モバイクの尹大飛氏：人工知能が何百万台もの自転車の運行改善に貢献

[51CTO.comより引用] 2017年7月21日から22日まで、51CTO主催の人工知能をテーマとしたWOTI2017グローバルイノベーションテクノロジーサミットが北京フラマルネッサンスホテルで開催されました。サミットでは、30 人以上の AI スターと、人工知能をテーマにした数十の素晴らしいスピーチや円卓フォーラムが徐々に披露されました。会場内での素晴らしい講演に加え、会場外にはAI愛好家向けに特別に作られたハンズオンラボや技術体験エリアもあり、見どころ満載のカンファレンスとなっています。

7月21日午前、WOTI2017のメイン会場で、MobikeのトップデータサイエンティストであるYin Dafei氏が「人工知能が数百万台の自転車の洗練された運用を支援」と題した素晴らしい講演を行いました。以下はスピーチの書き起こしです、ちょっと覗いてみましょう！

[[197589]]

51CTO からの招待を受け、過去 1 年ほどの Mobike の運営で蓄積してきたアルゴリズムとテクノロジーを皆さんと共有できることを大変光栄に思います。これらはすべて人工知能テクノロジーではないかもしれません。私は、今、陸さんがおっしゃったことに特に感謝しています。一方では、人工知能技術をこれに基づいて探求し、他方では、それをビジネスとどのように組み合わせてビジネスを推進するかということです。

本日は、アルゴリズム技術を含む人工知能技術が、当社のシェア自転車プラットフォームでどのような役割を果たし、650万台以上の自転車の運用に成功しているかについてお話ししたいと思います。自転車の数は今も増え続けています。現在、当社の注文数は1日あたり2,000万台を超え、登録ユーザー数は1億人を超えています。現在、中国を除く世界3カ国で事業を展開しています。これらのテクノロジーについてお話しする前に、まずは 2017 年のデータ ホワイト ペーパーにあるデータを皆さんと共有し、当社の 1 ドルの小規模ビジネスについて皆さんが直感的に理解できるようにしたいと思います。もちろん、主に運用の最適化についてお話しします。 ***私たちの協力の成果をご紹介します。私たちはまだ非常にオープンであり、エコシステム全体の中では比較的小さなリンクであることも十分に認識していますので、皆様が積極的に協力していただければ幸いです。

まず、私が誇りに思っていることと、*** をいくつかお話ししたいと思います。 QR コードをスキャンして操作できる世界初のシェア自転車は、当社のスマートロック技術を採用しています。IoT チップを搭載し、スマート端末を介してバックエンドと通信することで、当社の 650 万台の自転車が常にオンライン状態を維持します。当社は現在、世界最大の IoT プラットフォームです。最近、当社はファーウェイ、中国聯通、中国移動などの国内通信会社、およびボーダフォン、クアルコムなどの海外通信会社と戦略的協力関係を築き、有機ネットワークと無機IoTの実装を共同で推進しています。これらの大手事業者はまた、シェアサイクルのおかげで有機ネットワークの到来が予定より1年ほど早く実現できると考えている。さらに、自家発電型のシェア自転車もあります。1つはアーケード版のシェア自転車で、乗ると少し重いですが、とてもスタイリッシュです。もう1つは、ソーラーパネルのセットを使用して電気を生成するものです。 3モードポジショニングを備えた初のスマートシェア自転車。私たちのビッグデータと人工知能のプラットフォームについて少しお話ししたいと思います。

4月現在、全国の自転車走行距離は25億回を超え、これは月まで3000往復以上に相当します。合計54万トンの二酸化炭素排出量を削減しました。これは、道路上の17万台の自動車が1年間に排出する汚染物質を置き換えるのに相当します。当店の駐輪スペースは基本的に1平方メートルで、自転車1台は基本的に10平方メートルのスペースを占有します。つまり、自転車利用者がこれだけ多ければ、市内の自動車駐車スペースを自転車で代替するのと同じことになります。節約したスペースを利用して、より多くの学区住宅を建設し、住宅価格を下げることができます。

私たちは、自転車を使用する前と使用後のユーザーの感想を調査するために、ユーザーにアンケートを送りました。20,000通のアンケートを送りましたが、フィードバックによると、Mobikeを使用した後、自転車での毎日の移動の効率が2倍になったことがわかりました。彼らは、ほとんどの場合、5キロメートル以内の短距離移動では、バス、タクシー、地下鉄、車など他の交通手段よりも自転車での移動の方が効率的な移動手段であると述べました。おそらく半数以上の人が、自転車を手に入れてから毎日の通勤に自分の車を使わなくなったのでしょう。これ以外にも、ほとんどの人は私たちを好いてくれていますが、あまり好いてくれていない業界が1つあります。それは違法バイクタクシー業界です。天通園や回龍関の近くには違法バイクタクシーが大量にあり、特に地下鉄やバスが少なく、違法バイクタクシーしか利用できない場所にあります。しかし、今ではその数は大幅に減少しています。統計によると、違法バイクタクシーの70％が転職しています。

また、統計をとったところ、ユーザーの 70% が 1970 年代、1980 年代、1990 年代に生まれており、ユーザーの 30% が運動のために自転車に乗っていることもわかりました。さらに 20% のユーザーがバスと地下鉄を乗り継ぐために当社の自転車を利用しています。このデータは非常に興味深いです。私たちのプラットフォームは、私たち自身の運営力に頼って効果的に運営することが困難です。私たちは、ユーザーやボランティアの皆さんの協力に大きく依存して運営しています。仕組みは？ 不具合を見つけたら、報告します。広東省のあるボランティアは、不具合を 5,000 回以上報告しました。自転車の操作はユーザーに頼っており、それが私たちの最大の特徴の 1 つでもあります。さらに、駐車を規制し、人々が車を見つけやすくするために、共有駐車場をいくつか設置しました。これの背後にあるアルゴリズムについては後ほど説明します。

私は、アルゴリズムを使用してこれら 650 万台の車両をより効率的に走行させる方法に焦点を当てます。多数の車両を管理するには、次の点に注意する必要があります。まず、車両をどこに配置するかを知る必要があります。もちろん、人気のある場所に配置する必要もあります。これが最初のポイントです。需要と供給の比率を把握し、適切な予測を行う必要があります。次に、車がたまたま人気の場所にある場合、その人気の場所までどうやって移動させるかです。 3 つ目は、車が故障することです。故障した車を効果的に回収するにはどうすればよいでしょうか。 ***、回転率の良い場所やロス率が比較的低い場所など、ユーザーに合理的に駐車してもらうことで、運営コストを大幅に削減できます。そこで、需要と供給の予測から始めて、これら 4 つの側面に焦点を当てたいと思います。

実際の業務では、非常に狭い場所でも需要と供給の比率の分布が非常に不均一であることがよくあります。たとえば、地下鉄の出入口では、他の出入口と比較して出入口Aの需要が圧倒的多数を占めており、重要なホットスポットとなっています。この場合、車両を配置する際には、地下鉄の出入口にランダムに配置することはできません。これらの車両を集中させて、比較的需要の多い場所に配置します。また、他の地下鉄の出入口に分散している車両を、需要と供給が比較的多い地下鉄の出入口に定期的に配置するために、小型三輪車を手配します。運用プロセスでは、日付選択と数量統計の横にあるヒートマップを備えた運用プラットフォーム「Compass」も使用しています。各ストリートの分布をいつでもリアルタイムで確認できるため、運用スタッフは過去の統計に基づいて翌日の意思決定を行います。過去の情報に加えて、統計的およびグラフィカルな方法による予測システムも備えています。この記事のアイデアは、2015 年の記事、Microsoft Research の記事から来ています。基本的なアイデアは、残差ニューラル ネットワークを使用して需要と供給を予測することです。当初の意図は、人口避難の問題を解決し、踏みつけ事件を防ぎ、将来的に需要が盲点になる状況を予測することでした。このような計算を通じて、ResNet に基づく TenserFlow を使用して需要と供給の予測を実現できます。このような予測に基づいて、適切な意思決定を行うことができます。

スケジュールの問題についてお話しします。車がどこに分布しているかを知る必要があるため、密度クラスタリング アルゴリズムに基づいた作業も行いました。このアルゴリズムにより、車両の分布をクラスタリングし、クラスタリング方法を通じてより優れたプレゼンテーションを得ることができます。さらに、駐車場全体への天候の影響を推定するために、ここでは XGBoost アルゴリズムを使用して、翌日の駐車場への降水量、気温、PM2.5 の影響を予測します。また、車両回収の難易度分析も行いました。車両回収は社内で行っている場合と、パートタイムのスタッフに委託している場合があります。ただし、パートタイムのスタッフは一般的に見つけやすい車両を探し、専門スタッフは見つけにくい車両を探します。そのため、作業を割り当てる前に、見つけやすいクルマは経験の浅いパートスタッフにできるだけ早く割り当て、隅っこに隠れているクルマは専門スタッフに割り当てるように分類します。

リサイクル作業ではどうしても故障は発生します。実際の作業では、小型トラックが路上を走行することもあります。これがトラックの割り当て方法です。まず、グラフを分割します。これは小さなクラスターに相当します。これを各図で実行し、各トラックが比較的妥当な範囲内にあることを確認し、故障した車両がある地点を徐々に訪問し、これらの故障した車両を停車させ、運用コストを最小限に抑えます。他の人が閉鎖されたコミュニティに入って車を拾うことができないため、ユーザーにはコミュニティ内に車を駐車してほしくありません。そのため、私たちは背景に多くの地理的な境界線、特に長安街のような場所をマークしました。利用者が駐車場に入ってしまったらどうなるのでしょうか？ 違法駐車の写真をフィードバックしてくれる熱心なボランティアがいます。 一般的には、一度報告していただければアクションポイントが付与され、次回の乗車は無料になります。

同じ車両が多くのユーザーから報告されることが多く、毎日何千枚もの画像を受け取るカスタマー サービス スタッフに大きな負担がかかります。このプロセスでは、ディープラーニング技術を使用して画像を識別します。この写真では、車がコミュニティユニットビルの入り口に駐車されていることがわかります。違法駐車です。当社のカスタマーサービススタッフが画像を直接読み取ることはめったにありません。読み取る量は非常に少ないです。機械が識別するのが難しい画像は1％未満です。残りの99％は機械で完全に識別できます。報告を受けた利用者に対して、複数回連続して報告された場合は、違法駐車エリアに再度駐車しないようお願いするテキストメッセージをお送りします。これに加えて、私たちはスマート MPL も作りました。これは 3 つのソーラーパネルを搭載し、自ら電力を消費し、車と通信するための Bluetooth チップを内蔵しており、スマート MPL の近くに駐車できれば、クレジット ポイントや、近くの KFC で朝食に使用できるクーポンを受け取ることができます。これらの方法を通じて、私たちはユーザーを標準化された駐車場所に駐車するように誘導し続けます。

***私たちの活動中、各界から継続的に注目されていることについてお話しします。政府や学校の同僚の多くが私たちにアプローチし、私たちは喜んでいくつかのデータを皆さんと共有しています。たとえば、マイクロソフト リサーチは上海での私たちの車両の運行軌跡を使用して、上海のどの車線が自転車に適しているか、どこで自転車の量が比較的多いかを分析しています。しかし、市町村計画の過程で自転車レーンの合理的な描画は行われていません。この記事は機械学習に関する有名な会議で発表されました。

もちろん、他にもたくさんあります。最近では北京交通計画研究所と協力し、軌道分析を利用して意思決定の根拠を提供しようとしています。どのような意思決定でしょうか。たとえば、天通園と西二七ソフトウェアパークの間を行き来する IT ワーカーはたくさんいますが、この場所はかなり遠回りです。高速自転車レーンを構築し、そのような分析に当社の自転車データを使用することは可能でしょうか。このデータを皆様と共有できることを嬉しく思います。当社の技術とアルゴリズム技術はまだ初期段階にあります。シェアリングプラットフォームにさらに多くの技術を適用し、より良い都市サイクリング環境を構築するために、皆様と協力できることを大変嬉しく思います。ありがとうございます！

51CTO の記者は、WOTI2017 グローバル イノベーション テクノロジー サミットの興味深いレポートを引き続きお届けしますので、どうぞお楽しみに!

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]