g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Paket servisi olan restoran da akıllıdır! Meituan Sürücüsünün Akıllı Asistanının Teknolojisi ve Uygulaması

Takip etmek için tıklayın InfoQ , Yapışkan resmi hesap

Programcının saat 8'de teknik kahvaltısını alın

Yazar | He Renqing

Editör | Zang Xiutao

Dijital çağın gelişiyle birlikte, gıda dağıtım pazarı son yıllarda hızla gelişti. Yurt dışı lojistik sistemleri için teslimat verimliliği ve kullanıcı deneyimi çok önemlidir. Gerçek teslimat süreci nihayet teslimat personeli (biniciler) tarafından tamamlanır. Bu nedenle, teslimat verimliliğini gerçekten iyileştirmek istiyorsanız, yalnızca akıllı planlama sistemi (sipariş atama, rota planlama, ETA) üzerinde çalışmamalı, aynı zamanda teslimat personelini sürekli olarak iyileştirmelisiniz " Ek yetenek, daha fazla "tanıdık" göndermelerine, daha fazla göndermelerine, "sorunsuz" ve daha "hızlı" göndermelerine olanak tanır. Bu bir başlangıç noktası olarak, Meituan Dianping'in Ar-Ge ekibi, sürücülerin yeteneklerini tüm yönleriyle kapsamlı bir şekilde geliştirmek için sürücüler için akıllı bir asistan tasarladı.

Ocak ayında AICon Küresel Yapay Zeka ve Makine Öğrenimi Teknolojisi Konferansı'nda Meituan Dianping'in dağıtım yapay zekası başkanı He Renqing, "Meituan Rider'ın Akıllı Asistanının Teknolojisi ve Uygulaması" nı paylaştı. Karmaşık ortamda ve çeşitli kullanıcı gruplarında taşıyıcı olarak akıllı kulaklıkların ve sesli etkileşimin nasıl kullanılacağını açıklayın ve akıllı asistanların karmaşık senaryoları doğru bir şekilde tanımasını ve istihbarata hizmet etmesini sağlamak için büyük veri madenciliği, makine öğrenimi, doğal dil işleme ve diğer teknolojileri kullanın İtin, akıllı rehberlik, tam sesli işlem ve diğer yetenekler. Sonunda, sürücünün teslimat yeteneği, zeka, güvenlik, rahatlık ve hassasiyet gibi birden çok boyutta kapsamlı bir şekilde geliştirilecek ve böylece genel teslimat verimliliği ve kullanıcı deneyimi geliştirilecektir.

Şehir içi dağıtım için yapay zeka teknolojisinin iş değeri

Genel olarak, lojistik işi nispeten geleneksel bir sektördür, ancak tüm e-ticaret, mobil İnternet ve mobil ödemenin yükselişiyle birlikte, tüm lojistik endüstrisi son yıllarda sürekli ve hızlı bir gelişme kaydetmiştir.

Yukarıdaki resim, Çin Lojistik ve Satın Alma Federasyonu tarafından 2016 yılında yayınlanan bir rapordur. Anket verileri, ülke çapındaki lojistik parça sayısının bir önceki aya göre% 50'den fazla artarak 30 milyarı aştığını göstermektedir.

Aynı zamanda tüm lojistiğin maliyeti de çok yüksek, lojistik maliyetin GSYİH'nin% 15'ini oluşturduğu rakamdan görülebiliyor. Avrupa ve Amerika ülkeleri ile Japonya'da bu oran yalnızca yaklaşık% 8-% 9'dur, bu nedenle Çin'in lojistik endüstrisinde optimizasyon için hala çok yer vardır. Bu aynı zamanda birçok şirketin lojistik endüstrisine yoğun yatırım yapmasının çok önemli bir nedenidir: endüstri hızlı bir gelişme aşamasındadır ve deneyim, verimlilik ve maliyet açısından optimizasyon için çok büyük alan vardır.

Aşağıdaki şekil esas olarak Meituan Paket Servisi'nin mevcut gelişimini göstermektedir:

Meituan Waimai 2013 yılında piyasaya sürüldü ve şu anda yaklaşık 250 milyon kullanıcıya hizmet veriyor, 1.300'den fazla şehri kapsıyor, 2 milyondan fazla tüccara hizmet verebiliyor ve günlük en yüksek siparişleri 18 milyonu aşıyor. Meituan'ın akıllı teslimat dağıtım sistemi, her gün 500.000'den fazla gıda dağıtımcısıyla eşleşiyor Büyük veri ve yapay zeka algoritmalarına dayanarak, ortalama teslimat süresinin 28 dakikayı geçmemesini sağlıyor. Bu aynı zamanda dünyanın en büyük ve en karmaşık çok kişili, çok noktalı gerçek zamanlı akıllı dağıtım dağıtım sistemidir.

Meituan Teslimatı için konumlandırmamız: En büyük anında teslimat platformu olmak .

Geleneksel lojistik ile karşılaştırıldığında, anında teslimat aşağıdaki avantajları içerir:

İlk nokta çok hızlı. Siparişin verildiği andan kullanıcının makbuzuna kadar olan bir satıcının siparişi, örneğin bir paket sipariş, tamamlanması ortalama 30 dakika sürer ve en yavaş olanı yaklaşık bir saat olmalıdır. Haslık en önemli özelliktir ve hız, genel hizmet gereksinimlerini ve hizmet kalitesini de büyük ölçüde artırabilir.

İkinci nokta, doğrudan kullanıcılar ve tüccarlarla iletişim kurabilmektir. Geçmişte, lojistik temelde tüccarlardan, depolama, nakliye çizelgeleme, personel dağıtımı vb. Dahil olmak üzere birçok bağlantıdan geçmesi gereken siparişler aldı ve sonunda kullanıcılara teslim edildi. Ortada, birkaç kez el değiştirdi, hatta farklı şirketler tarafından dağıtıldı veya farklı bayiliklere sahipti. Ancak anında teslimat, kullanıcıları ve tüccarları doğrudan birbirine bağlar ve hedef kitleyi doğrudan etkiler ki bu büyük bir değerdir.

Üçüncü nokta, sadece teslimat için değil, aynı zamanda süpermarketler, taze yiyecekler vb. İçin de çeşitli teslimat senaryolarını üstlenebilmektir. Temel olarak tüm şehir içi ekspres ürünler, teslimat hizmeti kapsamına dahil edilebilir.

Genel olarak dağıtım çok karmaşık bir iş ... Herkesin anlamasını kolaylaştırmak için, aşağıdaki diyagramla gösterilebilecek bu iş modelini soyutladım ve basitleştirdim.

Esas itibarıyla dağıtım, kullanıcıların dağıtım ihtiyaçlarını çeşitli çevrimdışı kapasitelerle (örneğin, biniciler veya araçlar) eşleştirme sürecidir. Eşleştirme, çevrimdışı eşleştirme ve çevrimiçi eşleştirme olarak ikiye ayrılır. Çevrimdışı, esas olarak işlemlere dayanır. Çevrimiçi, teknik departmanımız tarafından oluşturulan bazı sistemlerdir. Bu açıdan bakıldığında çözmemiz gereken şey, bu talep ve kapasite arasında en uygun eşleşmeyi nasıl başaracağımızdır.

Bu aslında reklam veya tavsiye gibi nispeten geleneksel bir problemdir, bu problemle karşı karşıya kalır, talep tavsiye edilecek üründür, arz reklam pozisyonudur, ancak pozisyon sonsuz değildir, arz ve talep arasında en iyiye nasıl ulaşılır Eşleştirme, bu başlı başına bir verimlilik optimizasyonu problemidir, ancak reklam ve tavsiyede kullanılan CTR tahmini ve lojistikte kullanılan yöntem daha karmaşıktır.

Dağıtımdaki karmaşıklık, özellikle birkaç nokta var:

Bu bir NP-Hard problemidir ve hesaplama karmaşıklığı ölçekle birlikte katlanarak artar. Örneğin, sürücü üzerindeki N siparişinin yol planlama problemi ya da her ikisi de üstel karmaşıklık ve birbiriyle ilişkili olan M siparişlerinin ve K binicilerin sipariş tahsis problemidir.
Bu sadece çok noktalı bir alım, çok noktalı teslimat sorunu değil, aynı zamanda yeni siparişler de her an artar. Çok güçlü gerçek zamanlı hesaplama gereksinimleri vardır. Yeni bir sipariş oluşturulduğunda, çizelgeleme hesaplamasını onlarca milisaniye içinde tamamlaması gerekir. Geleneksel lojistik ile karşılaştırıldığında Onlarca dakikadan daha uzun bir hesaplama süresi ile anında teslimat sisteminin tasarımı çok daha zordur.
Teslimat senaryosu, hava durumu, yol koşulları, sürücü yeterliliği ve iş yeme hızı gibi düzinelerce faktörü içeren çok karmaşıktır; bu, alanı anlamanın rastgele ve karmaşıklığını büyük ölçüde artırır ve teslimat algoritmasının kararlılığını ve uyarlanabilirliğini zorlar. .

Meituan Dağıtım için, bu görevi tamamlamak için, yukarıdaki şeklin en sağ tarafında gösterildiği gibi, yaklaşık üç seviyeye bölünmesi gerekir.

İlk katman lojistik altyapının inşasıdır. Şehirde bir sitenin nasıl inşa edileceği, insan gücünün nasıl tahsis edileceği ve işletmelerin arzının nasıl tahsis edileceği dahil. Bu altyapılar sadece dağıtımın ölçeğini, maliyetini ve verimliliğini derinden etkilemekle kalmaz, aynı zamanda lojistik yönetim ve operasyonların da temelidir.Örneğin franchise yönetimi ve sürücü operasyonları bu yapıya dayanmalıdır.Bu nedenle bu altyapıların rolü çok önemlidir ve bunlar Teknolojinin uzun vadeli öngörü ve planlama yeteneklerini test edecek anlık ayarlamalar yapmak daha zordur.
İkinci katman, arz ve talep eşleşmesinin dinamik dengesidir. Piyasa, fiyatlandırma mekanizmasıyla ayarlanır. Birkaç yönü içerir: Biri temel fiyatlandırmadır.Örneğin, bir sipariş geldiğinde, kullanıcılardan ne kadar para toplanır, tüccarlardan ne kadar para toplanır ve binicilere ne kadar sübvansiyon verilir Bu, makul ve adil fiyatlandırma sağlamak için birçok faktörün dikkate alınmasını gerektirir. Diğeri ise arz ve talep dengesidir.Kötü hava gibi acil durumlarla karşılaşıldığında, tüm sistemin istikrarını ve kullanıcı deneyimini sağlamak için kullanıcı talebini ve kapasite arzını gerçek zamanlı olarak ayarlamak için dinamik fiyat ayarlamaları kullanılır.
Üçüncü katman, siparişlerin ve yolcuların gerçek zamanlı eşleştirilmesidir, yani siparişlerin gönderilmesidir.En uygun sürücü, sipariş göründükten sonra onlarca milisaniye içinde tahsis edilir ve çoklu siparişlerin yol planlaması tamamlanır. Bu NP-Zor bir sorundur ve sürekli yeni siparişlerin oluşturulması nedeniyle, gerçek zamanlı hesaplamalar gereklidir ve paralel hesaplama motorları için gereksinimler çok yüksektir. Sevkiyatın optimizasyon amacı, genel dağıtımın verimliliğini artırmak ve tüm dağıtım sisteminin temel modüllerinden biri olan kullanıcı deneyimini sağlamaktır.

Yukarıdakiler esas olarak tüm dağıtımı anladığımız ve daha sonra iniş ve alıştırma yapmak için teknik araçların nasıl kullanılacağıdır.

YZ problemi için, YZ problemindeki tüm dağılımın sınıflandırılması ne olmalıdır? Aşağıdaki şekil bir açıklama vermektedir.

YZ sorununa iki boyuttan bakabiliriz. Bir boyut, makineler ve insanlar arasındaki karşılaştırmaya, hız açısından insanlardan daha hızlı olup olmadığına ve etkinin insanlardan daha iyi olup olmadığına bakmaktır.

Diğer bir boyut da YZ'nin rolüdür. Her şeyden önce, görüntü tanıma, konuşma tanıma ve OCR gibi dünyayı artık insanlar gibi algılayabilmek mümkün mü? İkincisi, onu tanımak mümkün mü? Örneğin, "Bugün hava nasıl?" Diye bir cümle derseniz, sadece sesi metne çevirmeniz gerekmiyor, aynı zamanda "hava" nın varlığı ve "bugün" ün sınırlayıcı faktörleri de burada. Üçüncüsü karar vermek, en popüler yapay zeka uygulamaları "nasıl karar verilir" düzeyindedir ve insanlardan daha iyi kararlar almaları gerekir. Akıllı asistanlar gibi bazı temsili uygulamalar, özellikle insanlara karar verme gücünde yardımcı olanlar (sohbet robotları daha kötü olacaktır), insansız sürüş gibi daha iyi görevleri tamamlamanıza yardımcı olabilir; lojistik alanı, siparişlerin nasıl tahsis edileceği ve nasıl geçileceği gibi İnsansız araçlar veya sipariş vermenin diğer yolları; ayrıca oyunlarda ve tıbbi bakımda AI, doktorlara karar vermede yardımcı olur ve oyunlarda, kullanıcıların bağlantısı kesildiğinde, oyun AI, kullanıcıların canavarlarla savaşmasına ve yükseltme yapmasına yardımcı olabilir.

Dağıtım düzeyinde, akıllı asistanlar, akıllı lojistik ve insansız sürüş gibi birden çok boyutu içereceğimiz görülebilir. Genel dağıtım zekasını geliştirmek için kendi "Meituan Dağıtım AI" mızı oluşturduk. İki bölüm var:

İlk bölüm bilgi toplama, yani veri toplama. Örneğin, ne tür veriler toplanmalıdır? Bir ticaret bölgesi hakkında veri toplamamız gerekiyor. Bu iş bölgesinin, topluluk ve bina seviyesi, binanın nerede olduğu, topluluğun binicilerin girmesine izin verip vermediği ve ayrıca rüzgar hızı, sıcaklık ve olup olmadığı gibi hava durumu verilerini de toplaması gerekebilir. Haze, tüm veriler teslimat verimliliğini etkileyeceğinden, kullanıcı siparişleri gibi bugünün pusunun, Pekin'in paket servis siparişlerinin artacağı tahmin ediliyor.

İkinci bölüm, dağıtımın tüm yönlerini kapsayan akıllı bir dağıtım sistemi oluşturmak için eksiksiz bir akıllı modül seti oluşturmak olan zekadır.

"Meituan Delivery AI" nın bu zorlu hedefine ulaşmak için ve tüm endüstrinin uzun vadeli gelişimini göz önünde bulundurarak, genel AI düzenimiz aşağıdaki gibidir:

Birincisi, genişliğin inşasıdır. Amacımız, genel teslimat sürecini ve bağlantıları yapay zeka tabanlı hale getirmektir. Kullanıcının siparişinden gelen her teslimat adımı ele alınmalıdır. Bu nedenle, genel teknik yönümüz sadece üç üniversitede değil, aynı zamanda tahminde de çok geniştir. Madencilik, fiyatlandırma, planlama, zamanlama ve donanım teknik araştırma ve iş inişine tabi olmalıdır.

İkincisi, derinliğin inşasıdır. Bu, yalnızca temel hesaplama çerçevesi ve model araştırması gibi teknik yönleri değil, aynı zamanda çoklu dağıtım senaryolarını simüle etme yeteneğine sahip olan ve çevrimiçi olmadan farklı iş stratejileri gerçekleştirebilen bir dağıtım simülasyon platformunun oluşturulması gibi teknoloji ve dağıtım işinin derin entegrasyonunu da ifade eder. Etki doğru bir şekilde tahmin edilir. Aynı zamanda, sürücü operasyonu açısından daha etkin sürücü teşvikleri ve sürücü tutma mekanizmalarının tasarlanması gibi endüstri koşullarına dayalı akıllı çözümler sunmak gerekiyor.

Meituan Takeaway Ses Asistanı, genişlik ve derinlik kombinasyonumuzun iyi bir örneğidir. Daha sonra, tüm akıllı asistanın uygulama ve tasarımında ve ayrıca tüm lojistik işinde yapay zeka teknolojisinin nasıl daha iyi uygulanacağı konusundaki deneyimlerimizin bir kısmını sizlerle paylaşacağım.

Meituan paket servisi olan restoran akıllı ses asistanı konumlandırma

Neden akıllı ses asistanlarına ihtiyacımız var? Bir sürücü hangi koşullarda akıllı bir asistan hizmetine ihtiyaç duyar ve tüm hizmetin anahtarı nedir? Önce bu sorunu açıklayın. Yukarıdaki şekilde gösterildiği gibi, bu, iki bölüme ayrılabilen, teslimat sürecinde tüm sürücünün karşılaştığı bazı bağlantılardır.

İlk bölüm çevrimiçi karar verme ve ilgili çeşitli kararlar var. Örneğin, sürücünün bir kullanıcıya gönderilmesi gereken bir emri vardır. Sürücünün çok fazla şeye sahip olduğu bir konut gibi bazı yerlerin aranması gerekmediğinden, kullanıcıyı arayıp aramama gibi çeşitli kararlar verebilir. Kullanıcının evde olması ve telefon görüşmesi yapmaya gerek olmaması ihtimali yüksek; binici gitmediği için ofis binası gibi bazıları aramak zorunda, bu yüzden kullanıcının inmesi için önceden aramanız gerekiyor.

Ama önceden ne kadar sürer? Bir dakika ileri mi, iki dakika mı, beş dakika mı? Bu problem çok önemli, eğer görüşme süresi görece erken ise, kullanıcı erken inecek ve bu da kullanıcının sürücüyü beklemesine neden olacaktır.Kullanıcı deneyimi iyi değildir ve şikayetler olabilir. Sürücü çok muhafazakar ise ve alt katı arıyorsa, ancak kullanıcı 10. katta yaşıyorsa, kullanıcının inmesi, asansörü beklemek dahil 10 dakika sürebilir ve verimlilik çok düşük olur.

İkinci kısım, sürücünün operasyon sürecidir, çünkü sürücü sıklıkla cep telefonuyla etkileşime girecektir. Bir siparişi kontrol etmek istiyor, adımlar çok karmaşık. Telefonu çıkarın, kilidini açın, Uygulamayı açın, bilgileri kontrol edin, işlemi yapın (örneğin, tamamlamak için tıklayın) ve son olarak telefona geri koyun. Yaklaşık beş ila altı işlem sürer. İşlem hızlı ise 10 ila 20 saniye sürer. Ve birçok sürücü bu işlemleri sürüş sırasında yapar ki bu çok tehlikelidir.

Özetlemek gerekirse, teslimat yolcularının karşılaştığı zorluklar üç ana seviyede özetlenebilir:

Birincisi, görev karmaşıktır ve çok sayıda karar gerektirir, ancak karmaşıklık sürücünün yeterliliğine göre değişecektir.
İkincisi, işlem zahmetlidir ve yaklaşık beş ila altı adım, en az 10 ila 20 saniye veya daha uzun sürer.
Üçüncüsü, binicinin sürüş sırasında cep telefonunu kullanması çok tehlikelidir. 500.000 sürücülü bir platform için, sürüş süreci boyunca sürücülerin güvenliğini göz önünde bulundurmalıyız.

Bu hususlara dayanarak, Meituan paket servisi olan restoran ses asistanını yaptık. Konumlandırması esas olarak aşağıdaki üç noktayı içerir:

İlk nokta emniyet gerektirmektir.Tam bir süreç sesli etkileşim programı yapılmalıdır.Teslimat sürecindeki tüm bağlantılar sesle çalıştırılabilir.Kullanıcının telefona bakmasına, ellerini serbest bırakmasına ve sürücüyü daha güvenli hale getirmesine gerek yoktur.

Örneğin sürüş sırasında bir sipariş gelir ve sistem sürücüye siparişi almak isteyip istemediğini sorar.Siparişe "Evet" veya "Hayır" veya "Tamam" şeklinde cevap verildiği sürece tüm süreç tamamlanır; Böylelikle telefonu çalıştırmadan önce çıkarırken, bu sahne biniciler arasında çok popüler.

İkinci adım minimalist bir adım tasarlamaktır.Tüm işlemler bir veya iki adımda tamamlanabilir. İlk adım bilgi yayınlamak ve ikinci adım işlemi sesli komutlarla tamamlamaktır.Orijinal beş ila altı adım akıcı hale getirilmiştir. Şimdiye kadar bir veya iki.

Üçüncüsü, birçok akıllı hizmet sağlamaktır. En tipik olarak, az önce bahsedilen sürücü bir binaya gidiyordur. Kullanıcı 5. katta veya 4. katta olabilir. Kullanıcının aşağı inmesi ne kadar sürer? Akıllı önerilerde bulunun. Kullanıcının adres bilgilerine dayanarak, sistem akıllıca arama zamanını önerir. Elbette navigasyon gibi temel işlevleri de içerir.

Yukarıdaki analiz, akıllı ses asistanını sahneye nasıl yerleştirdiğimizin en kritik noktasını temel olarak analiz ediyor. İniş yapmak istiyoruz, esas olan "sohbet" veya "soru ve cevap" yerine sürücünün teslimat görevini tamamlamasına yardımcı olmaktır. Bu, tüm sesli etkileşim sürecinin aynı anda çok rahat ve akıllı olmasını gerektirir.

Karşılaştığımız ilk zorluk, etkileşimli modun nasıl tasarlanacağıydı.

Yukarıdaki şekilde gösterildiği gibi, solda, dört adımda uyandırma, yanıt, talep ve yeniden yanıt gerektiren, ancak teslimat senaryosunun gereksinimlerini karşılamayan genel bir ses asistanı çözümü vardır. Her şeyden önce, sürücünün bulunduğu sahne çok gürültülü, örneğin rüzgar gürültüsü, araba gürültüsü, alışveriş merkezi gürültüsü vb. Uyanmak zordur. İkinci olarak, dört adım gereklidir ve sürücünün çalışma durumu da dikkate alınmalıdır Bu operasyon süreci çok zahmetlidir.

O zaman ne yapmalı? Uyandırma gerektirmeyen bir çözüme ulaşabilir miyiz diye düşünüyoruz. Cevap evet, yapılabilir!

İlk olarak, elimizde çok fazla veri var. Sürücüler, kullanıcılar ve tüccarlar dahil olmak üzere, bu veriler gerçek zamanlıdır, sürücülerden çok daha fazla küresel dağıtım bilgilerini anlayabiliriz. İkinci nokta, doğru tahminler yapabilmemizdir Makine öğrenimi, akıllı zamanlama ve diğer teknolojileri kullanarak sürücünün bir sonraki operasyon sahnesini belirleyebiliriz.

Örneğin bir binicinin vücudunda birkaç sipariş olabilir ve bir yere doğru ilerliyor.Senaryo analizi ile hangi kullanıcıya teslimat yapacağını biliyoruz ve kullanıcının bu binada kaç kat olduğunu anlayabiliyoruz. Birkaç dakika, hesaplanabilir, bu durumda sürücüye aramasını hatırlatmak daha iyidir. Bu şekilde, uyanma ve yanıt sürecini atlayabilir ve sürücüye doğrudan bir hatırlatma gönderebiliriz. Sürücünün yalnızca evet veya hayır yanıtı vermesi gerekir. Ancak bu şekilde tasarım, sürücünün çevrimdışı gerçek dağıtım durumuna uyabilir ve sürücü için gerçek sorunları gerçekten çözebilir ve o zaman gerçekten "akıllı" olarak adlandırılabilir.

İlgili AI çekirdek teknolojileri

Spesifik teknoloji birkaç ana bölüme ayrılmıştır.

İlk kısım, konuşma tanıma ve anlamsal anlama dahil olmak üzere altyapıdır.Bu alanda birçok açık kaynaklı şey vardır ve genel konuşma tanıma yapmak zor değildir.

Sahnemizde, çeşitli çevresel gürültü sorununu çözmek için sürücü konuşmayabilir, ancak yanında bir miktar gürültü varsa, arabanın gürültüsü veya diğer sesler veya hatta yoldaki bir şarkı, sürücü konuşurken algılanacaktır. VAD (sessizlik tespiti) için çok çalışma gereklidir.

Diğer bir temel bileşen, doğal dil anlayışı olan NLU'dur. Örneğin, sürücü 6551 bitiş numarasını aramak istiyorsa, sistem önce sürücünün niyetinin bir arama yapmak olduğunu bilmeli ve sonra arama işlemi çağrılmalıdır; ikinci olarak, arayanın kim olduğunu, kullanıcıyı bilmemelidir. Satıcıların kullanıcı bilgilerini bulması gerekir; üçüncü olarak, test edilmeleri gerekir.Örneğin, sürücü zaten bir sipariş gönderdiyse, tekrar arama yapmak bir hata olabilir ve sürücünün hatırlatılması gerekir.

Anında teslimat senaryosu, tipik bir zaman serisi problemidir. Yukarıdaki şekilden de görülebileceği gibi, sahne ön ve arka ilişkileri içerir.Bir binicinin tarihsel davranışları ve kararları bugünü etkileyecek ve mevcut kararlar ve davranışlar geleceği etkileyecektir.Bu tipik bir zaman serisi problemidir.

Sahne tanımada çözülmesi gereken iki ana hedef vardır: Biri olay tahminidir.Bir sonraki anda ne olacağının bilinmesi gerekir, örneğin binicinin tüccara gelip gelmediği ve tüccarın çoktan yemek yemiş olup olmadığı; diğeri ise gelecekte oynanacak olan zamanlama tahminidir. Telefon görüşmesi yapmak ne zaman daha uygundur?

Daha iyi anlatmak için bir telefon görüşmesi yapacağım.

Öncelikle bir arama yapmanın gerekli olup olmadığına karar vermek gerekir.Gereksiz sahnelerde sık sık hatırlatma yapılması sürücüyü ve kullanıcıyı rahatsız edecektir. Yukarıdaki şekil, farklı adres türleri altında arama yapan yolcuların yüzdelerini sıralamaktadır.İşletmelerde ve ofis binalarında yüzdelerin yüksek olduğu ancak yerleşim alanlarında bu yüzdenin çok düşük olduğu, çünkü yerleşim alanlarında kullanıcıların evde olma ihtimalinin yüksek olduğu görülmektedir.

İkincisi, her topluluk ve bina türü için, aramak için uygun bir zaman verin, yani ne kadar önceden aramak için bu, biniciler ve kullanıcılar için en iyi deneyimdir. Çağrı çok erken ve kullanıcı alt katta sürücüyü bekler ve deneyim görece zayıf. Çağrı çok geç ve sürücü alt katta kullanıcıyı bekliyor ki bu çok verimsiz. Doğru bisiklet yörünge verilerimiz var Her bina ve her topluluk için farklı zamanlarda çağrı yaparken binicilerin alt katta ne kadar kalacağını biliyoruz, böylece bir eğri çizebiliriz. Uygun aralık, iki kırmızı çizgi arasındadır.

İlk ikisi esas olarak büyük veri analizidir.Son olarak, hangi sipariş ve ne zaman çağrılacağı için gerçek zamanlı karar verme gereklidir. Sürücünün bir sonraki teslimat yerini ve teslimat görevini gerçek zamanlı olarak tahmin etmek ve sürücüye doğru zamanda ses asistanı aracılığıyla vermek için önceki büyük veri analizi ile birleştirilen sipariş durumu, yörünge durumu, çevresel koşullar vb. Dahil sürücünün gerçek zamanlı verilerine dayanarak. Hatırlatma.

Özellikle, sahne tanıma üç teknoloji gerektirir: sürücü yörünge madenciliği, makine öğrenimi ve veri madenciliği.

Önce yörüngeyi tanıtmama izin verin.Her gün milyarlarca konumlandırma verisine sahip olabiliriz ve sonra bu verilere dayanarak birçok şey yapabiliriz.

İlk olarak, A ve B noktaları arasında gezinmenin en iyi yolunu doğru bir şekilde bilebilirsiniz. Üçüncü taraf bir haritayla karşılaştırıldığında, A ve B arasında seyahat etmenin daha iyi bir yolu olabileceğini görebilirsiniz.

İkincisi, yörünge verileri tek başına yeterli değil.Ayrıca iç mekan konumlandırma sorununu da çözmemiz gerekiyor.İç mekanda GPS konumlandırma artık yeterli değil ve yeni bir teknik sistem gerekiyor. WiFi konumlandırma gibi, ancak aynı zamanda sürücünün mağazada olup olmadığını belirlemek için tüccardaki donanımın konuşlandırılması gibi bir donanım tasarlaması gerekir.

Üçüncüsü, sensörlerin kullanımı, ister içeride ister kapalı alanda olsun, yalnızca sürücünün tam olarak konumlandırılmasını değil, aynı zamanda kalma, yürüme, binme, tırmanma veya asansöre binme gibi hareket şeklini de bilmemiz gerekir. Bu bilgi yalnızca bir yargı değildir. Sürücü ne yapıyor. Ve fiyatlandırma ve çizelgeleme açısından çok değerli olan dağıtımın zorluğunu ince bir şekilde tanımlayabilir.

Yörünge kullanarak navigasyonu ve konumlandırmayı düzeltebiliriz. İki örneğe bakalım.

İlk örnek (soldaki) sipariş verirken kullanıcı konumlandırmasının dağılımıdır.Herkes iç mekanlarda sipariş verdiğinden konum sapması çok büyüktür. Ancak sürücünün yörüngesinin düzeltilmesiyle, aslında sadece dört nokta vardır ve her nokta bu binanın bir kapısı olarak düşünülebilir, bu da kullanıcıların konumlandırma doğruluğunu büyük ölçüde geliştirir ve binicilerin teslim etmesini kolaylaştırır.

İkinci örnek (sağda), AB iki noktasındaki sürüş yolunu değiştirmek için sürücünün yörüngesini kullanır. Yukarıdaki şekilde yörünge analizi, topluluktan geçerken zaman kazandıran daha kısa bir yol bulur; aşağıdaki şekilde, orijinal harita navigasyonu Ortadan üst geçidi geçin, ancak yörüngeden geçerek, gerçek duruma daha uygun olan daha fazla sürücünün atladığı görüldü.

Aşağıda, temel olarak çeşitli zaman tahmini düzeylerine uygulanan bazı makine öğrenimi ile ilgili teknolojiler tanıtılmaktadır.

Yalnızca yüksek hassasiyetli ETA (tahmini varış zamanı) tahmini, sürücü davranışını daha doğru bir şekilde tahmin edebilir.Uçak teslimat süresi, iniş ve çıkış süresi ve iş yemek zamanı dahil olmak üzere üç boyutta hassas tahminler yapacağız. Bu sayede sürücünün teslimat süreci daha kapsamlı ve detaylı olabilmektedir.

Bu amaçla, gerçek zamanlı özellik platformları, makine öğrenimi platformları, derin öğrenmeyi içeren modeller ve diğer makine öğrenimi ile ilgili işler gibi birçok temel iş yaptık. Aynı zamanda, rafine adres çözümlemesi gibi daha ayrıntılı dağıtım bilgi haritası oluşturma çalışmaları da yapacağız.

Adres, dağıtım için çok önemli bir bilgidir.NLP ve harita arama yöntemi aracılığıyla, iş bölgelerinin profilini ve bina boyutlarını analiz etmek için çok yararlı olan hiyerarşik bir yapıya ayrıştırılabilir. Bir adresi dört seviyeye ayırıyoruz: topluluk, bina numarası, ünite numarası ve kat. Kullanıcılar tarafından doldurulan bilgilerin tamamen standart dışı olması ve belirsizlik olması gibi çözülmesi gereken birçok pratik problem vardır.

Bunu yaptıktan sonra, üretilebilecek gerçek etki hala çok ilginç. Analiz için "yukarı ve aşağı zaman" özel senaryosunu kullanıyoruz.

İlk resim farklı binalarda yukarı ve aşağı gitme zamanı.Soldaki ikisi Xiamen'deki iki binanın zamanları ve sağdaki ikisi Xiamen'in ortalama değeri ve ulusal ortalama. Farklı binalarda iniş ve çıkış sürelerinde hala büyük farklılıklar olduğu görülebilir ve bunun yerine sadece şehrin ortalamasını veya ulusal boyutu kullanmak imkansızdır.

İkinci resim, B2'den başlayarak 8. kata kadar farklı katlarda inip çıkma süresidir. İlginç bir şey, yukarı ve aşağı gitme zamanı ile yükseklik arasında doğrusal bir ilişki olmamasıdır.İkinci, üçüncü ve dördüncü katlarda zaman farkı çok uzundur, ancak beşinci, altıncı ve yedinci kata ulaşıldığında zaman farkı çok azdır. . Nedeni basit: Zemin alçak olduğunda, binici merdivenleri çıkmayı seçebilir. Üst katlar asansöre binmeyi tercih ediyor. Farklı katlar arasında kalma süresi çok kısadır ve yukarı çıktıkça zaman aralığı daha kısadır.

Üçüncü resim, farklı şehirlerdeki iniş ve çıkış sürelerinin dağılımı En ilginç olan sarı çizgi, yani Chongqing'deki toplam iniş ve çıkış süresinin açıkça çok uzun olduğu anlamına geliyor. Chongqing bir dağ şehri olduğu için evler genellikle dağın yamacındadır ve düzlüklere göre yukarı ve aşağı gitmek elbette daha zordur.

Genel etki

Yukarıda, ses asistanının bir bütün olarak dayandığı sahne tanıma teknolojisi açıklanmaktadır ve şimdi ses asistanının genel etkisini tanıtacağım. İlk olarak, ses asistanı özel kulaklıklar, sesli etkileşim, sahne tanıma ve akıllı rehberlik dahil olmak üzere dört temel işlev sağlar.

Kulaklığı neden özelleştirmek istiyorsunuz? Sürücü ortamında çok fazla gürültünün üstesinden gelinmesi gerekiyor, bunu yazılım ve programlarla yapmak zordur, ancak donanım yoluyla yapılmalıdır. Bu nedenle, donanımı iyi bir denoising etkisiyle özelleştirmek için üreticilerle işbirliği yapıyoruz.

İkinci işlev, sipariş gönderme, sorgulama, yemek toplama ve telefon görüşmeleri yapma gibi tüm teslimat sürecinde sesli etkileşimi gerçekleştirebilen sesli etkileşimdir.Kulaklık akıllı teslimatı tamamlamayı hatırlattığı sürece sürücünün tüm süreç boyunca cep telefonuna bakmasına gerek yoktur.

Üçüncüsü, sürücüyü daha güvenli hale getirmek, kapsamlı bilgi hizmetleri sağlamak ve sürücünün teslimatını daha rahat ve verimli hale getirmek için güvenli sürüş hatırlatıcıları, bilgi yayını, görev haritası rehberliği vb. İçeren akıllı rehberlik işlevidir.

Aşağıdaki şekil, akıllı sesin çevrimdışı tanıtımındaki bazı gerçek verileri göstermektedir.

Mavi çizgi, sürücünün ses asistanını kullanarak yaptığı işlemlerin sayısı, yeşil çizgi ise kullanılmayan işlemlerin sayısıdır. Operasyon sayısının önemli ölçüde düştüğü görülmektedir. Bununla birlikte, 0'a düşürülmemiştir. Bunun iki nedeni vardır: Sürücü hareketsizken sürücünün sesli asistanı kullanmasına gerek yoktur; bazı sürücülerin Bluetooth kulaklıkları henüz teslim edilmemiştir. Sonraki resme bakın:

Soldaki resim, sipariş alan sürücülerin zaman dağılımını gösterir.Sağ taraftaki sürücünün sipariş alması ne kadar uzun sürerse, kullanıcı deneyimi o kadar kötü olur. Yeşil çizgi, daha önce biniciler tarafından alınan manuel siparişlerin bir dağılımıdır. Uzun kuyruk durumu daha ciddidir.Siparişler sesli olarak alındığında, sipariş süresi açıkça sola daha yakındır ve genel sipariş süresi önemli ölçüde azalır, bu da kullanıcı deneyimini daha iyi hale getirir.

Sağdaki grafik, sürücünün yiyecek teslimatı için harcadığı zamanın oranıdır. Yatay eksen, sürücünün alt katta kullanıcıyı beklediği süredir. Sağa ne kadar uzaksa, sürücü alt katta o kadar uzun bekler. Sesli hatırlatıcıdan sonra, sürücünün uzun süre beklemesinin durumunu önemli ölçüde azaltabilir ve çok fazla zaman tasarrufu sağlayabilir.

Sonuna yaz

Özetlemek gerekirse, konuşma tanıma ve ses asistanları gerçek iniş sürecinde birçok zorlukla karşı karşıyadır ve bunların çoğu olay yeriyle ilgilidir.Sahne tanıma çok önemlidir, hatta konuşma tanımadan daha önemlidir.

Konuşma tanıma artık nispeten yaygın bir teknoloji olduğundan ve hizmet sağlayan birçok profesyonel satıcı olduğu için donanım da öyle, dolayısıyla özelleştirmesi nispeten kolaydır. Bu nedenle şu anda temel teknoloji açısından yazılım ve donanım birleşimiyle ses asistanı olmak sorun değil.DEMO olmak istiyorsanız çok fazla teknik engel kalmayacaktır.

Aksine, belirli işletmelerde, sesli asistanları uygulamak için iş senaryolarının nasıl birleştirileceği, gerçekten dikkate almamız gereken şeydir. Diğer bir deyişle, sesli asistanın nasıl "kullanılabilir" den "kullanımı kolay" hale getirileceği ve ardından kullanıcıların "kullanmaya istekli" hale getirilmesi, gelecekte ses asistanlarının karşılaşacağı gerçek zorluklardır.

Ses tanıma ve ses asistanlarının gerçek iniş sürecinde birçok zorluğu vardır ve bunlar olay yeriyle ilgilidir. Sahne tanıma konuşma tanımadan daha önemlidir, hatta daha önemlidir, çünkü konuşma tanıma artık nispeten yaygın bir teknoloji, iş senaryolarının nasıl birleştirileceği , Sesli asistanı iyi bir şekilde indirmek ve kullanmak, gelecekte bir süre için zor olabilir.

Kapsamlı dağıtım zekasını gerçekleştirmek için, Meituan birçok çalışma ve girişimde bulundu.Bu sadece makine öğreniminde iyi bir iş yapmak için değil, aynı zamanda daha iyi gerçek zamanlı operasyon optimizasyonu, gerçek zamanlı uzaysal veri madenciliği ve insan-bilgisayar etkileşimi nasıl gerçekleştirileceğini de içeriyor. Teknik içerik açısından, yaklaşan QCon Beijing 2018'de Bay He Renqing, bu süreçte yapılan girişimleri sizinle paylaşacak. Tıklayabilir "Orijinali okuyun" daha fazlasını anlayın.

Mevcut montaj Kayıtlarda% 10 indirim, 680 yuan indirim . Herhangi bir sorunuz varsa, lütfen bilet yöneticisi Hanna'ya danışın, Tel: 010-84782011, WeChat: qcon-0410.

yazar hakkında

Meituan Dianping'de Dağıtım Algoritması Stratejisi Direktörü olan He Renqing. 2016 yılında Meituan Dianping'e katıldı ve Meituan'ın teslimat işinin genel algoritmik yönünden sorumludur. Akıllı gönderim sistemi, akıllı ağ planlama sistemi, makine öğrenimi platformu, dağıtım simülasyon platformu vb. Dahil olmak üzere Meituan'ın özel teslimat, ekspres teslimat ve günlük işler gibi çoklu iş yönlerinin geliştirilmesini tam olarak destekler. Meituan Dianping'e katılmadan önce, Baidu Fengchao ekibinin T9 mimarıydı ve arama reklamcılığı NLP, veri madenciliği ve erişim teknolojisi üzerine araştırmalar yaptı.

Bugünün Tavsiyesi

Okumak için aşağıdaki resme tıklayın