<mark id="oztn4"></mark>
0
| 本文作者： 新智駕 | 2017-02-23 17:20 |
雷鋒網(wǎng)按：滴滴研究院副院長(zhǎng)葉杰平近日在一場(chǎng)內(nèi)部分享會(huì)上詳解了滴滴大腦（DiDi Brain），而且神秘產(chǎn)品“九霄”也首次公布。
雷鋒網(wǎng)了解到，葉杰平將滴滴大腦這個(gè)智能系統(tǒng)分為三部分，分別是大數(shù)據(jù)、機(jī)器學(xué)習(xí)和云計(jì)算。
其中大數(shù)據(jù)就像工業(yè)革命時(shí)代的煤一樣舉足輕重，人工智能需要數(shù)據(jù)進(jìn)行訓(xùn)練，縱觀應(yīng)用級(jí)深度學(xué)習(xí)的成功案例，他們都獲得了海量數(shù)據(jù)，像谷歌和Facebook這樣的公司都可以獲取大量數(shù)據(jù)，這種優(yōu)勢(shì)讓他們可以創(chuàng)造更有效的新工具。
而機(jī)器學(xué)習(xí)是人工智能的核心，一套系統(tǒng)通過(guò)機(jī)器自我學(xué)習(xí)的方式來(lái)實(shí)現(xiàn)人工智能，算法則是機(jī)器學(xué)習(xí)的關(guān)鍵要素。滴滴搭建的核心算法模型，可以幫助實(shí)現(xiàn)更準(zhǔn)確的預(yù)測(cè)能力、智能的調(diào)配能力，提高效率降低成本，達(dá)到最優(yōu)運(yùn)力調(diào)度。
云計(jì)算提供計(jì)算能力，滴滴的業(yè)務(wù)場(chǎng)景對(duì)計(jì)算要求和實(shí)時(shí)性都非常高，用戶輸入一個(gè)目的地，最佳合理調(diào)度都由滴滴大腦以毫秒級(jí)的速度來(lái)計(jì)算，例如通過(guò)滴滴云計(jì)算搭建了大規(guī)模實(shí)時(shí)分單處理平臺(tái)，可以實(shí)現(xiàn)多維度最佳訂單匹配。滴滴平臺(tái)已經(jīng)有數(shù)萬(wàn)臺(tái)服務(wù)器，未來(lái)兩年服務(wù)器規(guī)模將達(dá)到數(shù)十萬(wàn)臺(tái)。
葉杰平揭秘的算法世界是滴滴大腦最為核心的技術(shù)之一，滴滴研究院解決的技術(shù)難題，包括供需預(yù)測(cè)、路徑規(guī)劃、智能派單等都離不開(kāi)算法，此外在提高用戶乘車體驗(yàn)上，也引入了人工智能，比如服務(wù)分和機(jī)器判責(zé)等功能背后都是通過(guò)復(fù)雜的機(jī)器學(xué)習(xí)算法技術(shù)來(lái)實(shí)現(xiàn)。
滴滴的每一次分單，就如同下棋，需要考慮之后N步的走法。滴滴大腦每2秒進(jìn)行一次全局判斷，在迅速的大量計(jì)算中，完成全局最優(yōu)的智能派單。
大數(shù)據(jù)的神奇之處就在于可以通過(guò)搜集到的數(shù)據(jù)，進(jìn)行處理分析后，得到規(guī)律，然后利用這個(gè)規(guī)律來(lái)對(duì)未來(lái)進(jìn)行預(yù)測(cè)。
在交通方面，大數(shù)據(jù)預(yù)測(cè)的能力就極為重要，可以預(yù)測(cè)什么時(shí)間什么地方會(huì)擁堵。
大數(shù)據(jù)預(yù)測(cè)的關(guān)鍵是足夠多的高質(zhì)量的數(shù)據(jù)。當(dāng)前滴滴每日峰值訂單超過(guò)2000萬(wàn)單、每日處理數(shù)據(jù)超過(guò)2000TB，覆蓋了交通路況、用戶叫車信息、司機(jī)駕駛行為、車輛數(shù)據(jù)等多個(gè)維度，它所掌握的真實(shí)數(shù)據(jù)除了幫助預(yù)測(cè)路況外，還能對(duì)供需進(jìn)行預(yù)測(cè)，供需預(yù)測(cè)越準(zhǔn)確，越能更好的解決供需不平衡問(wèn)題。
滴滴目前對(duì)15分鐘后供需預(yù)測(cè)的準(zhǔn)確度已經(jīng)達(dá)到了85%，基于這樣的準(zhǔn)確率，平臺(tái)可以調(diào)度司機(jī)滿足未來(lái)的打車需求，有效降低未來(lái)該區(qū)域供需不平衡的概率。
路徑規(guī)劃和ETA兩項(xiàng)地圖技術(shù)是實(shí)現(xiàn)智能派單的關(guān)鍵，也將直接影響到司乘雙方的使用體驗(yàn)。
通過(guò)海量歷史數(shù)據(jù)，可以對(duì)未來(lái)路況做預(yù)測(cè)，實(shí)現(xiàn)A點(diǎn)到B點(diǎn)的路徑規(guī)劃，它是派單的核心，工程師圍繞最低的價(jià)格、最高的司機(jī)效率和最佳交通系統(tǒng)運(yùn)行效率來(lái)做算法。
ETA指預(yù)估任意起終點(diǎn)所需的行駛時(shí)間，要求精準(zhǔn)性。滴滴將機(jī)器學(xué)習(xí)應(yīng)用到ETA，這是解決“訂單高效匹配”和“司機(jī)運(yùn)力調(diào)度”的關(guān)鍵技術(shù)。當(dāng)前滴滴ETA可以預(yù)測(cè)每一單出行的時(shí)長(zhǎng)以及預(yù)估在每一個(gè)路口前的等待時(shí)長(zhǎng)，這項(xiàng)技術(shù)幫助滴滴在更合適的時(shí)間對(duì)運(yùn)力進(jìn)行更好的調(diào)度。
用滴滴叫車，和搜索的邏輯不同。網(wǎng)上的商品、資訊等信息都是靜態(tài)停留在那里，計(jì)算方式只是將這個(gè)商品、信息挖掘出來(lái)即可；而滴滴的計(jì)算則類似于動(dòng)態(tài)打靶，車輛永遠(yuǎn)在運(yùn)動(dòng)當(dāng)中，要在眾多運(yùn)動(dòng)的車輛中，給乘客一個(gè)最優(yōu)的選擇，不光是距離，時(shí)間也是。
智能派單對(duì)訂單量和司機(jī)數(shù)進(jìn)行預(yù)測(cè)，然后通過(guò)大規(guī)模分布式計(jì)算來(lái)實(shí)現(xiàn)上述的最優(yōu)撮合。
為了實(shí)現(xiàn)這一目的，供需預(yù)測(cè)、動(dòng)調(diào)調(diào)價(jià)、路徑規(guī)劃以及服務(wù)分的算法技術(shù)要一起發(fā)揮作用，他們最終為實(shí)現(xiàn)最優(yōu)派單而服務(wù)，他們的算法都將結(jié)合到智能派單系統(tǒng)中，幫助在動(dòng)態(tài)環(huán)境中撮合乘客與司機(jī)的交易。
據(jù)悉，目前高峰期滴滴平臺(tái)每分鐘接收超過(guò)3萬(wàn)乘客需求，每2秒鐘作一次訂單匹配，每一次發(fā)單背后,滴滴大腦運(yùn)算次數(shù)為百億次級(jí)別。
此外，滴滴還可使用大數(shù)據(jù)技術(shù)來(lái)預(yù)估每個(gè)司機(jī)的服務(wù)分值，包括乘客打分、乘客評(píng)價(jià)以及取消率等因素，并利用算法模型來(lái)計(jì)算不同服務(wù)水平的司機(jī)對(duì)用戶產(chǎn)生的長(zhǎng)期影響。
據(jù)雷鋒網(wǎng)了解，九霄是滴滴大數(shù)據(jù)孵化的出行領(lǐng)域智能決策技術(shù)產(chǎn)品。
能夠把錯(cuò)綜復(fù)雜的時(shí)間、空間、業(yè)務(wù)維度的N次元出行領(lǐng)域數(shù)據(jù)，轉(zhuǎn)化成易于理解的二次元數(shù)據(jù)，搭建數(shù)據(jù)理解的橋梁，幫助運(yùn)營(yíng)、產(chǎn)品、BI、研發(fā)人員發(fā)現(xiàn)問(wèn)題、分析問(wèn)題、解決問(wèn)題，產(chǎn)生切實(shí)的業(yè)務(wù)收益。
滴滴將出行領(lǐng)域的數(shù)據(jù)，進(jìn)行整理、挖掘、智能聚合，在地圖空間和時(shí)間軸上進(jìn)行合理的呈現(xiàn)，使用戶能夠直觀的感知在什么時(shí)間、什么地點(diǎn)、各個(gè)業(yè)務(wù)線的什么業(yè)務(wù)維度（乘客、訂單、運(yùn)力、體驗(yàn)等），發(fā)生了什么，方便深入追蹤和探尋業(yè)務(wù)痛點(diǎn)和原因分析。
舉個(gè)例子，比如通過(guò)九霄對(duì)地圖上任意區(qū)域的供需平衡狀況、訂單滿足情況能夠一目了然，并且結(jié)合九霄的精細(xì)化分析能力，能夠進(jìn)行細(xì)化到某個(gè)地理圍欄的供需策略，進(jìn)行圍欄級(jí)別的運(yùn)力調(diào)度策略配置；（在代駕場(chǎng)景上）基于機(jī)器學(xué)習(xí)進(jìn)行供需預(yù)測(cè)，判斷哪些區(qū)域存在運(yùn)力缺口，自動(dòng)化調(diào)度司機(jī)調(diào)節(jié)供需平衡。
實(shí)際上，九霄憑借科學(xué)可視化技術(shù)能力、算法能力和高性能架構(gòu)能力，將數(shù)據(jù)變?yōu)橹R(shí)，作為決策依據(jù)。
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。
