滴滴出行叶楷平出席人工智能技术峰会破解调度背后的“黑色技术”

本篇文章1817字，读完约5分钟

滴滴出行叶楷平出席人工智能技术峰会破解调度背后的“黑色技术” 3月27日，滴滴出行研究院副院长叶洁萍出席了2017年新智元开源生态智能技术峰会。在主旨发言中，叶洁萍重点介绍了人工智能技术在滴滴智能调度中的应用，表示人工智能技术已经广泛应用于滴滴的各个方面，能够不断提高用户出行效率，优化出行体验。滴滴在大数据和人工智能领域的布局和探索已经在互联网行业处于领先地位。 3月27日，滴滴出行研究院副院长叶洁萍出席了2017年新智元开源生态智能技术峰会。在主旨发言中，叶洁萍重点介绍了人工智能技术在滴滴智能调度中的应用，表示人工智能技术已经广泛应用于滴滴的各个方面，能够不断提高用户出行效率，优化出行体验。滴滴在人工智能领域的布局和探索已经在互联网行业处于领先地位。

叶杰平指出，滴滴打靶是一个世界级的旅行问题，其背后的计算远比阿尔法戈复杂。无论是车辆调度还是驾驶员-乘客匹配，其规模、复杂性和实时性都远远超过其他行业。目前，滴滴使用机器学习和大数据来解决智能调度和供求预测等问题。通过对模型的不断优化，缩短了计算时间，提高了预测效果，使人们出行更方便，体验更好。滴滴是一家由数据、技术和经验驱动的公司。叶杰平说，无论是乘客出票前的预计目的地和推荐登机点，还是出票后的智能调度、路线规划，甚至是旅行中的安全驾驶，司机和乘客在旅行结束时都会广泛使用人工智能技术，这已经成为滴滴技术的核心。

叶楷平在讲话中还详细解释了滴滴的智能调度。智能调度表单是滴滴的核心技术之一。每次乘客发送表单时，他们都需要使用大规模分布式计算来优化司机和乘客的匹配。他们不仅需要将乘客与他们周围的大量驾驶员进行匹配，以计算最佳驾驶路线，还需要计算最佳驾驶路线，以实现最短的总时间，从而最大限度地提高平台效率和用户体验。

然而，不同于在网上搜索时货物、信息和其他信息的静态停止，车辆是不断移动的，并且驾驶员可能在几秒钟内通过交叉路口或行驶到高速公路。这也对匹配提出了更高的要求——它需要能够预测未来的情况，并且能够动态地和实时地快速匹配驾驶员和乘客。

(滴滴出行研究院副院长叶洁萍详细讲解了路线规划算法)

路径规划和预计到达时间(ETA)是实现Didi最佳匹配的两种关键映射技术。叶洁平表示，滴滴通过挖掘和学习滴滴出行的海量用户驾驶数据，设计了一种全新的基于最低价格、最高驾驶员效率和最佳交通系统运行效率的智能路径规划算法，能够准确预测未来路况，综合考虑驾驶员未来所有可能的驾驶方式，以毫秒为单位计算出从A点到B点的最佳路径。

早在2015年，基于大量的旅行数据，滴滴首次在全国范围内将机器学习应用于埃塔。通过使用新的时间估计算法和特征挖掘，大大提高了时间估计的准确性。在此基础上，Didi最近还创新性地将深度学习应用于ETA，进一步提高了估计精度。

大数据和人工智能技术也推动滴滴进一步提高订单调度效率。叶杰平透露，滴滴此前已经能够每2秒钟进行一次全局判断，并在大量快速计算中完成全局最优智能调度。现在，这种调度算法已经升级，根据全天供求和出行行为预测，考虑到司机在一天内的整体效率。目前，我们一直在进行相关测试，以优化司机一整天的总效率，并最大限度地提高效益。

在这些大数据和人工智能的开发和应用背后，是滴滴的强大能力。公共信息显示，滴滴每天完成的订单超过2000万，每天处理的数据超过2000兆，相当于200万部电影，每天计划的路线超过90亿条，相当于每分钟600万次。目前，滴滴正在推动人工智能技术的快速迭代升级。它还建立了一个智能系统滴滴大脑，可以通过大数据、机器学习和云计算最大限度地利用运输能力，做出最佳决策，并为每个用户设计最周到、最智能的出行方案。在未来，滴滴将积极与城市管理者携手，构建智能交通系统，为未来的出行创造新的生态。

2020-02-19 13:14:00 AWS透露，移动实验室咨询解决方案有175个人工智能业务数据客户。 昨天，AWS分享了咨询部门ML解决方案实验室人工智能业务增长的一些数据。移动解决方案实验室副总裁兼负责人李霄云在她的博客中透露，移动解决方案实验室自两年前成立以来 2020-02-17 11:28:33 大数据技术迭代优化加速计算力人工智能芯片需要解决着陆问题 人工智能产业的规模正在迅速增长。根据全球市场研究机构IHS Markit发布的数据，人工智能应用市场将从2019年的428亿美元飙升至2025年的1289亿美元。