智慧旅游的发展为旅游业带来了深刻的变化， 为更好的提升旅游业的整体服务， 国家旅游 局提出全域旅游的概念， 旨在构建一站式（管理、服务、营销）全域旅游生态圈。 与此同 时， 随着智能手机和4G网络的普及， 运营商积累了来自用户的海量数据， 比如漫游、位置 信令等。
本赛题以中国移动浙江公司用户数据为基础， 而参赛队伍则需要通过大数据和算法构建用户省内游 出行意向和类型的预测模型， 其中出行类型要求细化到具体的景区、餐饮、购物的偏好预 测， 希望参赛队伍能够挖掘数据背后丰富的内涵， 通过模型预测， 让用户能获得精准的旅 游产品推荐， 同时帮助提高旅游管理和服务的质量。
本赛题除了可使用公共数据集外，还提供用户轨迹和出行行为数据。
轨迹数据，表名为DataTech_Travel_Train_Trail，包括如下字段：
| user_id | 用户标识 | 抽样&字段脱敏 |
| IN_TIME | 进入时间 | 粒度到分钟 |
| OUT_TIME | 离开时间 | 粒度到分钟 |
| LONGITUDE | 经度（百度） | 字段脱敏，保留小数点后3位 |
| LATITUDE | 纬度（百度） | 字段脱敏，保留小数点后3位 |
| poi_name | POI位置原始分类 | |
| poi_cls1 | POI位置一级分类 | |
| poi_cls2 | POI位置二级分类 | |
| poi_cls3 | POI位置三级分类 |
用户出行行为数据，表名为DataTech_Travel_Train_User，包括如下字段：
| user_id | 用户标识 | 抽样&字段脱敏 |
| in_pro | 省内游出行意向 | 0：无出行意向； 1：有出行意向 |
| in_jq | 省内景区 | 当in_pro=1，须进一步判断该2个字段中，仅有其中一个为1，其余为0 |
| in_cy | 省内餐饮、购物 |
本赛题提供一定量的用户在一个月时间之内的轨迹数据（5.28~6.28），以及未来10天（6.29~7.8）的出行行为数据。
公共数据集提供用户4个月的基础信息，以及在一个月时间之内（5.28~6.28）的通话、轨迹和上网行为数据。
选手从数据中自行组成特征和数据格式，自由组合训练测试数据比例。
2017-6-29到2017-7-8日用户的省内游出行意向和类型。
为保护用户的隐私和数据安全，所有数据均已进行了采样和脱敏。
数据中部分列存在空值或NULL，请参赛者自行处理。
参赛者完成对用户省内游出行意向和出行类型预测之后，需要将结果放入指定格式的数据表（非分区表）中，要求结果表名为：DataTech_Travel_Predict，格式同DataTech_Travel_Train_User，要求去除重复。
初赛阶段提供7000个用户的完整行为数据。
决赛阶段提供20万用户的完整行为数据。
本赛题目标是预测用户省内游出行意向和类型，将使用中国移动浙江公司用户历史出行数据作为评估测试数据，采用经典的精确度(precision)、召回率(recall)和F1值作为评估指标。具体计算公式如下：
其中PredictionSet为算法预测的出行行为，ReferenceSet为真实的出行行为。我们以F1值作为最终的唯一评测标准。
