二胖科技，（爭取）每日為您帶來科技背後不一樣的故事！
每日6:00更新，不見不散！
共享單車，自從2014年興起以來，可以說極大地方便了人們的生活。從此以後地鐵+單車的模式相信成了不少人每天的日常。共享單車說來簡單，騎哪扔哪。然而調度確實一項非常大的工程，人流的方向和數量太難判斷了。
地鐵門口成山一樣的共享單車
數量眾多的共享單車，成堆成片的擁擠在地鐵站門口真的方便你了嗎？
大量的車堆積在了地鐵門口，甚至馬路上。
擠上馬路的單車
事實上，大多數的上班族集中在9點前後，會把地鐵站門口大量的共享單車騎走，然而又在6點前後騎到地鐵站門口。在白天，特別是上下班高峰，廂式貨車根本不足以應對如此大規模的自行車“遷徙”。
除此之外還有大量的“意外”人口，在固定用戶中穿插著，很容易造成車短缺，車滿溢。然而這背後的一切調度，車幾點從哪到哪，運幾輛。早已不是靠人、靠經驗來決定的了。在AI的時代，就靠AI。
ofo的AI調度
ofo的AI調度，原理是很簡單的。舉個例子：
那麼，我們的AI就開始記錄小王同學的時間、路徑。當小王同學第一次騎車的時候，AI認為他可能明天這個時間還會來，幾率是20%。然而直到下週末小王才來，那麼AI就改成，每週末這個點騎車走這條線的概率是20%。兩三個月過後，這個AI每天都在觀察小王同學，最後終於知道了，小王每週末都要這個點騎車。
這就是AI的學習過程，實際上他是一個函數，或者說是迴歸方程（這裡牽扯起來就麻煩了，實際上它用的是CNN卷積神經網絡）。
卷積神經網絡示意圖
AI肯定不止觀察小王一個，它觀察了一大批人，得出了一大批人的固定移動軌跡。那麼在你每次需要車之前，AI就會指揮調度員，在你的固定路線上，給你放上共享單車，方便你騎。
然而，這是理想化的狀態，因為不止一兩個人，是一批人屬於“激情騎車”。我就今天想出去玩，騎一下，沒有任何的規律。那麼我們剛剛所有的分析在這種“激情騎車”下都是扯淡了。
對於這種隨機的行為，肯定是要糾正的嘛，怎麼辦？還是找調度員唄！可是就一兩輛車找調度員就很虧了。在這方面摩拜就推出過很有“想法”的紅包車。
摩拜紅包車
在一兩輛車失控的情況下，找調度員顯然是一件浪費資源的事情，不如把油錢分給用戶，讓用戶把車騎出去。這也是紅包車的用意之一，但是騎到哪就說不準了。
顯然，當前的調度算法依然存在大量的不可知因素，導致龐大的單車堆積成山。這當然引發了不滿，最近北京晚報就刊登了一條新聞：
截至4月底，北京市尚在運營的共享自行車企業有10家，運營共享自行車總數在190萬輛左右。目前局部地區共享單車測算活躍度為50%，即仍有一半處在閒置狀態
可以看到，在如此算法的攻略下，仍然有一半車屬於閒置狀態，造成了極大的困擾。
今後，相關部門將通過平臺掌握共享單車的數量，並藉由平臺的數據測算和分析給減量進行一個定量指標。
目的還是控制車子的數量，提高利用效率 ，避免過多的殭屍車佔領城市！
關於共享單車，你有什麼想說的嗎？它是方便了你，還是擋了你的路呢？
如果你看到這裡，可以點擊下上方的關注按鈕嗎？關注之後可以更快的瞭解更新哦！畢竟每一個字都是二胖辛辛苦苦熬夜打出來的呢~
閱讀更多 二胖科技 的文章
