為預測使用者出行需求，ofo開始使用AI實現智慧排程

ofo官方稱在其人工智慧系統中，應用了一款能夠預測使用者出行需求的AI，以便使用者更好的出行體驗。

共享單車幾乎已經遍佈了國內的主要城市，在眾多共享單車中，屬於佼佼者地位的ofo今天稱在其人工智慧系統中，應用了與“阿爾法狗”相同的演算法模式，來預測使用者的出行需求。

ofo稱在其人工智慧系統中，應用了與“阿爾法狗”相同演算法模式的卷積神經網路來預測使用者出行需求，實現智慧排程。

AlphaGo的出現，讓更多的人體會到人工智慧技術為世界帶來的改變，而AlphaGo的基礎演算法正是卷積神經網路。卷積是提取相關性特徵的方法，神經網路是預測需求的模型結構，其主要應用於影像識別領域。ofo統計小黃車已為全球120座城市上億使用者提供了超10億次出行服務，擁有共享單車行業最龐大的出行資料。

隨著出行資料增多，ofo對使用者出行需求的預測都會越來越精準。與此同時，ofo還運用谷歌的TensorFlow人工智慧系統，使預測結果更精確。這是共享單車行業首次將人工智慧影像處理技術應用於智慧運營中。ofo將智慧鎖返回的定位資訊形成熱力圖，並記錄熱力圖的關鍵幀影像變化，利用卷積神經網路將影像抽象為網格畫素，並對畫素內的顏色變化進行相關性特徵提取，從而能夠分類出不同使用者對於出行的不同需求。

簡單來說，我們可以將卷積的過程想象成有人拿著玻璃鏡片，掃過如上所示網格影像的過程，可以當鏡片大小是3*3網格時，可提取上地與西二旗地區騎行需求相關性特徵。當鏡片大小擴大到17*17網格時，上地、西二旗與國貿之間騎行需求相關性的特徵就被提取了。隨著卷積鏡片範圍的擴大，所需的演算法和計算能力會越來越複雜。目前，ofo的卷積神經網路層次可達30層。

將卷積神經網路和谷歌TensorFlow人工智慧系統應用於共享單車是行業的創新。ofo表示正在全力打造以人工智慧為基礎，以物聯網為載體的生態閉環，並加快在行業領先的程式。

原文釋出時間：2017-06-23 16:00

本文作者：星星

本文來自雲棲社群合作伙伴鎂客網，瞭解相關資訊可以關注鎂客網。