# Сравнение алгоритмов динамики --- # Содержание 1) Принцип работы 2) Дополнения для работы алгоритма 3) Плюсы и минусы 4) Сравнение с существующим алгоритмом 5) Дизайн промышленного решения --- ## 1.Принцип работы алгоритма в реальном времени Гексагоны бьются по количествуву автомобилей (также по количеству заказов и количеству уникальных пользователей) на км^2 и категоризируются на 3 категории: - 0-мало заказов/машин/пользователей - 1-средне - 2-много Категории считаются относительно всего города. ----  ---- Если в районе много свободных машин, аналогично много заказов, такие считаются сбалансированным (белые). Если машин много, но заказов мало, то район плохой (красные). И если машин мало, но заказов много - район хороший (зеленые). В алгоритме логика сложнее, но базово выгладит так. Чем ярче, тем сильнее выражена хорошесть или плохость. ----  --- ## 2. Дополнения для работы алгоритма - Если у белого гексагона нет ни одного соседнего белого, то он считается выбросом и закрашивается в цвет самого популярного соседа. Аналогично со всеми цветами. - Если в гексагоне почти нет свободных машин, а спрос больше - то цену увеличиваем агрессивнее - ограничиваю цену коридором 0.75 - 1.45 --- ## 3. Плюсы и минусы "+" Алгоритм балансирует количество машин в моменте, поэтому любое неверное изменение цены в следующие 20 минут откатится назад. "+" Интерпритируемость. Каждое изменение можно трактовать как что-то понятное. Например увеличилось бронирование машин с 5 до 10 в час. -> Увеличение на 10%. "+" Учитывает колебания спроса - предложения. В сильно нестабильных районах (маленькой площади, аэропроты) быстро подстраивается под окружающую среду. ---- "+" "Предсказания" нужной цены в основном сглажены, и не меняются сильно без причины. Если есть сильное изменение - оно связвно с дисбалансом спроса - предложения "+" Среднее увеличение цены около 1%, что не вызовет негатива "-" Алгоритм не учитывает моменты макимального спроса в будущем (не сложно доработать) ---- "-" Алгоритм не учитывает сезонность и общую тенденцию спада/роста спроса (уже сделал модель предсказания спроса на основе погоды и сезона, она предсказывает сильно лучше модели обычного временного ряда. Значит можем предсказать спрос по погоде и сезону заранее) "+-" Алгоритм работает на текущих коэффициентах цены, а не создает их с нуля (+ мы не отпугнем сильным изменением цены - мы не найдем самые оптимальные цены быстро) --- ## 4.Сравнение с существующим алгоритмом Ниже представлены результаты работы модели в среднем с 15.08.22 по 03.09.22 по будням и сравнение с аналогичными текущими ценами. ---- В центре днем модель рекомендует ту же цену, а вечером и ночью - агрессивное повышение. Синяя линия - предсказание модели, красные точки - текущая цена.  ---- В Зеленограде модель советует сильнее понижать цену. Синяя линия - предсказание модели, красные точки - текущая цена  ---- Пример работы алгоритма в нестабильных аэропортах. Синяя линия - предсказание модели, красные точки - текущая цена  ---- Средневзвешенное изменение цены по времени суток. Зеленая линия - модель. Красная - текущие цены  ---- К примеру Восток почти не изменится в цене  --- ## 5.Дизайн промышленного решения - Это решение не сложно встраивается в прод - Оно не занимает много ресурсов ---- - Вариант работы в проде: - замена текущей таблицы полностью - замена текущей таблицы в определенные моменты времени (нужно менять флоу и при условии не очень сильного изменения цены я не думаю, что так стоит делать) - Есть риск того, что модель выдаст пустую таблицу, для подстраховки используем старую таблицу. ----