量子位 出品 | "大众年夜众号 QbitAI

基于出行大数据，滴滴如何将AI融入舆图系统中，更好地为出行做事？背后有若何的AI技能支持？

6月14-15日，滴滴出行舆图奇迹部总经理张弦受邀出席WGDC 2018（环球地理信息开拓者大会），并在“开拓者星球-AI技能大讲堂”分论坛中详细阐明了滴滴舆图背后的AI技能。

基于海量实时出行数据，滴滴舆图供应ETA（预估到达韶光）、路径方案、高下车点、“猜你想去”等根本做事，并且支持滴滴出行平台的运力调度、供需预测、拼车、智能分单等多个业务系统。

面对繁芜的业务场景，滴滴广泛利用了机器学习、深度学习算法，来提高运用的准确性和处理能力，提高舆图数据更新的有效性和时效性，以更好地为人们供应出行做事。

张弦在演讲中表示，历经由去的发展，滴滴出行将机器学习成功地运用到我们的产品体系中，从根本舆图做事到订单调度系统，再到用户体验提升，都离不开机器学习算法的支持。

比如在ETA算法中，滴滴利用了海量实时数据，设计出全新的韶光预估算法，从事理上战胜了传统算法的毛病，大幅度提升了韶光预估的准确率。

供需预测算法则以数十亿订单数据和平台车主的位置信息为根本，预测任意韶光段各个区域的订单需求和供给分布状况，供应最优的出行方案。

而智能分单系统是通过增强学习技能，从车主和搭客的历史数据中习得并不断迭代接单概率模型，提高车主和搭客的匹配程度，利用运力的规模效应实时地从全局上最优化总体交通运输效率和搭客出行体验。

正如张弦在演讲中所说，“要严明对待每一公里、每一分钟”：当系统定位到搭客的上车地点后，滴滴可以在2毫秒内预测他们的目的地，率先推举出最可能前往的地点，加快搭客的发单效率。
这个“猜你想去”的功能可以达到90%的预测准确率。

通过大数据算法，滴滴能够向搭客推举附近适宜的上车地点，从而有效减少司乘之间的沟通次数，提高行程效率。
2017年，滴滴出行对这一基于AI技能的功能进行了强化，目前已达到了在线机器学习的智能程度，能够让App上的推举上车点动态更新。

目前，平台拥有超过3000万个“推举上车点”，有75%的用户直策应用推举上车点发单：以全国地级以上城市的城区总面积来打算，这意味着不到25米搭客就可以抵达一个站点。

△ 舆图在滴滴出行中的业务系统与根本做事

在强大技能能力和风雅策略的背后，是滴滴出行对人才的重视与培养：目前滴滴有近9000名员工，个中靠近一半是大数据科学家和工程师；而舆图奇迹部的人才构造则更为风雅：40%来自舆图行业、30%专注于机器学习领域、还有30%拥有打算机专业背景。

值得一提的是，张弦在峰会上宣告了“滴滴出行舆图开放课题”操持。
面向以高校为主的研究机构，滴滴出行将当前或未来面临的行业共性业务难题对外开放，并且供应脱敏数据、打算资源、基金帮助，旨在促进高质量研究成果的产出，加速研究成果的家当落地和运用。

这次在WGDC峰会上，滴滴出行率先宣告舆图行业干系的三个开放课题，分别是：“聪慧交通路径打算”、“基于多传感器的室内定位”和“大规模场景三维重修技能方案”。

详细而言，路径打算研究希望利用静态路网属性信息和动态路况信息，评估路线质量；室内定位研究旨在利用多传感器在室内定位优化上进行前瞻性的技能探索，进而实现较精准的室内步辇儿导航；而三维重修技能研究则基于视觉，使大规模场景的三维重修技能成为可能。

有关滴滴出行开放课题的详情和更多信息，请咨询 gaia@didichuxing.com。

— 完 —

诚挚招聘

量子位正在招募编辑/，事情地点在北京中关村落。
期待有才华、有激情亲切的同学加入我们！
干系细节，请在量子位"大众年夜众号(QbitAI)对话界面，回答“招聘”两个字。

量子位 QbitAI · 号签约作者

վ'ᴗ' ի 追踪AI技能和产品新动态