、方差、最小值及最大值，同时做了一点特征交叉，具体可参考源码部分。在构造特征时需同时记录对应时刻，用于预测时获取时刻值。

在建模上使用常规的lightgbm，随机5折交叉验证，考虑到样本不均衡，使用StratifiedKFold保证每一折正负样本比例相同。

源码获取方法

详情可见队友嘴爷的github链接
代码获取

写在最后

1.模型的版本对这题影响巨大，所以懂得都懂。
2.在换榜的前一天夜里，由于DF运营管理问题导致B榜排行提前泄露，加之数据量本身不大，前一天夜里切榜的时候本方案是TOP3，最终定榜TOP6，对此官方没有任何回应，所以懂得都懂。
3.以后遇到这种赛题，大家应该都懂得都懂。