网站首页 > 技术文章 正文
盖世汽车讯 据外媒报道,为使共享汽车驾驶员与打车用户更好地对接,NTT DoCoMo创建了一款应用,帮助驾驶员了解打车用户的准确位置,该功能已为许多驾驶员带来了更多的收益。
相较于依赖应用实现业余驾驶员(amateur drivers,汽车共享服务的驾驶员)与乘客的对接,NTT DoCoMo旗下的数据科研人员利用手机信号发来的匿名数据,探查用户的聚集位置。
然后,在英伟达DGX-1超级计算机上运行深度学习算法,根据出租车驾驶员的服务需求所采集的信息数据来绘制地图,标明乘客可能出现的位置。
NTT DoCoMo利用堆叠的去噪自编码器算法(stacked denoising autoencoder algorithms)来预计需求,该算法是一项相对较新的深度学习技术,使机器能从看似随机的输入值中找出所需的信息。该公司利用该款应用发送能找到乘客的区域,驾驶员可从触摸屏中找到该应用。
该服务的结果惊人的准确。该应用自今年2月15日推出,向东京的1350辆出租车发送信息。此外,名古屋的1150辆出租车也获得了该项服务。NTT DoCoMo的应用使出租车司机与乘客的对接,其精度高达92.9%。
相较于未使用该应用的驾驶员,如此高的精度意味着该应用程序使得驾驶员平均每天多赚1409日元(约合13.15美元)。随着常年累月的使用,其多赚的收入将持续增长。(本文图片选自nvidia.com)
作者:盖世汽车 李文龙
猜你喜欢
- 2024-10-12 Item2Vec负采样优化基础上专题地图产品个性化推荐方法探究
- 2024-10-12 LibRec 每周算法:AutoRec (WWW'15)
- 2024-10-12 |期刊分享|深度学习|语音增强生成对抗网络
- 2024-10-12 这725个机器学习术语表,太全了 3分钟了解机器学习
- 2024-10-12 深度学习中高斯噪声:为什么以及如何使用
- 2024-10-12 NeurIPS 2021 | CyGen:基于概率论理论的生成式建模新模式
- 2024-10-12 数据挖掘干货总结(十)-- 神经网络和深度学习
- 2024-10-12 DevZone | NVIDIA OptiX光线追踪引擎
- 2024-10-12 清华大学廖方舟:产生和防御对抗样本的新方法 | 分享总结
- 2024-10-12 一文看懂AutoEncoder模型演进图谱
你 发表评论:
欢迎- 最近发表
-
- 在 Spring Boot 项目中使用 activiti
- 开箱即用-activiti流程引擎(active 流程引擎)
- 在springBoot项目中整合使用activiti
- activiti中的网关是干什么的?(activiti包含网关)
- SpringBoot集成工作流Activiti(完整源码和配套文档)
- Activiti工作流介绍及使用(activiti工作流会签)
- SpringBoot集成工作流Activiti(实际项目演示)
- activiti工作流引擎(activiti工作流引擎怎么用)
- 工作流Activiti初体验及在数据库中生成的表
- Activiti工作流浅析(activiti6.0工作流引擎深度解析)
- 标签列表
-
- oraclesql优化 (66)
- 类的加载机制 (75)
- feignclient (62)
- 一致性hash算法 (71)
- dockfile (66)
- 锁机制 (57)
- javaresponse (60)
- 查看hive版本 (59)
- phpworkerman (57)
- spark算子 (58)
- vue双向绑定的原理 (68)
- springbootget请求 (58)
- docker网络三种模式 (67)
- spring控制反转 (71)
- data:image/jpeg (69)
- base64 (69)
- java分页 (64)
- kibanadocker (60)
- qabstracttablemodel (62)
- java生成pdf文件 (69)
- deletelater (62)
- com.aspose.words (58)
- android.mk (62)
- qopengl (73)
- epoch_millis (61)
本文暂时没有评论,来添加一个吧(●'◡'●)