【51CTO.com原創稿件】2017年7月21日-22日，由51CTO主辦的以人工智能為主題的WOTI2017全球創新技術峰會在北京富力萬麗酒店隆重舉行。峰會期間，30+AI明星，數十場圍繞人工智能主題的精彩演講與圓桌論壇緩緩揭開面紗。除了場內的精彩演講，場外還有專門為AI愛好者搭建的動手實驗室和科技體驗區，這一切都讓本次大會亮點十足。

7月21日上午WOTI2017主會場，摩拜***數據科學家尹大飛進行了主題為《人工智能助力百萬輛單車精細化運營》的精彩演講。以下是演講實錄，讓我們先睹為快!

[[197589]] 

 非常榮幸有機會接受51CTO的邀請和大家分享一下摩拜單車在最近一年多運營中間我們積累的算法和技術，可能不全是人工智能技術。我剛才特別欣賞呂總的一句話，人工智能技術一方面是在此基礎上探索，一方面怎么和業務結合推動業務往前走。

我今天給大家講一點事情，人工智能技術包括算法技術，怎么樣能夠在我們共享單車平臺上發揮作用，幫助我們成功運營超過650萬輛單車，單車數量還在增加，我們訂單數量現在已經突破每天兩千萬單，注冊用戶數已經突破1億，現在我們也已經在全球三個國家，除中國之外來運行。講這些技術之前，先和大家分享一下我們2017數據白皮書中的數據，讓大家對我們一塊錢的小生意有一個直觀的感受，當然主要會講運營優化的事情。***和大家介紹一下我們合作的成果，我們還是很開放的，我們也深知自己在整個生態系統里是比較小的一環，所以希望大家能夠和我們積極的合作。

先講幾個比較引以為豪的地方，創造若干個***。***個，世界***個通過掃碼的共享單車，背后擁有的是我們的智能鎖技術，本身有物聯網芯片，通過智能終端和后端進行通訊，保證我們650萬輛車永遠在線，現在我們是全世界***的在運行的物聯網平臺IOT平臺。最近我們在跟包括國內的華為、聯通、移動，還有國外的沃達豐、高通這些通信公司建立戰略性合作，共同推進有機網絡、無機物聯網的落地實施。這些大的運營商也都認為有機網的到來因為共享單車這件事情，能夠在日程上提前大概近一年時間落地。除此之外，自發電的共享單車，一個是騎起來沉一點，但很有范兒的共享單車街機版，另外它是一套太陽能板發電。***個采用3模定位的智能共享單車。我會花點時間講講我們大數據和人工智能平臺。

截止4月份為止，全國騎行距離已經到了25億多，相當于我們往返月球三千多次，累計我們節省了54萬噸碳排放，相當于我們替代了17萬輛小汽車一年在路上行駛所造成的污染。我們的單車停放空間基本上是1平方米，而一輛車基本上要占10平方米。所以如果有那么多用戶在騎車，相當于它可以替代我們使用小汽車在城市中間所占用的停車面積，這些節省下來的空間我們可以多建一些學區房，讓房價降下來。

我們通過給自己用戶發問卷的方式來調查他們使用單車之前和使用單車之后的感受，發了兩萬份問卷，反饋結果是他們在用了摩拜單車之后通過自行車出行的日常效率提高了一倍。他們反映大部分情況下短途出行，5公里之內采用自行車出行，比采用其他交通出行方式，不管是坐公交還是打車坐地鐵、自駕，都是更加有效的出行方式。大概有超過一半的人在有了單車以后已經放棄了自己的私家車，來作為日常的通勤。除此之外幾乎所有的人都喜歡我們，但有一個行業是不太喜歡我們的，就是黑摩的行業，在天通苑、回龍觀附近有大量的黑摩的，尤其地鐵和公交少的地方，只能坐黑摩的，但現在這個數量已經大大減少，有統計說70%的黑摩的都轉行了。

我們也做了統計，70%的用戶是70后、80后、90后，還有30%的用戶是騎車鍛煉。還有20%用戶騎我們的車進行公交與地鐵之間的接入。這個數據比較有意思，我們平臺依靠自己的運營力量很難有效運行，我們更多是依賴用戶，通過志愿者的方式幫助我們運行。怎么運行呢?他們發現有故障的時候會進行報障，有一個廣東志愿者報障5000多次，我們真的是倚賴于用戶進行單車運行，這也是我們非常大的一個特點。除此之外，一方面為了規范大家停車，一方面為了讓大家尋車更方便，我們設置了一些共享停車的停車點，一會兒我會講講這塊背后的算法驅動。

我重點講一下怎么樣通過算法驅動，讓這650萬輛車比較高效的運行。要管好這么多車主要做好這么幾方面：***，你要知道你把你的車投放到哪里去，當然要投放到熱門地方，這是***點，你要知道供需的比例，適當的進行預測。第二，恰好你的車在熱門地點，如何把它調入熱門的地方。第三，有的車確實會發生故障的情況，你怎么有效地把這些故障車回收回來。***，讓用戶合理停放，不管是周轉好還是損耗率比較低的地方，可以大大減少你的運營成本。所以我著重講這四方面，首先講講供需預測的事情。

在我們實際工作中經常發現，即便是很小的地方，它的供需比例分布是非常不均勻的，比如一個地鐵口，A口和其他口相比，A口的需求量是占絕大多數，這是顯著熱點，這樣的話我們在投放車輛的時候就不能說我們看到地鐵口就隨便投，就會把這些車輛集中調配到需求量比較大的地方，而且我們會安排小型三輪車把那些分布在其他地鐵口的車輛定時投放到供需量比較大的地鐵口。在運營過程中，我們也在使用運營平臺“羅盤”，有一個熱力圖，旁邊有日期選擇，有數量統計，可以實時看到每個街道任何時刻的分布，所以運營人員經過歷史統計進行第二天的決策，除了歷史信息，我們通過統計方法和圖形化方法，我們還進行了預測系統。這篇文章的idea還是我們從2015年一篇文章，微軟研究院的一篇文章，大概意思是使用殘差神經網絡的供需預測，初衷是解決人口疏散問題，防止發生踩蹋事件，預測未來時刻某個盲點的需求量是怎么需要的。通過這樣的計算，使用TenserFlow基于ResNet實現供需預測，我們基于這樣的預測可以給出很好的決策依據。

我再講講調度方面的問題。我們要知道這個車分布在哪里，我們也做了一個工作，基于密度聚類的算法，通過這個算法能夠把車輛分布情況聚類，通過聚類方法得到比較好的展現形式，除此之外，去預估天氣對整個停放會有多大的影響，我們在這里使用了XGBoost算法，預測降水、氣溫、PM2.5對我們第二天停放會有什么樣的影響。除此之外，我們還進行了車輛回收難度分析，有一些是內部人員回收，有一些是外包給兼職人員回收，但兼職人員一般會找比較容易找的車，我們專員會找比較難找的車。所以我們給他們分配任務之前都會做分類，使得比較容易找的車盡快分配給經驗不太多的兼職人員，讓他們去找，對那些藏在犄角旮旯里的車分配給專員。

在回收的時候不可避免會發生故障的情況，我們在實際工作中也會有一些小型的貨車，在路上運營。我們是這樣調撥小貨車的，我們先做圖的劃分，相當于小型聚類。在每個圖里邊做，保證每個貨車在相對合理范圍，逐步走遍故障車的點，把這些故障車拉過來，讓運營代價最小。我們不希望用戶把車停在小區里邊，因為沒有辦法讓其他人進入封閉型小區取到車。所以在我們的后臺也標記了很多地理圍欄，特別像一些長安街這些地方，都進行了標記。如果用戶進去以后怎么辦?會有熱心志愿者給我們反饋違停的圖片，一般來講，如果你舉報一次我們會給你一個行動分，你下次騎行就免費。

我們經常發現同一輛車被很多用戶舉報，這樣會給客服人員造成很大的負擔，每天他會收到成千上萬張圖片。在這個過程中我們使用深度學習技術，對圖片進行識別，在這張圖片中我們看到車停在小區單元樓門口，它是違停，我們的客服已經很少直接閱讀圖片，閱讀的很少量，不到1%是機器難以判別的圖片，剩下的99%完全可以用機器來識別。對這些被舉報的用戶，如果連續舉報多次，我們會給你發短信，你不要再停到違停的小區里邊。除此之外，我們還做了智能MPL，上面有三塊太陽能板，它是自己取電，里面有一個藍牙芯片和車進行通信，如果你能停在智能MPL附近，你會收到信用分加分或者優惠券，告訴你，它可以在附近肯德基吃早餐使用。通過這些方法我們不斷引導用戶停到規范的停車地點。

***講一講在我們的運行過程中不斷得到社會各界的關注，也有很多政府、學校這些同行找到我們，我們也非常愿意和大家分享一些數據，比方說微軟研究院，同時利用我們車在上海的運行軌跡，分析出來在上海這個地方有哪些車道適合騎行，而且騎行量也比較大。但是在市政規劃過程中沒有合理的畫騎行車道，這樣的一篇文章意見發表在機器學習比較知名的會議上。

當然還有很多，包括最近我們在跟北京交通規劃院合作，我們嘗試是不是用我們的軌跡分析提供一個決策依據，什么決策呢?比如在天通苑到西二旗軟件園之間有大量IT工作者往返，但這個地方比較繞，有沒有可能建一條快速的自行車道，利用我們騎行數據進行這樣的分析。我們非常樂意和大家一起分享這些數據。我們的技術和算法技術還處于非常初期的階段，非常樂于和大家一起把更多技術應用到我們的共享平臺，和大家一起創造更加美好的城市騎行環境，謝謝大家!

51CTO記者將持續為您帶來WOTI2017全球創新技術峰會前方精彩報道，敬請期待!

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】