前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >为预测用户出行需求,ofo开始使用AI实现智能调度

为预测用户出行需求,ofo开始使用AI实现智能调度

作者头像
镁客网
发布2018-05-30 10:34:11
3490
发布2018-05-30 10:34:11
举报
文章被收录于专栏:镁客网

ofo官方称在其人工智能系统中,应用了一款能够预测用户出行需求的AI,以便用户更好的出行体验。

共享单车几乎已经遍布了国内的主要城市,在众多共享单车中,属于佼佼者地位的ofo今天称在其人工智能系统中,应用了与“阿尔法狗”相同的算法模式,来预测用户的出行需求。

ofo称在其人工智能系统中,应用了与“阿尔法狗”相同算法模式的卷积神经网络来预测用户出行需求,实现智能调度。

AlphaGo的出现,让更多的人体会到人工智能技术为世界带来的改变,而AlphaGo的基础算法正是卷积神经网络。卷积是提取相关性特征的方法,神经网络是预测需求的模型结构,其主要应用于图像识别领域。ofo统计小黄车已为全球120座城市上亿用户提供了超10亿次出行服务,拥有共享单车行业最庞大的出行数据。

随着出行数据增多,ofo对用户出行需求的预测都会越来越精准。与此同时,ofo还运用谷歌的TensorFlow人工智能系统,使预测结果更精确。这是共享单车行业首次将人工智能图像处理技术应用于智能运营中。ofo将智能锁返回的定位信息形成热力图,并记录热力图的关键帧图像变化,利用卷积神经网络将图像抽象为网格像素,并对像素内的颜色变化进行相关性特征提取,从而能够分类出不同用户对于出行的不同需求。

简单来说,我们可以将卷积的过程想象成有人拿着玻璃镜片,扫过如上所示网格图像的过程,可以当镜片大小是3*3网格时,可提取上地与西二旗地区骑行需求相关性特征。当镜片大小扩大到17*17网格时,上地、西二旗与国贸之间骑行需求相关性的特征就被提取了。随着卷积镜片范围的扩大,所需的算法和计算能力会越来越复杂。目前,ofo的卷积神经网络层次可达30层。

将卷积神经网络和谷歌TensorFlow人工智能系统应用于共享单车是行业的创新。ofo表示正在全力打造以人工智能为基础,以物联网为载体的生态闭环,并加快在行业领先的进程。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-06-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 镁客网 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档