出行场景下数据智能化和生态建设历程

所属专题:算法应用

所属领域:

嘉宾 : 任化伟 | 滴滴地图生态业务负责人

会议室 : 二号厅B

讲师介绍

专题演讲嘉宾:任化伟

滴滴 地图生态业务负责人

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。

议题介绍

地点:二号厅B
所属专题:算法应用
所属领域:

演讲:出行场景下数据智能化和生态建设历程

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来基础。

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:

  1. 出行场景对地图的新挑战
    • 动态事件对出行的影响
    • 实时情报系统的挑战
  2. 破局之路
    • 借力上报破局
    • 中低热路网情报的下探
  3. 从“1”到“10”
    • 将问题转化——CNN
    • 多模态——训练一个智能PA
  4. 从“10”到“100”
    • 效果正循环——他山之石可以攻玉
  5. 出行场景下司乘生态建设的探索
    • 我们的生态逻辑
    • 我们的探索和心得

听众收益:

  1. 了解出行场景对地图的挑战和机遇,数据智能化历程和取得了哪些成果
  2. 了解面对无监督问题时,如何破解转化成半监督和监督问题,如何持续优化效果并达到能持续提升的正循环状态
  3. 了解出行场景下司乘生态建设的机遇和挑战,我们的探索经验和心得

交通指南

© 2019 Baidu - GS(2018)5572号 - 甲测资字1100930 - 京ICP证030173号 - Data © 长地万方
想要批量报名或更多优惠?
立即联系票务报名小助手豆包
或致电:010-84780850