滴滴详解交通出行中的人工智能 多项算法模型首次公开

  • 时间:
  • 浏览:1
  • 来源:1分快3平台-1分赛车网投平台_3分彩投注平台

人工智能领域顶级学术会议AAAI2019正在美国夏威夷举行。大会期间,滴滴技术团队重点举办效率强化学习主题课程,全面分享了效率强化学习在交通领域的理论研究与应用,并删剪展示了滴滴的最新探索与实践。

人工智能领域顶级学术会议AAAI2019正在美国夏威夷举行。大会期间,滴滴技术团队重点举办效率强化学习主题课程,全面分享了效率强化学习在交通领域的理论研究与应用,并删剪展示了滴滴的最新探索与实践。 

效率强化学习课程详解交通出行中的人工智能 

AAAI是国际人工智能学精年会,每年大会上的课程、收录论文都备受外界关注。大会数据显示,AAAI 2019共收到7095篇有效投稿,但最终录用数仅为1147篇,录取比例为近年最低;而大会期间共举办2有1个 专题课程,覆盖机器学习、自然语言除理等多个领域。 

今年,滴滴现场举办了《效率强化学习在交通出行领域的理论研究与实践应用》课程(Tutorial on Deep Reinforcement Learning with Applications in Transportation),系统讲解效率强化学习的诸多理论、算法,如Markov decision process(MDP)基础、动态规划土最好的办法、基于函数逼近的价值类土最好的办法、策略梯度类土最好的办法、多智能体强化学习、迁移学习等;并以众多案例入手,具体讲解了不同算法在路径规划、导航、交通灯控制和智能驾驶等智能交通场景内的应用、机遇和挑战,吸引大会众多研究学者参与。

 

(滴滴AI Labs负责人叶杰平介绍现代交通演变史及机器学习范式)

 

(滴滴研究员删剪讲解效率强化学习基础理论) 

此外,滴滴研究团队还深入讲解了滴滴在强化学习领域的研究工作,一阵一阵是效率强化学习技术在智能派单调度中的应用。原因派单的决定会影响未来的司机分布,且派单既要考虑司机收入需用保障用户体验,综合考虑有如果 个 需求,滴滴研究团队介绍了并不是土最好的办法来除理派单问题图片图片,并不是土最好的办法是时间差学习(TD-learning),另并不是是效率强化学习。TD-learning在派单中的应用中分为有1个 每种,线上的计划过程和离线的学习过程,有如果 个 过程结合了强化学习和组合优化。考虑到每一次匹配对未来是有影响的,有1个 可不需用能基于全天供需、出行行为预测,来考虑一天之内司机整体的效率,相关模型实践论文已被KDD2018收录。 

而效率强化学习在派单应用中具有诸多优点,不仅对于实时供需变化具有良好的适应性;有如果适合学习不同城市和时间段的数据,从而迁移模型知识;此外,原因输入(上车地点、时间、目的地、内容)权重共享,具有泛化能力强的特点。由此滴滴研究团队提出了蕴含行动搜索的DQN(Deep Q-network)模型,对DQN做了多项技术改进,使之能在离线off-policy数据可不需用成功训练。一起也提出了并不是新的双路径网络架构,使迁移学习得以和强化学习相结合,描述该项工作的论文也已发表在IEEE ICDM 2018会议。

 

(滴滴效率学习课程吸引现场众多研究学者参与) 

滴滴现场还进一步讲解了怎么才能 才能 运用效率强化学习联合优化派单和车辆调度。通过有效利用了效率学习中的嵌入层和注意力机制,可不需用把派单和调度进一步整合,打开更大的优化空间。有如果 模型也于去年12月首次在NeurIPS大会上发表。 

四篇论文入选AAAI2019 新对外开放脱敏POI科研数据集

在论文方面,本次滴滴共有四篇论文被AAAI收录,内容涉及效率学习、生成对抗网络、神经网络等技术方向。以《基于时光多图卷积神经网络的网约车需求预测》论文为例,滴滴提出并不是新的模型STMGCN(时光多图卷积网络),用于对时光序列进行建模与预测。该模型将城市时光预测问题图片图片定义为非规则网格上的时光预测问题图片图片,借助城市中的多模态数据,如地理临近程度,POI累似 度与路网连通规则为区域间建立了非欧式关系,并用图卷积神经网络(GCN)对有如果 关系进行建模。STMGCN在网约车用车需求预测问题图片图片上取得了非常好的效果,预测结果更加稳定,误差相比传统土最好的办法减小了10%以上。

 

(滴滴算法专家现场分享模型实践) 

而在《基于文本和地理信息的Query-POI相关性学习》中,滴滴提出了并不是基于文本形状及地理形状的Query-POI相关性学习土最好的办法,将起终点的地理位置关系应用于POI(信息点)检索模型中,通过结合文本形状和地理形状,在POI排序任务中获得了更好的效果,能够优化用户的发单体验。 

值得注意的是,在AAAI大会现场,滴滴盖亚数据开放计划还新增加有1个 脱敏POI检索科研数据集,新对外开放2018年5-6月成都局部区域内专车快车的POI检索数据。相关数据原因过加密、脱敏、匿名化等除理,全球高校和科研机构的专家学者可登入盖亚数据开放计划网站提交相关信息免费获取。滴滴方面现场也表示,后续盖亚数据开放计划将持续以开放合作协议支持全球科研工作者进行更广泛学术研究。