La società di servizi di assistenza automobilistica Didi ha un nuovo algoritmo di spedizione che si adatta alla domanda dei motociclisti

Categoria: Intelligenza artificiale Inserito 12 dic

Didi, l'equivalente cinese di Uber, ha testato a nuovo algoritmo per l'assegnazione di piloti a piloti in città selezionate.

Il sistema di invio utilizza l'apprendimento per rinforzo (RL), un sottoinsieme di apprendimento automatico che si basa su sanzioni e ricompense per convincere gli agenti a raggiungere un obiettivo chiaro. In questo caso, gli agenti sono i conducenti e le ricompense sono i loro pagamenti per il completamento di una corsa.

L'attuale algoritmo di spedizione dell'azienda è composto da due parti: un sistema di previsione che prevede come cambia la domanda dei motociclisti nel tempo e un sistema di corrispondenza che assegna i conducenti ai lavori sulla base di tali previsioni.

Finora ha servito bene l'azienda, ma può essere inefficiente. Se i modelli di offerta e domanda di conducenti cambiano, il modello di previsione deve essere riqualificato per continuare a fare previsioni accurate.

Il passaggio a un approccio RL risolve questo problema raggruppando entrambe le parti in una sola: con ogni dato successivo, l'algoritmo impara a inviare i driver in modo più efficiente. Ciò gli consente di continuare a evolversi con l'evoluzione della domanda e dell'offerta, senza necessità di riqualificazione. I test A/B tra il vecchio e il nuovo algoritmo in una manciata di città hanno confermato che il nuovo è effettivamente più efficiente.

Didi sta ora pianificando un lancio graduale del nuovo sistema di dispacciamento nelle città della Cina, sebbene non sia stata fissata una linea temporale esatta. Tony Qin, responsabile della ricerca sull'intelligenza artificiale per la divisione statunitense dell'azienda, ha dichiarato al MIT Technology Review che l'azienda potrebbe continuare a condurre test A/B tra i suoi diversi algoritmi per località diverse e utilizzare quello che produce i risultati più efficienti.

L'algoritmo RL potrebbe non essere sempre il migliore, ha detto Qin. Dipende in gran parte dai modelli di domanda e offerta della città. Nel frattempo, la società sta anche sviluppando un altro algoritmo di invio RL, con diversi agenti e ricompense, da aggiungere al suo arsenale.

Una versione ridotta di questo è apparsa originariamente nella nostra newsletter AI The Algorithm. Per riceverlo direttamente nella tua casella di posta, iscriviti qui gratuitamente.