发表服务
2015年数学建模B题滴滴打车问题优秀论文（参考）.docx,基于双层规划的出租车补贴方案研究摘要在我国庞大的人口压力下，“打车难”已成为许多城市共同面临的问题。而随着“互联网+”时代的到来，第三方打车软件的异军突起同时便利了乘客和司机双方。
基于“滴滴KDD2018论文：基于强化学习技术的智能派单模型”再演绎.DataFunTalk.2019年5月26日.文化&方法算法方.最近拜读了滴滴2018年在KDD发表的一篇论文《Large-ScaleOrderDispatchinOn-DemandRide-HailingPlatforms:ALearningandPlanningApproach》。.意犹未尽...
本文是对滴滴KDD2018Poster论文《LearningtoEstimatetheTravelTime》的详细解读，在这篇文章中，滴滴技术团队设计了一种使用深度神经网络来预测预估到达时间（ETA）的方案，通过将ETA建模成一个时空回归问题，构建了一个丰富有效的特征体系
滴滴KDD2017论文：基于组合优化的出租车分单模型By机器之心2017年8月14日10:29数据挖掘顶会KDD2017已经开幕，国内有众多来自产业界的论文被KDD2017接收。本文是对滴滴KDD2017论文的介绍。
2015年全国数学建模竞赛b题国家一等奖论文.本文针对城市出租车资源配置问题，采用定性与定量相结合的研究方法，建立衡量出租车供求匹配程度的指标，分析打车软件各种补贴方案对所建指标的影响，在充分考虑各方利益的前提下，得到打车软件的最优补贴...
滴滴KDD2018论文详解：基于强化学习技术的智能派单模型.国际数据挖掘领域的顶级会议KDD2018在伦敦举行，今年KDD吸引了全球范围内共1480篇论文投递，共收录293篇，录取率不足20%。.其中滴滴共有四篇论文入选KDD2018，涵盖ETA预测(预估到达时间...
滴滴KDD2018论文详解：基于强化学习技术的智能派单模型。匹配策略在此MDP的定义下，平台派单的过程即针对每一次分单的轮次（2秒），平台会取得每个待分配司机的状态s，并将所有待分配订单设为司机可执行的动作之一。步骤1.2使用动态规划求解价值函数。
因为，滴滴的研究者正不断挑战更加精确的到达时间预估结果，相关结果被KDD2020接收为Oral论文。.第26届ACMSIGKDD知识发现和数据挖掘会议（KDD...
滴滴KDD2018论文详解：基于强化学习技术的智能派单模型.国际数据挖掘领域的顶级会议KDD2018在伦敦举行，今年KDD吸引了全球范围内共1480篇论文投递，共收录293篇，录取率不足20%。.其中滴滴共有四篇论文入选KDD2018，涵盖ETA预测(预估到达时间...
在滴滴出行，从乘客发出一个出租车订单，到订单被播报给周围的出租车司机，再到成功被司机应答，所需的时间被压缩到极短。这背后的最大功臣，就是基于组合优化的滴滴出租车分单模型。这一模型投入使用后，滴滴出租车的打车成功率较之前进一步提升。
2015年数学建模B题滴滴打车问题优秀论文（参考）.docx,基于双层规划的出租车补贴方案研究摘要在我国庞大的人口压力下，“打车难”已成为许多城市共同面临的问题。而随着“互联网+”时代的到来，第三方打车软件的异军突起同时便利了乘客和司机双方。
基于“滴滴KDD2018论文：基于强化学习技术的智能派单模型”再演绎.DataFunTalk.2019年5月26日.文化&方法算法方.最近拜读了滴滴2018年在KDD发表的一篇论文《Large-ScaleOrderDispatchinOn-DemandRide-HailingPlatforms:ALearningandPlanningApproach》。.意犹未尽...
本文是对滴滴KDD2018Poster论文《LearningtoEstimatetheTravelTime》的详细解读，在这篇文章中，滴滴技术团队设计了一种使用深度神经网络来预测预估到达时间（ETA）的方案，通过将ETA建模成一个时空回归问题，构建了一个丰富有效的特征体系
滴滴KDD2017论文：基于组合优化的出租车分单模型By机器之心2017年8月14日10:29数据挖掘顶会KDD2017已经开幕，国内有众多来自产业界的论文被KDD2017接收。本文是对滴滴KDD2017论文的介绍。
2015年全国数学建模竞赛b题国家一等奖论文.本文针对城市出租车资源配置问题，采用定性与定量相结合的研究方法，建立衡量出租车供求匹配程度的指标，分析打车软件各种补贴方案对所建指标的影响，在充分考虑各方利益的前提下，得到打车软件的最优补贴...
滴滴KDD2018论文详解：基于强化学习技术的智能派单模型.国际数据挖掘领域的顶级会议KDD2018在伦敦举行，今年KDD吸引了全球范围内共1480篇论文投递，共收录293篇，录取率不足20%。.其中滴滴共有四篇论文入选KDD2018，涵盖ETA预测(预估到达时间...
滴滴KDD2018论文详解：基于强化学习技术的智能派单模型。匹配策略在此MDP的定义下，平台派单的过程即针对每一次分单的轮次（2秒），平台会取得每个待分配司机的状态s，并将所有待分配订单设为司机可执行的动作之一。步骤1.2使用动态规划求解价值函数。
因为，滴滴的研究者正不断挑战更加精确的到达时间预估结果，相关结果被KDD2020接收为Oral论文。.第26届ACMSIGKDD知识发现和数据挖掘会议（KDD...
滴滴KDD2018论文详解：基于强化学习技术的智能派单模型.国际数据挖掘领域的顶级会议KDD2018在伦敦举行，今年KDD吸引了全球范围内共1480篇论文投递，共收录293篇，录取率不足20%。.其中滴滴共有四篇论文入选KDD2018，涵盖ETA预测(预估到达时间...
在滴滴出行，从乘客发出一个出租车订单，到订单被播报给周围的出租车司机，再到成功被司机应答，所需的时间被压缩到极短。这背后的最大功臣，就是基于组合优化的滴滴出租车分单模型。这一模型投入使用后，滴滴出租车的打车成功率较之前进一步提升。
发表服务