Skip to main content More Related Content
PDF
PDF
ドライブレコーダーの映像で Scene Text Recognitionする PDF
Attention機構を使った 配車車両未確定状態における タクシー到着時間予測 PPTX
JapanTaxiにおけるSagemaker+αによる機械学習アプリケーションの本番運用 PDF
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning PPTX
TechCon2021 TAXI車載システムの IoT化で 解決した課題と新たに提供した価値 PPTX
タクシードライブレコーダーの動画処理MLパイプラインにkubernetesを使ってみた PPTX
車両運行管理システムのためのデータ整備と機械学習の活用 Similar to JapanTaxiのAI活用事例
PDF
ITエンジニアこそ実現できるモビリティのサービス化 PDF
20180704 soracom digitalization_final PDF
Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム PPTX
ML Ops NYC 19 & Strata Data Conference 2019 NewYork 注目セッションまとめ PDF
タクシー運行最適化を実現する機械学習システムの社会実装 PDF
Autonomous Driving AI Pioneering the Future Mobility Revolution and Social Ch... PDF
AI、IoT、ビッグデータの公共交通への活用と社会変革への影響 PPTX
Reai Tech Night|Japan taxi株式会社 会社説明資料 PDF
次の時代の公共交通を作るために私が今行っていること PDF
PDF
PDF
車載カメラの映像から歩行者に関わる危険を予測する技術 PDF
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2 PPTX
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020] PDF
サービス化に向けて進化する公共交通と沖縄のポテンシャル PPT
クルマ情報を扱うREST APIの仕様と課題について PDF
PPTX
画像認識技術のローカルサービスへの適用 #ヤフー名古屋 PDF
PPTX
ドライブレコーダの画像認識による道路情報の自動差分抽出 More from Fumihiko Takahashi
PDF
学習データって増やせばいいんですか?[GOドライブ株式会社, AI技術共有会資料] PDF
単一の深層学習モデルによる不確実性の定量化の紹介 ~その予測結果正しいですか?~ PDF
明日使えるかもしれないLoss Functionsのアイディアと実装 [GO株式会社 AI技術共有会資料] PDF
時系列予測にTransformerを使うのは有効か? PDF
PDF
Active Learning の基礎と最近の研究 JapanTaxiのAI活用事例
- 1.
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
JapanTaxiのAI活用事例
次世代モビリティ事業部 モビリティ研究開発グループ
高橋 文彦
2019.06.04
第33回⼈⼯知能学会全国⼤会
- 2.
- 3.
- 4.
- 5.
5
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
タクシー配⾞アプリ「JapanTaxi」
• マップ上で指定したピン位置にタクシーを⼿配
• 乗⾞料⾦の決済もアプリ上で可能
• 全国47都道府県で約7万台
(全国のタクシー⾞両1/3)が対応
• 700万ダウンロード達成
- 6.
6
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
課題:注⽂キャンセルの問題
キャンセル
配車注文
探車開始 配車決定を通知
受諾 乗車機会の損失
ユーザー
配車システム
ドライバー
キャンセル通知
迎車開始
配車注文後にキャンセルされると、ドライバーにとって機会損失
- 7.
7
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
配⾞時間期待値のギャップ
5分くらいで
来るかな?
10分かかるなら
他の交通手段を
使おう
キャンセル
配車注文
探車開始 到着時間を計算
受諾 乗車機会の損失
ユーザー
配車システム
ドライバー
キャンセル通知
迎車開始
- 8.
8
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
期待値調整をするために到着予想時間を表⽰
5分くらいで
来るかな?
配車注文
しない
ユーザー
配車システム
ドライバー
事前に到着予想時間を
提示して期待値調整を
行う
10分くらいで
来る
- 9.
9
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
⽬的:事前にお迎え時間を予測
候補1
目的地
• タクシーがお迎え場所に到着するまでに
かかる時間を予測する
• お迎え場所に向かうタクシーは
確定していない
お迎え場所
候補2
候補3
候補4
- 10.
10
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
Attention機構を使ったお迎え時間予測モデル
配車候補の車両の特徴量
• 出発地の緯度経度
• お迎え場所緯度経度
• 出発時の方向・速度
• お迎え場所への方向・直線距離
• 直線距離が近い順番
車両以外の環境の特徴量
• 日、曜日、時間
• 祝日、休日
Attention機構
• 機械翻訳や画像認識などで使われる
ネットワーク構造
• 入力に応じて注目するべき特徴量に
大きな重みが付与される
• 実際に配車される車両の重みが大き
くなることを期待
到着時間
- 11.
11
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
予測精度の評価結果
• AttentionNeuralModelが最もMAEとToo Faster Rateが小さい
• 本システム環境の場合、機械学習ベースの方が高速
MAE
Too Faster
Rate
Elapsed
Time[s]
AttentionNeuralModel 156.11 0.2430 0.0360
NeuralModel 164.02 0.3247 0.0385
RouteSearchAverage 166.72 0.2527 0.0729
RouteSearchOneBest 215.70 0.4373 0.0731
- 12.
12
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
表⽰有無のA/Bテスト
• 提案モデルを使った予測到着時間を表示
• 表示の有無でA/Bテスト
• キャンセル率と注文数を比較し評価
• 到着時間予測を表示した方が優位にキャ
ンセル率が低い
• 注文数は大きく減ることはなかった
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.
18
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
Scene Text Recognition
Yolo v3
[YOLOv3: An Incremental Improvement, Joseph et al. , 2018]
CNN+RNN+CTC
[Gated Recurrent Convolution Neural Network for OCR, Jianfeng et al., NIPS2017]
- 19.
- 20.
20
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
⾃⾞レーンの認識
• ⽬的:詳細な位置推定
• ⾞線単位での混雑度合い
• ドライビングパターン
• 課題:現状の⾃⼰位置推定の精度が悪い
• GPSの誤差は数⼗メートル
• 道路へマップマッチしてもでわかる位置はせいぜい
道路単位
→ ドライブレコーダーの映像を使って⾃⾞レーンを認識
⾃⾞レーン:2
全⾞線数:3
- 21.
- 22.
22
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
Lane Net を使った⾃⾞レーンの認識
後処理 ⾞線計算
[Towards End-to-End Lane Detection: an Instance Segmentation Approach, Davy et al. , 2018]
• 車線の傾きが正の本数をカウントし、自車位置を計算
- 23.
- 24.
24
Proprietary and Confidential©2017 JapanTaxi, Inc. All Rights Reserved
JapanTaxiにおけるAI活⽤
• 位置情報や道路周辺環境の課題へのソリューションにAIを活⽤
• 事例1:到着時間予測
• 事例2:ガソリンスタンド料⾦の⾃動認識
• 事例3:⾃⾞レーンの認識
• 今後はセンサーデータや3D点群データなどのマルチデータ活⽤
を⽬指す
- 25.
〒102-0094 東京都千代⽥区紀尾井町3-12
3-12 KioichoChiyoda-ku, Tokyo 102-0094 Japan
TEL 03-6265-6265 FAX 03-3239-8115
www.japantaxi.co.jp
⽂章·画像等の内容の無断転載及び複製等の⾏為はご遠慮ください。
Proprietary and Confidential ©2017 JapanTaxi, Inc.
All Rights Reserved
ご静聴ありがとうございました