KDD2018揭秘：滴滴AI技术革新路径
KDD2018揭秘：滴滴AI技术革新路径
2018年8月19日至23日，国际数据挖掘顶级会议KDD2018在英国伦敦举行。作为全球最具影响力的学术会议之一，KDD吸引了来自世界各地的专家学者和行业领袖。在这次大会上，滴滴技术团队展示了其在交通出行领域的多项技术突破，引发了广泛关注。
ETA预测：精准预估出行时间
在路径规划和ETA预测方面，滴滴研究团队提出了创新性的解决方案。他们将路径规划问题建模成一个马尔科夫过程，并引入强化学习技术来提升导航效果。在ETA预测方面，滴滴重点介绍了基于深度学习的Wide-deep-recurrent（WDR）模型和基于多任务学习的路径无关ETA模型。
其中，WDR模型通过结合宽度网络、深度网络和循环神经网络的优势，显著提升了ETA预测的精度。这一模型已经在滴滴平台上得到广泛应用，每天处理约700亿次ETA请求，峰值时每秒处理约400万次。这种高精度的ETA预测不仅优化了用户体验，还为平台的调度和决策提供了重要支持。
智能派单：提升效率与收入
派单是出行场景中的核心环节。为了优化派单效率，滴滴使用强化学习技术构建派单算法。该算法能够基于对全天供需、出行行为的预测和归纳，考虑司机整体效率，从而在确保乘客出行体验的同时提升司机收入。
这一模型实践论文在KDD2018中以口头报告形式发表，展示了滴滴在智能调度领域的最新进展。通过不断优化算法，滴滴正在努力实现供需平衡，提升整个平台的运营效率。
智慧交通：打造高效城市交通体系
滴滴还分享了AI技术在交通预测、智慧信号灯、交通模拟器等领域的应用。以智慧信号灯为例，滴滴利用其平台数据和AI算法，能够精准预测每个十字路口各个方向的车流量，并据此进行更智能的信号灯控制。
目前，滴滴已经与二十多个城市合作，优化了全中国超过1300个红绿灯，平均降低10%至20%的拥堵时间。这种基于数据驱动的交通管理方式，为解决城市交通拥堵问题提供了新的思路。
开放合作：推动学术研究发展
在此次KDD大会上，滴滴还宣布进一步扩大其盖亚数据开放计划。二期新增174G的科研数据集，包括2016年10月和11月成都、西安部分区域的专车和快车原始轨迹数据。这些数据经过匿名化和加密处理，确保无法追溯到个人。
全球高校和科研机构的专家学者可免费获取这些数据，用于学术研究。滴滴AI Labs负责人叶杰平表示，公司希望通过开放数据和计算基础设施，激励更多科技创新，共同解决世界级的交通和环保挑战。
结语
通过在KDD2018上的技术展示，滴滴展现了其在AI领域的深厚积累。从ETA预测到智能派单，从智慧信号灯到数据开放计划，滴滴正在用技术创新推动智慧交通的发展。这些技术突破不仅优化了用户体验，也为城市交通管理提供了新的解决方案。随着AI技术的不断发展，我们有理由相信，未来的出行将更加便捷和高效。