打开滴滴App叫车，你最先看到的就是绿色的上车站点推荐。地图数据的准确性和时效性、基于地图的路径规划、预估到达时间等服务是顺畅出行的基础。
基于海量实时出行数据，滴滴如何将机器学习、深度学习算法融入地图系统中，更好地为出行服务？其产品和功能背后有怎样的AI技术支持？
今天上午，在北京国家会议中心举办的WGDC 2018（全球地理信息开发者大会）上，滴滴出行地图事业部总经理张弦详细解释了滴滴地图背后的AI技术。
△张弦在WGDC发表演讲
基于海量实时出行数据，滴滴地图提供ETA（预估到达时间）、路径规划、上下车点、“猜你想去”等基础服务，并且支持滴滴出行平台的运力调度、供需预测、拼车、智能分单等多个业务系统。面对复杂的业务场景，滴滴广泛使用了机器学习、深度学习算法，来提高应用的准确性和处理能力，提高地图数据更新的有效性和时效性，以更好地为人们提供出行服务。
△AI和大数据融入地图服务
张弦在演讲中表示，历经过去的发展，滴滴出行将机器学习成功地应用到滴滴的产品体系中，从基础地图服务到订单调度系统，再到用户体验提升，都离不开机器学习算法的支持。
比如在ETA算法中，滴滴使用了海量实时数据，设计出全新的时间预估算法，从原理上克服了传统算法的缺陷，大幅提升了时间预估的准确率；供需预测算法则以数十亿订单数据和平台车主的位置信息为基础，预测任意时间段各个区域的订单需求和供给分布状况，提供最优的出行方案；而智能分单系统是通过增强学习技术，从车主和乘客的历史数据中习得并不断迭代接单概率模型，提高车主和乘客的匹配程度，利用运力的规模效应实时地从全局上最优化总体交通运输效率和乘客出行体验。
△滴滴地图服务整体架构
正如张弦在演讲中所说，“要严肃对待每一公里、每一分钟”：当系统定位到乘客的上车地点后，滴滴可以在2毫秒内预测他们的目的地，率先推荐出最可能前往的地点，加快乘客的发单效率。这个“猜你想去”的功能可以达到90%的预测准确率。
通过大数据算法，滴滴能够向乘客推荐附近适合的上车地点，从而有效减少司乘之间的沟通次数，提高行程效率。2017年，滴滴出行对这一基于AI技术的功能进行了强化，目前已达到了在线机器学习的智能程度，能够让App上的推荐上车点动态更新。
目前，平台拥有超过3000万个推荐上车点，有75%的用户直接使用这一功能发单：以全国地级以上城市的城区总面积来计算，这意味着不到25米乘客就可以抵达一个站点。
△地图在滴滴出行中的业务系统与基础服务
在强大技术能力和精细策略的背后，是滴滴出行对人才的重视与培养：目前滴滴有近9000名员工，其中接近一半是大数据科学家和工程师；而地图事业部的人才结构则更为精细：40%来自地图行业、30%专注于机器学习领域、还有30%拥有计算机专业（Computer Science）背景。
WGDC是地理信息领域最具影响力的技术性盛会，峰会以不断引领和促进地理信息技术的创新和变革为宗旨，已经成为空间大数据产业跨界发展、跨国交流的重要平台，在业内被誉为“中国空间信息产业的创新风向标”。
此次在WGDC峰会上，张弦宣布了“滴滴出行地图开放课题”计划。面向以高校为主的研究机构，滴滴出行将当前或未来面临的行业共性业务难题对外开放，并且提供脱敏数据、计算资源、基金资助，旨在促进高质量研究成果的产出，加速研究成果的产业落地和应用。
△WGDC峰会现场
这是业界首次开放地图行业相关的课题，率先发布的三个开放课题分别是：“智慧交通路径计算”、“基于多传感器的室内定位”和“大规模场景三维重建技术方案”。
具体而言，路径计算研究希望利用静态路网属性信息和动态路况信息，评估路线质量；室内定位研究旨在利用多传感器在室内定位优化上进行前瞻性的技术探索，进而实现较精准的室内步行导航；而三维重建技术研究则基于视觉，使大规模场景的三维重建技术成为可能。
原文发布时间为：2018-06-15
本文作者：文摘菌
