雷鋒網(wǎng) AI 科技評(píng)論按：本周末，每年一度的數(shù)據(jù)挖掘的頂級(jí)會(huì)議ACM SIGKDD在加拿大新斯科舍省省會(huì)哈利法克斯拉開(kāi)了序幕，整個(gè)會(huì)議13號(hào)到17號(hào)，持續(xù)5天。在異國(guó)他鄉(xiāng)的頂尖國(guó)際會(huì)議上，雷鋒網(wǎng)AI科技評(píng)論發(fā)現(xiàn)，不僅在收錄論文列表里頻頻出現(xiàn)中國(guó)人的名字，甚至連贊助商都有一系列的中國(guó)公司位列前排，其中“滴滴出行”則以鉆石贊助商的身份排在首要位置。這就引起了我們對(duì)滴滴在此次會(huì)議中活動(dòng)的特別注意。

通過(guò)查找，雷鋒網(wǎng)發(fā)現(xiàn)滴滴在這次大會(huì)中共有4個(gè)活動(dòng):

• 14日下午13:30-14:20，在“城市計(jì)算”研討會(huì)中，滴滴副總裁、滴滴出行研究院副院長(zhǎng)葉杰平將做一個(gè)關(guān)于“滴滴出行中的大數(shù)據(jù)”的受邀報(bào)告。

• 14日晚上19:00-22:00，論文報(bào)告“A Taxi Order Dispatch Model based On Combinatorial Optimization”。

• 15日中午12:30-13:30，滴滴在會(huì)展展位將會(huì)開(kāi)啟一場(chǎng)精彩對(duì)話(huà)。

• 15日下午13:30-17:00，滴滴副總裁葉杰平也將在中國(guó)專(zhuān)場(chǎng)做一次報(bào)告。

關(guān)注點(diǎn)一： 滴滴出行中的大數(shù)據(jù)

目前滴滴平臺(tái)擁有4億用戶(hù)，日訂單量超過(guò)2000萬(wàn)。在中國(guó)滴滴現(xiàn)在每天新增數(shù)據(jù)量有70TB+，每日處理數(shù)據(jù)4500TB，每日路徑規(guī)劃超200億次。所以滴滴平臺(tái)的大數(shù)據(jù)是毋庸置疑。滴滴如何把實(shí)時(shí)的交通信息整合在一塊，通過(guò)背后龐大復(fù)雜的算法和計(jì)算平臺(tái)做到實(shí)時(shí)、智能的決策，這將是非常值得關(guān)注的。通過(guò)葉杰平在之前的一些演講，我們可以發(fā)現(xiàn)人工智能、機(jī)器學(xué)習(xí)算法在滴滴出行的大數(shù)據(jù)處理中占據(jù)著極為重要的地位。據(jù)了解，最近滴滴更新了一版深度學(xué)習(xí)，其效果如何或許將在這次會(huì)議中對(duì)外揭曉。

關(guān)注點(diǎn)二：論文報(bào)告

作為其研究成果的論文報(bào)告也是非常值得關(guān)注的。在KDD官網(wǎng)上這篇論文《A Taxi Order Dispatch Model based On Combinatorial Optimization》的摘要如下：

出租車(chē)的應(yīng)用程序在世界各地非常受歡迎，因?yàn)樗鼈優(yōu)橛脩?hù)提供了快速的響應(yīng)時(shí)間和便利性。出租車(chē)預(yù)訂應(yīng)用程序的關(guān)鍵組成部分是調(diào)度系統(tǒng)，該系統(tǒng)旨在提供駕駛員和車(chē)手之間的最佳匹配。傳統(tǒng)的調(diào)度系統(tǒng)依次向乘客派出出租車(chē)，其目的是最大化每個(gè)獨(dú)立訂單的司機(jī)接受率。但這種調(diào)度系統(tǒng)不能保證全局的成功率，這就會(huì)降低用戶(hù)在使用應(yīng)用程序時(shí)的體驗(yàn)。在本文中，我們提出了一個(gè)新的調(diào)度系統(tǒng)來(lái)優(yōu)化多個(gè)訂單下的出租車(chē)調(diào)度。這個(gè)系統(tǒng)旨在最大化全局調(diào)度的成功率，從而優(yōu)化整體的交通效率，給用戶(hù)帶來(lái)更好的體驗(yàn)。為了進(jìn)一步提升用戶(hù)體驗(yàn)，我們還提出了一種在開(kāi)啟出租車(chē)預(yù)約APP時(shí)預(yù)測(cè)用戶(hù)目的地的方法。這種方法使用了貝葉斯結(jié)構(gòu)來(lái)根據(jù)他/她的旅行歷史來(lái)對(duì)用戶(hù)的目的地的分布進(jìn)行建模。

我們使用A/B測(cè)試比較了我們新的出租車(chē)調(diào)度方法與從北京收集的數(shù)據(jù)建立的最先進(jìn)的模型。實(shí)驗(yàn)結(jié)果表明，該方法在全局成功率（從80%增加到84%）方面優(yōu)于其他最先進(jìn)的模型。此外我們還對(duì)其他指標(biāo)（如用戶(hù)的等待時(shí)間和接收距離）進(jìn)行了顯著改善。我們將表明，我們的目標(biāo)預(yù)測(cè)算法優(yōu)于基于KNN方法的基準(zhǔn)模型，與精度排名前三的模型相比，我們的精度提升了89% - 93%。這種新的出租車(chē)調(diào)度和目的地預(yù)測(cè)算法已經(jīng)部署在我們的在線(xiàn)系統(tǒng)中，每天為數(shù)千萬(wàn)用戶(hù)服務(wù)。

論文下載：A Taxi Order Dispatch Model based On Combinatorial Optimization

關(guān)注點(diǎn)三：合作論文

此外，還有一篇入選論文《The Simpler The Better: A Unified Approach to Predicting Original Taxi Demands based on Large-Scale Online Platforms》，雖然不在滴滴的活動(dòng)列表中，但有滴滴副總裁葉杰平和Jie Wang的參與研究（其他研究者還有北航的Yongxin Tong, 第四范式的陳雨強(qiáng)，蘇黎世聯(lián)邦理工的Zimu Zhou，香港科大的陳雷和楊強(qiáng)）。摘要如下：

Author(s): Yongxin Tong (Beihang University);Yuqiang Chen (4Paradigm Inc.);Zimu Zhou (ETH Zurich);Lei Chen (Hong Kong University of Science and Technology);Jie Wang (Didi Research);Qiang Yang (Hong Kong University of Science and Technology);Jieping Ye (Didi Research)

出租車(chē)應(yīng)用程序現(xiàn)在越來(lái)越受歡迎，因?yàn)樗鼈兡苡行У貫橛行枰某丝团汕部臻e的出租車(chē)。為了更精確地平衡出租車(chē)的供應(yīng)和需求，在線(xiàn)出租車(chē)平臺(tái)必須預(yù)測(cè)單元出租車(chē)需求（UOTD），也即單位時(shí)間（例如每小時(shí)）、單位面積（例如每POI）發(fā)起的出租車(chē)需求數(shù)。UOTD的預(yù)測(cè)對(duì)于大型在線(xiàn)出租車(chē)平臺(tái)來(lái)說(shuō)是沒(méi)有意義的，因?yàn)閷?duì)它們來(lái)說(shuō)精確性和靈活性是至關(guān)重要的。復(fù)雜的非線(xiàn)性模型（如GBRT和深度學(xué)習(xí)）通常是精確的，但在情景變化（例如新的規(guī)定導(dǎo)致的額外限制）后就需要大量的工作來(lái)重新設(shè)計(jì)模型了。為了精確地預(yù)測(cè)UOTD，同時(shí)保持靈活的情景變化，我們提出了LinUOTD，這是一個(gè)具有超過(guò)200萬(wàn)維特征的統(tǒng)一線(xiàn)性回歸模型。這個(gè)簡(jiǎn)單的模型結(jié)構(gòu)消除了模型重設(shè)計(jì)的需要，而且高維特征有助于精確地預(yù)測(cè)UOTD。此外，我們?cè)O(shè)計(jì)了一系列優(yōu)化技術(shù)用于高效的模型訓(xùn)練和更新。我們使用了兩個(gè)來(lái)自在線(xiàn)出租車(chē)平臺(tái)的大型數(shù)據(jù)集進(jìn)行的評(píng)估證明了LinUOTD在精確性方面優(yōu)于流行的非線(xiàn)性模型。我們認(rèn)為我們?cè)赨OTD預(yù)測(cè)中使用地高維特征的簡(jiǎn)單的線(xiàn)性模型可以作為一個(gè)試點(diǎn)研究，它可以應(yīng)用到深入了解其他工業(yè)大規(guī)模時(shí)空預(yù)測(cè)的問(wèn)題當(dāng)中。

論文下載：The Simpler The Better: A Unified Approach to Predicting Original Taxi Demands based on Large-Scale Online Platforms

2015年5月，滴滴正式成立機(jī)器學(xué)習(xí)研究院，將機(jī)器學(xué)習(xí)大規(guī)模應(yīng)用在出行領(lǐng)域；2016年4月，滴滴機(jī)器學(xué)習(xí)研究院升級(jí)為滴滴研究院, 目前其研究項(xiàng)目包括ETA、動(dòng)態(tài)調(diào)價(jià)、智能分單、拼車(chē)、供需預(yù)測(cè)、運(yùn)力調(diào)度、熱力圖等核心項(xiàng)目，研究方向則包括機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、人工智能、數(shù)據(jù)挖掘、最優(yōu)化理論、分布式計(jì)算等。在今年3月滴滴出行又宣布在美國(guó)加州硅谷成立滴滴美國(guó)研究院，把挖人的觸角直接伸到了美國(guó)硅谷。從2012年的微不足道，短短五年已至如此，其成長(zhǎng)不可謂不迅猛。

SIGKDD 2017大會(huì)將有更多精彩呈現(xiàn)，雷鋒網(wǎng)AI科技評(píng)論將從一線(xiàn)帶來(lái)精彩報(bào)道及內(nèi)容。

相關(guān)文章：

KDD 2017在即，Keynote內(nèi)容搶先看｜KDD 2017

KDD 2017現(xiàn)場(chǎng)探營(yíng)：務(wù)實(shí)、豐富，數(shù)據(jù)大爆炸的盛會(huì)即將開(kāi)啟 | KDD 2017

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。