大數據文摘出品
打開滴滴App叫車，你最先看到的就是綠色的上車站點推薦。地圖數據的準確性和時效性、基於地圖的路徑規劃、預估到達時間等服務是順暢出行的基礎。
基於海量實時出行數據，滴滴如何將機器學習、深度學習算法融入地圖系統中，更好地為出行服務？其產品和功能背後有怎樣的AI技術支持？
今天上午，在北京國家會議中心舉辦的WGDC 2018（全球地理信息開發者大會）上，滴滴出行地圖事業部總經理張弦詳細解釋了滴滴地圖背後的AI技術。
△張弦在WGDC發表演講
基於海量實時出行數據，滴滴地圖提供ETA（預估到達時間）、路徑規劃、上下車點、“猜你想去”等基礎服務，並且支持滴滴出行平臺的運力調度、供需預測、拼車、智能分單等多個業務系統。面對複雜的業務場景，滴滴廣泛使用了機器學習、深度學習算法，來提高應用的準確性和處理能力，提高地圖數據更新的有效性和時效性，以更好地為人們提供出行服務。
△AI和大數據融入地圖服務
張弦在演講中表示，歷經過去的發展，滴滴出行將機器學習成功地應用到滴滴的產品體系中，從基礎地圖服務到訂單調度系統，再到用戶體驗提升，都離不開機器學習算法的支持。
比如在ETA算法中，滴滴使用了海量實時數據，設計出全新的時間預估算法，從原理上克服了傳統算法的缺陷，大幅提升了時間預估的準確率；供需預測算法則以數十億訂單數據和平臺車主的位置信息為基礎，預測任意時間段各個區域的訂單需求和供給分佈狀況，提供最優的出行方案；而智能分單系統是通過增強學習技術，從車主和乘客的歷史數據中習得並不斷迭代接單概率模型，提高車主和乘客的匹配程度，利用運力的規模效應實時地從全局上最優化總體交通運輸效率和乘客出行體驗。
△滴滴地圖服務整體架構
正如張弦在演講中所說，“要嚴肅對待每一公里、每一分鐘”：當系統定位到乘客的上車地點後，滴滴可以在2毫秒內預測他們的目的地，率先推薦出最可能前往的地點，加快乘客的發單效率。這個“猜你想去”的功能可以達到90%的預測準確率。
通過大數據算法，滴滴能夠向乘客推薦附近適合的上車地點，從而有效減少司乘之間的溝通次數，提高行程效率。2017年，滴滴出行對這一基於AI技術的功能進行了強化，目前已達到了在線機器學習的智能程度，能夠讓App上的推薦上車點動態更新。
目前，平臺擁有超過3000萬個推薦上車點，有75%的用戶直接使用這一功能發單：以全國地級以上城市的城區總面積來計算，這意味著不到25米乘客就可以抵達一個站點。
△地圖在滴滴出行中的業務系統與基礎服務
在強大技術能力和精細策略的背後，是滴滴出行對人才的重視與培養：目前滴滴有近9000名員工，其中接近一半是大數據科學家和工程師；而地圖事業部的人才結構則更為精細：40%來自地圖行業、30%專注於機器學習領域、還有30%擁有計算機專業（Computer Science）背景。
WGDC是地理信息領域最具影響力的技術性盛會，峰會以不斷引領和促進地理信息技術的創新和變革為宗旨，已經成為空間大數據產業跨界發展、跨國交流的重要平臺，在業內被譽為“中國空間信息產業的創新風向標”。
此次在WGDC峰會上，張弦宣佈了“滴滴出行地圖開放課題”計劃。面向以高校為主的研究機構，滴滴出行將當前或未來面臨的行業共性業務難題對外開放，並且提供脫敏數據、計算資源、基金資助，旨在促進高質量研究成果的產出，加速研究成果的產業落地和應用。
△WGDC峰會現場
這是業界首次開放地圖行業相關的課題，率先發布的三個開放課題分別是：“智慧交通路徑計算”、“基於多傳感器的室內定位”和“大規模場景三維重建技術方案”。
具體而言，路徑計算研究希望利用靜態路網屬性信息和動態路況信息，評估路線質量；室內定位研究旨在利用多傳感器在室內定位優化上進行前瞻性的技術探索，進而實現較精準的室內步行導航；而三維重建技術研究則基於視覺，使大規模場景的三維重建技術成為可能。
感興趣參與？歡迎進一步諮詢滴滴出行開放課題的更多信息哦！
聯繫方式：[email protected]
閱讀更多 大數據文摘 的文章
