3月27日，滴滴出行研究院副院長葉杰平出席2017新智元開源·生態 AI
技術峰會，在主題演講環節，葉杰平重點揭秘了人工智能技術在滴滴智能派單中的應用，并稱人工智能技術已經廣泛應用于滴滴的方方面面，能夠不斷提升用戶出行效率并且優化出行體驗。滴滴在大數據和人工智能領域的布局和探索，已經走在了互聯網行業的前列。
葉杰平指出，滴滴瞄準是世界級的出行難題，背后的計算其實遠比AlphaGo復雜。無論是車輛調度，還是司乘匹配，其考慮的維度、復雜性和實時性都遠遠超過其他行業。當前滴滴正在借助機器學習和大數據解決智能調度和供需預測等難題，通過模型的不斷優化縮短運算時間，同時提升預測效果，讓人們的出行更便捷，體驗更好。“滴滴是一家數據、技術和體驗驅動的公司，無論是乘客發單前的預測目的地、推薦上車點，還是發單后的智能派單、路徑規劃，甚至行程中的安全駕駛，行程結束后的司乘判責環節，都大量地利用了人工智能技術，人工智能也已成為滴滴技術核心”，葉杰平說。
在演講中，葉杰平還對滴滴的智能派單進行了詳解。智能派單是滴滴的核心技術之一，乘客每次發單，背后都需要借助大規模分布式計算對司機和乘客進行最優匹配，不僅要將乘客與周圍大量的司機進行匹配，計算出最優，還要計算出最佳行駛路徑，做到總時間最短，從而實現平臺效率和用戶體驗最大化。
然而不同于網上搜索時商品、資訊等信息的靜態停留，車輛永遠在不停地移動，可能幾秒后這個司機就通過一個了路口，或是行駛到了高速路。這也對匹配提出更高的要求—需要能對未來情況進行預測，并且快速地對司機和乘客進行動態、實時的匹配。
(滴滴出行研究院副院長葉杰平詳解路徑規劃算法)
路徑規劃和ETA(預估到達時間)兩項地圖技術則是滴滴實現最優匹配的關鍵。據葉杰平介紹，通過對滴滴出行海量的用戶行駛數據進行挖掘和學習，滴滴已經圍繞最低的價格、最高司機效率和最佳交通系統運行效率設計出了全新的智能路徑規劃算法，能夠對未來路況做出準確預測，整體考慮司機未來所有可能的走法，毫秒級算出A到B點的最優路徑。
而早在2015年，滴滴就基于海量的出行數據，在全國范圍內首次將機器學習應用到ETA上，通過使用全新的時間預估算法以及特征挖掘，大幅度提升了時間預估的準確率。在這一基礎上，近期滴滴還創新地將深度學習應用到ETA，進一步提升了預估精度。
大數據和人工智能技術也驅動滴滴派單效率進一步提高。葉杰平透露，此前滴滴能每2秒進行一次全局的判斷，在迅速的大量計算中，完成全局最優的智能派單。如今這一派單算法已經升級，能夠基于全天供需、出行行為預測，來考慮一天之內司機整體的效率，“目前我們已經在進行相關測試，能讓司機的效率總和一整天最優，實現收益最大化。”
這些大數據和人工智能發展應用的背后，也體現了滴滴的強大云計算能力。公開的資料顯示，滴滴日完成訂單超過 2000 萬單、每日處理數據超過
2000TB，相當于200
萬部電影，每日路徑規劃也超過90億次，約相當于600萬次/分鐘。當前滴滴正在驅動人工智能技術迅速迭代升級，也已經構建了一個智能系統滴滴大腦，能夠通過大數據、機器學習和云計算最大化利用交通運力，做出最優的決策，為每一位用戶設計最貼心最智能的出行方案。未來，滴滴也將積極與城市管理者攜手，共建智慧交通體系，創造未來出行新生態。
