4 月 29 日消息,为持续推进行程时长预估问题研究,滴滴联合 GIS(地理信息系统)领域国际顶会 ACM SIGSPATIAL 发布 ACM SIGSPATIAL GISCUP 2021 比赛,鼓励研究者们基于滴滴新开放的行程时长数据集,进一步提升时间预估准确性。

预估到达时间 (Estimated time of arrival,简称 ETA),是智能交通和位置信息服务中至关重要又极具复杂性和挑战性的问题。它不仅需要考虑交通系统的空间特性,比如道路拓扑、途径红绿灯的个数、红绿灯相位周期;还要考虑交通系统的时间特性,比如早晚高峰的规律性拥堵和交通事故导致的偶发性拥堵等。同时,因为交通系统的运行需要人和车作为主体来参与,不同司机的驾驶习惯、雨天雾天对行车速度的干扰等也都会对时长预估产生影响。如何持续提升预估准确性也成为学界和产业界不断研究探索的问题。

ACM SIGSPATIAL 是国际计算机学会 ACM 空间信息专业委员会主办的学术会议,其举办的 ACM SIGSPATIAL GISCUP 比赛每年都吸引了全世界的科研人员参加。在今年的挑战赛中,滴滴地图通过 “滴滴盖亚数据开放计划” 对外开放了一个脱敏数据集,囊括了 2020 年 8 月在深圳经过脱敏处理的出行时间数据,涉及出发时间、路线信息、路况信息、天气和路网拓扑信息等多维度特征,不包含任何个人信息。

参赛者需要灵活地运用这些特征数据组合,设计时长预估计算方案,让全局的时长预估误差最小。

即日起参赛者可以在 biendata 平台注册参加比赛(https://www.biendata.xyz/competition/didi-eta/),竞赛评估和排行榜将通过 biendata 竞赛平台开放。比赛将采用 A/B 榜的竞赛机制,其中 B 榜成绩刷新将于 8 月 2 日开启,比赛结果将于 8 月 31 日公布,总奖金达 25000 美金。前五名优胜团队将受邀出席 11 月在北京举办的 SIGSPATIAL2021,在大会现场分享自己的比赛方案。

滴滴地图自 2015 年开始在 ETA 问题上展开探索,目前已将其广泛应用于行程前的预估接驾时间、派单、调度、拼车等系统决策,导航路线决策,及行程中的预计到达终点的时间计算等。通过引入深度学习的技术,对海量真实出行轨迹、路况拥堵状态、天气状况等进行统一建模,滴滴地图能在大规模请求下快速进行智能路径规划,并为用户预估到达时间,目前这一预估到达时间误差率已经降至 10.5%,业内领先。滴滴表示,此次开放脱敏的真实业务场景数据集,举办挑战赛,也是希望以开放协作支持全球开发者在智能交通方面展开更广泛前沿研究,持续提升 ETA 预估准确性,为用户提供更好的出行体验。