Autobedrijf Didi heeft een nieuw dispatching-algoritme dat zich aanpast aan de vraag van de rijder

Categorie: Kunstmatige intelligentie Geplaatst 12 december

Didi, China's Uber-equivalent, heeft een nieuw algoritme voor het toewijzen van chauffeurs aan rijders in geselecteerde steden.

Het dispatchingsysteem maakt gebruik van wapeningsleren (RL), een subset van machine learning die afhankelijk is van sancties en beloningen om agenten een duidelijk doel te laten bereiken. In dit geval zijn de agenten de chauffeurs en zijn de beloningen hun betalingen voor het voltooien van een rit.

Het huidige dispatching-algoritme van het bedrijf bestaat uit twee delen: een voorspellingssysteem dat voorspelt hoe de vraag van rijders in de loop van de tijd verandert, en een matchingsysteem dat chauffeurs op basis van die voorspellingen aan banen toewijst.

Het heeft het bedrijf tot nu toe goed gediend, maar het kan inefficiënt zijn. Als de patronen van het aanbod van chauffeurs en de vraag van de rijder veranderen, moet het voorspellingsmodel worden bijgeschoold om nauwkeurige voorspellingen te kunnen blijven doen.

De overstap naar een RL-aanpak lost dit probleem op door beide delen in één samen te vouwen: met elk volgend stuk gegevens leert het algoritme om chauffeurs efficiënter te sturen. Daardoor kan het blijven evolueren met veranderende vraag en aanbod, zonder dat omscholing nodig is. A/B-tests tussen de oude en nieuwe algoritmen in een handvol steden hebben bevestigd dat de nieuwe inderdaad efficiënter is.

Didi plant nu een geleidelijke uitrol van het nieuwe verzendingssysteem naar steden in China, hoewel er geen exacte tijdlijn is vastgesteld. Tony Qin, de AI-onderzoeksleider voor de Amerikaanse divisie van het bedrijf, vertelde MIT Technology Review dat het bedrijf A/B-tests kan blijven uitvoeren tussen zijn verschillende algoritmen voor verschillende locaties en degene kan blijven gebruiken die de meest efficiënte resultaten oplevert.

Het RL-algoritme is misschien niet altijd het beste, zei Qin. Het hangt grotendeels af van de vraag- en aanbodpatronen van de stad. In de tussentijd ontwikkelt het bedrijf ook een ander RL-dispatchalgoritme, met verschillende agenten en beloningen, om aan zijn arsenaal toe te voegen.

Een verkorte versie hiervan verscheen oorspronkelijk in onze AI-nieuwsbrief The Algorithm. Schrijf je hier gratis in om het direct in je inbox te krijgen.