一场大雨，让北京交通受到了严峻的挑战。如果我们能够提前预测未来十分钟的专车数量、打车人数，提前调度车辆，是不是就能避免打不到车的困境？
7 月 20 日落幕的首届滴滴出行 Di-tech 算法大赛就是希望解决这个问题。来自世界各地的 11440 名高校研究生报名参加了此次活动，最终由南京理工大学三名学生组成的团队“inferrrr”以绝对优势夺得冠军并收获 10 万美元奖金。
滴滴出行 CEO 程维在颁奖时表示，互联网的下半场是人工智能。“很庆幸，我们有世界上最难的题目，打造交通的 AI。最难的题目才需要最聪明的人工智能引擎，才有可能诞生未来最强大的大数据算法团队。”
此次比赛的题目为出行的供需预测，即对于特定城市的特定区域给定前三十分钟订单相关数据（包括数月的实时订单， 交通信息，天气数据等），参赛团队通过算法来预测该地区未来十分钟的供需差值。
Alpha Go 的所向披靡让不少人重新意识到人工智能的威力，相关的研究也逐渐火热起来。然而比起 Alpha Go 的计算只能在围棋等特定领域达到极致，滴滴的数据挖掘、机器学习确确实实在影响着千万人的出行。程维透露，上周五，滴滴的日订单量突破 1600 万次。
如果按日均处理订单 1400 万次来算，需要分析的数据量达到 70 TB，路径规划超过 90 亿次。面对如此庞杂的数据，需要通过不断升级、完善的云计算与大数据技术，保证数据分析及相关应用的稳定，实现高频出行下的运力均衡，供需预测是其中的关键问题。
目前，包括滴滴、优步在内的出行平台普遍用“动态调价”来调节供需，而滴滴希望通过供需预测加运力调度来消除“动态调价”。
例如，夺冠团队 inferrrr 观察到一个此前少人注意到的现象：闲散轻松的下午三点也会出现明显的供需落差，那是因为下午三点正处于午休与下班两个高峰之间，许多司机会趁此休息，反而会出现供给不足、打不到车的现象。
通过分析司机空载时间、乘客等待时间等特征参数，设计算法，提前预知该区域的供需情况，并且提前把空余运力引导到这个区域，那么不需要用价格调控，就可以实现平衡。优化行程后，司机不用空驶，收入亦会提高。
滴滴研究院院长何晓飞补充道，“如果我们能搜集到更多的数据，未来有一天我们甚至能够知道每一位乘客、每一位司机的意愿。如果我们能够更加准确的甚至预测人的心理，那么我们可以把整个城市的交通管理的更加有秩序。”
参加过 Di-tech 的颁奖礼，我从位于中关村软件园的滴滴总部走出来，很自然地打开滴滴的 App，想要去到 3 公里外的地铁站。在大雨滂沱下，我等待了无数个“数分钟”，一直没有等来愿意接单的车辆。
毕竟，在溢价达到 4.1 倍的时候，一般人会更倾向于接距离更长的订单。如果未来滴滴 AI 足够发达，不知道它能不能提前通知更多愿意接短途的司机来应对这样的情况。