下雨打不到车?滴滴说能用 AI 预测来解决

一场大雨,让北京交通受到了严峻的挑战。如果我们能够提前预测未来十分钟的专车数量、打车人数,提前调度车辆,是不是就能避免打不到车的困境?

7 月 20 日落幕的首届滴滴出行 Di-tech 算法大赛就是希望解决这个问题。来自世界各地的 11440 名高校研究生报名参加了此次活动,最终由南京理工大学三名学生组成的团队“inferrrr”以绝对优势夺得冠军并收获 10 万美元奖金。

滴滴出行 CEO 程维在颁奖时表示,互联网的下半场是人工智能。“很庆幸,我们有世界上最难的题目,打造交通的AI。最难的题目才需要最聪明的人工智能引擎,才有可能诞生未来最强大的大数据算法团队。”

此次比赛的题目为出行的供需预测,即对于特定城市的特定区域给定前三十分钟订单相关数据(包括数月的实时订单, 交通信息,天气数据等),参赛团队通过算法来预测该地区未来十分钟的供需差值。

Alpha Go 的所向披靡让不少人重新意识到人工智能的威力,相关的研究也逐渐火热起来。然而比起 Alpha Go 的计算只能在围棋等特定领域达到极致,滴滴的数据挖掘、机器学习确确实实在影响着千万人的出行。程维透露,上周五,滴滴的日订单量突破 1600 万次。

如果按日均处理订单 1400 万次来算,需要分析的数据量达到 70 TB,路径规划超过 90 亿次。面对如此庞杂的数据,需要通过不断升级、完善的云计算与大数据技术,保证数据分析及相关应用的稳定,实现高频出行下的运力均衡,供需预测是其中的关键问题。

目前,包括滴滴、优步在内的出行平台普遍用“动态调价”来调节供需,而滴滴希望通过供需预测加运力调度来消除“动态调价”。

例如,夺冠团队 inferrrr 观察到一个此前少人注意到的现象:闲散轻松的下午三点也会出现明显的供需落差,那是因为下午三点正处于午休与下班两个高峰之间,许多司机会趁此休息,反而会出现供给不足、打不到车的现象。

di-tech talk

通过分析司机空载时间、乘客等待时间等特征参数,设计算法,提前预知该区域的供需情况,并且提前把空余运力引导到这个区域,那么不需要用价格调控,就可以实现平衡。优化行程后,司机不用空驶,收入亦会提高。

滴滴研究院院长何晓飞补充道,“如果我们能搜集到更多的数据,未来有一天我们甚至能够知道每一位乘客、每一位司机的意愿。如果我们能够更加准确的甚至预测人的心理,那么我们可以把整个城市的交通管理的更加有秩序。”

参加过 Di-tech 的颁奖礼,我从位于中关村软件园的滴滴总部走出来,很自然地打开滴滴的 App,想要去到 3 公里外的地铁站。在大雨滂沱下,我等待了无数个“数分钟”,一直没有等来愿意接单的车辆。

毕竟,在溢价达到 4.1 倍的时候,一般人会更倾向于接距离更长的订单。如果未来滴滴 AI 足够发达,不知道它能不能提前通知更多愿意接短途的司机来应对这样的情况。

订阅更多文章