深度丨滴滴研究院副院长叶杰平：揭开滴滴人工智能调度系统的真面目.docxVIP

深度丨滴滴争辩院副院长叶杰平：揭开滴滴人工智能调度系统的真面目 2021-01-01 以下文章来源于雷锋网 ，作者亚峰 HYPERLINK 雷锋网 . 洞见智能将来，共与产业变迁 雷锋网招人了！ 加入雷锋网，共享AI时代的信息红利，与智能将来同行。听说牛人都点了这里。 AI 科技评论按：腾讯大数据峰会暨 KDD China 技术峰会中，滴滴争辩院副院长、密歇根高校终身教授叶杰平博士格外全面地解密了机器学习在滴滴中的大规模应用，其中包括：出行目的地猜测、路径规划、拼车最优婚配、订单安排、估价、运力调度、评分系统等。AI 科技评论依据现场演讲整理成文，并由叶杰平博士与滴滴 CTO 张博亲身审文。 叶杰平： 滴滴争辩院副院长，美国密歇根高校的终身教授。叶杰平是机器学习领域国际领军人物，其次要从事机器学习、数据挖掘和大数据分析领域的争辩，尤其在大规模稀疏模型学习中处于国际领先地位。 去年滴滴成立了机器学习争辩院，之后改名为滴滴争辩院。 滴滴争辩院做的事情是结合大数据与机器学习，搭建滴滴交通大脑。滴滴交通大脑需要收集每个城市、每一时辰的全部交通出行相关数据，然后做出最优的决策（婚配、导航等），从而提高出行效率。接下来我来共享一下滴滴过去一年在大数据和人工智能方面的探究。 App 首页中的人工智能 打开滴滴出行 App，首页中就包含很多人工智能： 猜测目的地 我们先会精确定位用户的位置，下方是用户所要去的目的地。很多情况下我们能够猜测到用户去哪里：由于很多出行是比较有规律的：早上上班、晚上回家。我们利用用户的出行数据从时间和地点中猜测用户去的目的地，这是人工智能的一种体现。 估价 我们常见的价格预估背后其实也有着格外简单的计算过程，涉及到路径规划和时间预估（ETA）。其中从起点到起点的路径规划是格外核心的一部分，找到最佳路径后，我们需要计算出 A 到 B 的距离。随后着手处理行程所需的时间估算：起点到起点需要 20 分钟还是 30 分钟。结合路径和时间，我们给出一个预估价。 拼车 拼车选项也是格外简单的机器学习问题，我们需要计算用户点击拼车后从起点到起点过程中找到一个拼友的概率。假如概率不大，这名乘客就很可能得一个人从头坐到尾，而滴滴给出的折扣也会低一些，如九折等。假如这条是抢手路线，路途中很可能会有其他乘客与你在同一时间去同一个或四周的地方。这种情况下，我们可以打一次力度略微较大的折扣。 叫车后的人工智能应用 乘客与司机婚配 当用户确认叫车后，滴滴需要做订单婚配，找到最适合接该用户的司机。这一流程也是一系列的机器学习问题。 那么如何权衡订单合不合适，可以有多种方法处理：比如距离和时间上离你最近的司机。当然，权衡订单问题背后也包含共性化搜索，如个别用户可能只宠爱某一类车型、某一品种型的司机。尤其是女性用户在深夜十一二点，可能对车型和司机的要求比较高，这需要进行共性化婚配。 假如用户选择拼车，系统如何找到最适合的一辆车：这辆车有可能是空车，也有可能是载人车，与此同时，算出 A 到 B 的时间。 热力图 这里会遇到一种情况，新司机期望空驶时间越少越好，但往往不晓得去哪接单，这时候滴滴会给到一个热力图，告知司机哪些区域将来的半个小时，有可能有很多订单需求。 滴滴人工智能的核心：订单安排 滴滴争辩院目前做的最核心的事情是订单安排。在某个时辰有成千上万的乘客，同时也有成千上万的空闲车辆，我们要完成司机和乘客的最优婚配，权衡标准是婚配度。计算婚配度最简约的方法是用距离进行评估，滴滴在前几年均是用距离进行婚配。但路面距离计算仍存在很多不合理的地方，由于各个路段的情况不同，有些地方特殊堵，有些则相反，同样是一公里但行驶所耗时间可能完全不同。这里就急需添加时间这一维度。而计算时间又是一大难题，比预估距离还要难。 所以滴滴实现订单最优婚配需要遵照这两大核心：做出最优路径规划，预估时间。 大规模婚配 计算出某个订单的时间和距离后，会遇到一个问题：由于滴滴数据量特殊大，每一个乘客不只是让一个司机去婚配，而是需要跟四周上百个司机婚配。在任何一个时辰，滴滴的婚配量高达千万次以上，在一两秒钟完成上千万次的路径规划，这是一项格外大的挑战。 这项决策与搜索不同，用 Google 搜索出结果后，再过 10 分钟结果照旧与之前相同。而滴滴在婚配时，哪怕滞后两秒钟这个司机就可能过了某个十字路口，使得路径规划情况完全不同。我们现在建立起一个机器学习系统，该系统包含历史数据和实时数据，只需在有滴滴的地方，我们就晓得车辆行驶的速度和路况。然后找特征，建立系统，也可用深度学习做路径规划和时间预估。 滴滴争辩院最近建立了一套深度学习系统，然后加上路况和其他信息去进行猜测，这应当是目前第一个用深度学习来做路径规划和时间预估的系统。简约对比下结果，去年开头用机器学习再到最近