本文共 1249 字,大约阅读时间需要 4 分钟。
点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入!
日前,滴滴联合国际最大的地理数据分析会议之一SIGSPATIAL,共同在数据竞赛平台biendata发起并主办 “行程到达时间预估挑战赛”。本次直播将由比赛主办人员针对赛题进行详细剖析。
该挑战赛总奖金池25000美元,赛题具有充足的现实意义,并有针对性地设置了海量样本数据,提供了真实的业务场景和数据集。本次直播将帮助广大观众进一步理解比赛宗旨和技术背景。
赛题背景
预估到达时间(Estimated Time of Arrival)在很多应用场景中扮演着至关重要的角色,例如在网约车订单分配、价格预估、行程中时间预估、路线决策等各个场景。
精准的到达时间预估可以帮助平台提升效率,提高用户体验,方便平台和用户做更优的决策。然而,到达时间本身会受到路线长度、路段通行能力、道路等级、实时路况、红绿灯个数相位等因素的影响。其中路线长度,道路信息,红绿灯信息等相对静态,而实时路况等信息相对动态且易变。此外,到达时间本身有很强的时间周期性,相同的路线在工作日与周末,平峰期与高峰期的表现差异较大。综上因素,预估到达时间具有很高的技术难度和挑战。
滴滴作为全球领先的一站式出行平台之一,拥有海量的订单数据和实时历史路况特征,基于这些海量的样本数据,可以更好地构建机器学习模型算法来优化预估到达时间问题,提升预测精度。
比赛地址:https://www.biendata.xyz/competition/didi-eta/
直播信息
比赛使用滴滴盖亚数据开放计划的“行程到达时间预估数据集”。数据集中包括了约千万级别的行程轨迹数据。具体信息包括出发时间日期、行程路线、路况信息、路网拓扑等(数据本身进行了脱敏,不涉及个人信息)。本次直播将针对滴滴盖亚数据开放计划与SIGSPATIAL 共同发起并主办的“行程到达时间预估赛题”进行说明讲解。
本次分享的具体内容有:
赛题介绍
数据说明
评测标准
滴滴的思路与方法
在线答疑
嘉宾介绍
刘欣悦 / 滴滴出行资深算法工程师
刘欣悦,滴滴出行资深算法工程师,2019年加入滴滴,担任地图与公交事业部ETA和路况策略团队资深算法工程师。主要负责滴滴平台ETA和预估价算法优化的相关工作,在大规模深度学习模型方向有较深的经验。2014年硕士毕业后任职于百度,曾在百度地图、百度糯米团队担任数据挖掘工程师,主要负责POI相关的数据整合和挖掘策略。
直播地址 & 交流群
本次直播将在 AI RTIME B 站直播间进行,扫描下方海报二维码观看直播,点击阅读原文报名比赛进行参赛。添加小A助手微信:AITIME_HY,即可获取比赛群通道。
小A助手
AI TIME是清华大学计算机系一群关注人工智能发展,并有思想情怀的青年学者们创办的圈子,旨在发扬科学思辨精神,邀请各界人士对人工智能理论、算法、场景、应用的本质问题进行探索,加强思想碰撞,打造一个知识分享的聚集地。
(点击“阅读原文”报名比赛进行参赛)
转载地址:http://okwdb.baihongyu.com/