雷鋒網(wǎng) AI 科技評論按，2018 滴滴科技開放日上，滴滴產(chǎn)品技術(shù)管理團(tuán)隊與高校學(xué)生、專業(yè)技術(shù)人員展開面對面交流，詳細(xì)介紹了滴滴在大數(shù)據(jù)、人工智能領(lǐng)域的最新科技成果，重點(diǎn)分享了滴滴在智能派單、地圖、拼車、供需預(yù)測、智能客服、語音識別等領(lǐng)域的實(shí)踐經(jīng)驗。憑借此次活動，滴滴在雷鋒網(wǎng)旗下學(xué)術(shù)頻道 AI 科技評論數(shù)據(jù)庫產(chǎn)品「AI 影響因子」上有相應(yīng)加分。

活動現(xiàn)場，滴滴 CTO 張博、滴滴智能出行部負(fù)責(zé)人郄小虎、滴滴 AI Lab 負(fù)責(zé)人葉杰平教授分別上臺發(fā)言，從未來展望、數(shù)據(jù)智能和 AI 創(chuàng)新三方面分享了滴滴的實(shí)踐經(jīng)驗。值得一提的是，活動也邀請到德國著名機(jī)器人學(xué)家、德國最高科研獎“萊布尼茨獎”得主、IEEE（電氣和電子工程師協(xié)會）機(jī)器人與自動化學(xué)會主席 Wolfram Burgar，他分享了其團(tuán)隊在高精度定位、地圖構(gòu)建、探測及分類、自動導(dǎo)航等方面的試驗和探索。

活動現(xiàn)場，除了精彩的發(fā)言，滴滴還宣布成立 AI for Social Good 共創(chuàng)平臺，主要關(guān)注環(huán)境、安全與健康、科技無障礙三大領(lǐng)域方向。滴滴表示，將充分發(fā)揮自身在大數(shù)據(jù)、人工智能、云計算等領(lǐng)域的優(yōu)勢，開放合作，通過整合學(xué)術(shù)、技術(shù)、資金等資源，攜手合作伙伴共同發(fā)現(xiàn)、定義問題，并為相應(yīng)主題研究課題的落地實(shí)踐提供全方位、多元化支持。

AI for Transportation

滴滴出行 CTO 張博在開場演講中指出，過去二十年，互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的發(fā)展基本上解決了信息的流動問題，而滴滴希望解決的是物理世界人和物體的流動問題，滴滴在未來的想法是 AI for Transportation。

在張博看來，滴滴在未來對交通系統(tǒng)的優(yōu)化分三層結(jié)構(gòu)：

最下面一層是交通基礎(chǔ)設(shè)施，這里包括智慧紅路燈、高清度攝像頭等；中間一層是車輛交通工具本身的變革，滴滴正在合作建設(shè)充換電站體系，也在加大力度研發(fā)快速充換電站，智能化、新能源化將是趨勢；最上層則是共享出行網(wǎng)絡(luò)，張博表示，未來會有越來越多的人選擇共享出行。

他提到，滴滴希望給城市規(guī)劃部門做一個模擬系統(tǒng)，比如規(guī)劃修地鐵、修公路時，可以先事先模擬，這樣的設(shè)備會讓人們的出行變得更好。他也表示，滴滴現(xiàn)在正加大力度做拼車，他們希望把共享單位從汽車降為座位。他重點(diǎn)強(qiáng)調(diào)到，現(xiàn)在要想解決道路擁堵問題，沒有什么比拼車更高效的方式。

滴滴 AI Lab 負(fù)責(zé)人葉杰平教授詳解了滴滴 AI 的三層布局，重點(diǎn)展示了滴滴在智能客服和語音領(lǐng)域的新進(jìn)展。

他們利用用戶在對話中輸入的文本信息，這里包括現(xiàn)在和過去的信息，此外還利用用戶的特征、最近訂單的特征來建立深度學(xué)習(xí)模型進(jìn)行預(yù)測，定位用戶潛在的問題。他表示，最近他們也開發(fā)了基于知識圖譜的多輪對話。

他也進(jìn)一步表示，雖然目前語音客服還不能取代人工客服，但在語音輔助這個環(huán)節(jié)，語音的潛力非常大。基于滴滴的語音技術(shù)，他們最近開發(fā)了一套語音交互系統(tǒng)，通過這一交互系統(tǒng)，用戶可以通過語音與系統(tǒng)進(jìn)行交互，實(shí)現(xiàn)多種功能，例如收聽音樂，查詢航班信息，查找最近的加油站、充電站等等。

他說道，未來這一套智能語音交互系統(tǒng)會讓出行更加智能、更加安全、更加便捷。

滴滴背后的大數(shù)據(jù)智能

除了張博和葉杰平所分享的內(nèi)容，滴滴智能出行部負(fù)責(zé)人、滴滴出行副總裁郄小虎以《出行交易中的大數(shù)據(jù)智能》為題，向現(xiàn)場觀眾介紹了滴滴出行交易中的大數(shù)據(jù)智能。

他表示，滴滴有超過 5 億 5 千萬乘客，有超過 3000 萬司機(jī)，在這樣一個龐大的出行交易平臺上，從用戶打開滴滴 App 的那一刻，滴滴的大數(shù)據(jù)技術(shù)就開始在背后幫助用戶打造美好的出行體驗。

他詳細(xì)描述了滴滴如何為乘客推薦上車點(diǎn)，如何進(jìn)行路徑規(guī)劃，如何預(yù)估到達(dá)時間等等。他表示，當(dāng)需求比較緊張的時候，他們還為用戶提供拼車選擇，解決運(yùn)力短缺問題，這其中涉及到多目標(biāo)、多模式的優(yōu)化。以下為雷鋒網(wǎng) AI 科技評論對這些技術(shù)的整理總結(jié)。

基于大數(shù)據(jù)打造美好出行體驗

首先用戶需要表達(dá)出行需求，比如需要去哪里，需要在哪里上車。之后滴滴會根據(jù)用戶的出行需求，為用戶選擇一位最優(yōu)的司機(jī)接駕。在之后的行程中，滴滴還會對司機(jī)進(jìn)行路徑規(guī)劃，找到一條最優(yōu)的路線，用最安全、最便捷的方式，把用戶送到目的地。

為了完成這樣一單，背后需要很多大數(shù)據(jù)的技術(shù)，包括如何推薦上車點(diǎn)，如何進(jìn)行路徑規(guī)劃，如何預(yù)估到達(dá)時間等等。當(dāng)需求比較緊張的時候，還需要為用戶提供拼車選擇，把多個不同的乘客拼在一起。 

先從行程開始，滴滴要為用戶推薦一個上車點(diǎn)，這是在實(shí)際出行中很令大家頭疼的一個問題。很多時候因為司機(jī)把車停在了一個很難停車，或者不能停車的地方，如果乘客晚到了幾分鐘，司機(jī)就要繞一大圈，或者調(diào)幾個頭，很多時候會造成行程沒有辦法完成，這會導(dǎo)致用戶體驗非常差。但是現(xiàn)在業(yè)界并沒有一個能解決這個問題的成熟辦法，目前已有的地圖服務(wù)不能告訴我們哪里是一個好的上車點(diǎn)。

為了解決這一問題，在滴滴的平臺上大量采用了計算機(jī)視覺技術(shù)，來分析現(xiàn)實(shí)世界中獲取的圖象信息。滴滴目前的技術(shù)可以識別圖象的交規(guī)信息，如路面上的劃線，是不是公交車站，以及路面上有沒有隔離的樁，通過這些信息可以判斷這個地點(diǎn)是不是適合停車。

在現(xiàn)實(shí)世界中這種交規(guī)和道路信息是瞬息萬變的，如何能夠及時采集這些信息，這對推薦上車點(diǎn)有非常重大的影響。滴滴平臺的優(yōu)勢，是其在每一個城市都有大量的軌跡數(shù)據(jù)。因為滴滴有很大的覆蓋度，所以可以通過大數(shù)據(jù)挖掘的方式，及時監(jiān)測到交規(guī)的變化，這樣可以做到接近實(shí)時的交通數(shù)據(jù)的更新，能夠保證為用戶推薦的上車點(diǎn)是一個最合理的上車點(diǎn)。

推薦上車點(diǎn)只是第一步，那么下一步乘客如何能夠找到這個上車點(diǎn)？在現(xiàn)實(shí)生活中，如果是在機(jī)場、車站、非常復(fù)雜的室內(nèi)場景，經(jīng)常會遇到很多尷尬的情況，這時候乘客需要像穿越迷宮一樣才能找到上車點(diǎn)，很多時候也會造成很多困難。為了解決這一問題，滴滴正在準(zhǔn)備推出一個基于 AR 技術(shù)的步行導(dǎo)航，能夠引導(dǎo)乘客在復(fù)雜的環(huán)境下順利到達(dá)上車點(diǎn)。

通過視覺定位以及 3D 視覺建模的能力，可以保證定位的精度控制在 1 米之內(nèi)，這一精度遠(yuǎn)遠(yuǎn)優(yōu)于現(xiàn)在的所有定位技術(shù)。WiFi、藍(lán)牙、超寬帶以及 GPS 等在這樣的場景下應(yīng)該都比較差，滴滴即將推出的方案遠(yuǎn)遠(yuǎn)優(yōu)于現(xiàn)在所有的解決方案。他們近期會在北京的一些場站內(nèi)開啟實(shí)景導(dǎo)航服務(wù)，大家如果感興趣，可以進(jìn)行體驗。

滴滴為乘客選擇了上車點(diǎn)之后，下一步需要為這個乘客選擇司機(jī)。如何在海量的乘客和司機(jī)之間找到一個最佳匹配，這是非常有挑戰(zhàn)性的數(shù)學(xué)問題，也是一個算法問題。

首先需要考慮這一次分配是要保證乘客有最佳體驗，每位乘客都希望有一輛離他最近的車，能夠在最短的時間之內(nèi)提供接駕服務(wù)。同時，滴滴也希望司機(jī)能夠在整個行程中，給乘客提供很好的出行體驗，保證安全，而且服務(wù)達(dá)到一定的標(biāo)準(zhǔn)。

從司機(jī)的維度來看，滴滴希望通過這種分單的決策，讓司機(jī)的收入得到優(yōu)化。在供需不足的場景下，還需要把相似路線和時間的出行需求，通過拼車這樣一個產(chǎn)品方式來解決。

拼車匹配問題

拼車是一個非常復(fù)雜的匹配問題。在滴滴的出行場景里，有多條產(chǎn)品線，用戶可以叫出租車，可以叫快車、優(yōu)享，以及專車。在很多供需不匹配的情況下，如果當(dāng)前的快車線沒有司機(jī)，但是優(yōu)享是有司機(jī)接單的，這時候還需要根據(jù)供需實(shí)時變化，在不同產(chǎn)品之間進(jìn)行動態(tài)分配，以給用戶提供更多的選擇。

整體來看，這個匹配問題其實(shí)是一個多目標(biāo)、多模式的優(yōu)化問題。在這里要考慮用戶的發(fā)單請求，以及所有不同產(chǎn)品線上供給的情況，來尋求一個最佳匹配。根據(jù)供需的變化，滴滴也需要對這個算法做動態(tài)的調(diào)整。比如說在供需相對平衡的情況下，他們希望每一次分單可以在保證用戶體驗的同時，能夠優(yōu)化司機(jī)的收入。

在滴滴這樣一個出行平臺上，每一個司機(jī)、乘客，實(shí)際上對應(yīng)了在格子上的一個點(diǎn)，每一次分單的決策，等于把司機(jī)和乘客在這個時空網(wǎng)絡(luò)中從一個點(diǎn)挪到另外一個點(diǎn)。這就像下圍棋一樣，下棋的每一步會改變棋盤的狀態(tài)，未來的狀態(tài)會對之后的棋盤狀態(tài)產(chǎn)生影響。

因此，每次分單的決策不僅僅影響了當(dāng)前這一單，還會對未來一天出行網(wǎng)絡(luò)中的狀態(tài)產(chǎn)生影響。這其實(shí)是一個深度學(xué)習(xí)需要解決的問題，滴滴團(tuán)隊開發(fā)了這樣一種算法，它能夠針對一天的狀態(tài)在一個正常時空維度上進(jìn)行多目標(biāo)優(yōu)化。

在供給相對充足的情況下，滴滴會優(yōu)化用戶的體驗，盡量為乘客派一輛離他最近的車輛。

在供需非常不足的情況下，滴滴提供了排隊的解決方案。他們的系統(tǒng)會實(shí)時檢測，在哪一個區(qū)域當(dāng)前的運(yùn)力極端緊缺，這時候所有乘客的發(fā)單請求會自動進(jìn)入排隊系統(tǒng)。

下圖這幅圖顯示了北京的排隊情況，如果是紅色，表示這個地區(qū)的乘客都在排隊，運(yùn)力極端缺乏。如果是藍(lán)色，說明運(yùn)力相對充足。

當(dāng)系統(tǒng)進(jìn)入排隊情況的時候，滴滴也會通過調(diào)度的方式，讓更多的司機(jī)、更遠(yuǎn)的司機(jī)過來，滿足這些用戶的需求。他們會給乘客一些選擇，比如通過打表來接等這樣的方式，調(diào)度更遠(yuǎn)的運(yùn)力。

如果只是為一個乘客分配一輛車，還不能夠真正解決運(yùn)力短缺的問題，也不能夠充分利用現(xiàn)在的道路以及運(yùn)力資源。所以，拼車是一個非常有效的滿足更多乘客需求的方式。

如果能夠共享車輛資源，可以用更少的運(yùn)力來滿足乘客的出行體驗。這里一個核心的問題是，如何把在時間、空間、目的地相近的出行需求組合在一起。通過這樣的組合可以增加資源利用率，同時也為乘客提供一個更加便宜的出行解決方案。

拼車背后是一個更加有挑戰(zhàn)性的技術(shù)問題，這里不僅需要考慮一個司機(jī)和乘客之間的匹配，同時也要考慮多個不同的出行請求之間的相似度。在這里，一個核心問題是路徑規(guī)劃，它和傳統(tǒng)的路徑規(guī)劃有很大的區(qū)別。在傳統(tǒng)的路徑規(guī)劃當(dāng)中，重點(diǎn)考慮的是這條路徑的行駛時間，以及距離等等。但是在這里，需要考慮在這一條路徑上，可能載到下一個乘客的概率有多大。

當(dāng)系統(tǒng)判斷出有多個乘客的需求可能會被拼到一單的時候，還要決定接駕順序。比如在下圖的例子里，如果有 A、B 兩位乘客，路徑規(guī)劃應(yīng)該是先接 A，然后再接 B。先把 A 送到目的地，再送B。這只是兩個乘客的情況，3 個、4 個會有更多的排列組合。路徑的規(guī)劃和拼車算法都需要解決排隊組合和算法的問題，而且它的難度會隨著拼車的規(guī)模呈現(xiàn)指數(shù)級增長。 

預(yù)估到達(dá)時間

行程開始之后，滴滴需要為用戶提供到達(dá)時間預(yù)估。預(yù)估到達(dá)時間是一個相對在業(yè)界已經(jīng)被研究很多年的問題。業(yè)界通用的衡量預(yù)估時間的一個指標(biāo)叫做 MAPE，它是平均預(yù)估偏差。在很長一段時間之內(nèi)，這個指標(biāo)是沒有什么變化的。因為大家都是用了一種線性方式來預(yù)估到達(dá)時間。

滴滴是國內(nèi)首家通過機(jī)器學(xué)習(xí)的方式來解決預(yù)估時間問題的企業(yè)。這一技術(shù)的上線顯著降低了預(yù)估時間的偏差，提高了準(zhǔn)確率。

路徑規(guī)劃是一個傳統(tǒng)的圖論算法問題，也有很多啟發(fā)式的算法來解決。滴滴用了一個全新的角度來看路徑規(guī)劃，因為其有大量的歷史、軌跡數(shù)據(jù)，他們把路徑規(guī)劃問題轉(zhuǎn)化成一個搜索和排序問題。系統(tǒng)會不斷學(xué)習(xí)，根據(jù)司機(jī)的行駛軌跡去挖掘。如果一個司機(jī)沒有走滴滴為他規(guī)劃的路徑，那說明這條路徑可能有一些大家不知道的特點(diǎn)。通過不斷的學(xué)習(xí)，歷史數(shù)據(jù)會越來越豐富。

當(dāng)把這些數(shù)據(jù)召回之后，可以針對當(dāng)前的路況，根據(jù)當(dāng)前的時間，以及用戶的偏好等等，為其選取一條最優(yōu)路徑。路徑規(guī)劃需要現(xiàn)實(shí)世界中的路況數(shù)據(jù)，這一數(shù)據(jù)也是瞬時在變化的。如何準(zhǔn)確體現(xiàn)現(xiàn)實(shí)世界中路況分分秒秒發(fā)生的變化，這里也用到了在滴滴平臺上大量的軌跡數(shù)據(jù)。 

這些大數(shù)據(jù)的技術(shù)讓每一單的出行體驗變得更好，但是在整個出行平臺當(dāng)中，最要調(diào)整的一個問題還是供給和需求不匹配，這一問題的解決需要在宏觀上對供給和需求在時間和空間上進(jìn)行調(diào)整，讓它們更加一致。

如下圖所示，這幅圖顯示北京在供給和需求之間的差距。這里把北京大概分成了 1 萬個格子，每一個格子的顏色顯示了供給的不平衡。如果是紅色，說明運(yùn)力極度缺乏。如果是綠色，說明司機(jī)相對充足。這里體現(xiàn)出非常強(qiáng)的潮汐效應(yīng)，每天在高峰期，在一些核心區(qū)域，運(yùn)力極度缺乏。

如何解決這一問題，首先需要對供給和需求作出非常精準(zhǔn)的預(yù)測。在這方面，滴滴通過機(jī)器學(xué)習(xí)和大數(shù)據(jù)算法，投入了大量工作，目前已經(jīng)達(dá)到很高的準(zhǔn)確度。在預(yù)測的前提下，還需要利用調(diào)度算法，讓司機(jī)出現(xiàn)在乘客最需要的地方。

從上面這幅圖里可以知道很多區(qū)域是缺司機(jī)的，但是有些區(qū)域的運(yùn)力是充足的。在調(diào)度決策上，滴滴開發(fā)了一套算法來計算在每一個時空節(jié)點(diǎn)上，增加一個司機(jī)所產(chǎn)生的邊界效應(yīng)。在這個時空節(jié)點(diǎn)上，如果有一個司機(jī)出現(xiàn)，他能夠帶來多少單的改變。那么在這樣一個司機(jī)的邊界模型之下，可以開發(fā)出一套優(yōu)化算法，協(xié)同各個時空節(jié)點(diǎn)進(jìn)行全局的運(yùn)力調(diào)配，從而更好地解決供需失衡的問題。

（完）

雷鋒網(wǎng)

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