滴滴出行今日宣布滴滴巴士戰(zhàn)略升級,并已于6月1日正式啟用全新品牌“滴滴公交”,此次戰(zhàn)略升級后,通過對用戶公共出行場景進行信息化改造,滴滴公交將全方位滿足用戶多元化的公共出行需求。啟用全新品牌是滴滴公交今年以來首次重大戰(zhàn)略發(fā)布,此舉表明滴滴在巴士出行生態(tài)圈正在進行更大范圍覆蓋擴張,同時也透露出滴滴公交今年整體戰(zhàn)略加速升級的信號。
據悉,滴滴公交目前已涵蓋公交查詢(北京、上海、廣州、深圳、寧波、南京、武漢)、包車(北京、深圳、廣州、上海)、班車(北京、深圳)三部分業(yè)務。在新品牌完全上線后,用戶可以通過滴滴出行APP里的“公交”入口或滴滴公交微信服務號里的“查公交”入口享受所有服務。
公交查詢業(yè)務上線后,開通“實時公交”功能的城市用戶可隨時查看公交何時到站,節(jié)省候車時間,大幅提高出行效率??梢哉f這是一場乘客與公交車的完美相遇,零等候讓滴滴公交用戶也能“滴”來一輛公交,實現高性價比的智慧公共出行體驗。
滴滴公交事業(yè)部總經理李錦飛表示:“滴滴公交將更適用于公共出行領域,是一個更有外延性的名詞,我們現在做的業(yè)務不僅包括滴滴出行常規(guī)的訂單交易類業(yè)務(班車、包車)也包括信息查詢類業(yè)務(公交查詢),此次升級也是希望可以更好地滿足不同用戶多元化需求,提供更聚合更集成化的公共出行解決方案。”
智慧公交是城市信息化建設的重要一部分,這是驅動滴滴公交戰(zhàn)略升級的原因之一,未來滴滴公交要打造的智慧公交包含基礎的出行信息服務、實時公交查詢、智能化解決用車的體驗,以及通過大數據技術輸出幫助公交線路和運營進行更好的調優(yōu)。
滴滴公交推出的“公交查詢”就是一款解決出行信息服務的產品,其中“實時公交”功能可幫助用戶及時了解城市現有公交線路的實際運行狀況。用戶可通過滴滴出行APP中的“公交”入口,查看當前城市公交和地鐵的線路,以及查詢線路車輛的實時到站信息。這一功能日前在寧波試水,并得到了不錯的效果反饋。
據滴滴公交相關負責人介紹,目前滴滴公交已經接入寧波全城全部五家公交公司的實時公交數據,其中,寧波公交總公司與滴滴公交將會進一步在智慧公交合作方面繼續(xù)深入摸索創(chuàng)新合作模式,打造國內“智慧公交”和“公交+移動互聯網”的經典案例,具體合作范圍包括公交出行用戶需求分析、基于滴滴出行平臺大數據積累和分析能力的公交線路規(guī)劃以及智慧包車等方面。
圖:寧波用戶“實時公交”截圖
李錦飛透露,“和寧波公交總公司的合作從提供基礎信息服務開始,未來將逐步深入探討更好的公交使用體驗,我們已經和數十家公交集團、管理機構一起探討了具體合作,今年滴滴公交除了開展全國性的公交查詢業(yè)務外,預計將首選5個城市進行重點打造,建設以用戶需求為中心的‘公交都市’新模式,幫助公交企業(yè)提升運營服務的技術厚度,同時也帶來更具確定性的公交出行體驗。”
值得注意的是,滴滴出行平臺利用出行大數據,能用技術對未來一定時間的出行需求和交通作出盡可能準確的預測,使得滴滴公交可獲取隨時動態(tài)的實時路況,“了解當前路況信息,將幫助我們的產品在判斷公交等候時間時,有更高的準確度。”李錦飛說。
滴滴公交為用戶提供了多元的公共出行解決方案,它的另外兩大業(yè)務也各有特色。其中包車業(yè)務是線上預約型集體出行產品,擁有價格透明和響應迅速的特點,涵蓋7座到51座的各類車輛,適用于團體旅游,企業(yè)會務及活動用車,商務出行等多種場景。而班車作為對城市公共交通出行的補充,則致力于通過大數據云端聚合需求與線下準時準點服務相結合的出行方案創(chuàng)新,為城市擁堵問題探尋有效解決方案,滿足人們差異化出行需求。
作為滴滴出行“一站式”出行平臺中產品線之一,滴滴公交承載著解決用戶公共出行的極大需求,利用滴滴出行的技術優(yōu)勢,滴滴研究院的智能調度將實現滴滴公交在內的平臺上所有交通工具整體效率最優(yōu)。可以看到,滴滴公交對提升城市交通效率正在發(fā)揮巨大價值,正如李錦飛此前所說,我們的使命是讓更多的人選擇公共出行,節(jié)約社會資源。這也是本次戰(zhàn)略升級的終極目標。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。