版权声明:本文版权为网易汽车所有,转载请注明出处。
网易汽车5月5日报道 据科技网站The Verge报道,为了更好的预测客户需求,Uber或将采取先进的机器学习方法,根据客户需求,在市场上投放相应的Uber汽车。
Uber将预测分析客流需求 动态定价机制或取消
通过机器学习,Uber希望可以预测一大批客户群将在何时何地有打车需求。Uber设想,在动态定价机制(surge pricing)启动之前,让更多的Uber车辆能够提供服务。那样的话,在涨价之前,道路上会有更多待命的司机等待这即将到来的大量打车需求,而乘客们也不必苦等出租车。
Uber先进技术中心工程部负责人杰夫·施耐德(JeffSchneider)在接受美国国家公共电台(National Public Radio)采访时表示:“使用机器学习的话,如果你能预测到需求并掌握了那边的信息,所以在需求到来之前,你可以提供足够的供给,那样的话,动态定价机制都不会被触发。”据施耐德介绍,Uber现在已经取得了一定程度的进展,但同时Uber想要将工作做得更细致,比如,“找出那些不下雨的星期二晚上,乘客打车需求的各种原因”。
不过,NPR的采访稿件认为施耐德的意思是,采用机器学习方式,动态定价机制会消失。但待NPR的稿件发出之后,Uber向科技媒体TechCrunch表示,NPR上述说法并不正确。
Uber向TechCrunch表示:“Uber一直在寻找预测大城市里打车需求与供给的好方法。但是NPR的说法并不完全正确。我们无意终止动态定价机制。我们理解没有人愿意会为同样的行程支付更多的价钱,但只有通过动态定价方式,我们才能确保人们在有打车需求时能够顺利叫到车。”
尽管Uber公司的表态与NPR报道相左,但也向外界传递了某种信息。而且,不取消动态定价机制也非常容易理解,Uber需要这种机制激励司机上路。如果Uber取消动态定价机制,即便Uber成功预测到了大客流,Uber司机也会因激励机制不够,而无法满足这种大量需求。一种可能情况是,Uber可能利用相关信息,及早启动动态定价机制,那样的话,会有更多的司机提早上路,在大客流到来之前做好准备。
另一方面,即便Uber使用自动驾驶汽车来替代人类司机时,动态定价机制可能依然会存在。机器学习等预测性科技手段仅仅会帮助Uber预测什么时候什么地点会有大批量打车需求。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。