摘要:
如果只是產(chǎn)品的差別,那么共享單車最終必然會同質(zhì)化到最適合的產(chǎn)品形態(tài)。
前段時間,馬化騰和朱嘯虎這兩位大佬在伴侶圈就所投資的共享單車項目互懟,在行業(yè)引發(fā)軒然大波——其中一個焦點就是智能鎖之爭,馬化騰吐槽沒有智能鎖的ofo都是啞終端,這個在兩位大佬的互懟中是事實。
摩拜單車的slogan是“全球智能共享單車行業(yè)首創(chuàng)者和領(lǐng)導(dǎo)者”,它的第一部單車就加載了智能鎖,智能鎖里面有SIM卡和GPS芯片,進(jìn)而可聯(lián)網(wǎng)和定位。ofo在去年11月才走出校園正式進(jìn)入城市,為了快速搶占市場采取了低成本的機械鎖,進(jìn)而快速連接海量自行車、進(jìn)入超過100座城市,不過卻存在馬化騰所說的“啞終端”問題,進(jìn)而帶來了較高的維護(hù)成本、倒霉于短途出行數(shù)據(jù)的收集。
正是因為此,ofo在近日與中國電信和華為共同研發(fā)基于NB-IoT技術(shù)的 “物聯(lián)網(wǎng)智能鎖”并正式應(yīng)用到ofo小黃車上,進(jìn)入智能鎖時代。有人說ofo此舉是回應(yīng)馬化騰關(guān)于ofo“啞終端”的吐槽,實則否則。豈論什么行業(yè),做平臺的核心都只比拼一點,那就是連接效率。共享單車平臺也不例外,如果智能鎖效率更高,到了適當(dāng)?shù)碾A段,ofo付出更高成本引入智能鎖提高平臺運營效率就是水到渠成。ofo在將“啞終端”變?yōu)椤皶f話的終端”的同時,還在引入更多智能技術(shù)來提高單車運營辦理能力。
用人工智能進(jìn)行單車調(diào)度
日前,ofo頒布頒發(fā)將谷歌TensorFlow人工智能系統(tǒng)和卷積神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于出行需求預(yù)測,進(jìn)而更好地布放單車,讓用戶隨時隨地有車可騎。TensorFlow是谷歌研發(fā)的第二代人工智能開源系統(tǒng),其采取數(shù)據(jù)流圖(data flow graphs),主要用于數(shù)值計算,全世界所有開發(fā)者都可取用。卷積神經(jīng)網(wǎng)絡(luò)技術(shù)即CNN則是眼下日趨普及的深度學(xué)習(xí)的主流實現(xiàn)方式,它模擬動物神經(jīng)網(wǎng)絡(luò)工作原理,可以進(jìn)行大型圖像處理,同時也被應(yīng)用在諸多主流AI場景中。百度將Deep CNN技術(shù)應(yīng)用在語音識別中,使得識別錯誤率相對下降了 10%;騰訊則基于Deep CNN技術(shù)打造了深度學(xué)習(xí)平臺Mariana……
ofo宣稱其對CNN技術(shù)的應(yīng)用在共享單車行業(yè)屬于首創(chuàng),它的具體做法是,將智能鎖返回的騎行和定位數(shù)據(jù)形成熱力圖,不只是可以展示用戶騎行軌跡、車輛分布網(wǎng)絡(luò),還有差別區(qū)域的需求熱度。通過對熱力圖進(jìn)行網(wǎng)格化分析,就可以提取差別時段同一區(qū)域或者同一時段差別區(qū)域的圖像相關(guān)性特征,進(jìn)而精準(zhǔn)預(yù)測下一個時段某一區(qū)域內(nèi)會出現(xiàn)的需求數(shù),從而為運營調(diào)度提供更好的決策。

ofo熱力圖
事實上,用人工智能+大數(shù)據(jù)技術(shù)的預(yù)測能力來治理交通已有很多成熟應(yīng)用。
阿里云與杭州、廣州等城市合作“城市大腦”智能調(diào)度紅綠燈;去年百度地圖開展“預(yù)防踩踏變亂”研究,通過路徑搜索數(shù)據(jù)與目標(biāo)地點的人口密度的關(guān)聯(lián)計算,預(yù)測特按時間在特定地方的人群聚集狀況,將結(jié)果開放給交通辦理部門進(jìn)行預(yù)防疏導(dǎo)?!叭肆黝A(yù)測技術(shù)”還可被用作商業(yè),進(jìn)一步幫手店鋪選址、公交選站、促銷選點,甚至幫手政府了解區(qū)域房屋空置率。在出行行業(yè),滴滴也成立了大數(shù)據(jù)部門,成百上千的工程師在研究如何做好訂單調(diào)度以提高平臺的全局效率。由此可見,ofo通過CNN和TensorFlow應(yīng)用人工智能技術(shù)進(jìn)行共享單車調(diào)度并非為了智能而智能。
在許多人印象中要確保用戶有車可騎,最重要的是要讓自行車有定位能力進(jìn)而可以讓用戶通過手機定位找到車。這個思路是錯的,因為共享單車自己就是解決短途出行,讓用戶為了騎行1公里走500米甚至300米去找車的體驗都是欠好的。只有讓用戶在視野范圍內(nèi)發(fā)現(xiàn)車而且可用才是最佳體驗,要做到這一點,唯一可行的措施是調(diào)度,一個城市20%的地方有80%的短途出行需求,通過智能分析找到這20%的地方(可能是變動的),進(jìn)行更多的投放、更好的維護(hù),就可以大幅優(yōu)化用戶找車體驗。
要做到這一點就要靠調(diào)度。憑借運營人員主不雅觀判斷或者人工分析再進(jìn)行調(diào)度是不行的,,一方面,人工分析意味著要為每個城市甚至每個區(qū)域配置調(diào)度分析人員,憑經(jīng)驗主不雅觀判斷很容易不準(zhǔn),進(jìn)而不符合出行需求變革,還會增加后臺調(diào)度人力成本;另一方面,人工調(diào)度倒霉于精細(xì)化運營。
精準(zhǔn)預(yù)測特按時段差別區(qū)域、同一區(qū)域差別時段的出行需求,再進(jìn)行智能調(diào)度就是一個一定的趨勢。不只是可以省卻大量的運營人力,還可盡量滿足真實出行需求進(jìn)而提升用戶體驗。還有,智能調(diào)度可以細(xì)化到城市的毛細(xì)血管,對單車的整理可以從月/周粒度細(xì)化到日甚至半日。因此,ofo將智能技術(shù)應(yīng)用到后臺調(diào)度的做法將會成為行業(yè)趨勢,這也迎合了人工智能賦能各行各業(yè)的趨勢。
共享單車終將進(jìn)入NB時代