摩拜单车副总裁田超：AI 优化共享单车应用场景，提升运营效率
田超，摩拜单车副总裁、AI 大数据团队负责人，主要负责摩拜大数据和人工智能平台的研发工作。田超硕士毕业于中国科学院计算技术研究所，曾担任雅虎北京研发中心工程师、同步盘 CTO 、阿里巴巴高德软件高级技术经理、一点资讯技术总监等职，在大数据和机器学习领域有多年经验，其研发领域包括人工智能、大数据、分布式计算、搜索引擎和推荐系统等。
本文由 EGONetworks 根据田超在易观 A10 大数据应用峰会发表的主题演讲《人工智能技术在摩拜的应用》整理，有删节。
摩拜单车副总裁、AI 大数据团队负责人 田超
大家好，非常高兴能谈谈我们在 AI 领域的相关技术应用。我先介绍一下摩拜的理念和成长的历程。大家都认识自行车，但可以看到摩拜是与众不同的产品。从第一天开始就在非常仔细地认真研究怎么设计自行车，使得自行车能够被大家所共享。摩拜是共享单车的发明者，也是一个创新引领者。在我们的单车里有非常多的专利和科技性的设置，包括使我们的单车怎么样四年免维护，怎么实时搜集单车的数据，我们还设计了智能锁，这是我们优化共享单车应用场景的基础。
当摩拜成为了大众应用之后，使我们的生活也产生了巨大的改变，包括提升城市的使用场景，摩拜单车、共享单车已经成为每个人生活之中不可缺少的一部分。当摩拜出现之后，单车重新回归城市，减少了大量的碳排放，减少了大量交通拥堵，减少了非绿色出行场景，使得我们能够维护更好的生活环境。
这张图是上海第一辆摩拜单车在 365 天里的骑行轨迹，第一辆单车在上海留下的足迹。我们做出这张图，背后其实意味着我们做了非常多的事情，包括我们的工程、大数据系统以及算法，能非常准确地追踪每一辆单车每天的骑行轨迹。
摩拜是最先达到日订单量两千万的公司，超过其他很多巨头型的大公司，发展非常快。因为共享单车是非常刚需的场景，摩拜的服务切实改变了人们的日常生活。目前摩拜在全球有超过七百万辆单车在运行中，同时我们每天日订单量稳定超过三千万单，在所有行业里面都是排在前几名的。摩拜单车在城市运营里面已经成为了继公交和地铁之后的第三大交通出行方式，已经超过私家车，包括打车的应用场景。
我们看一下北京公交站盲区的分布图，这是北京市交通委出的一个白皮书，最左边是公交站点未覆盖地区的分布图，中间是摩拜单车未覆盖地区的分布图。最右边这张图，可以看到摩拜单车大幅度地减少了公共交通出行中的盲点，使得我们的公共交通体系覆盖的面积大幅度的增加。
和高德地图合作之后，摩拜单车使得北京 CBD 地区的拥堵下降了 16% 。因为用户出行的方式变得很方便，使得拥堵现象大幅度减少，这是其他方式很难做到的，包括交通限号，它的提升幅度不如共享单车服务对我们的生活改变更多。
这一切的基础实际来源于我们的智能锁，到现在有了七代的变化，从最先的结构渐渐发展到现在的结构。我们的智能锁有超过两亿的注册用户，每天超过三千万单的订单量，有七百万辆单车在全球 180 个城市运行，每天会有 20TP 的原始数据生成。我们搜集到了这些数据是第一步，我们现在在做的事情，就是如何利用这些数据提供更好的服务。
刚才介绍的数据，我们会有用户数据、地理信息、出行数据、订单数据，还有车辆数据。除此之外，还有用户上传报障数据，还有一千万张照片的数据，这些数据都是我们做 AI 的基础。
在这些数据的基础之上，我们做了很多事情，包括怎样预测用户的需求，怎样构建我们的用户画像，怎样预测我们的供给。因为我们还会有各种各样的补贴活动，预测去向等等这样的模型，来提升我们对整个业务运行状态的理解精准的程度。
在这些模型的基础之上，我们会有这样几类应用，包括动态订单，包括个性化的红包补贴，包括怎么做智能的运营，包括 Smart CRM 怎么运营我们的系统。我们的数据也为城市规划提供一些帮助，为我们的城市生存环境做了一些事情。
我们知道每辆单车在任何时间的状态，知道任何时间点单车的具体流向，根据这些指导我们线下运营团队，去帮助他们把单车运营的更好，很方便地找到一些故障车。
我们使用人工智能算法最重要的一个场景是，它能告诉我们怎样平衡供给和需求，基于我们对未来时间的预测，指导我们的运营，指导我们的产品，引导用户把车停放在一个更合理的位置，这样就能优化我们每天的订单量。实际上我们使用了一个深度学习的模型来进行预测，这是实时预测的模型，来预测每个地理区间上的供给和需求情况。
同时基于对这些用户行为，和在地理上分布的供给和需求的理解，我们也开发了一款叫红包车的产品。我们可以为不同的用户点亮不同的红包车，尤其停的位置不好的车，会给用户补贴一些红包，鼓励他们把位置不好的车骑出来，骑到未来周转率会非常高的地方。这样的话，用户相当于作为我们的运营人员，帮助提升了单车的周转率。
这些最主要的场景就是 AI 应用场景解决的核心问题之一，除此之外，基于我们的 AI 算法去构建完整的共享单车停靠位置的解决方案。大家会遇到这样的问题，发现地铁边上停的车不整齐，有些地方没有车，有些地方的堆积到一起，这个渐渐成为各个城市运营的管理人员所面临的问题。
为此我们做过很多研究，用智能锁、大数据系统，以及大数据后面的算法，加上我们构建的摩拜的智能停车点，提供了一整套完整的解决方案。
这些智能停车点是根据用户的历史数据挖掘出来，挖掘出用户经常停车的位置，基于对基础地理数据的理解，我们会推荐停车点， 停到相应的停车点会有鼓励。我们一整套的停车方案，还要集合一些硬件，它会感应到我们的车，停到地理围栏之内的话，会有正向的反馈，否则可能会有一些负向的反馈。
我们在过去两年之中也积累了非常多的地理围栏的数据，一方面基于业务理解的情况，另一方面基于人工智能和大数据挖掘的结果。我们的数据中有非常多的部分是用户上传的图像数据，大量的图像数据给人工客服增加了非常多的压力和困难。所以我们做了一系列的相应的算法，帮助人工客服解决这样的场景识别问题，减少了很多工作量。
这样一个场景也能识别加私锁，或者车辆损坏的情况。我们训练了神经网络的模型，去识别加私锁的情况。我们也用了一些算法，帮助运营人员去数车。一张照片输入进去，自动识别有多少辆车，辅助线下运营人员采集数据来校准我们的整个数据体系。
我们也非常愿意和学术界以及社会共享我们的数据，同时把我们的数据应用在建设更美好的城市场景之中。比如大家知道，自行车走的路径和我们城市规划走的路径有些不同，有些路骑自行车的人是非常多的，还有些路不在路网规划之中，通过挖掘摩拜的数据，来帮助我们的城市建设者规划哪些路径更适合建造自行车专用车道。
上述就是我的演讲，摩拜非常欢迎和产业界的朋友们进行各种各样数据的合作。同时摩拜也在招人，希望愿意和我们一起改变世界的朋友加入摩拜，谢谢大家。