出行场景下数据智能化和生态建设历程

在 ArchSummit 北京 2019 大会上，任化伟讲师做了《出行场景下数据智能化和生态建设历程》主题演讲，主要内容如下。

演讲简介：

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。

内容大纲：

1. 出行场景对地图的新挑战

2. 动态事件对出行的影响

3. 实时情报系统的挑战

4. 破局之路

5. 借力上报破局

6. 中低热路网情报的下探

7. 从“1”到“10”

8. 将问题转化——CNN

9. 多模态——训练一个智能 PA

10. 从“10”到“100”

11. 效果正循环——他山之石可以攻玉

12. 出行场景下司乘生态建设的探索

13. 我们的生态逻辑

14. 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

讲师介绍：

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。

完整演讲 PPT 下载链接：

https://archsummit.infoq.cn/2019/beijing/schedule