滴滴只是一個叫車服務的APP？
日前，在北京舉行的滴滴科技開放日展示給公眾複雜而又生動的一面，完全顛覆了這個日常的刻板看法。
當今中國，已然是世界上最大的出行市場。據報告顯示，滴滴平臺用戶規模已超過5.5億，每日出行規模達到3000萬，與此相關的每日路徑規劃請求超過400億次，每日新增軌跡原始數據超過 106TB (相當於 21400 部 5GB 大小的藍光電影)，每日處理數據更超過驚人的4875TB！
這些對於普通人略顯僵硬的數字，背後是滴滴科技團隊每日裡努力構建的出行新生態，對需求與平衡進行調和的不斷付出。
客戶對出行便捷性、良好乘車體驗的需求；司機有降低空駛率成本、規劃最優線路創造利潤的需求；客觀上，整體交通參與者都有充分利用資源、降低擁堵、提高社會總效率的需求。這些需求互相影響疊加，複雜性盡顯。
用戶會希望隨時都能打到車，但簡單增加車輛供給就會導致資源浪費。其中的平衡取捨微妙而充滿了智慧。
"滴滴大腦"，一個AI驅動的智能決策中心。以派單為例，創造性地利用了AIphago的想法應用於出行場景，引入了強化學習技術，把每兩秒一輪訂單匹配，看成圍棋落了一子，進而把整個匹配按時間維度展開，因而每一次匹配對未來都是有影響的，以此基於全天供需、出行行為預測，來考慮一天之內司機整體的效率，能在確保乘客體驗的同時提高司機收入。這就是滴滴每天都在下的"一盤大棋"。
這個系統每天都在學習每一個城市甚至每一個路段的運行規律，通過計算派發訂單滿足出行需求。每當打開滴滴APP，這套系統都在進行高速規劃，甚至通過模型在您準備出行的時間地點直接猜到您的目的地，準確率高達90%，而只耗費0.002秒。也就是說，還未等您明確點擊目的地，一輛適合的車已經默默向您駛來。
同時，滴滴派單系統對於車輛的分配難度也遠高於其他互聯網搜索系統。車輛是不停移動的，可能幾秒鐘的時間裡這輛車就會錯過這個路口，或駛上高速。這對匹配能力是極大的考驗。
每次發單，大規模分佈式計算都會對司機和乘客進行最優匹配，不僅要將乘客與周圍大量的司機進行匹配，再疊加司機駕駛習慣、雨天霧天對行車速度的干擾等計算出最佳行駛路徑，實現平臺效率和用戶體驗最大化。
在滴滴大腦類似Alphago的學習模式下，每日巨大的數據使它不斷的進步，每一次派單都更趨完美。智能派單是滴滴的核心技術之一。和網上搜索時商品、資訊等信息的靜態停留不同，車輛永遠在不停地移動，可能幾秒後這個司機就通過一個了路口，或是行駛到了高速路。所以，這也對匹配提出了更高的要求——需要能對未來情況進行預測，並且快速地對司機和乘客進行動態、實時的匹配。
在此基礎上，滴滴還在不斷優化人文內容——更加人性化地引入了AR技術，在大型場站場景進行室內導航，解決了人們在機場、火車站等迷宮般環境裡迅速準確地找到登車地點，雙向節約了時間提高了疏散速度，直接增進社會總效率。對於有些經常出差的朋友來說，這更是一件值得期待的事。
據悉，其定位精度控制在1米之內，這相比WiFi、藍牙和超寬帶等其他室內定位技術有明顯優勢。將有效緩解司乘溝通的難點，顯著改善用戶體驗。更可喜的是，這項技術滴滴方面即將在北京的機場、火車站等大型場站開啟測試。
此外，困擾傳統行業的客服問題也將由滴滴大腦提供更好的解決方案。
滴滴自建了基於AI的智能客服系統，大量應用了包括NLP，深度學習，知識圖譜，語音技術，推薦技術。自動預測用戶的問題，同時通過語音，知識庫等自動查找客服需要的信息，推薦解決問題話術，完成客服摘要生成，提升客服人員效率。
科技底色下的滴滴，以驚人的學習速度構建出行新生態。它早已不是簡單的APP，它正以科技的力量向人們日常生活形態的進化注入動力。
閱讀更多 漫談科技 的文章
