滴滴科技開放日：如何利用出行交易中的大數(shù)據(jù)優(yōu)化乘客體驗(yàn)

雷鋒網(wǎng) AI 科技評(píng)論按，2018 滴滴科技開放日上，滴滴產(chǎn)品技術(shù)管理團(tuán)隊(duì)與高校學(xué)生、專業(yè)技術(shù)人員展開面對(duì)面交流，詳細(xì)介紹了滴滴在大數(shù)據(jù)、人工智能領(lǐng)域的最新科技成果，重點(diǎn)分享了滴滴在智能派單、地圖、拼車、供需預(yù)測(cè)、智能客服、語(yǔ)音識(shí)別等領(lǐng)域的實(shí)踐經(jīng)驗(yàn)。憑借此次活動(dòng)，滴滴在雷鋒網(wǎng)旗下學(xué)術(shù)頻道 AI 科技評(píng)論數(shù)據(jù)庫(kù)產(chǎn)品「AI 影響因子」上有相應(yīng)加分。

活動(dòng)現(xiàn)場(chǎng)，滴滴 CTO 張博、滴滴智能出行部負(fù)責(zé)人郄小虎、滴滴 AI Lab 負(fù)責(zé)人葉杰平教授分別上臺(tái)發(fā)言，從未來(lái)展望、數(shù)據(jù)智能和 AI 創(chuàng)新三方面分享了滴滴的實(shí)踐經(jīng)驗(yàn)。值得一提的是，活動(dòng)也邀請(qǐng)到德國(guó)著名機(jī)器人學(xué)家、德國(guó)最高科研獎(jiǎng)“萊布尼茨獎(jiǎng)”得主、IEEE（電氣和電子工程師協(xié)會(huì)）機(jī)器人與自動(dòng)化學(xué)會(huì)主席 Wolfram Burgar，他分享了其團(tuán)隊(duì)在高精度定位、地圖構(gòu)建、探測(cè)及分類、自動(dòng)導(dǎo)航等方面的試驗(yàn)和探索。

活動(dòng)現(xiàn)場(chǎng)，除了精彩的發(fā)言，滴滴還宣布成立 AI for Social Good 共創(chuàng)平臺(tái)，主要關(guān)注環(huán)境、安全與健康、科技無(wú)障礙三大領(lǐng)域方向。滴滴表示，將充分發(fā)揮自身在大數(shù)據(jù)、人工智能、云計(jì)算等領(lǐng)域的優(yōu)勢(shì)，開放合作，通過(guò)整合學(xué)術(shù)、技術(shù)、資金等資源，攜手合作伙伴共同發(fā)現(xiàn)、定義問(wèn)題，并為相應(yīng)主題研究課題的落地實(shí)踐提供全方位、多元化支持。

AI for Transportation

滴滴出行 CTO 張博在開場(chǎng)演講中指出，過(guò)去二十年，互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的發(fā)展基本上解決了信息的流動(dòng)問(wèn)題，而滴滴希望解決的是物理世界人和物體的流動(dòng)問(wèn)題，滴滴在未來(lái)的想法是 AI for Transportation。

在張博看來(lái)，滴滴在未來(lái)對(duì)交通系統(tǒng)的優(yōu)化分三層結(jié)構(gòu)：

最下面一層是交通基礎(chǔ)設(shè)施，這里包括智慧紅路燈、高清度攝像頭等；中間一層是車輛交通工具本身的變革，滴滴正在合作建設(shè)充換電站體系，也在加大力度研發(fā)快速充換電站，智能化、新能源化將是趨勢(shì)；最上層則是共享出行網(wǎng)絡(luò)，張博表示，未來(lái)會(huì)有越來(lái)越多的人選擇共享出行。

他提到，滴滴希望給城市規(guī)劃部門做一個(gè)模擬系統(tǒng)，比如規(guī)劃修地鐵、修公路時(shí)，可以先事先模擬，這樣的設(shè)備會(huì)讓人們的出行變得更好。他也表示，滴滴現(xiàn)在正加大力度做拼車，他們希望把共享單位從汽車降為座位。他重點(diǎn)強(qiáng)調(diào)到，現(xiàn)在要想解決道路擁堵問(wèn)題，沒(méi)有什么比拼車更高效的方式。

滴滴 AI Lab 負(fù)責(zé)人葉杰平教授詳解了滴滴 AI 的三層布局，重點(diǎn)展示了滴滴在智能客服和語(yǔ)音領(lǐng)域的新進(jìn)展。

他們利用用戶在對(duì)話中輸入的文本信息，這里包括現(xiàn)在和過(guò)去的信息，此外還利用用戶的特征、最近訂單的特征來(lái)建立深度學(xué)習(xí)模型進(jìn)行預(yù)測(cè)，定位用戶潛在的問(wèn)題。他表示，最近他們也開發(fā)了基于知識(shí)圖譜的多輪對(duì)話。

他也進(jìn)一步表示，雖然目前語(yǔ)音客服還不能取代人工客服，但在語(yǔ)音輔助這個(gè)環(huán)節(jié)，語(yǔ)音的潛力非常大。基于滴滴的語(yǔ)音技術(shù)，他們最近開發(fā)了一套語(yǔ)音交互系統(tǒng)，通過(guò)這一交互系統(tǒng)，用戶可以通過(guò)語(yǔ)音與系統(tǒng)進(jìn)行交互，實(shí)現(xiàn)多種功能，例如收聽(tīng)音樂(lè)，查詢航班信息，查找最近的加油站、充電站等等。

他說(shuō)道，未來(lái)這一套智能語(yǔ)音交互系統(tǒng)會(huì)讓出行更加智能、更加安全、更加便捷。

滴滴背后的大數(shù)據(jù)智能

除了張博和葉杰平所分享的內(nèi)容，滴滴智能出行部負(fù)責(zé)人、滴滴出行副總裁郄小虎以《出行交易中的大數(shù)據(jù)智能》為題，向現(xiàn)場(chǎng)觀眾介紹了滴滴出行交易中的大數(shù)據(jù)智能。

他表示，滴滴有超過(guò) 5 億 5 千萬(wàn)乘客，有超過(guò) 3000 萬(wàn)司機(jī)，在這樣一個(gè)龐大的出行交易平臺(tái)上，從用戶打開滴滴 App 的那一刻，滴滴的大數(shù)據(jù)技術(shù)就開始在背后幫助用戶打造美好的出行體驗(yàn)。

他詳細(xì)描述了滴滴如何為乘客推薦上車點(diǎn)，如何進(jìn)行路徑規(guī)劃，如何預(yù)估到達(dá)時(shí)間等等。他表示，當(dāng)需求比較緊張的時(shí)候，他們還為用戶提供拼車選擇，解決運(yùn)力短缺問(wèn)題，這其中涉及到多目標(biāo)、多模式的優(yōu)化。以下為雷鋒網(wǎng) AI 科技評(píng)論對(duì)這些技術(shù)的整理總結(jié)。

基于大數(shù)據(jù)打造美好出行體驗(yàn)

首先用戶需要表達(dá)出行需求，比如需要去哪里，需要在哪里上車。之后滴滴會(huì)根據(jù)用戶的出行需求，為用戶選擇一位最優(yōu)的司機(jī)接駕。在之后的行程中，滴滴還會(huì)對(duì)司機(jī)進(jìn)行路徑規(guī)劃，找到一條最優(yōu)的路線，用最安全、最便捷的方式，把用戶送到目的地。

為了完成這樣一單，背后需要很多大數(shù)據(jù)的技術(shù)，包括如何推薦上車點(diǎn)，如何進(jìn)行路徑規(guī)劃，如何預(yù)估到達(dá)時(shí)間等等。當(dāng)需求比較緊張的時(shí)候，還需要為用戶提供拼車選擇，把多個(gè)不同的乘客拼在一起。 

先從行程開始，滴滴要為用戶推薦一個(gè)上車點(diǎn)，這是在實(shí)際出行中很令大家頭疼的一個(gè)問(wèn)題。很多時(shí)候因?yàn)樗緳C(jī)把車停在了一個(gè)很難停車，或者不能停車的地方，如果乘客晚到了幾分鐘，司機(jī)就要繞一大圈，或者調(diào)幾個(gè)頭，很多時(shí)候會(huì)造成行程沒(méi)有辦法完成，這會(huì)導(dǎo)致用戶體驗(yàn)非常差。但是現(xiàn)在業(yè)界并沒(méi)有一個(gè)能解決這個(gè)問(wèn)題的成熟辦法，目前已有的地圖服務(wù)不能告訴我們哪里是一個(gè)好的上車點(diǎn)。

為了解決這一問(wèn)題，在滴滴的平臺(tái)上大量采用了計(jì)算機(jī)視覺(jué)技術(shù)，來(lái)分析現(xiàn)實(shí)世界中獲取的圖象信息。滴滴目前的技術(shù)可以識(shí)別圖象的交規(guī)信息，如路面上的劃線，是不是公交車站，以及路面上有沒(méi)有隔離的樁，通過(guò)這些信息可以判斷這個(gè)地點(diǎn)是不是適合停車。

在現(xiàn)實(shí)世界中這種交規(guī)和道路信息是瞬息萬(wàn)變的，如何能夠及時(shí)采集這些信息，這對(duì)推薦上車點(diǎn)有非常重大的影響。滴滴平臺(tái)的優(yōu)勢(shì)，是其在每一個(gè)城市都有大量的軌跡數(shù)據(jù)。因?yàn)榈蔚斡泻艽蟮母采w度，所以可以通過(guò)大數(shù)據(jù)挖掘的方式，及時(shí)監(jiān)測(cè)到交規(guī)的變化，這樣可以做到接近實(shí)時(shí)的交通數(shù)據(jù)的更新，能夠保證為用戶推薦的上車點(diǎn)是一個(gè)最合理的上車點(diǎn)。

推薦上車點(diǎn)只是第一步，那么下一步乘客如何能夠找到這個(gè)上車點(diǎn)？在現(xiàn)實(shí)生活中，如果是在機(jī)場(chǎng)、車站、非常復(fù)雜的室內(nèi)場(chǎng)景，經(jīng)常會(huì)遇到很多尷尬的情況，這時(shí)候乘客需要像穿越迷宮一樣才能找到上車點(diǎn)，很多時(shí)候也會(huì)造成很多困難。為了解決這一問(wèn)題，滴滴正在準(zhǔn)備推出一個(gè)基于 AR 技術(shù)的步行導(dǎo)航，能夠引導(dǎo)乘客在復(fù)雜的環(huán)境下順利到達(dá)上車點(diǎn)。

通過(guò)視覺(jué)定位以及 3D 視覺(jué)建模的能力，可以保證定位的精度控制在 1 米之內(nèi)，這一精度遠(yuǎn)遠(yuǎn)優(yōu)于現(xiàn)在的所有定位技術(shù)。WiFi、藍(lán)牙、超寬帶以及 GPS 等在這樣的場(chǎng)景下應(yīng)該都比較差，滴滴即將推出的方案遠(yuǎn)遠(yuǎn)優(yōu)于現(xiàn)在所有的解決方案。他們近期會(huì)在北京的一些場(chǎng)站內(nèi)開啟實(shí)景導(dǎo)航服務(wù)，大家如果感興趣，可以進(jìn)行體驗(yàn)。

滴滴為乘客選擇了上車點(diǎn)之后，下一步需要為這個(gè)乘客選擇司機(jī)。如何在海量的乘客和司機(jī)之間找到一個(gè)最佳匹配，這是非常有挑戰(zhàn)性的數(shù)學(xué)問(wèn)題，也是一個(gè)算法問(wèn)題。

首先需要考慮這一次分配是要保證乘客有最佳體驗(yàn)，每位乘客都希望有一輛離他最近的車，能夠在最短的時(shí)間之內(nèi)提供接駕服務(wù)。同時(shí)，滴滴也希望司機(jī)能夠在整個(gè)行程中，給乘客提供很好的出行體驗(yàn)，保證安全，而且服務(wù)達(dá)到一定的標(biāo)準(zhǔn)。

從司機(jī)的維度來(lái)看，滴滴希望通過(guò)這種分單的決策，讓司機(jī)的收入得到優(yōu)化。在供需不足的場(chǎng)景下，還需要把相似路線和時(shí)間的出行需求，通過(guò)拼車這樣一個(gè)產(chǎn)品方式來(lái)解決。

拼車匹配問(wèn)題

拼車是一個(gè)非常復(fù)雜的匹配問(wèn)題。在滴滴的出行場(chǎng)景里，有多條產(chǎn)品線，用戶可以叫出租車，可以叫快車、優(yōu)享，以及專車。在很多供需不匹配的情況下，如果當(dāng)前的快車線沒(méi)有司機(jī)，但是優(yōu)享是有司機(jī)接單的，這時(shí)候還需要根據(jù)供需實(shí)時(shí)變化，在不同產(chǎn)品之間進(jìn)行動(dòng)態(tài)分配，以給用戶提供更多的選擇。

整體來(lái)看，這個(gè)匹配問(wèn)題其實(shí)是一個(gè)多目標(biāo)、多模式的優(yōu)化問(wèn)題。在這里要考慮用戶的發(fā)單請(qǐng)求，以及所有不同產(chǎn)品線上供給的情況，來(lái)尋求一個(gè)最佳匹配。根據(jù)供需的變化，滴滴也需要對(duì)這個(gè)算法做動(dòng)態(tài)的調(diào)整。比如說(shuō)在供需相對(duì)平衡的情況下，他們希望每一次分單可以在保證用戶體驗(yàn)的同時(shí)，能夠優(yōu)化司機(jī)的收入。

在滴滴這樣一個(gè)出行平臺(tái)上，每一個(gè)司機(jī)、乘客，實(shí)際上對(duì)應(yīng)了在格子上的一個(gè)點(diǎn)，每一次分單的決策，等于把司機(jī)和乘客在這個(gè)時(shí)空網(wǎng)絡(luò)中從一個(gè)點(diǎn)挪到另外一個(gè)點(diǎn)。這就像下圍棋一樣，下棋的每一步會(huì)改變棋盤的狀態(tài)，未來(lái)的狀態(tài)會(huì)對(duì)之后的棋盤狀態(tài)產(chǎn)生影響。

因此，每次分單的決策不僅僅影響了當(dāng)前這一單，還會(huì)對(duì)未來(lái)一天出行網(wǎng)絡(luò)中的狀態(tài)產(chǎn)生影響。這其實(shí)是一個(gè)深度學(xué)習(xí)需要解決的問(wèn)題，滴滴團(tuán)隊(duì)開發(fā)了這樣一種算法，它能夠針對(duì)一天的狀態(tài)在一個(gè)正常時(shí)空維度上進(jìn)行多目標(biāo)優(yōu)化。

在供給相對(duì)充足的情況下，滴滴會(huì)優(yōu)化用戶的體驗(yàn)，盡量為乘客派一輛離他最近的車輛。

在供需非常不足的情況下，滴滴提供了排隊(duì)的解決方案。他們的系統(tǒng)會(huì)實(shí)時(shí)檢測(cè)，在哪一個(gè)區(qū)域當(dāng)前的運(yùn)力極端緊缺，這時(shí)候所有乘客的發(fā)單請(qǐng)求會(huì)自動(dòng)進(jìn)入排隊(duì)系統(tǒng)。

下圖這幅圖顯示了北京的排隊(duì)情況，如果是紅色，表示這個(gè)地區(qū)的乘客都在排隊(duì)，運(yùn)力極端缺乏。如果是藍(lán)色，說(shuō)明運(yùn)力相對(duì)充足。

當(dāng)系統(tǒng)進(jìn)入排隊(duì)情況的時(shí)候，滴滴也會(huì)通過(guò)調(diào)度的方式，讓更多的司機(jī)、更遠(yuǎn)的司機(jī)過(guò)來(lái)，滿足這些用戶的需求。他們會(huì)給乘客一些選擇，比如通過(guò)打表來(lái)接等這樣的方式，調(diào)度更遠(yuǎn)的運(yùn)力。

如果只是為一個(gè)乘客分配一輛車，還不能夠真正解決運(yùn)力短缺的問(wèn)題，也不能夠充分利用現(xiàn)在的道路以及運(yùn)力資源。所以，拼車是一個(gè)非常有效的滿足更多乘客需求的方式。

如果能夠共享車輛資源，可以用更少的運(yùn)力來(lái)滿足乘客的出行體驗(yàn)。這里一個(gè)核心的問(wèn)題是，如何把在時(shí)間、空間、目的地相近的出行需求組合在一起。通過(guò)這樣的組合可以增加資源利用率，同時(shí)也為乘客提供一個(gè)更加便宜的出行解決方案。

拼車背后是一個(gè)更加有挑戰(zhàn)性的技術(shù)問(wèn)題，這里不僅需要考慮一個(gè)司機(jī)和乘客之間的匹配，同時(shí)也要考慮多個(gè)不同的出行請(qǐng)求之間的相似度。在這里，一個(gè)核心問(wèn)題是路徑規(guī)劃，它和傳統(tǒng)的路徑規(guī)劃有很大的區(qū)別。在傳統(tǒng)的路徑規(guī)劃當(dāng)中，重點(diǎn)考慮的是這條路徑的行駛時(shí)間，以及距離等等。但是在這里，需要考慮在這一條路徑上，可能載到下一個(gè)乘客的概率有多大。

當(dāng)系統(tǒng)判斷出有多個(gè)乘客的需求可能會(huì)被拼到一單的時(shí)候，還要決定接駕順序。比如在下圖的例子里，如果有 A、B 兩位乘客，路徑規(guī)劃應(yīng)該是先接 A，然后再接 B。先把 A 送到目的地，再送B。這只是兩個(gè)乘客的情況，3 個(gè)、4 個(gè)會(huì)有更多的排列組合。路徑的規(guī)劃和拼車算法都需要解決排隊(duì)組合和算法的問(wèn)題，而且它的難度會(huì)隨著拼車的規(guī)模呈現(xiàn)指數(shù)級(jí)增長(zhǎng)。 

預(yù)估到達(dá)時(shí)間

行程開始之后，滴滴需要為用戶提供到達(dá)時(shí)間預(yù)估。預(yù)估到達(dá)時(shí)間是一個(gè)相對(duì)在業(yè)界已經(jīng)被研究很多年的問(wèn)題。業(yè)界通用的衡量預(yù)估時(shí)間的一個(gè)指標(biāo)叫做 MAPE，它是平均預(yù)估偏差。在很長(zhǎng)一段時(shí)間之內(nèi)，這個(gè)指標(biāo)是沒(méi)有什么變化的。因?yàn)榇蠹叶际怯昧艘环N線性方式來(lái)預(yù)估到達(dá)時(shí)間。

滴滴是國(guó)內(nèi)首家通過(guò)機(jī)器學(xué)習(xí)的方式來(lái)解決預(yù)估時(shí)間問(wèn)題的企業(yè)。這一技術(shù)的上線顯著降低了預(yù)估時(shí)間的偏差，提高了準(zhǔn)確率。

路徑規(guī)劃是一個(gè)傳統(tǒng)的圖論算法問(wèn)題，也有很多啟發(fā)式的算法來(lái)解決。滴滴用了一個(gè)全新的角度來(lái)看路徑規(guī)劃，因?yàn)槠溆写罅康臍v史、軌跡數(shù)據(jù)，他們把路徑規(guī)劃問(wèn)題轉(zhuǎn)化成一個(gè)搜索和排序問(wèn)題。系統(tǒng)會(huì)不斷學(xué)習(xí)，根據(jù)司機(jī)的行駛軌跡去挖掘。如果一個(gè)司機(jī)沒(méi)有走滴滴為他規(guī)劃的路徑，那說(shuō)明這條路徑可能有一些大家不知道的特點(diǎn)。通過(guò)不斷的學(xué)習(xí)，歷史數(shù)據(jù)會(huì)越來(lái)越豐富。

當(dāng)把這些數(shù)據(jù)召回之后，可以針對(duì)當(dāng)前的路況，根據(jù)當(dāng)前的時(shí)間，以及用戶的偏好等等，為其選取一條最優(yōu)路徑。路徑規(guī)劃需要現(xiàn)實(shí)世界中的路況數(shù)據(jù)，這一數(shù)據(jù)也是瞬時(shí)在變化的。如何準(zhǔn)確體現(xiàn)現(xiàn)實(shí)世界中路況分分秒秒發(fā)生的變化，這里也用到了在滴滴平臺(tái)上大量的軌跡數(shù)據(jù)。 

這些大數(shù)據(jù)的技術(shù)讓每一單的出行體驗(yàn)變得更好，但是在整個(gè)出行平臺(tái)當(dāng)中，最要調(diào)整的一個(gè)問(wèn)題還是供給和需求不匹配，這一問(wèn)題的解決需要在宏觀上對(duì)供給和需求在時(shí)間和空間上進(jìn)行調(diào)整，讓它們更加一致。

如下圖所示，這幅圖顯示北京在供給和需求之間的差距。這里把北京大概分成了 1 萬(wàn)個(gè)格子，每一個(gè)格子的顏色顯示了供給的不平衡。如果是紅色，說(shuō)明運(yùn)力極度缺乏。如果是綠色，說(shuō)明司機(jī)相對(duì)充足。這里體現(xiàn)出非常強(qiáng)的潮汐效應(yīng)，每天在高峰期，在一些核心區(qū)域，運(yùn)力極度缺乏。

如何解決這一問(wèn)題，首先需要對(duì)供給和需求作出非常精準(zhǔn)的預(yù)測(cè)。在這方面，滴滴通過(guò)機(jī)器學(xué)習(xí)和大數(shù)據(jù)算法，投入了大量工作，目前已經(jīng)達(dá)到很高的準(zhǔn)確度。在預(yù)測(cè)的前提下，還需要利用調(diào)度算法，讓司機(jī)出現(xiàn)在乘客最需要的地方。

從上面這幅圖里可以知道很多區(qū)域是缺司機(jī)的，但是有些區(qū)域的運(yùn)力是充足的。在調(diào)度決策上，滴滴開發(fā)了一套算法來(lái)計(jì)算在每一個(gè)時(shí)空節(jié)點(diǎn)上，增加一個(gè)司機(jī)所產(chǎn)生的邊界效應(yīng)。在這個(gè)時(shí)空節(jié)點(diǎn)上，如果有一個(gè)司機(jī)出現(xiàn)，他能夠帶來(lái)多少單的改變。那么在這樣一個(gè)司機(jī)的邊界模型之下，可以開發(fā)出一套優(yōu)化算法，協(xié)同各個(gè)時(shí)空節(jié)點(diǎn)進(jìn)行全局的運(yùn)力調(diào)配，從而更好地解決供需失衡的問(wèn)題。

（完）

雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。