为什么不叫滴滴打的？它的野心是大数据和AI在出行场景中落地

4月25日晚， 滴滴出行 副总裁、滴滴出行研究院院长叶杰平，和北大 人工智能 创新中心主任、曾经的“百度七剑客”之一雷鸣一道，在北大举办了AI公开课。 叶杰平 就人工智能和滴滴出行进行了探讨，分析了相应技术的发展，如何影响产业，现状及未来趋势、对应挑战与机遇。同时，他 分享了滴滴的大数据，以及大数据和人工智能在滴滴的应用。

大数据在交通领域的核心价值

中国国内车辆密度已经很高，依托这一大背景，共享经济正在崛起。共享单车的战火越烧越旺，ofo与摩拜大战处于风口浪尖。在这背后，无论是资方还是创业者，大家达成的共识是： 缓解交通拥堵最为有效的方式是让现有的车实现共享。 滴滴也不例外，作为一个可以实现司机和乘客两边的信息互通的 平台 ，它借助自身掌握的实时信息，做出比较智能的决策来提高出行的效率、缓解拥堵。

有数据才有分析，交通领域的数据产量巨大。 日常生活中，物流运输公司、公交一卡通、GPS定位、车联网、路网监控、电子地图导航应用等，无一不在将信息进行数据汇总分析，以此实现交通优化管理。

大数据 的终极核心价值在于“资源优化配置”。 要实现大数据的核心价值，需要两个重要的步骤，第一步是通过“ 众包 ”的形式收集海量数据，第二步是通过大数据的技术途径进行“ 全量数据挖掘 ”，最后利用分析结果进行“ 资源优化配置 ”。 滴滴研究院大脑的核心是机器学习，依靠背后的算法和计算平台整合整个城市的交通数据，做出实时的智能决策。

在工业界解决一个实际问题，最重要的是抓住数据特征。 随着计算机的处理能力的日益强大，你能获得的数据量越大，你能挖掘到的价值就越多。 滴滴的优势在于它拥有极大的数据样本量 ， 每天新增的数据量超过70TB，同时也在做很多的预测、模型，等等。每天处理 2000TB 数据，其中包括90亿的路径规划，130亿的精准定位数据。 滴滴面临的挑战就在于从海量的交通数据里面找出有用的信息 ，来改变大家的出行，比如说提高出行效率、改善出行体验和安全性，而这也是 滴滴大数据的核心价值 。

叶杰明表示，机器学习的第一步，需要迅速找到部分数据特征建立最简单的模型。通过不断实验，对问题的理解变得更加深刻，特征挖得更好更丰富后，发觉效果已经比经典算法规则提高了很多，这说明 机器学习肯定在未来会颠覆传统的规则 。 后续数据量的增加会让这个模型变得更完善，随着 数据的体量越来越大， 深度学习 的威力便显现出来。 把一个东西真正做到非常实用的时候，它的特征选取、公式复杂程度已经远超我们一开始想象的可理解性规则。百度最初在做搜索引擎排序时，也面临着相同的困难。

深度学习在很多领域已经有非常成功的应用了，比如说在图像、文本、语音等方向。 在交通方面其实还很少， 叶杰平认为深度学习在交通的数据方面还是非常有前景的。 它还有很大的提高空间，数据越大，威力越大，这必将成为一个大的趋势。在过去一年半左右的实践过程中，大数据不仅支撑了滴滴的核心模块，如 智能派单、 ETA、路径规划等，还可以用来 极大地提高司机的服务质量。这点在滴滴APP首页便可见一斑。

所以我们说， 基于大数据分析的结果，进行资源优化配置，才是大数据应用的落地点和真正价值。

未来五年大交通产业的机遇与挑战

交通出行行业的发展需要多方合作。 滴滴在整个出行行业的渗透率还很低，大部分数据仍在滴滴之外的。 未来的大趋势是交通数据实现一定程度上的共享， 只有当各方数据实现连通，整合起来才能够发挥更大的价值，帮助人们更加精准地做出决策。

发展智慧交通的关键在于 数据整合之后如何实现落地？我们需要借助大数据来解决实际的交通问题，比如红绿灯、城市的规划建设等。滴滴的数据在济南的红绿灯实验已经能看到巨大的潜力了。 这项目在济南的经十路已经上线一个多月，数据显示，经十路早晚高峰期的交通延误时间均下降了超过10%。

但 如果要达到更佳的效果，仍需更多方面配合合作，更精准地反映当时完整的交通情况。 滴滴的数据量在增加，也在持续和出租车公司、公交公司、政府合作，未来甚至会与传统的路上检测的数据整合起来 ， 以此达到更好的效果 。

关于智能交通，现在国外研究比较多的叫做 网联车 。车跟车是相连的，车跟路上的一些设备也是相连的，以此来做出 更加精准的 决策。如果所有车都能实现连通，我们就能够更精准地预测车距是否合理，来提高交通安全度。其次网联车也能做到更精准的定位。当然在未来还有可能会包括无人驾驶。

现在对于机器学习和人工智能的需求存在一个非常大的缺口。 在社会上存在两大问题：第一， 人才的稀缺性。 人才需求远远大于供给，供需严重不平衡，导致稍微擅长人工智能的人在社会招聘方面就非常抢手。这个圈子并不大，基本都是互相推荐。 第二，我们进入这个时代之后，我们学习的模型也好，知识也好， 生命周期比以前短 了。 人工智能的学习需求将是持续的。

本文作者潘梓春，亿欧专栏作者；微信：13501304665（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。