loading

为什么不叫滴滴打的?它的野心是大数据和AI在出行场景中落地

发布时间:2020-04-25

[ 导读 ] 缓解⿶交通拥堵最为有效的方式是让现有的车实现共享◣,交通领域的数据产量巨大。那么,大数据在З交通领域的核心价值是什么?滴滴是如何借助大数据实现人工智能应用的?相应技术又将如何影响产业发展?

图片来自网络

4月25日晚,滴滴۞出行副总裁、滴滴出行研究院院长叶杰平,和北大人工智能创新中心主任、曾经的“百度七剑客ф”之一雷鸣,在北大举办了AI公开课。叶杰平就人工智能和滴滴出行进行了探讨,分析了相应技术的发展,如何影响产业,现状及未来趋势、对应挑战与机遇。同时,他分享了滴滴的大数据,以及大数据和人工智能在滴滴的应用。ρ

大数据在交通领域的核心价〓值

中国国内车辆密度已经很卐高,依托▊这一υ大背景,共享经济正在崛起。共享单车的战火越烧越旺,ofo与摩拜ш大战处于风口浪尖。在这背后,无论是资方还是创业者,大家达成的共识是:缓解交通拥堵最为有效▐的方式是让现有的车实现共享。滴滴也不例⊙外,作为一个可以实现司机和乘客两边的信息互通的平台,它借助自身掌握的实时信息,做出比较智能的决策来提高⊥出行的效率、╪缓解拥堵。

有数据才有分析,交通领域的数据产量巨₪큐大。日常生活中,物流运输公司、公交一卡通、GPS定位、车联网、路网监控、电子地图导航应用等,无一不在将信息进行数据汇总分析,以此实现交通优化管理。

大数据的终极核心价值在于“资源优化配置”。要实△现大数据的核心价值,需要两个重要的步▉骤,第一步是通过“众包”的形式收集海量数据,第二步是通过大数据的技术途径进行“全量数据挖掘”,最后利用分析结果进行“资源优化配置”。滴滴研究院大脑的核心是机器学习,依靠背后的算法和计算平台整合整个城市Ⅹ的交∴通数据,做出实时的智能决策。

在工业界解决一个实际⊙问题,最重要的是抓住数据特征。随着计算机的处∫理能力的日益强大,你能获得的数据量越大,你能挖掘到的价Л值就越多。滴滴的优势在于它拥有极大的数据样本量,每天新增的数据量超过70TB,同时也在做很多的预测、模型,等等。每天处理2000TB数据,其中Ы包括90亿的路径规划,130亿的精准定位数据。滴滴面临的挑战就在于从海量的交通数据里面找出有用的信息,来改变大家的出行,比如说提高出行效率、改善出行体验和安全性,而这也是滴滴大数据的核心价值

叶杰明表示,机器学习的第一步,需要迅速Γ找到部分数据特征建立最简单的模型。通过不∪断实验,对问题的理解变得更加深刻,特征◎挖得更好更丰富后,发觉效果已经比经典算法规则提高了很多,这说明机器学习肯定在未来会颠覆传统的规则。后续数据量的增加会让这┗个模型变得更完善,随着数据的体量越来越大,深度学习的威力便显现出来。把一个东西真正做到非常实用的时候,它的特征选取、公式复杂程度已经远超我们一ц开始想象的可理解性规则。百度最初∨在做搜索引擎排序时,也面临着相同τ的困难。

深度学习在很多领域已经有非常成功的应用了,比如说在图像、文本、语音等方向。在交通方面其实还很少,叶杰平认为深度学习▌在交通的数据方面还是非常有前ↁ景的。它还有很大的提高空间,数据越大,威力越大,这必将成为一个大的趋势。在过๑去一年半左右的实践过程中,大数据不仅支撑了滴滴的核心模块,如智能派单、ETA、路径规划等,还可以用来极大╳地提高司机的服务质量。这点在滴滴APP首页便可见一斑。

所以我们说,基于大数据分析的结果,进行资源优化配置,才是大数据应用的落地点和真正价值。

未来五年大交ぷ通♯♮产业的机遇与挑战

交通出行行业的发展需要多方合作。░滴滴在整个出行行业的渗透率还很低,大部分数据仍在滴滴之外的。未来的大趋势是交通数据实现一定程度上的共⊙享,只有当各方数据实现连通,整合起来才能够发挥更大的价值,帮助人们更加精准地做出决策。

发展智慧交通的♦关键在于数据整合之后如何实现落地?我们需要借助大数据来解决实际的Ю交通问题,比如红绿灯、城市的规划建设等。滴滴的数据在济南的红绿灯实验已经能看到巨大的潜力了。这项目在济南的经十路已经上线一个多月,数据显示,经十路早晚高峰期的交通延误时间均下降了超过10%。

但如果要达到更佳的效╤果,仍需更多方面配合合作,更精准地反映当时完Ⅵ整的交通情况。滴滴的数据量在增加,也在持续和出租车公司、公交公司、政府合作,未来甚至会与传统的路上检测的数据整合起来以此达到更好的效果

关于智能交通,现在国外研究比较多的叫做网联车。车♤跟车是相连的,车跟路上的一些设备也Ⅴ是相连的,以此来做出更加精准的决策。如果所有车都能实现连通,我们就能够更精准地预测车距是否合理,来提高交通安全度。其次网联车也能做到更精准的定位。当然在未来还有可能会包括无人驾驶。

现在对于机器学习和≯人工智能的需求存在一个非εїз常大的缺口。۩在社会上存在两大问题:第一,人才的稀缺性。人才需求远远大于供给,供需严重不平衡,导致稍微擅长人工智能⿴的人在社会招聘方面就非常抢手。这个圈子并不大,基本都是互相推荐。第二,我们进入这个时代之后,我们学习的模型也好,知识也好,生命周期比以前短了。人工智能的学习需求将是持续的。

─━