ofo称将以AI为基础创设物联网闭环

【2018-01-17】

  ofo表示,它将创建一个基于AI的物联网闭环

  今天,OFO声称在其AI系统中,已经应用了与“Alpha Dog”相同的算法模式 - 卷积神经网络 - 来预测用户旅行需求并实现智能调度。同时,OFO还使用Google TensorFlow人工智能系统使预测更加准确。这是共享自行车行业首次将智能操作应用人工智能图像处理技术。随着小黄车的实时骑行轨迹出现,让更多的人了解了人工智能技术为世界带来的变化。 AlphaGo的基本算法是卷积神经网络。卷积神经网络主要应用于图像识别领域。卷积是一种提取相关特征的方法,神经网络是预测需求的模型结构。 OFO统计小黄在全球120个城市向亿万用户提供了10亿次旅游服务,共享自行车行业最大的旅游数据。随着旅游数据的增加,OFO预测用户的出行需求将变得越来越准确。在应用层面上,将车辆调度问题归类为受限制的供需差异最小化,即结合当前的时间,地点,自行车数量等因素,自行车供给最大限度地接近用户的需求。 ofo智能锁返回的定位信息形成热力学图,记录热力学图的关键帧图像的变化,将图像抽象为网格像素,利用卷积神经网络提取热像图中颜色变化的相关特征像素和简单的理解是记录所有关键时间点的热力学图,将图像分成均匀分布的网格,根据用户的骑行需求的变化改变像素颜色,并提取相关特征。 ofo小型黄车用卷积神经网络预测骑行需求如上图所示,北京西北地区的上地,西尔and,中关村地区,其次是望京和国贸。仅从形象上看,很难判断中关村地区和国际贸易对自行车环节的需求。可以使用卷积神经网络通过深度算法提取这两个区域的相关特征。卷积过程可以想象为某人拿着一个玻璃镜头,如上图所示扫描网格图像,这可能与上,下二区在镜头尺寸为3 * 3网格性特征时的骑行需求有关。当镜头尺寸扩大到17×17网格时,提取出上,西二七,国贸之间的乘坐需求相关特征,随着卷积镜头面积的扩大,所需算法和计算能力将变得更加复杂。目前,卷积神经网络层级达到30层,共享自行车具有明显的潮汐效应,受天气等因素的需要,利用卷积神经网络,在同一区域的不同区域同时提取或图像相关特征的不同区域可准确地预测下一个区域网络中发生的请求数量将为运行调度和智能操作提供更好的决策,应用卷积神经网络是行业的创新,谷歌的TensorFlow人工智能系统共享自行车。Ofo表示,正在努力创造一个基于生态闭环的环路人工智能和物联网。