雷鋒網(wǎng)按：葉杰平，男，美國明尼蘇達大學(xué)博士，現(xiàn)任滴滴研究院副院長。美國密歇根大學(xué)的終身教授，密歇根大學(xué)大數(shù)據(jù)研究中心管理委員會成員。葉杰平是機器學(xué)習(xí)領(lǐng)域國際領(lǐng)軍人物，主要從事機器學(xué)習(xí)、數(shù)據(jù)挖掘和大數(shù)據(jù)分析領(lǐng)域的研究，尤其在大規(guī)模稀疏模型學(xué)習(xí)中處于國際領(lǐng)先地位。

滴滴研究院副院長葉杰平在KDD演講

8月17日北京消息，國際頂級數(shù)據(jù)挖掘會議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議，滴滴研究院副院長葉杰平在該會議上發(fā)表了如何利用大數(shù)據(jù)進行智能調(diào)度和供需預(yù)測的演講。

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)是個重大挑戰(zhàn)?！?/p>

挑戰(zhàn)1：等待時間長——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?！?/p>

挑戰(zhàn)2：交通擁堵——車輛密度高

葉杰平：“交通擁堵是一個大問題，中國也不例外，全球車輛密度最高的十個城市，前8個來自中國，后面緊隨東京和紐約?！?/p>

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段打到車，這就是供需不平衡導(dǎo)致的?！?/p>

基于人工智能的解決之道

葉杰平：“我們用機器學(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問題最有效的機器學(xué)習(xí)模型以及特征挖掘，剛開始為ETA建模的時候我們花了很多時間去找特征，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?！?/p>

滴滴出行是國內(nèi)第一家把機器學(xué)習(xí)成功應(yīng)用到ETA的公司，這是解決“訂單高效匹配”和“司機運力調(diào)度”的關(guān)鍵技術(shù)。

智能派單

智能派單是滴滴運營的核心技術(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。乘客和司機之間的距離或車程時間是衡量派單質(zhì)量的主要指標(biāo)。我們需要用到兩項關(guān)鍵的地圖技術(shù)，即路徑規(guī)劃劃和ETA（預(yù)估任意起終點所需的行駛時間），來完成派單?！?/p>

如何實現(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算出時間，然后加上可能的等待時間，得到整體所需時間，而滴滴則是利用機器學(xué)習(xí)來計算時間，大幅提升了用戶體驗。根據(jù)這一技術(shù)，目前滴滴出行平臺上已經(jīng)可以實時更新所剩余的距離以及到達終點的時間。

供需預(yù)測

對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供需情況進行預(yù)測，以便提前對司機進行智能調(diào)度，比如我們預(yù)測到某個區(qū)域?qū)泻艽蠊┬璨黄胶猓覀儗伤緳C到這一區(qū)域，避免用戶乘車需求無法滿足。實現(xiàn)供需預(yù)測將帶來三大好處，供需得到平衡、乘客用車體驗提升，以及司機收入增加?！?/p>

智能調(diào)度

邏輯上是為每個司機建立畫像， 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手里去，保證司機和用戶都找到自己喜歡、適合的服務(wù)。

如何實現(xiàn)智能調(diào)度

本次KDD會議上，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?！?/p>

智能拼車方案

針對打車難的另一種解決辦法是拼車，葉杰平表示可以通過機器學(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的時間最小化。很明顯，乘客之間的路線越相似，多出的時間就越少。此外，如何進行拼車定價也是個問題，關(guān)鍵是計算每單的預(yù)期利潤，如果預(yù)期利潤很高，我們將給予較高的折扣。這實際上也是個機器學(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)新性研究機構(gòu)，也是滴滴出行的“大腦”。未來一切有助于提高移動出行效率的技術(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：機器學(xué)習(xí)、計算機視覺、人工智能、數(shù)據(jù)挖掘、最優(yōu)化理論、分布式計算等。滴滴研究院與業(yè)務(wù)線緊密結(jié)合，每一項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競爭和營運問題后，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時代，趕上人工智能浪潮的滴滴出行，一定大有可為。

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。