Эта статья написана [Передовая линия ИИ] Оригинал, исходная ссылка:t.cn/RHocRmj
Интервью и написание｜Натали
Редактор | Эмили
Менее чем за год общие велосипеды превратились в красочный пейзаж в городе.Облегчая поездки на короткие расстояния для горожан, эксплуатация велосипедов и управление ими также стали огромной проблемой.
Ежедневно мы видим большое количество общих велосипедов, где-то они стоят рядами, а где-то этих маленьких машин не видно. Для платформ вопрос, где и сколько размещено общих велосипедов, заслуживает изучения. Если машина никому не нужна там, где она стоит, эффект доставки сильно снизится, если люди не смогут найти машину там, где она им нужна, пострадает и платформа.
Но как определить, где правильно поставить его? После того, как велосипеды объехали все уголки города, как запланировать их, чтобы на них могло ездить больше людей? Ежедневно на платформу поступают тысячи фотографий неисправных автомобилей, как отличить правду от лжи? Решение этих проблем фактически неотделимо от искусственного интеллекта.
Инь Дафей, главный научный сотрудник Mobike, расскажет о том, как Mobike использует искусственный интеллект для усовершенствования работы велосипеда, на Глобальной конференции по технологиям искусственного интеллекта и машинного обучения (AICon) и расскажет, как Mobike использует большие данные и искусственный интеллект. Эта технология решает проблему незаконной парковки и приливных явлений, а также последние исследования в области оптимизации планирования. Перед конференцией InfoQ провела эксклюзивное интервью с Инь Дафей, познакомив читателей с применением искусственного интеллекта в Mobike.
От академии к промышленности
Инь Дафэй продолжил постдокторские исследования в Университете Цинхуа после получения докторской степени в Пекинском университете и вошел в отрасль после относительно долгой академической исследовательской карьеры. До прихода в Mobike он был инженером по продукту и старшим инженером по данным в Esri и Dhgate соответственно. Для него самая большая разница между проведением исследований в академических кругах и созданием продуктов в промышленности - это скорость.Промышленный мир предъявляет более высокие требования к скорости преобразования прикладных результатов, чем академический мир, а академический мир уделяет больше внимания доказательству теории. . Когда исследователи переходят из академических кругов в индустрию, смена ролей — это процесс, который необходимо испытать. Инь Дафэй предлагает для этого «двигаться быстро». Если вы много читаете, вы часто запутываетесь в деталях и стремитесь к совершенству; в то время как торговые центры похожи на поля сражений, о времени вы понятия не имеете.Требования еще более насущные, в академии можно "за десять лет наточить меч", а в промышленности нужно "бежать мелкими шажками".
Присоединившись к Mobike, Инь Дафей выстроил группу обработки данных Mobike с нуля до единицы. В процессе формирования команды Инь Дафэй также столкнулся с некоторыми трудностями. Новые сотрудники приезжают со всего мира, некоторые ушли из зрелых компаний, а некоторые только что закончили обучение.Это большая проблема, чтобы позволить им интегрироваться в предпринимательскую среду компании, научиться сотрудничать и формировать боеспособность. Метод Инь Дафея заключается в том, чтобы предоставить всем больше возможностей для совместного обучения и совместного роста.
Сегодня группа данных Mobike становится все более и более зрелой, и в нее входят группы по алгоритмам и искусственному интеллекту, анализу бизнес-аналитики, визуальному анализу, службам данных и группам по архитектуре данных. Отчеты, алгоритмы и службы данных, созданные командой, поддерживают различные направления бизнеса, такие как операции, финансы, продукты, маркетинг, обслуживание клиентов и отношения с государственными органами, и ускоряют развитие бизнеса компании с помощью цифровых технологий.
ИИ приземляется на Mobike
Инь Дафей сказал нам, что Mobike очень рано сделала макет в технологии искусственного интеллекта. После накопления определенного количества данных Mobike начал выборочно использовать некоторые основные технологии искусственного интеллекта для прогнозирования и классификации.
В настоящее время основные приложения технологии ИИ часто используются в области обработки изображений и звука, обработки естественного языка, рекомендательных систем и вождения без водителя. Mobike в бизнес-сценарии совместного использования велосипедов. Серьезная проблема для технологии искусственного интеллекта. Для этого исследователи должны иметь возможность внедрять существующие технологии искусственного интеллекта на основе своего понимания области велосипедного спорта. Инь Дафей рассматривает использование DNN для прогнозирования спроса и предложения как «процесс идеи, возникающей из идеи». Mobike опирается на статью г-на Чжэн Ю из Microsoft Research Asia о прогнозировании загрязнения окружающей среды. В документе используется ResNet (DNN) A. вариант ) для прогнозов рассеивания загрязняющих веществ в атмосфере. Сценарий работы общих велосипедов также должен решать проблему пространственного прогнозирования, поэтому эта статья стала источником вдохновения для команды специалистов по данным Mobike, и команда проделала некоторую работу на основе ResNet.
В настоящее время к основным сценариям применения искусственного интеллекта в Mobike относятся:
- Прогноз баланса спроса и предложения на основе глубокой нейронной сети: прогноз ситуации со спросом и предложением является основой планирования работы.Метод Mobike состоит в том, чтобы разделить пространство на несколько сеток и разделить количество транспортных средств, исторические заказы и информацию о прогнозе погоды в каждая сетка.В сочетании DNN используется для обучения, чтобы получить прогнозируемое значение объема езды в определенное время в будущем.
- Использование распознавания изображений и других технологий, помогающих службе поддержки повысить эффективность работы: Mobike поощряет пользователей своевременно сообщать о нецивилизованном поведении при использовании автомобиля. С этой целью в приложении была настроена кнопка «Сообщить». Пользователи могут фотографировать незаконные действия. парковка и загрузить их в службу поддержки клиентов. Для этих зарегистрированных пользователей, если они сообщают несколько раз подряд, Mobike отправит им текстовое сообщение с предупреждением. Но проблема в том, что служба поддержки клиентов будет получать тысячи изображений каждый день, и даже многие из них повторяются, потому что один и тот же автомобиль сообщается многими пользователями, что создаст большую нагрузку на персонал службы поддержки клиентов. Поэтому Mobike использует технологию глубокого обучения, чтобы идентифицировать изображение и определить, является ли изображение велосипедом, незаконно припаркованным в сообществе. В настоящее время служба поддержки клиентов Mobike редко считывает изображения напрямую.Примерно менее 1% изображений требуют ручного вмешательства, поскольку машину трудно отличить, а остальные 99% могут быть распознаны машиной, что значительно снижает нагрузку на клиента. услуга.
Архитектура и эволюция ИИ-платформы «Куб»
Платформа искусственного интеллекта для больших данных Mobike также известна как «Magic Cube».Одним из основных приложений «Magic Cube» является круглосуточное точное прогнозирование спроса и предложения на совместно используемые велосипеды и предоставление интеллектуальных указаний по доставке транспортных средств. планирование, эксплуатация и техническое обслуживание.
Общая архитектура «Куба» в основном относится к архитектуре основных интернет-компаний, использующих Hadoop в качестве основного хранилища файлов, Spark, Storm и Flink для потоковых вычислений и TensorFlow для обучения моделей и прогнозирования машинного обучения.
Архитектура платформы данных Mobike в основном развивается вместе с расширением бизнеса Mobike. Первоначально все отчеты по данным Mobike были построены на реляционных базах данных, таких как MySQL. С быстрым расширением бизнеса объем данных также увеличивался экспоненциально, а запросы выполнялись очень медленно. Поэтому Mobike создала платформу данных на основе Hadoop. использовать Hive/Impala для запросов больших объемов данных. После того, как бизнес продолжил развиваться, Mobike последовательно использовала Kylin для OLAP, добавила потоковый анализ данных Spark/Storm для отслеживания состояния велосипедов и разблокировки в реальном времени, а также внедрила TensorFlow для приложений машинного обучения, таких как онлайн-определение суммы в красных конвертах.
В настоящее время прогнозирование и планирование объема поставок платформы «Cube» в режиме реального времени в основном основано на таких данных, как данные о транспортных средствах, исторические данные заказов, информация о погоде и праздниках. Большая часть этой информации поступает через систему Mobike, а информация о погоде поступает из общедоступных онлайн-источников. Среди них информация о транспортном средстве — это велосипеды на складе в каждой сетке, что является основой для прогнозов Mobike, в то время как исторические заказы отражают прошлые тенденции, а погода — это случайное событие, которое оказывает наибольшее влияние на заказы.Эта информация интегрирована в модели в качестве переменных-предикторов.
Данные о поездках на велосипеде выходят за рамки операций
В настоящее время массивные общие данные о велосипедах, полученные Mobike, включают в себя большое количество информации о состоянии замка от велосипедного интеллектуального замка Mobike, а также большое количество журналов, сгенерированных сервером, в дополнение к информации о местоположении и маршруте движения велосипеда. .
Инь Дафей познакомил нас с несколькими случаями применения данных вне операций:
- Пекин недавно одобрил строительство велосипедной скоростной автомагистрали между Xierqi и Zhongguancun.На этапе планирования этой дороги компания Mobike предоставила городским планировщикам некоторые данные о траектории, чтобы использовать их в качестве ориентира для определения местоположения дороги;
- При строительстве метро Xiamen надеется использовать реальные данные о поездках в качестве руководства для строительства новых линий и находить районы с большим объемом поездок для выбора линии метро.Данные Mobike о велосипедных поездках могут удовлетворить потребности;
- Исследование городского планирования, проведенное Mobike и Всемирным банком, показало, что теория TOD (Transit Oriented Design), которая долгое время применялась при планировании городского строительства, подчеркивает, что строительство сосредоточено в пределах 800 метров от узла метро, и наша реальная траектория показывает, что ездят все. Дальность велопоходов можно увеличить до 3-5 км. Таким образом, сфера действия традиционной теории TOD расширяется, так что строительство не будет слишком сконцентрировано вокруг метро, что окажет большее влияние на будущее городское строительство.
Mobike был развернут во многих городах Китая и даже за границей.Есть много различий в общих данных о велосипедах в разных городах и регионах.Инь Дафэй также поделился с нами примером.
На приведенном выше рисунке показаны схемы передвижения в будние и выходные дни в окрестностях пекинского метро Shangdi и станции метро Guangzhou Xicun.Видно, что Shangdi является типичным рабочим районом.Все регулярно ездят на работу, и путешествия в основном сосредоточены на поездках на работу. и по выходным не так много велосипедов., и район Гуанчжоу Сицунь очень отличается, здесь много катаются в будние и выходные дни. Эти характеристики отражают различный экономический образ жизни двух мест.
перспективы на будущее
В будущем Mobike попытается превратить кубик Рубика в комплексную платформу для интеллектуальных путешествий.Mobike продолжит обращать внимание на последние достижения в области ИИ, включая GAN (сеть состязательного поколения) и другие аспекты работы, и продолжит укреплять анализ траекторий и персонализация Исследование рекомендаций и других аспектов сделало бизнес Mobike более совершенным.
Представление гостей интервью
Инь Дафей — специалист по данным в Mobike. Он сформировал группу данных Mobike от 0 до 1, которая в настоящее время включает в себя алгоритмы и искусственный интеллект, анализ бизнес-аналитики, визуальный анализ, службы данных и группы архитектуры данных. Отчеты, алгоритмы и службы данных, созданные командой, поддерживают различные направления бизнеса, такие как операции, финансы, продукты, маркетинг, обслуживание клиентов и государственные дела, помогая компании быстро развиваться на основе данных. До прихода в Mobike он был инженером по продукту и старшим инженером по данным в Esri и Dhgate соответственно. Ранее он завершил постдокторское исследование в Университете Цинхуа после получения степени доктора философии в Пекинском университете.
Ответить после подписки "AI"Знаешь