在搜索推荐领域有十年的全栈经验。曾就职于百度,美团等一线互联网公司。一手打造了美团外卖的搜索推荐团队,在美团打车组建了分单调度和智能客服团队。
在搜索推荐领域有十年的全栈经验。曾就职于百度,美团等一线互联网公司。一手打造了美团外卖的搜索推荐团队,在美团打车组建了分单调度和智能客服团队。
滴滴是国内最大的出行公司,拥有几百万司机和数亿用户,出行场景对地图服务不但有强依赖,也提出了更高的时效和精度要求。规划临时交通管制或施工封闭的道路会导致送驾段的绕路,或在接驾段司机因无法接到乘客而被动取消,拥堵和交通事故也会给乘客的出行时间带来很大的不确定性。我们迫切需要一套实时高精度的情报系统,来快速感知现实世界的变化,完成“让出行更美好”的使命。
在天级更新,人工作业,情报转化率不足40%的业内水准上。我们经过不断的探索和尝试,最终借力广大的司乘资源,结合海量的时空轨迹、图像和业务数据,探索出了一套分钟级全流程自动化的实时情报系统,并且经过自研的正反模式分解,流量编码和CNN结合应用,多模态识别等技术的迭代,最终在业务上取得了巨大的收益,同时也为构建良性的司乘生态打下了基础。
在探索的过程中,我们也遇到了巨大的挑战。如何在没有真值和样本标注的情况下启动策略?如何面对中低热情报下探这种地图老大难问题?如何在个别点上取得突破后快速泛化拿到十倍的收益?如何构建一套良性机制让策略效果稳步提升?
在地图数据智能化道路和出行司乘生态建设上我们是拓荒者,本次分享将结合我们遇到的问题和实践经验,来谈谈我们的心得,也欢迎更多的同学加入到这个方向上来。
演讲提纲:
听众收益: