這篇文章主要講解了“分析面向共享出行的群體智能技術(shù)與應(yīng)用 ”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“分析面向共享出行的群體智能技術(shù)與應(yīng)用 ”吧！

網(wǎng)站建設(shè)哪家好，找成都創(chuàng)新互聯(lián)！專注于網(wǎng)頁設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、成都微信小程序、集團(tuán)企業(yè)網(wǎng)站建設(shè)等服務(wù)項(xiàng)目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了市中免費(fèi)建站歡迎大家使用！

近期的人工智能技術(shù)突破主要聚焦于有效地模擬個(gè)體智能，尚未能很好地解決大規(guī)模群體進(jìn)行智能協(xié)作的技術(shù)瓶頸，因此，群體智能技術(shù)作為一種通過匯聚激發(fā)大規(guī)模參與者完成真實(shí)復(fù)雜任務(wù)來涌現(xiàn)超越個(gè)體智能的新范式亟需被探索。本文重點(diǎn)關(guān)注群體智能技術(shù)最典型、最具實(shí)際價(jià)值應(yīng)用之一的共享出行，首先探討大規(guī)模共享出行場(chǎng)景中幾大群體智能技術(shù)前沿問題，包括組織架構(gòu)設(shè)計(jì)、行為模式挖掘、激勵(lì)機(jī)制設(shè)計(jì)與協(xié)同決策優(yōu)化，介紹相關(guān)的前沿研究工作;然后以滴滴出行為應(yīng)用案例闡述群體智能技術(shù)的真實(shí)應(yīng)用場(chǎng)景;最后對(duì)其未來發(fā)展做出展望。

人工智能;群體智能;共享出行

研究背景

近年來，人工智能技術(shù)的發(fā)展經(jīng)歷了劇烈變革，也取得了重大突破。我們看到了以 AlphaGo為首的一系列奪人眼球的技術(shù)革新產(chǎn)物，但與此同時(shí)，也意識(shí)到目前人工智能的發(fā)展面臨著難以落地的瓶頸。究其原因，人工智能的主流范式往往過于強(qiáng)調(diào)對(duì)個(gè)體智能的模擬，最終局限在了求解邊界封閉、約束靜態(tài)和目標(biāo)單一的問題上。而在現(xiàn)實(shí)生活中，隨著互聯(lián)網(wǎng)的高速普及，每天都有數(shù)以十億計(jì)的網(wǎng)民人群在進(jìn)行著數(shù)據(jù)信息的碰撞、交流與連結(jié)。在這種環(huán)境下，智能系統(tǒng)的邊界從封閉走向開放;智能構(gòu)建的約束從靜態(tài)走向動(dòng)態(tài);智能應(yīng)用的目標(biāo)從簡(jiǎn)單走向復(fù)雜(見圖 1)。為了刻畫這種新的智能范式，群體智能技術(shù)應(yīng)運(yùn)而生。所謂群體智能，就是指通過特定的組織結(jié)構(gòu)吸引、匯聚和管理大規(guī)模參與者完成任務(wù)時(shí)，所涌現(xiàn)出超越個(gè)體智力的智能。群體智能的思想古已有之，早在古希臘城邦時(shí)代，人們就開始聚集在廣場(chǎng)上通過多人投票等方式進(jìn)行議政，我國自古也有“眾人拾柴火焰高”的諺語。近現(xiàn)代以來，隨著系統(tǒng)科學(xué)與電子計(jì)算機(jī)的發(fā)展，也出現(xiàn)了許多早期的具有群體智能思想的研究，如克雷格·雷諾茲提出的集群智能的概念、錢學(xué)森等首創(chuàng)的綜合集成研討廳體系、維克托 ? 萊瑟提出的多智能體系統(tǒng)，以及近年來越來越受到關(guān)注的眾包技術(shù)等。在傳統(tǒng)群體智能思想與前沿人工智能技術(shù)的啟發(fā)下，一套新的基于互聯(lián)網(wǎng)的群體智能技術(shù)正在逐步形成。

群體智能技術(shù)作為一類新型技術(shù)的總稱，討論其具體的研究內(nèi)容離不開應(yīng)用支撐。群體智能技術(shù)在多個(gè)領(lǐng)域都有著廣泛的應(yīng)用，如軍事偵察、傳染病防控和社會(huì)行為分析等。而本文將重點(diǎn)關(guān)注其中最為典型，同時(shí)也與人們?nèi)粘Ｉ钭顬橄嚓P(guān)的一類應(yīng)用，即共享出行。所謂共享出行，是指社會(huì)群體在相同或不同時(shí)間段共享車輛，并根據(jù)自身出行要求支付相應(yīng)費(fèi)用的新型交通方式。其代表性企業(yè)， 如 Uber 和滴滴出行等公司都設(shè)有多種類型的共享出行業(yè)務(wù)，如滴滴出行的快車、專車及拼車業(yè)務(wù)。隨著移動(dòng)互聯(lián)網(wǎng)的普及與發(fā)展，共享出行所涉及的群體規(guī)模開始不斷擴(kuò)大。據(jù)統(tǒng)計(jì)，截至 2019 年，滴滴出行用戶總數(shù)已突破 5.5 億，年運(yùn)送乘客 100億人次。在如此大規(guī)模的真實(shí)共享出行場(chǎng)景下，如何更加有效地激勵(lì)、協(xié)調(diào)群體參與者(如乘客與司機(jī))從而給人們提供更加方便快捷的出行服務(wù)成為了研究的重點(diǎn)，群體智能技術(shù)則是解決這一類問題的關(guān)鍵。本文首先著重探討面向共享出行的群體智能技術(shù)的幾大前沿問題與研究現(xiàn)狀;接著以滴滴出行為應(yīng)用案例，闡述群體智能技術(shù)的真實(shí)應(yīng)用場(chǎng)景;最后討論目前尚存的研究問題與未來的研究挑戰(zhàn)。

1 前沿問題

如上所述，面向共享出行的群體智能技術(shù)主要研究如何通過激勵(lì)群體、調(diào)控群體等被動(dòng)或主動(dòng)的方式來優(yōu)化出行服務(wù);同時(shí)，有效的激勵(lì)與調(diào)控手段也離不開對(duì)群體的組織與行為的理解作為支撐。因此這里詳細(xì)探討四個(gè)前沿問題。第一個(gè)是如何對(duì)群體的組織架構(gòu)進(jìn)行設(shè)計(jì)與優(yōu)化。一個(gè)高效的組織架構(gòu)是群智得以涌現(xiàn)的先決條件。在共享出行中，對(duì)司機(jī)群體設(shè)計(jì)合理的組織架構(gòu)往往能激發(fā)更高的出行服務(wù)效率。第二個(gè)是如何對(duì)群體的行為模式進(jìn)行挖掘與預(yù)測(cè)。共享出行中的參與者，無論是司機(jī)還是乘客都具有行為自主不確定的特點(diǎn)，因此為群體的行為建立可靠的預(yù)測(cè)模型往往能幫助決策者更好地統(tǒng)籌與管理大規(guī)模群體，群體行為模式也成為了研究中必不可少的一環(huán)。組織與行為二者聯(lián)系密切，群體的組織形式?jīng)Q定了對(duì)群體行為模式的研究范疇，而對(duì)群體行為的預(yù)測(cè)也影響著群體組織架構(gòu)的設(shè)計(jì)方法。在設(shè)計(jì)了組織架構(gòu)及理解了行為模式的基礎(chǔ)上，第三個(gè)前沿問題便是如何設(shè)計(jì)合意的激勵(lì)機(jī)制引導(dǎo)群體。司機(jī)與乘客作為理性個(gè)體，往往會(huì)為了追求個(gè)人利益的最大化(如單次訂單收益)，而犧牲群體的利益(如全局收益)。激勵(lì)機(jī)制的作用便是為群體提供理性激勵(lì)，以引導(dǎo)其完成群智系統(tǒng)設(shè)計(jì)目標(biāo)，是吸引和匯聚司機(jī)或乘客持續(xù)參與以實(shí)現(xiàn)群智涌現(xiàn)的重要環(huán)節(jié)。與此同時(shí)，群智系統(tǒng)的個(gè)體也并非完全自主不可控，如平臺(tái)可以對(duì)司機(jī)發(fā)出派單任務(wù)，因此除了激勵(lì)機(jī)制以外，第四個(gè)是如何對(duì)群體進(jìn)行高效的協(xié)同決策，其旨在為群體在完成目標(biāo)的過程中提供關(guān)鍵且持續(xù)的決策支持，從而最終達(dá)成群智涌現(xiàn)的目標(biāo)。激勵(lì)機(jī)制與協(xié)同決策同樣密不可分，構(gòu)成了由激勵(lì)機(jī)制影響決策，再由決策結(jié)果反饋激勵(lì)機(jī)制，從而進(jìn)行更新與優(yōu)化的回路反饋關(guān)系。下面圍繞這四個(gè)前沿問題展開更為詳細(xì)的闡述。

1.1 組織架構(gòu)設(shè)計(jì)

組織架構(gòu)的研究傳統(tǒng)的多智能體系統(tǒng)理論早已涉及對(duì)智能體，例如在多個(gè)機(jī)器人協(xié)同完成某項(xiàng)任務(wù)時(shí)，設(shè)計(jì)層次式組織架構(gòu)來實(shí)現(xiàn)高效的任務(wù)分配、信息傳輸與結(jié)果匯聚等。然而到了互聯(lián)網(wǎng)環(huán)境下的共享出行領(lǐng)域，智能體由簡(jiǎn)單可控的機(jī)器人變?yōu)榱俗灾餍詮?qiáng)、特征復(fù)雜、成員異質(zhì)的司機(jī)或乘客群體，其數(shù)量也由傳統(tǒng)的一般不超過 10 個(gè)變?yōu)榱顺汕先f甚至上百萬、千萬，且成員實(shí)時(shí)流動(dòng)，其動(dòng)態(tài)性遠(yuǎn)遠(yuǎn)超過傳統(tǒng)多智能體系統(tǒng)討論的范疇，因此給組織架構(gòu)的優(yōu)化設(shè)計(jì)帶來了巨大的挑戰(zhàn)。鄭州做人流醫(yī)院哪家好http://www.hnzzzy.com/

目前，在共享出行領(lǐng)域，組織架構(gòu)設(shè)計(jì)的典型問題之一是司機(jī)組隊(duì)問題，即如何把司機(jī)群體劃分成若干隊(duì)伍從而更高效地完成訂單任務(wù)。在司機(jī)組隊(duì)問題中，核心要點(diǎn)是決定隊(duì)伍的結(jié)構(gòu)與組成以最大化全局效率等優(yōu)化目標(biāo)。例如，需要決定采用一個(gè)隊(duì)長多個(gè)隊(duì)員，還是只有隊(duì)員沒有隊(duì)長的結(jié)構(gòu);同時(shí)還需要決定隊(duì)伍的人數(shù)，以及安排哪些司機(jī)加入哪些隊(duì)伍等。為了求解組織架構(gòu)的優(yōu)化問題，首先需要對(duì)團(tuán)隊(duì)不同成員的貢獻(xiàn)建立綜合評(píng)價(jià)體系，例如每個(gè)司機(jī)在不同時(shí)間段的接單效率等，從而形成個(gè)體與全局目標(biāo)間的聯(lián)系。而后，需要建立個(gè)體間復(fù)雜偏好的約束關(guān)系，例如，許多司機(jī)更愿意與自己的同鄉(xiāng)或是有相似愛好的司機(jī)組隊(duì)。同時(shí)也需意識(shí)到，在以上工作基礎(chǔ)上求解的最優(yōu)隊(duì)伍組織架構(gòu)只適用于靜態(tài)場(chǎng)景，而忽略了司機(jī)具有動(dòng)態(tài)流動(dòng)、上下線時(shí)間不定的特點(diǎn)。因此，最后還需要設(shè)計(jì)動(dòng)態(tài)評(píng)價(jià)策略，并針對(duì)組織內(nèi)關(guān)鍵節(jié)點(diǎn)可能的突發(fā)情況設(shè)計(jì)高魯棒性調(diào)控措施等。目前，滴滴出行在司機(jī)組隊(duì)問題上已有靜態(tài)場(chǎng)景下的初步成果，但是許多問題尚未解決，群體組織架構(gòu)設(shè)計(jì)在未來仍有很大研究空間。

1.2 行為模式挖掘

行為模式挖掘的研究與群體組織架構(gòu)設(shè)計(jì)相輔相成，組織架構(gòu)所采用的多種貢獻(xiàn)和偏好評(píng)估方法都離不開對(duì)行為模式的理解，同時(shí)對(duì)行為的預(yù)測(cè)也能反作用于組織架構(gòu)的調(diào)控。一般意義下對(duì)人類行為模式的挖掘分析，一直都是傳統(tǒng)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)與重要方向之一。在移動(dòng)互聯(lián)網(wǎng)與物聯(lián)網(wǎng)的發(fā)展推動(dòng)下，智能手機(jī)、智能穿戴設(shè)備和街道攝像頭等每天都會(huì)產(chǎn)生大量的人類行為數(shù)據(jù)，一些現(xiàn)有研究領(lǐng)域，如移動(dòng)群智感知與時(shí)空眾包都涉及了對(duì)此類行為數(shù)據(jù)的收集與分析，它們中的許多方法也同樣可以借鑒到群體智能的研究之中。然而，在更加廣義的群體智能技術(shù)研究中存在多種動(dòng)態(tài)的數(shù)據(jù)源，目標(biāo)模糊且多樣化，群體行為模式間的關(guān)聯(lián)往往更加深層復(fù)雜，并且還存在諸如隱私保護(hù)等多種限制，因此也給研究帶來了一定程度的挑戰(zhàn)。

在共享出行領(lǐng)域，行為模式的理解問題可以分為針對(duì)司機(jī)行為與針對(duì)乘客行為。司機(jī)的行為包括出車時(shí)間段、習(xí)慣性工作區(qū)域和日均收益等;此外，司機(jī)的個(gè)人畫像和乘客的偏好等也可劃入其行為的范疇。對(duì)司機(jī)行為的理解與預(yù)測(cè)的相關(guān)工作一般利用司機(jī)行為的歷史數(shù)據(jù)建立機(jī)器學(xué)習(xí)模型，來預(yù)測(cè)司機(jī)未來的行為，使預(yù)測(cè)結(jié)果輔助如組隊(duì)、派單等其他過程。乘客的行為同樣可包括乘客的日常打車習(xí)慣和打車偏好等，可利用相似的方法進(jìn)行建模與預(yù)測(cè)。共享出行中一類最典型的行為模式挖掘問題即供需預(yù)測(cè)，其致力于在大量歷史訂單數(shù)據(jù)基礎(chǔ)上建立模型、預(yù)測(cè)未來城市的各區(qū)域各時(shí)段打車供需量，從而對(duì)司機(jī)進(jìn)行提前派單以緩解供需失衡問題。部分代表性現(xiàn)有工作致力于全面的特征工程與針對(duì)海量數(shù)據(jù)的分布式算法的實(shí)現(xiàn)。然而，如今共享出行領(lǐng)域許多行為模式挖掘都需涉及大量司機(jī)或乘客的個(gè)人數(shù)據(jù)，在數(shù)據(jù)收集過程中面臨著越來越多的隱私保護(hù)限制。如何在保護(hù)個(gè)人數(shù)據(jù)隱私前提下進(jìn)行機(jī)器學(xué)習(xí)的建模與預(yù)測(cè)是目前聯(lián)邦學(xué)習(xí)所重點(diǎn)關(guān)注的問題，也是未來在群體智能行為模式挖掘中的一大挑戰(zhàn)。

感謝各位的閱讀，以上就是“分析面向共享出行的群體智能技術(shù)與應(yīng)用 ”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)分析面向共享出行的群體智能技術(shù)與應(yīng)用 這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！