发表服务
文章须知文章作者：门畅徐哲刘春阳等责任编辑：鲸鱼陈立婷审核编辑：阿春微信编辑：玖蓁本文转载自公众号滴滴科技合作（ID：didioutreach）原文链接：WWW2020论文解读|滴滴：在线司机调度系统的实践研…
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，假如让我来设计这样一个调度系统该如何做呢？司乘匹配一般来说，分为两步完成，第一步是为乘客找到合适的司机，第二步是将订单指派给系统认为最优的司机。那怎么样的...
本论文基于滴滴平台中真实的数据，包括道路信息、时间估计以及订单数据，设计基于DDQN的强化学习算法对车辆进行动态的调度策略。本论文主要解决两个方面的问题，1）最小车队问题，在订单信息已知的情况下最大程度地减少所需车辆的数量...
苹果曝光首份AI论文，揭开滴滴人工智能调度系统真面目|AI科技评论周刊青衫无名2017-08-011099浏览量简介：雷锋网(公众号：雷锋网)按：过去一周，是“中国人工智能元年”的最后一周。这周里，苹果揭开其首份AI论文的面纱；美国启动全球...
机器之心专栏机器之心编辑部数据挖掘顶会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。根据滴滴的应用场景，他们提出了一种基于组合优化的出租车分单模型。
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。
复杂的场景涉及UberPool或者滴滴拼车。主要的思路在于，训练一个订单和司机之间的weight，这个weight考虑很多因素，然后用匹配算法进行分配。训练的思路参考用强化学习。滴滴的订单调度发了很多相关的论文：ATaxiOrderDispatchModelbasedOn
其中滴滴共有四篇论文入选KDD2018，涵盖ETA预测(EstimatedTimeofArrival,预估到达时间)、智能派单、大规模车流管理等多个研究领域。四篇论文分别是（文末附论文打包下载地址）EfficientLarge-ScaleFleetManagementviaMulti-AgentDeep
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...
本次分享中，我将介绍一下滴滴在今年WWW上发表的一篇论文。.论文的主要内容是基于强化学习来探索资源约束的问题，主要方向是上下文多臂老虎机（ContextualBandits）。.论文主要分为四个部分，本次分享也依此展开：1）强化学习与上下文多臂老虎机的背景...
文章须知文章作者：门畅徐哲刘春阳等责任编辑：鲸鱼陈立婷审核编辑：阿春微信编辑：玖蓁本文转载自公众号滴滴科技合作（ID：didioutreach）原文链接：WWW2020论文解读|滴滴：在线司机调度系统的实践研…
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，假如让我来设计这样一个调度系统该如何做呢？司乘匹配一般来说，分为两步完成，第一步是为乘客找到合适的司机，第二步是将订单指派给系统认为最优的司机。那怎么样的...
本论文基于滴滴平台中真实的数据，包括道路信息、时间估计以及订单数据，设计基于DDQN的强化学习算法对车辆进行动态的调度策略。本论文主要解决两个方面的问题，1）最小车队问题，在订单信息已知的情况下最大程度地减少所需车辆的数量...
苹果曝光首份AI论文，揭开滴滴人工智能调度系统真面目|AI科技评论周刊青衫无名2017-08-011099浏览量简介：雷锋网(公众号：雷锋网)按：过去一周，是“中国人工智能元年”的最后一周。这周里，苹果揭开其首份AI论文的面纱；美国启动全球...
机器之心专栏机器之心编辑部数据挖掘顶会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。根据滴滴的应用场景，他们提出了一种基于组合优化的出租车分单模型。
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。
复杂的场景涉及UberPool或者滴滴拼车。主要的思路在于，训练一个订单和司机之间的weight，这个weight考虑很多因素，然后用匹配算法进行分配。训练的思路参考用强化学习。滴滴的订单调度发了很多相关的论文：ATaxiOrderDispatchModelbasedOn
其中滴滴共有四篇论文入选KDD2018，涵盖ETA预测(EstimatedTimeofArrival,预估到达时间)、智能派单、大规模车流管理等多个研究领域。四篇论文分别是（文末附论文打包下载地址）EfficientLarge-ScaleFleetManagementviaMulti-AgentDeep
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...
本次分享中，我将介绍一下滴滴在今年WWW上发表的一篇论文。.论文的主要内容是基于强化学习来探索资源约束的问题，主要方向是上下文多臂老虎机（ContextualBandits）。.论文主要分为四个部分，本次分享也依此展开：1）强化学习与上下文多臂老虎机的背景...
发表服务