滴滴副总裁叶杰平：交通是世界难题，希望能用技术与AI来改变

　　滴滴副总裁、滴滴人工智能实验室负责人叶杰平表示，目前交通领域比较大的痛点是交通数据，不像图像等有非常庞大的公开的数据，交通领域基本上没有。因此滴滴从去年开始对学界开放了部分脱敏过后的数据，让更多人能够参与，有更多创新改善出行。“今年这个数据会在保证安全的情况下不断扩大，让更多的人一起能够参与这个领域，用AI来改变交通。”

　　据叶杰平透露，目前滴滴全平台大概有超过2千万个司机，5.5亿个的用户，每天完成3千万订单，新增超过100T的数据，其中绝大部分是轨迹数据。而这庞大数据的背后是滴滴大脑在进行支持，而滴滴大脑的核心是希望结合我们的大数据、AI技术、出行平台来提升大家出行的体验和效率。

　　“未来十年在交通领域会发生非常多的变革，我们认为变革主要发生在三个层面，最底层是交通基础设施，比如我们的路网、信号灯会越来越智能；中间一层是汽车，交通工具本身的变革，未来这个车也会越来越智能，智能化、新能源化等都是趋势；最顶层是共享出行，从共享车辆到共享每一个座位，期间智能派单、调度、供需预测等技术将会发挥很大的作用。过去六年，滴滴一直在构建整个出行网络，从共享车到共享每一个座位，期间智能派单、调度、供需预测等技术将会发挥很大的作用。我们也相信未来大部分车辆应该是共享的。”叶杰平表示。

　　以下是演讲全文实录：

　　叶杰平：各位嘉宾，大家下午好，今天很高兴能跟大家分享AI在交通领域的应用。我想很多人都用过滴滴，今天我给大家剖析一下每次打车用滴滴APP背后的AI引擎，也希望通过今天的分享让大家对滴滴有一个更加全面的了解。

　　滴滴现在是全球最大的一站式出行平台，提供各种类型的出行服务，包括专车、快车、顺风车、出租车、小巴等等，目前全平台大概有超过2千万个司机，5.5个亿的用户，每天完成3千万订单，这个背后有一个强大的滴滴大脑在支持，滴滴大脑的核心是我们的交通大数据、人工智能技术以及计算平台。

　　下面先讲一下我们的大数据，滴滴每天会新增超过100T的数据，这个数据绝大部分是轨迹数据，因为在滴滴平台的每辆车每几秒钟会给我们传递GPS信号，所以我们有非常完整的轨迹数据，从起点到终点。我们的轨迹数据不光完整而且量非常大。拿北京做一个例子，如果把北京滴滴车辆一天的轨迹放在一起，我们能够在北京的城市交通图重画400次。

　　这个数据不光是量非常大，也非常有规律。这是北京早高峰的数据，大部分订单在早高峰从城市郊区开到城市市中心。我们也建了一个供需预测的引擎，我们能够精准的预估在每一个区域未来半个小时的供给跟需求，目前精度能够达到85%。也就是说我们能非常精准预测比如这个会场附近区域在未来半个小时之内大概有多少需求，大概有多少供给。精准的供需预测是滴滴大脑很多决策非常重要的部分。滴滴大脑的核心是希望结合我们的大数据、AI技术、出行平台来提升大家出行的体验和效率。

　　未来十年在交通领域会发生非常多的变革，我们认为变革主要发生在三个层面，最底层是交通基础设施，比如我们的路网、信号灯会越来越智能，中间一层就是我们开的车，交通工具本身的变革，未来这个车也会越来越智能，智能化、新能源化等都是趋势，最顶层是共享出行，滴滴过去六年一直在建的整个出行网络。从共享车到共享每一个座位，期间智能派单、调度、供需预测等技术将会发挥很大的作用。我们相信未来大部分车辆应该是共享的。

　　在这里面AI都是非常核心的关键技术，所以滴滴的战略是AI for Transportation。这里的核心还是我们海量的轨迹数据，以及深度学习、强化学习、语音、文本、图像等AI技术能力，在这些的基础上，我们建立了非常强大的计算平台来支撑AI引擎，支撑滴滴大脑。

　　滴滴的AI布局也分为了三层，最底层的是基础AI算法，像Alphago出现之后强化学习变得非常热，这也说明底层算法不断创新是非常重要的。中间一层是我们有的非常核心的AI技术，比如大家比较了解的语音方面的技术，还有自然语言处理、图像等技术。最上面是由AI技术支持的应用，刚才讲了我们有三层的变化，对应三个层面的应用，最右边是智慧交通，优化我们的交通基础设施，中间是我们的智能车新能源车，最左边是我们的出行平台。下面我会拿几个例子给大家分享一下AI如何成功的在交通领域落地。

　　当你打开APP时，首页的背后已经有非常多的AI算法在支持了，比如我们会预测你的目的地，我们会为你推荐一个好的上车点。过去司机往往需要打上好几个电话，花上很多时间才能找到乘客，但我们通过大数据、AI算法能推荐一个最合理的上车点，指引司机乘客到达，这几个功能能够极大的提升用户的体验。

　　下面是滴滴APP里面最核心的模块，司机和乘客的匹配，这里我给大家分享一下我们如何用大数据、AI帮每个乘客找到最理想的司机。在匹配的背后有两方面的工作，一方面是匹配度，一个司机跟一个乘客匹配度如何，背后有非常复杂的地图方面的算法，包括如何做路径规划，如何计算A到B需要多少时间。这背后的挑战是非常大的，比如我们每天做400亿次的路径规划，在高峰期每秒钟会处理好几百万次的路径规划，远远超过其他所有公司，我们对精度要求也是非常高的，如果导航不准或时间预估不准，用户体验就会受到极大的伤害。所以滴滴过去两年引入了前沿的深度学习算法，结合大数据优化时间预估，误差已经从两年前百分之四十多降到百分之十几，极大提升了用户的体验。

　　另一方面，每个乘客希望能推荐最好的司机，滴滴的挑战跟很多传统的搜索不一样，不像百度、谷歌搜索会给他一个list，最理想的前面十个、二十个结果，而且推荐不一定需要最实时，隔半个小时、一天结果可能类似，但滴滴场景挑战更大一些，我们需要做实时的匹配，车辆始终在快速动态变化，下一秒可能就过了路口，或者驶入单行线。两年前，我们看到alphago在围棋领域取得非常大的成功，能够击败世界冠军，当时我们就把类似的想法用在了滴滴场景：如果你把每两秒钟一轮订单匹配，看成围棋下了一步，这样就可以把整个匹配的时间维度展开，从早上到晚上就相当于持续下棋，每下一步棋对未来是有影响的，你把这个乘客分配给这个司机，这个司机就会在半个小时后进入乘客目的地，如果这么思考的话，就可以把强化学习、alphago的最前沿技术，用在滴滴场景，在确保乘客体验的同时，显著的提高了司机每天的收入。

　　刚才已经提过供需预测，早晚高峰的时候会在某一些区域缺司机、某一些区域司机过多。供需不平衡，在很多领域都是非常有挑战性的问题。在滴滴场景，基于海量数据，我们可以做供需预测，做一个提前调度。如果你愿意，我们还可以为你推荐拼车，把一个司机和若干个出行轨迹类似的乘客匹配在一起，这样既能分享车内座位，提高出行效率，也能够改善环境污染。

　　除了出行平台，我们也非常关注交通基础设施的优化，从去年开始滴滴启动了智慧交通项目，我们跟政府、城市一起合作利用滴滴的大数据，利用前沿的AI技术来改善交通基础设施包括智能信号灯，智慧交通诱导屏，潮汐车道等等。

　　给大家看一个视频，这是深圳的一个区域，实时能看到滴滴车的流量，这里面有一个非常关键的问题，滴滴的车只是占整个城市车流量的一部分，能不能用滴滴的流量、滴滴的轨迹预测整个城市车的流量。比如在一个十字路口我们大概知道滴滴的轨迹数据，能不能利用滴滴现有的数据预测十字路口各个方向的流量。

　　去年，我们做了非常多的创新尝试，目前基于滴滴现有数据、交警地磁卡口数据，再结合AI算法，我们能精准地预测每一个十字路口各个方向的车流量，在此基础上我们就能够更加智能地做信号灯控制。

　　从去年开始我们跟很多城市开始合作，从济南到武汉、成都、深圳、南京、苏州、南京等超过20个城市，我们首创的智慧信号灯已经服务了超过1300个红绿灯，平均降低了10%-20%的拥堵时间。这个收益还是非常显著的。目前这个项目也在推广，希望和更多的其他城市政府能够合作，把这个技术推广到中国其他更多的城市。

　　前面提过滴滴一直是技术驱动，我们一直持续用科技、用AI技术来改善城市的交通，来改善大众的出行，目前我们除了关注我们六年一直在建的出行平台之外，我们希望充分利用自己的优势，利用我们的AI技术，利用我们海量的交通数据以及滴滴独特的应用场景把我们过去一年在智慧交通领域的积累能够渗透到社会公益领域，让AI不光是能够改善出行，也能够让技术赋能环保、健康、安全。我们希望我们的技术能给社会创造更大价值，让社会更加美好。

　　最后说一下，交通是一个世界难题，我们也希望更多的人能参与改善交通的行列。交通领域比较大的痛点就是交通数据，不像图像等有非常庞大的公开的数据，交通领域基本上没有，滴滴从去年开始也对学界开放了一部分脱敏过后的数据，让更多人能够参与，有更多创新来改善出行。今后这个数据会在保证安全的情况下不断扩大，让更多的人一起能够参与这个领域，用AI来改变交通，谢谢大家。