E电园|GFM2020刘行亮：共享两轮助力构建城市慢行生活圈( 二 )
作为慢出行系统 ， 共享两轮是非常重要的一个出行组成部分 。 特别是在一二线城市出行时 ， 经常遇到城市道路拥堵情况 ， 就像高德导航里 ， 我喜欢用岳云鹏导航的播报 ， 经常听到一句话“前方有堵车了 ， 我们看自行车边蹬边笑 。 ”未来有很多城市道路路网优化方案、无人驾驶技术手段去优化 ， 但当下目前共享单车出行是帮助我们可以快速、便捷和安全到达目的地的有效补充 。 它同时也是和我们公共交通无缝联接 ， 很多地铁站也好、公交站也好 ， 旁边都可以看到共享两轮车辆 ， 极大的方便了很多以公共交通出行为主用户最后一公里到家的出行场景 。 这其实是我们辅助于慢生活城市圈构建的基础设施 。
5亿多用户群体是哈啰服务的用户 ， 涵盖在城市、乡村各种各样的出行场景里 ， 有的是因为上下班的通勤 ， 也有在大学校园里的骑行需求 ， 同时在公园景点里也需要我们这样一个两轮出行、绿色出行方便的工具 。
作为共享出行这样一个便捷的工具 ， 其实和地铁、单车、生活服务类场景 ， 包括出游、上下班通勤 ， 实际上是一个无缝联接 ， 所以未来哈啰也会打造一个生活服务类平台 ， 除了在出行领域之外 ， 也会联接很多大家日常所需要的生活服务 。
作为慢生活圈的基础设施 ， 我们认为基础设施需要具备哪几个重点要素？
第一 ， 便捷 。 需要用车时就能找到一辆合适、一辆好用的车 。 早期共享单车出来时 ， 会看到五颜六色的车堆积在路面 ， 看起来有很多车 ， 骑着就可以走 ， 但实际上对于道路 ， 特别是人行横道、地铁口、小区门口会造成拥塞 ， 并不是真正产生便捷出行的方案 。
第二 ， 保证出行工具安全性 。 因为我们都不希望有一个交通工具出去之后还有生命安全或会有一些安全隐患 ， 导致用户身体受伤害 ， 所以安全其实也是非常重要的一个基础设施的特质 。
第三 ， 有序 。 所谓有序 ， 除了能够很方便地找到一辆可骑行的车之外 ， 对城市道路管理来说也需要有智能化、精细化的工具 ， 帮助我们车辆不是野蛮地投放到路面上去 ， 导致城市道路管理杂乱无章 。
以上三个要素是我们组成慢生活圈的基础设施的三要素 。
围绕这三要素 ， 因为我们用户有4亿多 ， 城市覆盖400多 ， 不可能靠很多线下人员去做一个一个站点、一个一个车辆的维护 ， 所以必须通过智能化和数据化的技术手段去解决上述说到的这三个问题 。
为什么要做调度？
因为在很多出行场景里 ， 特别是在早高峰或晚高峰时 ， 从地铁或小区出来想找一辆车比较难 ， 因为有可能很多车辆已经被其他用户骑走了 ， 我想用的时候会发现真的想用的车是没有的 ， 怎么捕获到这些用户需求 ， 然后在合适时间、合适地点把这个车投放到合适的位置上 ， 以满足用更少的车辆、更有序地保证用户的骑行需求 ， 这就是产生了调度的场景 。 当然 ， 我们目前的调度还是通过线下运维的运力 ， 通过卡车或三轮车把对应的其他站点车辆投放过去 。 但投哪些车 ， 从哪个站点搬出去 ， 投到哪个目标站点上去 ， 这个必须要通过智能化和智慧化手段去解决 ， 这个衍生出来我们算法和机器学习能够帮助甚至超越人工调度最有力的场景 。
首先我们通过大数据仿真把人工以前的经验 ， 结合当下用户出行的轨迹 ， 以及常住地址进行供需预测 ， 做大数据仿真和模拟 ， 同时用一些机器学习的算法去做一些深度用户供需的预测 。 同时会对于不同的目标 ， 因为有些站点是供大于求 ， 有些站点供小于求 ， 如何平衡这些站点之间供需 ， 去把最终合理的车辆数投放到需要投放的位置 ， 这就是整个算法的流程 。
会用到很多数据和相关算法 ， 会针对一些POR信息 ， 包括也和四维图新合作 ， 采集一些用户常住地 ， 也会分别识别出来到底哪些地方是小区 ， 哪些地方是写字楼 ， 哪些地方是公交出行的站点 ， 去做供需以及用户实际到达位置进行匹配 。 同时也会结合天气、车辆情况 ， 因为我们也是希望有一些人对于车的要求和选择 ， 结合车况不同做一些投放 ， 所以是多目标的机器学习的命题 。 我们通过历史经验会做一些机器学习的预测 ， 也会增加强化学习 ， 弥补我们特征不足的情况 ， 做模型的优化 。 最终能够实现收益最大化 ， 同时兼顾任务量 ， 以及新增热点探索 。 因为有些小区其实是新开小区 ， 如果用户在他所需要的地方是新增需求 ， 我们可以比人工更为快速识别到 。
