至顶网CIO与应用频道 05月04日 北京消息:近日滴滴智慧交通负责人章文嵩接受媒体采访,详细介绍了滴滴在大数据领域和智慧交通体系方面的深入探索,以下为外媒报道全文:
“滴滴交通信息平台”北京道路交通热力图
滴滴的门禁非常严格,记者发现每位访问者都要在前台详细登记,并且需要公司内部人员全程陪同。访问者进出公司大楼,保安人员都会确认其是否持有访客证。滴滴对数据安全日益重视,公司还会定期对员工进行有关数据安全的培训。
滴滴出行是中国最大的移动出行平台。2012年创立至今,从最初单一的出租车召车业务开始,滴滴逐渐发展出了租车、专快车召车等多元化的出行服务。2015年,滴滴和快的合并;2016年,滴滴收购了Uber China。在4年多的发展中,滴滴获得了大批投资者支持,其中包括阿里巴巴、腾讯、苹果以及鸿海的子公司FOXTEQ等。2017年4月底,滴滴完成了超过55亿美元的新一轮融资,这笔资金将用于支持其全球化发展和前沿技术的研发。
作为中国移动出行市场的领军者,滴滴正在大数据领域进行前瞻性的探索,加强对海量出行数据的分析和应用。每天,滴滴平台会产生2千万订单,这意味着这个平台处理的数据到达了数千TB的量级。
“我们希望利用大数据技术分析司机是否有疲劳驾驶的行为”。滴滴高级副总裁兼滴滴工程技术委员会主席章文嵩表示滴滴正致力于利用大数据“提高整个系统的安全性”。
章文嵩是滴滴的智慧交通项目的负责人,他表示滴滴正在开发“安全驾驶系统”——包括在车辆前后装载摄像头来记录GPS信息、观测车辆前后的道路图像。这将让滴滴平台的交通数据更加全面。
“摄像头可以显示车道情况,辅助驾驶员保持车道、车距”,章文嵩说。另外,摄像头记录的图像信息还可以帮助滴滴了解道路状况,更全面地判断司机是否有危险驾驶行为。例如如果司机有急转弯行为,滴滴能够通过图像数据了解这是否是由于客观的道路因素而采取的紧急措施。目前,滴滴有200台这样的车载设备在进行测试。
乘客在深圳宝安机场的滴滴车站前等车
前瞻的探索
滴滴正在专注于挖掘和分析交通大数据。去年,滴滴在车主端app上线了“安全驾驶”功能,根据手机GPS信息来监督车主在每段行程中的驾驶行为,如果出现超速、急加速等行为,app会及时发出提醒。这样的创新技术有助于预防与减少危险驾驶行为。2016年3月,滴滴发布了“潮汐战略”成绩单,依托庞大的数据资源和大数据分析优势,滴滴在帮助城市缓解交通拥堵、预测交通热点贡献了自己的力量。
交通事故、因道路施工造成的临时性拥堵等情况都可以通过滴滴搜集的浮动车数据实时推导。例如,当某一条道路上的车辆突然的减速,那么这个路段上可能发生了交通事故;再如,某一区域的车辆放弃走最快捷的路线而选择绕行,那或许是这一带有道路在施工。
章文嵩说:“如果按我们原本的测算,司机需要30分钟驶完全程,但事实上他们只用了20分钟,那么我们就需要找到原因。”有时,这可能意味着司机们知道一条捷径,而这条路并未显示在滴滴的路径规划系统中。章文嵩说,通过分析车辆的行驶数据,滴滴很快能将这条路补充在地图上。
作为一个开放的平台,滴滴还与地铁公司、公交集团等第三方合作,纳入第三方数据。一方面这将有助于提高滴滴的数据质量,另一方面,将公共交通方式纳入滴滴的路径规划系统,可以使其路径规划方案更加贴合市民出行需求。目前,滴滴平台的公交服务可以向市民提供准确的车辆到达时间信息,方便市民出行,同时滴滴也在进一步探索优化公共交通线路。
章文嵩表示,人口密集的城市道路资源有限,尤其在出行高峰时期,滴滴倾向推荐人们使用公共交通或拼车出行。移动出行服务可以和公共交通有机结合起来,例如最近的地铁站在3-5公里之外,人们可以先打一辆车到地铁站,乘坐地铁,然后骑共享单车到最终目的地。
本周滴滴宣布在应用软件中开放ofo自行车分享服务入口。除了预测路况和路线规划,未来滴滴或许还可以预测地铁拥堵,帮助用户更好的设计出行方案。“这样的服务需要更深入数据的合作”章文嵩说,“比如通过地铁摄像头,我们可以知道目前站台的人流情况。”
共建智慧交通体系
滴滴在贵阳设置的智能交通诱导屏
分享出行服务提供商需要记录出行数据,这是为了优化导航路线,避免交通事故,以及更合理的派单,比如Uber会在美国追踪驾驶员的行驶速度。
滴滴的数据分析系统发挥了更多的作用。最近公司宣布与地方政府在智慧交通领域展开合作。艾瑞咨询分析师陈海燕(音译)认为:“对于滴滴这样的公司来说,尽管大数据是他们的优势,但目前他们平台上的公共交通数据依然很有限。”
智慧交通项目,可以帮助滴滴获得更多公共数据。“滴滴有快车拼车、专车和公交的服务。它希望打造一站式的出行平台,”她解释道。这其实和政府的智慧交通思路是一致的。
章文嵩表示滴滴每季度会发布交通报告,本周已经发布了第一期。这份报告的目标受众包括政府工作人员。报告中对各城市交通进行了基础性分析和排名,也会显示出城市道路的拥堵时间和地点。除此以外,滴滴还正在建设面向公众和政府开放的“体验中心”,旨在进一步展示公司的大数据分析能力。
“滴滴交通信息平台”城市实时交通运行指数
滴滴已经与11个城市的交通部门展开合作,其中包括深圳和济南。在深圳,滴滴通过分析代驾需求热点地区,帮助当地政府预防和干预酒后驾车。“代驾热点地图经常是一些餐馆集中的区域”,章文嵩解释道,“这会让交警采取酒驾干预措施时更有效率。”
在济南,滴滴通过与济南交警合作,在经十路安装了智慧交通信号灯,帮助该路段降低了10%的拥堵延误。如果未来滴滴可以收集到更多的准确数据,通过不断优化信号灯设置,拥堵造成的延误可以下降20-25%。“如果济南交通部门可以提供更多路口的实时数据,我们就能更好的预测车流量”,章文嵩表示。滴滴调试的智慧交通灯,目前只安装在6个路口。如果未来安装范围进一步扩大,会更有利于缓解拥堵问题。
滴滴平台上的数据全部为匿名,司机和乘客的个人信息都不可追溯。当公司接入更多公共交通信息以及驾驶员行驶数据后,滴滴需要肩负更多的用户隐私保护责任。除了在大数据研究方面持续发力,他们还在加大人工智能的研发投入,尤其是在安全和智能驾驶领域。今年3月,滴滴宣布在美国加州山景城设立实验室。继投资东南亚和巴西等海外市场后,该举措进一步显示了滴滴进军全球市场的决心。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。