接著上一篇騰訊AI Lab，我們今天將帶領(lǐng)大家一起了解一下滴滴研究院。

作者 | 湯興旺 言有三

編輯 | 湯興旺 言有三

01

簡介

2016年4月13日，滴滴出行對外宣布，機(jī)器學(xué)習(xí)研究院升級(jí)為滴滴研究院，人工智能科學(xué)家何曉飛教授任滴滴研究院首屆院長。

滴滴研究院作為滴滴出行全新創(chuàng)新性研究機(jī)構(gòu)，研究方向包括：機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、人工智能、數(shù)據(jù)挖掘、最優(yōu)化理論、分布式計(jì)算等，其致力于通過機(jī)器學(xué)習(xí)理論和方法，最大化利用交通運(yùn)力，緩解城市擁堵，為每一位用戶設(shè)計(jì)最貼心最智能的出行方案。與業(yè)務(wù)線緊密結(jié)合，每一項(xiàng)研究成果都能以最快的速度應(yīng)用到相應(yīng)的產(chǎn)品上，給千萬用戶帶去便捷。

現(xiàn)在讓我們一起走進(jìn)滴滴研究院，另外請注意一定要準(zhǔn)備好你的簡歷喲！滴滴研究院官網(wǎng)鏈接如下：

http://research.xiaojukeji.com/index.html

02

領(lǐng)導(dǎo)團(tuán)隊(duì)

自從滴滴研究院的前院長何曉飛教授從滴滴研究院離職后，目前其還剩下最主要的兩位大佬分別是葉杰平副院長和弓峰敏副院長。現(xiàn)在分別介紹下這兩位大佬，如下：

葉杰平教授博士畢業(yè)于美國明尼蘇達(dá)大學(xué)，是美國密歇根大學(xué)的終身教授，密歇根大學(xué)大數(shù)據(jù)研究中心管理委員會(huì)成員。他是機(jī)器學(xué)習(xí)領(lǐng)域國際是領(lǐng)軍人物，主要從事機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘和大數(shù)據(jù)分析領(lǐng)域的研究，尤其在大規(guī)模稀疏模型學(xué)習(xí)中處于國際領(lǐng)先地位。

其在國際頂級(jí)期刊和會(huì)議發(fā)表高水平論文200余篇，引用次數(shù)超過8000次，擔(dān)任包括IEEE TPAMI，DMKD，IEEE TKDE，NIPS，ICML，KDD等多個(gè)國際頂級(jí)期刊編委及國際頂級(jí)會(huì)議程序委員會(huì)主席和領(lǐng)域主席。

我們再說說另一個(gè)滴滴研究院大佬，副院長——弓峰敏，他是網(wǎng)絡(luò)安全領(lǐng)域卓有成就的專家，世界著名網(wǎng)絡(luò)安全公司Palo Alto Networks的聯(lián)合創(chuàng)始人，還是多家新興安全公司的創(chuàng)始人或重要高管。

03

研究案例

我們來說說滴滴的六大技術(shù)研究案例，分別是ETA，運(yùn)力調(diào)度，供需預(yù)測，拼車，智能分單，熱力圖。

3.1ETA

ETA是滴滴出行的時(shí)間預(yù)估功能基于滴滴出行的海量實(shí)時(shí)出行數(shù)據(jù)，設(shè)計(jì)出全新的時(shí)間預(yù)估算法，從原理上克服了傳統(tǒng)算法的缺陷，大幅度提升了時(shí)間預(yù)估的準(zhǔn)確率。

3.2 運(yùn)力調(diào)度

滴滴的運(yùn)行調(diào)度基于供需預(yù)測結(jié)果，大規(guī)模有序調(diào)動(dòng)全城所有可用運(yùn)力，實(shí)現(xiàn)資源最優(yōu)化分配，力求解決正在發(fā)生的以及潛在供需失衡的狀況，提升平臺(tái)效率的同時(shí)最大化利用交通運(yùn)力，緩解城市擁堵。

3.3 供需預(yù)測

滴滴的供需預(yù)測基于海量實(shí)時(shí)出行數(shù)據(jù)，以數(shù)十億訂單數(shù)據(jù)和數(shù)百萬司機(jī)位置信息為基礎(chǔ)，預(yù)測任意時(shí)間段各個(gè)區(qū)域的訂單需求和運(yùn)力分布狀況，提供最優(yōu)的未來出行方案。

3.4 拼車

其利用高效的實(shí)時(shí)拼車訂單的匹配算法，共享運(yùn)力資源以及降低乘客出行成本。在不斷提高拼成模型準(zhǔn)確率的同時(shí)，優(yōu)化拼車體驗(yàn)，提升服務(wù)效率。

3.5 智能分單

在司機(jī)和乘客的歷史數(shù)據(jù)中學(xué)習(xí)接單概率模型，提高司機(jī)和乘客的匹配度，利用運(yùn)力的規(guī)模效應(yīng)實(shí)時(shí)地從全局上最優(yōu)化總體交通運(yùn)輸效率和乘客出行體驗(yàn)。

3.6 熱力圖

其熱力圖基于對歷史數(shù)據(jù)的統(tǒng)計(jì)并結(jié)合實(shí)時(shí)訂單數(shù)據(jù)，給出當(dāng)前全城范圍內(nèi)訂單密集區(qū)域的分布，給司機(jī)提供有價(jià)值的聽單位置參考，提高聽單概率并減少司機(jī)空駛時(shí)間。

04

研究成果

滴滴的研究成果主要集中在滴滴出行APP上和自動(dòng)駕駛上面，下面我分別介紹下。

4.1 滴滴出行APP中的AI技術(shù)

當(dāng)前在我們平時(shí)最常用的滴滴出行APP上就有大量的AI技術(shù)。也正是這些AI技術(shù)保證了滴滴地圖數(shù)據(jù)的準(zhǔn)確性和時(shí)效性。使我們用戶能夠順暢出行。

現(xiàn)在當(dāng)我們打開滴滴出行APP，它能精確我們的位置，當(dāng)我們輸入目的地后，APP會(huì)給我們一個(gè)估計(jì)的價(jià)格，實(shí)際上這個(gè)價(jià)格估計(jì)的背后就有著AI，涉及路徑規(guī)劃和時(shí)間預(yù)估(ETA)。

滴滴在這過程中廣泛使用了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法，來提高應(yīng)用的準(zhǔn)確性和處理能力，提高地圖數(shù)據(jù)更新的有效性和時(shí)效性，以更好地為人們提供出行服務(wù)。

另外在我們進(jìn)行叫車的時(shí)候，實(shí)際有也有大量的AI應(yīng)用。

當(dāng)用戶確認(rèn)叫車后，滴滴需要做訂單匹配，找到最適合接該用戶的司機(jī)。那么滴滴是如何權(quán)衡訂單合不合適的呢？實(shí)際上可以有多種辦法解決：比如距離和時(shí)間上離你最近的司機(jī)。當(dāng)然，權(quán)衡訂單問題背后也包含個(gè)性化搜索，如個(gè)別用戶可能只喜歡某一類車型、某一種類型的司機(jī)。尤其是女性用戶在深夜十一二點(diǎn)，可能對車型和司機(jī)的要求比較高，這需要進(jìn)行個(gè)性化匹配。這些都是AI在為我們提供方便。

4.2 滴滴自動(dòng)駕駛

我們再說說滴滴的另外一個(gè)AI應(yīng)用——自動(dòng)駕駛

在2018年滴滴年會(huì)上滴滴CTO提出了未來滴滴的科技戰(zhàn)略——

AI for Transportation（AI改變交通）。在我這一位對自動(dòng)駕駛的小白看來，由于滴滴擁有非常好的交通大數(shù)據(jù)，可以說它在發(fā)展自動(dòng)駕駛上有著獨(dú)特的優(yōu)勢。

上面的這兩幅圖就是滴滴的自動(dòng)駕駛實(shí)車，這這次年會(huì)上滴滴通過視頻展現(xiàn)了其自動(dòng)駕駛汽車，這輛白色汽車在自動(dòng)駕駛模式下，高效識(shí)別行人、靜態(tài)障礙物、動(dòng)態(tài)車輛，流暢平順的完成了路口右轉(zhuǎn)、左轉(zhuǎn)以及道路規(guī)劃等操作。

據(jù)了解滴滴研發(fā)自動(dòng)駕駛，希望可以最小化交通出行中人為因素的影響，利用機(jī)器學(xué)習(xí)共享交通信息，告別交通事故，最終實(shí)現(xiàn)交通安全的最大化。目前滴滴已經(jīng)在中美兩地?fù)碛袦y試車隊(duì)，并將持續(xù)加大對智能駕駛研發(fā)的投入。

以上就是我對滴滴研究院的一個(gè)小介紹，我是非常看好滴滴研究院，尤其其在自動(dòng)駕駛的發(fā)展上，你怎么看？歡迎留言！

總結(jié)

盡管滴滴今年在安全上出現(xiàn)了不少負(fù)面新聞，但我相信隨著技術(shù)不斷成熟，滴滴能不斷推動(dòng)中國AI的發(fā)展，相信她能把其擁有的交通大數(shù)據(jù)更好的應(yīng)用在自動(dòng)駕駛上！

轉(zhuǎn)載文章請后臺(tái)聯(lián)系

侵權(quán)必究

更多請關(guān)注知乎專欄《有三AI學(xué)院》

往期研究院精選

國內(nèi)AI研究院

想要變身”AI專家“，就戳戳手指關(guān)注我們吧

別忘了點(diǎn)“好看”支持作者噢? ????

總結(jié)

以上是生活随笔為你收集整理的【研究院】滴滴研究院，都在做什么的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。