![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](https://image.slidesharecdn.com/jsai2019-221201085915-982fa9df/85/JapanTaxi-AI-11-320.jpg)
![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]](https://image.slidesharecdn.com/jsai2019-221201085915-982fa9df/85/JapanTaxi-AI-18-320.jpg)
![22
Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved
Lane Net を使った??レーンの認識
後処理 ?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](https://image.slidesharecdn.com/jsai2019-221201085915-982fa9df/85/JapanTaxi-AI-22-320.jpg)
闯补辫补苍罢补虫颈の础滨活用事例
- 1. Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved 闯补辫补苍罢补虫颈の础滨活用事例 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??知能学会全国?会
- 2. Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved JapanTaxi 交通系スタートアップ
- 3. 3 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved タクシーの 配?プラットフォーム タクシー向け ハードウェアメーカー タクシーデータ ビジネス
- 4. 4 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved 活?事例１：タクシーのお迎え時間予測
- 5. 5 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved タクシー配?アプリ「JapanTaxi」 ? マップ上で指定したピン位置にタクシーを?配 ? 乗?料?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?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?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?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? 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 ?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?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. 13 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved 活?事例２：ドライブレコーダーの動画像分析 ~ガソリンスタンドの料?認識~
- 14. 14 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved 1?のタクシー動態の様?
- 15. 15 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved センシングカーとしてのタクシー?両
- 16. 16 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved ガソリンスタンド料?の?動認識
- 17. 17 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved ガソリンスタンド料?の?動認識
- 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. 19 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved 活?事例3：ドライブレコーダーの動画像分析 ~??レーン認識~
- 20. 20 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved ??レーンの認識 ? ?的：詳細な位置推定 ? ?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??位置推定の精度が悪い ? GPSの誤差は数?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??レーンを認識 ??レーン：２ 全?線数：３
- 21. 21 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved
- 22. 22 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved Lane Net を使った??レーンの認識 後処理 ?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. 23 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved まとめ
- 24. 24 Proprietary and Confidential ?2017 JapanTaxi, Inc. All Rights Reserved JapanTaxiにおけるAI活? ? 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? ? 事例１：到着時間予測 ? 事例２：ガソリンスタンド料?の?動認識 ? 事例３：??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? を?指す
- 25. 〒102-0094 東京都千代?区紀尾井町3-12 3-12 Kioicho Chiyoda-ku, Tokyo 102-0094 Japan TEL 03-6265-6265 FAX 03-3239-8115 www.japantaxi.co.jp ?章·画像等の内容の無断転載及び複製等の?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