4. 特征工程（时空特征）：提取出发时间特征、路径距离与路况等级、地理围栏与POI密度

在ETA预测模型中，原始数据（如订单时间、GPS轨迹点）无法直接用于回归或树模型。特征工程的目标是将这些原始信息转化为模型可理解的数值化、结构化特征。本章聚焦于三大核心时空特征组：时间特征、路径特征与地理上下文特征。

4.1 出发时间特征：小时、星期与节假日

出发时间直接影响交通流量的周期性波动。我们提取以下三个维度的特征：

4.2 路径距离与路况等级

路径距离是ETA的基础线性因子，而路况等级则反映非线性的拥堵延迟。我们构建以下特征：

• 规划距离（km）：基于高德/百度地图API返回的最短路径距离，直接作为数值特征。
• 路况等级（0-4）：将实时路况编码为有序分类特征：
  • 0 = 畅通（平均速度 > 40 km/h）
  • 1 = 缓行（30-40 km/h）
  • 2 = 拥堵（20-30 km/h）
  • 3 = 严重拥堵（10-20 km/h）
  • 4 = 瘫痪（< 10 km/h）
• 红绿灯数量：路径途径的红绿灯路口总数，影响停车等待时间。
• 路径曲折系数：规划距离 / 起终点直线距离，反映绕路程度。

4.3 地理围栏与POI密度特征

地理围栏（Geo-fence）用于识别起终点是否位于特殊区域（如商圈、学校、工业区），POI密度则量化区域的功能聚集程度。这些特征帮助模型理解“为什么相同距离下某些区域耗时更长”。

4.3.1 地理围栏编码

我们预先在城市地图上划定若干类围栏区域，并为每个起终点生成二进制标志：

• 是否在核心商圈（如CBD、步行街）
• 是否在学校/医院周边（上下学/就诊高峰）
• 是否在交通枢纽（火车站、机场、长途客运站）
• 是否在工业/物流园区（货车限行或集中通行区域）

4.3.2 POI密度特征

以起终点为中心，统计半径500米内的各类POI数量：

4.4 特征工程代码实现（Python片段）

以下代码展示如何将原始订单数据转化为上述时空特征：

import pandas as pd
import numpy as np
from datetime import datetime

def extract_time_features(df, time_col='departure_time'):
    """提取出发时间特征"""
    df['departure_hour'] = df[time_col].dt.hour
    df['departure_weekday'] = df[time_col].dt.weekday
    df['is_weekend'] = (df['departure_weekday'] >= 5).astype(int)
    # 高峰时段标志
    df['is_peak_hour'] = ((df['departure_hour'] >= 7) & (df['departure_hour'] <= 9) |
                          (df['departure_hour'] >= 17) & (df['departure_hour'] <= 19)).astype(int)
    # 循环特征编码
    df['hour_sin'] = np.sin(2 * np.pi * df['departure_hour'] / 24)
    df['hour_cos'] = np.cos(2 * np.pi * df['departure_hour'] / 24)
    return df

def extract_geo_features(df, geo_api_func):
    """调用地图API获取路径距离与路况等级"""
    df['route_distance_km'] = df.apply(lambda row: geo_api_func(
        row['start_lng'], row['start_lat'],
        row['end_lng'], row['end_lat']
    )['distance'], axis=1)
    df['traffic_level'] = df.apply(lambda row: geo_api_func(
        row['start_lng'], row['start_lat'],
        row['end_lng'], row['end_lat']
    )['traffic_rating'], axis=1)
    return df

def extract_poi_density(df, poi_db, radius=500):
    """基于POI数据库计算密度特征"""
    poi_types = ['commercial', 'residential', 'office', 'parking', 'transit']
    for poi_type in poi_types:
        df[f'poi_{poi_type}_density'] = df.apply(
            lambda row: poi_db.query_count(
                row['start_lng'], row['start_lat'], poi_type, radius
            ), axis=1
        )
    return df