10月29-30日，“第四屆全球未來出行大會（GFM2020）”在德清隆重召開，本次大會由中國電動汽車百人會和智能汽車與智慧城市協同發展聯盟聯合召開，旨在探討未來的城市、未來的出行、未來的汽車如何為居民提供更加經濟、便捷、安全、科技友好的新出行方式。下面是哈啰出行數據算法首席科學家劉行亮在本次論壇上的發言：

哈啰出行數據算法首席科學家劉行亮

我想分享一下慢生活圈，剛才很多嘉賓介紹了四輪出行的解決方案。除了四輪這樣快速便捷的到達我們想去的目的地，其實兩輪是整個城市道路交通去輔助城市用戶出行一個非常重要的毛細血管的出行方式。

    隨著現在道路交通面越來越廣、出行方式越來越多，特別是未來面對無人駕駛一些新的技術場景，怎么樣到達那一步，在當下先看一下。

    哈啰出行是以一家科技驅動出行生態變化作為自己的使命和愿景，所以我們在綠色低碳、輕松出行方面做了很多科技上的創新，今天會介紹一些新的黑科技給到大家。

    公司目前服務用戶情況

    從目前來看，主要服務用戶群體以兩輪出行業務場景為主，在共享單車和共享助力車已經服務了4億用戶群體，這樣用戶騎行情況下，目前已經在400多個城市和地區建立了自己的運營區域，能夠服務于全國一二線城市、三四線城市用戶，特別是在四五線城市、三四線城市，公交體系不是特別健全或完善的情況下，兩輪出行基本上占到了60%以上的出行頻次。整體來看，除了單車，現在助力車方面快速覆蓋全國城市。

    從總里程數來看，四年多時間，基本上能夠做到接近300億公里的總騎行里程數，這是非常大的用戶服務群體。

    除了兩輪，我們現在也布局四輪，在順風車場景里，目前已經覆蓋303個城市，在上海、北京、珠三角、長三角這些區域，整個順風車業務量級非常快，在剛剛過去的十一長假期間8天時間里服務了570萬人次的出行。除了順風車、聚合打車平臺以外，今天同時也在中山市第一個城市開了自己的哈啰打車，今天也正式布局了網約車業務場景，除了兩輪共享出行、四輪共享出行之外，電動車換電也是在很多城市做布局和試點。

    剛才看到我們的數字是四輪有很大的業務場景和需求量，但實際上在中國這樣一個以兩輪出行為主的城市里，每天有10億出行頻次。其中在自行車（單車）騎行頻次來看，每天接近3億次，兩輪電動車市場，特別是在四五線城市公共交通不是特別發達的地區，不管是共享的還是自有的電動車，已經有7億次每天的騎行頻次。所以市場空間和用戶需求非常高的頻次。

    基于這樣一個大的場景下，整個中國，特別是在一二線城市道路交通非常繁忙，四輪出行比較擁擠的情況下，很多城市政府開始推行慢生活，慢生活主要是以步行、公共交通以及兩輪出行為主，構建出我們在3公里左右范圍內能夠隨意、通暢、快速、便捷、安全地做生活圈。在北京政府已經規定了一條從昌平到回龍觀只能自行車出行的道路作為慢生活區域的示范點。今年5月底，正好是道路滿一年的交付周期，統計下來有140萬人次在這條道路上進行騎行。除了北京之外，還有在上海、浙江等很多地區看到生活的綠道、公園出行場景里都有自己專行的區域，在這些區域里構建成了城市非常靚麗的風景線。

    作為慢出行系統，共享兩輪是非常重要的一個出行組成部分。特別是在一二線城市出行時，經常遇到城市道路擁堵情況，就像高德導航里，我喜歡用岳云鵬導航的播報，經常聽到一句話“前方有堵車了，我們看自行車邊蹬邊笑。”未來有很多城市道路路網優化方案、無人駕駛技術手段去優化，但當下目前共享單車出行是幫助我們可以快速、便捷和安全到達目的地的有效補充。它同時也是和我們公共交通無縫聯接，很多地鐵站也好、公交站也好，旁邊都可以看到共享兩輪車輛，極大的方便了很多以公共交通出行為主用戶最后一公里到家的出行場景。這其實是我們輔助于慢生活城市圈構建的基礎設施。

    5億多用戶群體是哈啰服務的用戶，涵蓋在城市、鄉村各種各樣的出行場景里，有的是因為上下班的通勤，也有在大學校園里的騎行需求，同時在公園景點里也需要我們這樣一個兩輪出行、綠色出行方便的工具。

    作為共享出行這樣一個便捷的工具，其實和地鐵、單車、生活服務類場景，包括出游、上下班通勤，實際上是一個無縫聯接，所以未來哈啰也會打造一個生活服務類平臺，除了在出行領域之外，也會聯接很多大家日常所需要的生活服務。

    作為慢生活圈的基礎設施，我們認為基礎設施需要具備哪幾個重點要素？

    第一，便捷。需要用車時就能找到一輛合適、一輛好用的車。早期共享單車出來時，會看到五顏六色的車堆積在路面，看起來有很多車，騎著就可以走，但實際上對于道路，特別是人行橫道、地鐵口、小區門口會造成擁塞，并不是真正產生便捷出行的方案。

    第二，保證出行工具安全性。因為我們都不希望有一個交通工具出去之后還有生命安全或會有一些安全隱患，導致用戶身體受傷害，所以安全其實也是非常重要的一個基礎設施的特質。

    第三，有序。所謂有序，除了能夠很方便地找到一輛可騎行的車之外，對城市道路管理來說也需要有智能化、精細化的工具，幫助我們車輛不是野蠻地投放到路面上去，導致城市道路管理雜亂無章。

    以上三個要素是我們組成慢生活圈的基礎設施的三要素。

    圍繞這三要素，因為我們用戶有4億多，城市覆蓋400多，不可能靠很多線下人員去做一個一個站點、一個一個車輛的維護，所以必須通過智能化和數據化的技術手段去解決上述說到的這三個問題。

    為什么要做調度？

    因為在很多出行場景里，特別是在早高峰或晚高峰時，從地鐵或小區出來想找一輛車比較難，因為有可能很多車輛已經被其他用戶騎走了，我想用的時候會發現真的想用的車是沒有的，怎么捕獲到這些用戶需求，然后在合適時間、合適地點把這個車投放到合適的位置上，以滿足用更少的車輛、更有序地保證用戶的騎行需求，這就是產生了調度的場景。當然，我們目前的調度還是通過線下運維的運力，通過卡車或三輪車把對應的其他站點車輛投放過去。但投哪些車，從哪個站點搬出去，投到哪個目標站點上去，這個必須要通過智能化和智慧化手段去解決，這個衍生出來我們算法和機器學習能夠幫助甚至超越人工調度最有力的場景。

    首先我們通過大數據仿真把人工以前的經驗，結合當下用戶出行的軌跡，以及常住地址進行供需預測，做大數據仿真和模擬，同時用一些機器學習的算法去做一些深度用戶供需的預測。同時會對于不同的目標，因為有些站點是供大于求，有些站點供小于求，如何平衡這些站點之間供需，去把最終合理的車輛數投放到需要投放的位置，這就是整個算法的流程。

    會用到很多數據和相關算法，會針對一些POR信息，包括也和四維圖新合作，采集一些用戶常住地，也會分別識別出來到底哪些地方是小區，哪些地方是寫字樓，哪些地方是公交出行的站點，去做供需以及用戶實際到達位置進行匹配。同時也會結合天氣、車輛情況，因為我們也是希望有一些人對于車的要求和選擇，結合車況不同做一些投放，所以是多目標的機器學習的命題。我們通過歷史經驗會做一些機器學習的預測，也會增加強化學習，彌補我們特征不足的情況，做模型的優化。最終能夠實現收益最大化，同時兼顧任務量，以及新增熱點探索。因為有些小區其實是新開小區，如果用戶在他所需要的地方是新增需求，我們可以比人工更為快速識別到。

    從目前來看，智能調度每天能夠為原來人工所調度的用戶提供多一次的騎行，這其實是我們整個算法能力比人工運營帶來效益的增加。

    騎行安全

    安全是所有出行交通工具的底線，大家可能會認為兩輪其實就是車架+轱轆，會有什么樣的安全風險？其實在用戶騎行過程中和騎行前，因為我們的車是擺在路面上風吹日曬的，和私家車不太一樣，會有定期維護和保養，我們也會有定期維護和保養，但不可能投放下去千萬輛共享車輛，每天或每周能夠準確地把所有車全部拿回來翻修，所以就存在我們要能夠精準地識別到投放到路面風吹日曬的這些車輛，哪些是有故障的，這就必須要我們能夠智能化地去識別，因為靠人工一輛車一輛車地看和修是不現實的。

    所以我們會結合包括車輛地理位置信息，比如陰雨天氣比較多的季節，在某些南方城市重點關注這些城市車輛狀況，包括車輛開鎖關鎖的一些事件能夠實時捕捉，以及車輛歷史行程的難度，包括當前經常行駛的路面，因為我們能夠拿到每一輛車的行駛軌跡以及智能化的傳感器信息，去做擬合預測。

    通過運維人員和用戶對故障車采用上報形式，比如拍一張照片，通過圖片識別判斷這輛車到底哪個零部件出現問題。做了車輛故障之后，會給車輛做一個健康分的預測，會識別持續到底這個車輛是可騎行，還是存在一些潛在風險，把這個識別出來之后，當用戶去掃碼開鎖這輛車同時，實時計算這輛車可能出問題的概率到底有多大。如果識別出來這輛故障車可能會造成用戶騎行一些風險或不便，會引導說這輛車有故障，請騎旁邊更為健康的一輛車，這是在事前。

    同時我們在事中也會做一些風險預警。因為在騎行過程中，哪怕騎了一輛我們認為好車，但經過下坡路面或有四輪車輛經常來往，或經常發生事故的路面時，我們也會及時做一些提醒。比如“前方有陡坡，請下車推行”，這樣一些安全的關懷在用戶行中也會對用戶安全感以及用戶安全保障提供很好的輔助作用。

    最為核心的是什么？

    當騎行用戶真的不幸遇到交通事故摔倒或出現交通事故，不希望他遭受二次傷害。自行車倒地其實不會產生非常致命的傷害，但如果周邊正好駛來一輛汽車，可能造成二次傷害更為致命，這種安全情況下，我們能夠非常實時接近于秒級去識別這輛車是否異常倒地，通過傳感器能夠快速知道這輛車騎行軌跡里發生了碰撞或異常倒地，會通過藍牙音箱去播報警鈴，提醒過往機動車繞行。

    最后如何做到有序？

    整個城市道路交通管理不希望是野蠻式投放車輛，剛才也有老師說到我們在某些城市管理過程中會要求有多少輛車能夠投放的配額，其實最終要這個配額也是希望能夠把有效的車放到有效的地方，讓用戶能夠很好地騎。在這種情況下，會通過很多IoT設備傳感器信息，包括磁力計、加速計、陀螺儀，去捕獲整個車輛行駛軌跡，能夠做到亞米級定位，當我們在電子地圖上劃一個白線框，實際路面的車是否真的能停到這個白線框，并且和路面呈90度夾角，就是通過傳感器信息和機器學習算法做精準預測和識別。當用戶沒有按照指定區域和姿態停車時，我們能夠及時做干預，保證用戶能夠知悉應該按照什么樣的方式做規范的停車，能夠保證整個路面完整有序。

    這是我們在路面上用戶體驗的情況，能夠為哪些地方會產生擁堵、哪些地方車輛已經超出限定范圍，都能實時預測和判斷，提醒用戶可能騎到這個站點不太合適，旁邊有一個空的站點可以騎行進去。

    電子圍欄+精準定位，能夠幫助用戶有序在路面上進行停車。

    當沒有按我們要求進行準確停車時，APP會提醒他應該怎么樣停車。

    藍牙定位技術，如果沒有停放到指定位置，關鎖會失敗。

    能夠實現這一切最終的底層技術是什么？就是AI+IoT的技術能力。我們通過自己的算法和大數據計算能力+IoT傳感器芯片信息上傳，能夠管理千萬級的車輛，讓它能夠更為有序、更為安全、更為便捷地為所有用戶提供服務。

    謝謝大家！

（注：本文根據現場速記整理，未經演講嘉賓審閱，僅作為參考資料，請勿轉載！）

返回第一電動網首頁 >