新华网北京8月2日电 在近日举行的2017未来交通峰会上,神州优车集团副总裁王培强介绍了神州“优车智脑”架构图。这是神州优车集团出行、电商、金融等三大业务板块协同高效运行背后的技术体系首次在公众面前曝光。
据悉,优车智脑是以神州优车集团旗下出行、电商和金融三大业务板块海量真实数据为基础,运用大数据、云计算和人工智能等前沿科技,独创的人车生态智能系统,为神州优车各板块业务高效协同发展提供技术保障,也为智慧交通建设提供数据模型和解决方案,推动中国智慧城市的创新发展。
王培强现场展示了优车智脑架构图,它以人工智能为核心,人、车数据为基础,云计算、车联网以及移动互联网三大架构为支撑。其中,人工智能是优车智脑的神经中枢,不但指挥神州优车集团各业务板块协同高效运营,也是神州优车链接未来的纽带,更是智慧交通和未来智慧城市建设的引擎。
人的数据包括,客户画像数据、消费行为数据,驾驶员画像和驾驶行为数据等;车的数据包括,车辆本身数据,车辆运行轨迹数据,道路和城市环境数据等。人、车数据是优车智脑的血脉。
云计算、车联网、移动互联网等三大架构是优车智脑的筋骨,也是人车数据运行的物理载体,尤其是独特且自成体系的车联网使得优车智脑超越其它平台,保证了其数据全面真实。
海量数据多元场景彰显独特优势
在人工智能浪潮的冲刷下,科技互联网公司充分利用自身数据、技术优势,纷纷组建自己的科研团队。在AI领域卓有建树的“谷歌大脑”、自称比“谷歌大脑”进化还完美的“微软人工大脑”以及国内行业领先的“百度大脑”,均有强大的团队支撑。
据了解,神州优车智脑的团队涉及主研发无人驾驶的美国硅谷实验室以及专注深度学习的国内智团。王培强表示,与其他团队研究力量比,优车智脑主要有四大优势:数据全面真实、场景应用多元、技术尖端独创、生态共建共享。
单从数据看,10年来,神州优车平台拥有数百万自有车辆,3000万忠实用户,十亿级出行人次,并覆盖汽车电商、汽车金融等业务,深度聚焦出行及汽车全产业链,在全国范围采集了包括用户、车辆、司机、环境等一手海量数据。
在场景应用方面,神州优车集团旗下业务涉及自驾代驾、长短途出行、政府公务用车、大型会议活动出行保障、汽车消费(新车、二手车交易)、汽车维保、金融保险服务等用户汽车消费全周期的应用场景。
在技术方面,优车智脑不单充分应用云计算、大数据、人工智能等前沿技术,还结合中国用户、行业、市场及城市的差异性、多元化特征,进行多项落地创新。
神州优车纵跨10年产业变革,不但拥有3000万高价值客户,还与所有国内外主流整车厂商,金融保险公司,知名高校、科研院所,城市政府等建立了密切的合作关系,积累了深厚、独特、稀缺的人车生态资源,为共建开放共赢的人车生态打下坚实基础。
六大应用助推智慧城市建设
据悉,“优车智脑”在神州优车集团旗下业务中,以独立或协同方式展开了六大应用:供需优化、智能调度、大数据风控、人脸识别、真实数据采集、独有Adas系统(高级驾驶辅助系统)。
首先,优车智脑可为旗下租车、专车业务提供供需优化支持,依据时间、位置、天气等不同因素,基于GBDT(Gradient Boosting Decision Tree,梯度提升决策树)等机器学习算法,实现实时预判专车供需变化;依据季节、区域、用户等差异,判定租车需求趋势;在政府公务用车、大型会议活动出行保障等特殊应用场景下,对供需做智能匹配。
依据供需优化的结果,优车智脑还可以对专车、租车车辆进行智能调度。通过对专车运营区域进行蜂巢式划分,根据历史与实时数据,综合考虑距离、道路状况、运力供需等因素科学调度车辆,实现服务与效率的双向平衡;当租车预订量接近区域车辆总数时,系统自动发出超售预警,并提供智能调度方案。 大数据风控也是其重要应用领域,综合神州优车旗下各业务板块及第三方数据,根据消费行为、社会属性等特征为用户精准画像,依托自建的DMP(Data Management Platform,数据管理平台)和RIMA(RIsk MAnagement,风控管理系统)建立起强大的风险评估和风险管控体系,为公司业务以及生态伙伴提供可靠的大数据风控保障。
在人脸识别的应用方面,优车智脑采用深度学习算法(Deep Learning)对司机进行人脸识别,确认司机身份,提高用户乘车安全;对电商和金融客户进行人脸识别,降低风险,提高资产安全。
真实数据采集是“优车智脑”一切决策的基础。10年来,神州优车依托公司自有车辆独特优势,在全国范围采集车辆行驶、道路交通环境等海量真实数据,与中科院、清华大学、北京航空航天大学、天津大学等科研院所共建实验室,在智能出行、智慧交通等领域进行深度研究,为智慧城市建设提供模型和决策依据。
近年,神州优车加大对硅谷实验室投入进行无人驾驶研究,目前其独有的Adas系统(高级驾驶辅助系统)已初现成果并且进行实验性应用。“优车智脑”依据公司自有车辆安装的OBD、摄像头等设备,在全国范围内收集车辆运行、驾驶行为及道路环境等数据,依托深度学习技术实现精确的车辆、行人、车道线识别,智能辅助车辆安全驾驶。我们在云端基于Docker(容器)技术搭建了DLP(深度学习平台),支持Caffe、TensorFlow等主流深度学习框架,实现从数据采集到标注、训练、评估、模型更新等全自动化流程,为未来无人驾驶技术迭代升级提供真实试验场景,积累海量数据和多样化模型。
来源:新华网
编辑:盛学运