【.com原稿】2017年7月21-22日，由北京富力复兴主办的以人工智能为主题的WOTI2017全球创新科技峰会酒店隆重举行。峰会期间，30+AI明星、数十场精彩演讲、围绕人工智能主题的圆桌论坛缓缓亮相。除了会场内的精彩演讲，场外还有专门为AI爱好者打造的动手实验室和技术体验区，都让本次大会看点十足。7月21日上午，在WOTI2017主会场，摩拜单车资深数据科学家殷达飞以《人工智能助力百万辆单车精细化运营》为主题进行了精彩演讲。以下为演讲实录，让我们先睹为快！非常荣幸有机会接受邀请，跟大家分享我们过去一年多在摩拜运营过程中积累的算法和技术，可能不都是人工智能技术。刚才陆总的话，我特别赞赏。人工智能技术一方面是在此基础上进行探索，另一方面是如何与业务结合，促进业务发展。今天给大家讲一讲，人工智能技术包括算法技术如何在我们的共享单车平台上发挥作用，帮助我们成功运营超过650万辆单车，单车的数量还在不断增加，我们的订单数量现在每天的订单量已经超过2000万，注册用户数已经超过1亿，现在我们在全球三个国家开展业务，除了中国。在说这些技术之前，先给大家分享一下我们2017年数据白皮书中的数据，让大家对我们1块钱的小生意有一个直观的感受。当然，我们主要讲运营优化。***下面给大家介绍一下我们的合作成果。我们仍然很开放。我们也知道我们在整个生态系统中是比较小的一部分，所以我们希望大家积极配合我们。先说几个值得骄傲的地方，创造了一些***。第一个，全球第一辆通过扫码共享单车，背后是我们的智能锁技术，它本身有一个IoT芯片，通过智能终端与后端进行通信，保证我们650万辆车永远在线，现在我们在全球最大的运行物联网平台IOT平台。近期，我们正在与国内的华为、中国联通、中国移动等电信企业以及海外的沃达丰、高通建立战略合作，共同推动有机网络和无机物联网的落地。这些大运营商也认为，因为共享单车，有机网络的到来可以提前近一年实现。另外自发电的共享单车，一个是街机版的共享单车，骑起来有点重，但是款式不错，是一套太阳能板发电。首款三模式定位的智能共享单车。我会花点时间谈谈我们的大数据和人工智能平台。截至4月，全国骑行距离已超过25亿，相当于我们往返月球的3000多次。我们减少了540,000吨碳排放量，相当于在路上更换170,000辆汽车一年。造成的污染。我们自行车停放的地方基本是1平方米，小汽车基本占10平方米。那么如果有这么多用户骑自行车，就相当于可以代替我们汽车在市中心占用的停车位。节省下来的空间，我们可以建造更多的学区房来降低房价。我们向用户发送问卷调查他们使用自行车前后的感受。我们发送了20,000份问卷。反馈结果是，使用摩拜单车后，他们每天骑车出行的效率提高了一倍。.他们反映，在大多数情况下，短途出行，5公里以内使用自行车出行，无论是乘坐公交车、出租车、地铁，还是自驾，都比使用其他交通方式更有效。大概有一半以上的人在拥有自行车作为日常通勤后放弃了私家车。除此之外，几乎所有人都喜欢我们，但是有一个行业不太喜欢我们，那就是黑魔行业。天通苑和回龙观附近黑磨多，尤其是地铁和公交车少的地方。那些能够拿下海摩的，现在数量已经大大减少了。据统计，70%的海摩人转行。我们也做了统计，70后、80后、90后的用户有70%，有30%的用户在骑行。另有20%的用户乘坐我们的汽车在公共汽车和地铁之间穿梭。这个数据很有意思。我们的平台很难依靠自身的运营实力有效运营。我们更依赖用户通过志愿者帮助我们运营。它是如何工作的？当他们发现故障时，他们会报告故障。广东志愿者已报错5000余次。我们真正依靠用户来操作自行车，这也是我们的一个非常大的特点。另外，一方面为了规范大家的停车，另一方面为了方便大家找车，我们设置了一些共享停车位。稍后我将讨论背后的算法。下面我重点讲讲如何通过算法驾驶更高效地驾驶这650万辆汽车。管理这么多车，需要做好以下几个方面的工作：***，你要知道你的车放在哪里，当然要放在人气旺的地方。这是最重要的一点，你需要知道供需比例，才能做出恰当的预测。二、刚好你的车在人气旺的地方，怎么调到人气的地方。第三，有些车确实抛锚了，如何才能有效的回收这些抛锚的车。***，让用户合理停放，无论是营业额好的地方，还是流失率比较低的地方，都能大大降低您的运营成本。所以我会重点关注这四个方面。首先，我将谈谈供需预测。在我们的实际工作中，我们常常会发现，即使是一个很小的地方，它的供需比例分布也很不均匀。比如地铁入口，相对于其他入口，A入口的需求占了绝大多数。这是一个明显的热点。这样我们在放车辆的时候，不能说直接在地铁口投。这些车辆我们会集中部署到需求量比较大的地方，我们会安排小三轮车去分配这些车辆。其他地铁出入口的车辆定期投放到供需比较大的地铁出入口。在运营过程中，我们也在使用“指南针”这个运营平台。有热力图，旁边有日期选择，数量统计。可以随时实时看到每条街道的分布情况，所以运营人员根据历史统计数据进行二次分析。一天的决定，除了历史信息，我们使用统计方法和图形方法，我们还进行了预测系统。这篇文章的思路还是来自于我们2015年写的一篇文章，微软研究院的一篇文章，大致意思就是利用残差神经网络进行供需预测。初衷是解决人口疏散问题，防止踩踏事件，预测未来时刻某个盲点的需求是什么？通过这样的计算，使用TenserFlow实现基于ResNet的供需预测，我们可以根据这样的预测为决策提供很好的依据。让我回到调度方面。我们需要知道汽车分布在哪里。我们也做了一个基于密度聚类算法的工作。通过该算法可以对车辆的分布进行聚类，通过聚类的方法可以得到更好的显示形式。另外，为了预估天气对整个停车的影响有多大，我们这里使用XGBoost算法来预测第二天的降水量、温度、PM2.5对我们停车的影响。此外，我们还对车辆回收难度进行了分析。有的由内部人员回收，有的外包给兼职工。但是，兼职工人一般会找比较容易找的车，而我们的专员会找比较难找的车。车。所以，我们在分配任务之前，会把任务分类，让比较容易找的车尽快分配给经验不多的兼职人员，让他们找到，把藏在角落里的车分配给专家。在回收过程中难免会出现故障，我们在实际工作中也有一些小货车在路上行驶。我们就是这样分配小货车的。我们先对图进行划分，相当于小聚类。在每一张地图上都做，保证每辆卡车都在一个相对合理的范围内，逐步走过故障车辆的点，把这些故障车辆拉走，把运营成本降到最低。我们不希望用户把车停在小区里，因为其他人没有办法进入封闭的小区取车。所以我们在后台也做了很多地理围栏的标注，尤其像长安街这样的地方，都做了标注。用户进入应该怎么办？会有热心的志愿者给我们反馈违章停车的照片。一般来说，你举报一次，我们会给你一个行动点，你下次乘车就免费了。我们经常会发现同一辆车被很多用户举报，这会给客服人员造成很大的负担，客服人员每天会收到上千张图片。在这个过程中，我们使用深度学习技术对图片进行识别。在这张图片中，我们可以看到，车子停在了小区的单元楼门口。这是违章停车。我们客服很少直接看图的。不到1%是机器难以分辨的图片，剩下的99%是机器可以识别的。对于这些被举报的用户，如果连续多次举报，我们会给您发短信，请您不要在违章停车区域停车。此外，我们还做了一个智能MPL，上面有三块太阳能电池板。它是自己取电的，里面有蓝牙芯片可以和车子通讯。如果您可以将车停在智能MPL附近，您将获得积分。积分或优惠券，告诉你可以在附近的肯德基吃早餐。通过这些方式，我们不断引导用户将车停在标准化的停车位。***先说说我们在经营过程中一直受到社会各界的关注，很多政府和学校的同事都找到了我们。我们也非常愿意与您分享一些数据。比如微软研究院，在用我们的车在基于上海的跑道上，分析了上海这个地方哪些车道适合骑行，骑行量比较大。然而，在市政规划过程中，并没有合理划定自行车道。这样一篇文章观点发表在一个著名的机器学习会议上。当然还有很多，包括我们最近和北京交通规划院的合作。我们正在尝试使用我们的轨迹分析来提供决策依据。什么决定？比如天通苑和西二旗软件园之间有大量IT工作者来回穿梭，但这个地方比较迂回。有没有可能建立一个快速的自行车道，并使用我们的骑行数据来进行这样的分析。我们非常乐意与您分享这些数据。我们的技术和算法技术还处于非常早期的阶段，很高兴能和大家一起把更多的技术应用到我们的共享平台上，和大家一起创造更好的城市骑行环境，谢谢！记者将继续为您带来WOTI2017全球创新科技峰会前夕的精彩报道，敬请期待！【原创稿件，合作网站转载请注明原作者及出处为.com】
