滴滴出行自成立起历经 6 年的发展，已跃升成为全球共享出行的领军者，正在全方位地改变着人们的出行方式。地图是滴滴出行各项业务的重要支撑，应用于出行交易中的发单、派单、接驾、送驾及结算全过程，地图数据的准确性和时效性、基于地图的路径规划、预估到达时间等服务是顺畅出行的基础。
在 AI 技术蓬勃发展的大背景下滴滴如何构建并更新地图引擎架构实现更便捷高效的出行服务？
7 月 7 日，在深圳举办的 ArchSummit 全球架构师峰会上，滴滴出行高级专家工程师朱智青详细地向我们展示了滴滴在地图系统引擎架构方面的实践探索和 AI 技术应用。
ArchSummit 全球架构师峰会重点面向高端技术管理者、架构师，50%参会者拥有 8 年以上工作经验。ArchSummit 聚焦业界强大的技术成果，秉承“实践第一、案例为主”的原则，展示先进技术在行业中的最佳实践，以及技术在企业转型、发展中的推动作用。
基于海量实时出行数据，滴滴地图提供路径规划、ETA（预估到达时间）等基础服务，并且支持滴滴出行平台的多项业务场景，在此过程中，滴滴广泛运用 AI 技术对经典地图问题进行重新建模，以提高应用的准确性和合理性，提高地图数据更新的有效性和时效性，更好地为人们提供出行服务。在路径规划方面，将传统的建模方式转换为局部或全部 AI 方面的问题，通过对海量定位轨迹（日千万量级）的学习，为司机推荐更加合理的路线，偏航率下降到业内领先水平，全局路线效率提升约 3%；在 ETA 建模方面，提高系统的感知能力，实现 2 分钟一次的实时动态更新，同时运用机器学习模型提高预估时间的准确性。
路径规划建模架构升级
ETA 建模的演进
朱智青在演讲中指出，滴滴地图在 AI 化进程中的发展架构遭受到了挑战，滴滴在打破瓶颈的探索中对地图的发展架构进行了调整和更新。
在业务迭代效率上，为了适应业务与技术复杂度的提升，采用“模型+特征”的组织形式，利用引擎控制层负责各策略模块调用与实验控制，提高业务的迭代效率。
业务迭代效率架构更新
在模型迭代效率上，滴滴设计了策略插件系统，使策略与架构相分离，降低了上线人力成本，打破了策略与架构深度耦合、实验成本高、策略上线人力成本高等问题对模型运算的制约，提高了模型的迭代效率。
模型迭代效率架构更新
在数据快速更新上，滴滴构建了全局+局部的数据更新体系和数据版本管理体系，同时缩短了海量离线数据的回溯周期，实现了高可用高性能需求下的数据快速更新。
数据快速更新架构更新
朱智青提到强大的内在驱动力，海量优质的出行数据，高效的反馈体系，如火如荼的人工智能大环境是滴滴不断取得突破的重要保障和强大优势。滴滴出行在充分发挥其优越性的基础上并未停止探索脚步，仍在不断地努力致力于更加高效的数据更新体系、更加快速的策略迭代效率和更加成熟的模型能力，相信其在未来一定还会给智能化出行带来更深层次的变革！
本文转载自公众号滴滴技术（ID：didi_tech）。
原文链接：
https://mp.weixin.qq.com/s/H7oAOD5s1oA8y8j7LMZJug
分布式云行业实践指南（2023）
业内首个分布式云行业实践方法论、工具箱。
评论