La société de location de voitures Didi a un nouvel algorithme de répartition qui s'adapte à la demande des passagers

Catégorie: Intelligence artificielle Posté 12 décembre

Didi, l'équivalent chinois d'Uber, a testé un nouvel algorithme pour affecter les chauffeurs aux passagers dans certaines villes.

Le système de répartition utilise l'apprentissage par renforcement (RL), un sous-ensemble de l'apprentissage automatique qui s'appuie sur des pénalités et des récompenses pour amener les agents à atteindre un objectif clair. Dans ce cas, les agents sont les chauffeurs et les récompenses sont leurs paiements pour avoir effectué un trajet.

L'algorithme de répartition actuel de l'entreprise comporte deux parties : un système de prévision qui prédit l'évolution de la demande des passagers au fil du temps et un système de correspondance qui affecte les chauffeurs aux tâches sur la base de ces prévisions.

Il a bien servi l'entreprise jusqu'à présent, mais il peut être inefficace. Si les modèles d'offre de conducteurs et de demande de passagers changent, le modèle de prévision doit être recyclé pour continuer à faire des prévisions précises.

Le passage à une approche RL résout ce problème en regroupant les deux parties en une seule : avec chaque élément de données suivant, l'algorithme apprend à répartir les conducteurs plus efficacement. Cela lui permet de continuer à évoluer avec l'évolution de l'offre et de la demande, sans avoir besoin de se recycler. Des tests A/B entre l'ancien et le nouveau algorithmes dans quelques villes ont confirmé que le nouveau est effectivement plus efficace.

Didi prévoit maintenant un déploiement progressif du nouveau système de répartition dans les villes de Chine, bien qu'un calendrier précis n'ait pas été fixé. Tony Qin, responsable de la recherche sur l'IA pour la division américaine de l'entreprise, a déclaré au MIT Technology Review que l'entreprise pourrait continuer à effectuer des tests A/B entre ses différents algorithmes pour différents emplacements et utiliser celui qui produit les résultats les plus efficaces.

L'algorithme RL n'est peut-être pas toujours le meilleur, a déclaré Qin. Cela dépend en grande partie des modèles d'offre et de demande de la ville. En attendant, la société développe également un autre algorithme de répartition RL, avec différents agents et récompenses, à ajouter à son arsenal.

Une version abrégée de ceci est parue à l'origine dans notre newsletter sur l'IA, The Algorithm. Pour le recevoir directement dans votre boîte de réception, inscrivez-vous ici gratuitement.