滴滴出行全新创新性研究机构,研究方向包括:机器学习、计算机视觉、人工智能、数据挖掘、最优化理论、分布式计算等;致力于通过机器学习理论和方法,最大化利用交通运力,缓解城市拥堵,为每一位用户设计最贴心最智能的出行方案。与业务线紧密结合,每一项研究成果都能以最快的速度应用到相应的产品上,给千万用户带去便捷。
研究院科学家团队
Scientists of DiDi Research
叶杰平
滴滴研究院副院长
美国密歇根大学的终身教授,密歇根大学大数据研究中心管理委员会成员,美国明尼苏达大学博士毕业。
机器学习领域国际领军人物,主要从事机器学习,数据挖掘和大数据分析领域的研究,尤其在大规模稀疏模型学习中处于国际领先地位。在国际顶级期刊和会议发表高水平论文200余篇,引用次数超过8000次,担任包括IEEE TPAMI,DMKD,IEEE TKDE,NIPS,ICML,KDD等多个国际顶级期刊编委及国际顶级会议程序委员会主席和领域主席。
叶杰平
滴滴研究院副院长
弓峰敏
滴滴研究院副院长
网络安全领域卓有成就的专家,世界著名网络安全公司Palo Alto Networks的联合创始人,还是多家新兴安全公司的创始人或重要高管。
弓峰敏在网络安全领域有着三十多年的丰富经验,曾担任McAfee, Huawei Symantec等多家大型安全公司的首席科学家和研发主管,并致力于推动新产品的开发。他拥有16项专利发明并发表过40多篇有关安全和互联网技术的学术论文
弓峰敏
滴滴研究院副院长
视频
Video
案例
Showcase
基于滴滴出行的海量实时出行数据,设计出全新的时间预估算法,从原理上克服了传统算法的缺陷,大幅度提升了时间预估的准确率。
在司机和乘客的历史数据中学习接单概率模型,提高司机和乘客的匹配度,利用运力的规模效应实时地从全局上最优化总体交通运输效率和乘客出行体验。
实现高效的实时拼车订单的匹配算法,共享运力资源以及降低乘客出行成本。在不断提高拼成模型准确率的同时,优化拼车体验,提升服务效率。
基于海量实时出行数据,以数十亿订单数据和数百万司机位置信息为基础,预测任意时间段各个区域的订单需求和运力分布状况,提供最优的未来出行方案。
基于供需预测结果,大规模有序调动全城所有可用运力,实现资源最优化分配,力求解决正在发生的以及潜在供需失衡的状况,提升平台效率的同时最大化利用交通运力,缓解城市拥堵。
基于对历史数据的统计并结合实时订单数据,给出当前全城范围内订单密集区域的分布,给司机提供有价值的听单位置参考,提高听单概率并减少司机空驶时间。