怎样未雨绸缪地帮你叫到车,滴滴组织了一场算法比赛解决这个问题

怎样未雨绸缪地帮你叫到车,滴滴组织了一场算法比赛解决这个问题

已知:M 市 2016 年连续三周每个需预测的时间片前半小时的数据信息

预测:M 市第四周和第五周中某五天的后 10 分钟的供需

这是滴滴的算法大赛在过去三个月留给选手的命题,来自海内外 7664 个团队、11440 人参与了报名。

他们通过提取特征、建模、优化算法等得出结论,然后与真实的情况进行对比,误差最小,算法优秀的团队将胜出。

对于一个经验丰富的司机来说,猜测北京国贸地区在 3 点半左右的打车人数并不难。对于一个连接司机和乘客的算法平台而言,一点儿也不简单。

滴滴出行的 CEO 程维笑称,我们可能未必有最高的工资,但是我们有世界上最难的题目。

根据滴滴方面的数据,滴滴出行平台日均需处理 1100 万订单,需要分析的数据量达到 50TB,路径规划服务请求超过 90 亿。程维说:「我们的用户每发出一个订单,计算量是淘宝的一千倍。」

在这个过程中,运力调度,路径规划等都需要依靠算法来处理,能否高效解决,影响着用户的用车体验。

以运力调度为例,如果能够提前预测一个区域的供给和需求情况,引导司机前往,那么在乘客需要实时出行时,车辆就会及时出现。

这也成为了这次大赛命题——「解决出行行业供需预测问题」的由来。

解决供需问题需要考虑哪些因素

在比赛的过程中,三位来自南京理工大学的学生遇到了算法和逻辑很难解释的问题:下午三点的供需差要比其他时段要大。

「晚上 5,6 点是下班晚高峰,中午司机需要休息、吃饭,这些时间点司机供给不足可以理解。下午三点怎么会出现这种情况呢?」

团队干脆就走到街头,跟滴滴司机聊天,聊到后来才发现,下午三点多,乘坐的客人不多,平台没有什么激励机制,所以司机的接单的意愿不高。

基于此,他们对方案进行了调整和完善。

这也成为团队的加分项,最后,他们以在算法改进,特征工程等方面的创新性改造获得一等奖。

除了获奖团队,参赛团队的很多想法也给了滴滴研究院副院长叶杰平很多启发。「团队挖掘的特征有上千种,比如,他们还会考虑用户在一次订单失败后,第二次,第三次重新提交订单的概率。这是我们之前没有想到的。」

从最早的抢单模式到指派,到现在的极速派单,叶杰平说这背后得益于算法的优化。

为了保证指派给司机的订单是最合适的,距离因素、拥堵状况以及司机的历史行为都会被考虑进去。「司机对价格是否敏感,之前的订单评价如何,是不是经常取消订单等,都是影响因素。」

而这次算法比赛,也有益于他们吸收好的计算结果,应用到现有的系统中去。

考题背后的人工智能是滴滴的下一个故事

通过比赛发现创新性的解决方案,招募人才。滴滴出行对外传达的讯息就是:我们重视和人工智能相关的技术和人才。

和美团王兴的下半场理论相似,滴滴出行的 CEO 程维也认为互联网创业进入到了下半场,不过,他认为下半场的关键在于人工智能。

「滴滴很幸运地拿到了上半场的船票,上半场我们更多的是靠终端的发展,开始是电脑,后来变成了手机。互联网的下半场就是人工智能,之前所有靠连接的红利,靠网民增长发展的企业都碰到了一定的瓶颈,端的发展慢慢会慢下来,云的发展会越来越快,滴滴连接了一千五百万个交通工具,每天有近两千万单发起,下一步是要智能 AI 变得更加的聪明,变得越来越懂人类,变得能够撮合供需之间不平衡的矛盾。」

插图_meitu_2.jpg

为此,滴滴出行在 4 月份宣布将机器学习研究院升级为滴滴研究院,并任命何晓飞教授为滴滴研究院首任院长。

程维希望,滴滴出行能够成为一家技术公司,在技术上和国际团队一决高下。这也是继出行和共享经济之后,滴滴正在说的新故事。

滴滴出行
关注极客公园公众号
反馈