近日，ofo在人工智能系統(tǒng)中，應用了卷積神經網絡預測用戶出行需求。同時，ofo還運用谷歌TensorFlow人工智能系統(tǒng)，使預測結果更精確。將卷積神經網絡和谷歌TensorFlow人工智能系統(tǒng)應用于共享單車，是ofo引領的又一次行業(yè)創(chuàng)新，這是共享單車行業(yè)首次將人工智能圖像處理技術應用于智能運營中，標識表記標幟著共享單車進入以人工智能為基礎、以物聯(lián)網為載體的運營新階段。Ofo又一次引領行業(yè)創(chuàng)新，領先摩拜，成為行業(yè)技術標桿，這也對以“科技含量高”為傲的摩拜帶來不小的壓力。
共享單車具有明顯的潮汐效應，且騎行需求受天氣等因素影響，ofo利用卷積神經網絡，提取差別時段同一區(qū)域或者同一時段差別區(qū)域的圖像相關性特征，以精準預測下一個時段某一區(qū)域內會出現(xiàn)的需求數(shù)，從而為運營調度提供更好的決策，實現(xiàn)智能運營。
ofo小黃車實時騎行軌跡
卷積神經網絡主要應用于圖像識別領域。卷積是提取相關性特征的方法，神經網絡是預測需求的模型結構。ofo將智能鎖返回的定位信息形成熱力圖，，并記錄熱力圖的關鍵幀圖像變革，將圖像抽象為網格像素，利用卷積神經網絡，對像素內的顏色變革進行相關性特征提取，簡單的理解就是將各個關鍵時間點的熱力圖記錄下來，把圖像劃分為均勻分布的網格，將像素顏色的變革作為用戶騎行需求的變革，并進行相關性特征提取。作為共享單車的原創(chuàng)者和領騎者，ofo為全球 120 座城市上億用戶提供了超 10 億次出行辦事，已成為全球最大的共享單車平臺，擁有共享單車行業(yè)最龐大的出行數(shù)據(jù)。隨著出行數(shù)據(jù)增多，ofo對用戶出行需求的預測都會越來越準確。
將卷積神經網絡和谷歌TensorFlow人工智能系統(tǒng)應用于共享單車，是ofo引領的又一次行業(yè)創(chuàng)新，ofo正在形成以人工智能為基礎，以物聯(lián)網為載體的生態(tài)閉環(huán)。
