8月17日北京消息，國際頂級(jí)數(shù)據(jù)挖掘會(huì)議KDD2016日前在美國舊金山開幕，包括Google、Facebook、微軟、Amazon、阿里巴巴、騰訊、百度及滴滴出行等在內(nèi)的科技公司參加了本次會(huì)議，滴滴研究院副院長葉杰平在該會(huì)議上發(fā)表了如何利用大數(shù)據(jù)進(jìn)行智能調(diào)度和供需預(yù)測(cè)的演講。
滴滴研究院副院長葉杰平在KDD演講
問題與挑戰(zhàn)
葉杰平：“滴滴最大資產(chǎn)是每天產(chǎn)生的大量出行大數(shù)據(jù)，我們每日處理超過70TB數(shù)據(jù)，90億次路徑規(guī)劃請(qǐng)求，90億次地圖定位90億次地圖定位以及10億次派單，這還是我們收購Uber中國之前的數(shù)據(jù)。對(duì)我們來說，如何利用總量如此龐大的交通出行數(shù)據(jù)是個(gè)重大挑戰(zhàn)。”
挑戰(zhàn)1：等待時(shí)間長——訂單量巨大
葉杰平：“滴滴出行成立于2012年，目前提供出租車、專車、快車、順風(fēng)車等業(yè)務(wù)，我們?nèi)ツ晖瓿闪?4.3億次出行訂單，差不多是美國2015年全部出租車訂單的兩倍。2016年3月，我們實(shí)現(xiàn)了新的里程碑，即日出行訂單量超過1000萬，相當(dāng)于美國單日分享出行訂單總量的5到6倍。”
挑戰(zhàn)2：交通擁堵——車輛密度高
葉杰平：“交通擁堵是一個(gè)大問題，中國也不例外，全球車輛密度最高的十個(gè)城市，前8個(gè)來自中國，后面緊隨東京和紐約。”
挑戰(zhàn)3：打車難——供需不平衡
葉杰平：“人們可能很難在高峰時(shí)段打到車，這就是供需不平衡導(dǎo)致的。”
基于人工智能的解決之道
葉杰平：“我們用機(jī)器學(xué)習(xí)模型從海量的出行數(shù)據(jù)中尋找規(guī)律。最核心是找到解決ETA問題最有效的機(jī)器學(xué)習(xí)模型以及特征挖掘，剛開始為ETA建模的時(shí)候我們花了很多時(shí)間去找特征，現(xiàn)在我們準(zhǔn)備不斷優(yōu)化我們的模型，將預(yù)估的精度不斷提高，更好的服務(wù)用戶。”
滴滴出行是國內(nèi)第一家把機(jī)器學(xué)習(xí)成功應(yīng)用到ETA的公司，這是解決“訂單高效匹配”和“司機(jī)運(yùn)力調(diào)度”的關(guān)鍵技術(shù)。
智能派單
智能派單是滴滴運(yùn)營的核心技術(shù)之一，葉杰平表示：“每一秒，我們都要匹配成千上萬的乘客和司機(jī)。乘客和司機(jī)之間的距離或車程時(shí)間是衡量派單質(zhì)量的主要指標(biāo)。我們需要用到兩項(xiàng)關(guān)鍵的地圖技術(shù)，即路徑規(guī)劃劃和ETA（預(yù)估任意起終點(diǎn)所需的行駛時(shí)間），來完成派單。”
如何實(shí)現(xiàn)智能派單
傳統(tǒng)方法一般通過路況和每段路的平均速度計(jì)算出時(shí)間，然后加上可能的等待時(shí)間，得到整體所需時(shí)間，而滴滴則是利用機(jī)器學(xué)習(xí)來計(jì)算時(shí)間，大幅提升了用戶體驗(yàn)。根據(jù)這一技術(shù)，目前滴滴出行平臺(tái)上已經(jīng)可以實(shí)時(shí)更新所剩余的距離以及到達(dá)終點(diǎn)的時(shí)間。
供需預(yù)測(cè)
對(duì)于供需不平衡的問題，葉杰平表示：“可能更好的解決方案是對(duì)供需情況進(jìn)行預(yù)測(cè)，以便提前對(duì)司機(jī)進(jìn)行智能調(diào)度，比如我們預(yù)測(cè)到某個(gè)區(qū)域?qū)?huì)有很大供需不平衡，我們將會(huì)派司機(jī)到這一區(qū)域，避免用戶乘車需求無法滿足。實(shí)現(xiàn)供需預(yù)測(cè)將帶來三大好處，供需得到平衡、乘客用車體驗(yàn)提升，以及司機(jī)收入增加。”
智能調(diào)度
邏輯上是為每個(gè)司機(jī)建立畫像， 包括其接單習(xí)慣，接單區(qū)域，把合適的訂單最快匹配到司機(jī)手里去，保證司機(jī)和用戶都找到自己喜歡、適合的服務(wù)。
如何實(shí)現(xiàn)智能調(diào)度
本次KDD會(huì)議上，葉杰平還透露公司正在研發(fā)一款名為“九霄”的可視化系統(tǒng)Duse-eye，“該系統(tǒng)可以呈現(xiàn)過去發(fā)生了什么以及正在發(fā)生什么，比如告訴我們哪里有交通擁堵以及當(dāng)前的供需情況等。”
智能拼車方案
針對(duì)打車難的另一種解決辦法是拼車，葉杰平表示可以通過機(jī)器學(xué)習(xí)來智能優(yōu)化拼車方案，他提到：“拼車降低了人們的出行成本和汽車燃油成本，但關(guān)鍵問題是，需要將所有乘客多耗費(fèi)的時(shí)間最小化。很明顯，乘客之間的路線越相似，多出的時(shí)間就越少。此外，如何進(jìn)行拼車定價(jià)也是個(gè)問題，關(guān)鍵是計(jì)算每單的預(yù)期利潤，如果預(yù)期利潤很高，我們將給予較高的折扣。這實(shí)際上也是個(gè)機(jī)器學(xué)習(xí)的問題。”
滴滴的雄心
滴滴研究院是滴滴出行全新的創(chuàng)新性研究機(jī)構(gòu)，也是滴滴出行的“大腦”。未來一切有助于提高移動(dòng)出行效率的技術(shù)創(chuàng)新，都將在這里孵化出來。
目前，滴滴研究院的研究方向包括：機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、人工智能、數(shù)據(jù)挖掘、最優(yōu)化理論、分布式計(jì)算等。滴滴研究院與業(yè)務(wù)線緊密結(jié)合，每一項(xiàng)研究成果都能以最快的速度應(yīng)用到相應(yīng)的產(chǎn)品上，給千萬用戶帶去便捷。
合并Uber中國，網(wǎng)約車合法，滴滴出行在解決市場(chǎng)競爭和營運(yùn)問題后，正準(zhǔn)備用技術(shù)突破繼續(xù)領(lǐng)跑出行領(lǐng)域，滴滴研究院正是其積極布局人工智能的產(chǎn)物。在未來的DT時(shí)代，趕上人工智能浪潮的滴滴出行，一定大有可為。
核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
本文標(biāo)題：滴滴出行：如何利用大數(shù)據(jù)進(jìn)行智能調(diào)度和供需預(yù)測(cè)
相關(guān)文章
