Uber 刘彦东:当Uber开拓送餐服务后,全世界的外卖都震惊了

原创
CIOAge 机器学习
Uber不仅能叫车,原来还能点餐。

51CTO.com原创稿件】2017年7月21日-22日,由51CTO主办的以人工智能为主题的WOTI2017全球创新技术峰会在北京富力万丽酒店隆重举行。峰会期间,30+AI明星,数十场围绕人工智能主题的精彩演讲与圆桌论坛缓缓揭开面纱。会后,记者采访了Uber Tech Lead刘彦东,他将为大家介绍深度学习在Uber中的应用。

 

      刘彦东目前在Uber机器学习平台组担任Tech Lead,领导公司整体的机器学习设计开发工作。他在加入Uber之前就职于雅虎硅谷研究院担任资深研究员,主持雅虎多个垂直搜索相关性的研发。刘彦东先后毕业于山东大学计算机,获取学士学位 Emory大学计算机系获取硕士学位 以及卡耐基梅隆大学计算机系获取博士学位,并在***学术会议/期刊上发表论文20余篇,引用数超过1000次。

 

机器学习在Uber的应用

[[198088]]

       机器学习在Uber的应用场景都有哪些?基本上涵盖Uber业务的方方面面,最基本的是打车业务。打车体验很多方面的应用需要用到机器学习,比如司机指派、到达时间等。其他还有个性化定价、用户体验与公司利益之间做平衡也用到了机器学习。

       机器学习平台系统是为了解决什么问题?主要是解决智能决策的问题机器学习强大的分析能力,可以大量的数据中得出一些规律从而能够帮助人决策

据刘彦东说,美国多数大公司的机器学习通常是以平台的形式呈现,Uber也是这样做的。好处就是规范化、迭代速度快。例如,做新业务的部署,去申请好几百台的硬件资源会很费力,每次写申请报告的手续也很繁琐。当有了一个公共的资源池后,就可以节省很多时间。他认为,平台化、规范化是一个趋势,也是一个比较好的选择。

 

Uber不仅能叫车还能点餐

UberEats推出前,美国已经有了很多类似于国内“饿了、百度外卖”等专门做送餐服务的公司。但刘彦东说,Uber的外卖服务推出后,订单很快超过了10亿单,大概只用了1时间就迅速成为行业***。

美国很多地方都地广人稀,堵车现象也自然少见,不同于中国送餐员是骑摩托车送餐的,Uber是开汽车送餐。

为何Uber会进入外卖服务领域呢?”Uber平台有网络优势与完善的司机供应链是很大的出发点,点餐又是值得尝试的业务。“刘彦东说,打车业务和送餐业务结合在一起是很容易的,因此,Uber就尝试了。如果司机只能做外卖服务就可能导致资源浪费,因为吃饭的时间相对集中,其他时间司机需求量又比较小。反观Uber,由于司机既可以用来打车,也可以送外卖,加上智能的网络结构和对道路交通状况的精准掌握,因此,Uber可以快速在外卖服务领域后来居上。

 

个性化推荐订餐服务配送时间精确到分钟

 

刘彦东说,UberEats的订餐服务可以实现个性化推荐,把一些客户喜欢的菜品放在上面,因为其背后有强大的机器学习技术在不断支撑。相对于中国,他强调,UberEats更智能一些。

      另外据了解,  UberEats的配送时间可以精确到分钟级。例如,你点一个餐,平台通过计算,预测23分钟能够送达,而你也只需要等候23分钟即可,而国内目前还做不到。

      分钟级别的配送会涉及到很多业务的精准数据和调配。模型的调餐,开始的时候也不是那么准确,这需要不停地迭代和积累数据。比如说,在早期,可以设定一个目标:能否在45分钟之内送达,“是”或“否”,需要一个判断;然后,判断在哪一分钟内到达是有难度的,一步一步去完善。这需要准备大量的数据和虚拟数据,还要采集周围相关数据。例如,餐馆信息、司机信息、天气状况和路上的交通状况,围绕送餐服务把数据采集全才可以提高准确度。

另外一方面,以往的历史信息可以帮你学习这种模型,由于Uber每天都有很多订单,每张订单都有一个真实的到达时间,而且这个时间内可能有几百个历史数据,这样通过机器学习就能推测出准确的配送时间。

 

机器学习在Uber的未来

 

送餐服务仅仅是Uber现阶段的一个业务,它未来的目标是在无人驾驶。

刘彦东说,在美国,无人驾驶领域竞争很激烈,大公司在做,车厂在做,很多创业公司也在做,而Uber自然也早早就开始了自己的研究和部署。无人驾驶难度是很大的,但是,他认为,这是一个渐进的过程。首先是特定场景比如园区,卡车业务等等,逐步到高速,市区肯定是***一步。无人驾驶对准确性要求特别高,99.9%的准确度还是做的不够,Uber更希望的是达到99.999%。

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

责任编辑:吴金泽 来源: 51CTO

51CTO技术栈公众号