Taxify inseneri- ja andmeteaduse tiimide eesmärk on tagada lihtne ja sujuv kasutajakogemus nii juhtidele kui ka klientidele. Meie eesmärk on pakkuda mugavat ja mõistlike hindadega sõiduteenust, kus auto saabub kliendini keskmiselt kolme minutiga ja seda rohkem kui neljakümnes linnas, kus Taxify tegutseb.

Esmapilgul ei tundu see väga keeruline, ent kulisside taga tähendab see igapäevaselt mitmete huvitavate ja väljakutset pakkuvate probleemide lahendamist. Järgnevas artiklis anname lühikese ülevaate Taxify inseneride ja andmeteadlaste igapäevatööst.

Mobiilsusteenuste algoritmid

Üks esimesi lahendust vajavaid küsimusi on õige arvu juhtide saadavus õigel ajal, õiges kohas. Ja seda 24 tundi päevas, 7 päeva nädalas.

Tegemist on mitmemõõtmelise optimeerimisprobleemiga ja selle lahendamine toob endaga koheselt kaasa tagajärjed päriselus – kliendid leiavad sobiva auto loetud minutitega või nad peavad otsima mõne muu alternatiivi. Usaldusväärse teenuse pakkumiseks kasutab Taxify mitmesuguseid meetodeid: tellimuste asukoha prognoosimine enne nende tekkimist, nõudluse ja pakkumise tasakaalustamine dünaamilise hinnakujundusega ja aruka dispetšersüsteemi arendamine globaalselt sõitude maksimeerimiseks.

Teine kriitilise tähtsusega valdkond on tõhususe suurendamine ning saabumisaegade vähendamine. Selle saavutamiseks aidatakse klientidel leida optimaalsed sõidualustamise punktid, mis põhinevad miljonitel linnas varem sooritatud sõitudel ning seejärel luuakse juhtidele parimad marsruudid nende punktide leidmiseks, lähtudes dünaamilisest linnagraafikust.

Inimeste ja masinate koostöö

Kuna klientide nõudlust mõjutavad suuresti ka ebakorrapärased sündmused, näiteks kontserdid, pühad ja ilm, töötavad meie insenerid ja andmeteadlased tihedas koostöös kohalike linnameeskondadega, et igapäevaselt teenuse töökindlus tagada.

See muutub veelgi kriitilisemaks isesõitvate autode kasutuselevõtuga, sest inimjuhid omavad oluliselt rohkem konteksti kohalike ürituste osas ning ei sõltu oma sõiduaegade kohandamisel meie süsteemides olevatest andmetest.

See on vaid üks põhjustest, miks usume, et sõidujagamisteenuse osas käivad juhita sõidukid ning inimjuhid veel aastaid käsikäes.

Kiiresti kasvava süsteemi skaleerimine

Tulles olevikku tagasi – kuna meil on hetkel rohkem kui 10 miljonit klienti ning 500 000 juhti, siis investeerime suuresti automatiseerimist võimaldavasse infrastruktuuri, et saaksime uued funktsioonid lansseerida päevade, mitte kuude jooksul, säilitades samal ajal vajaliku stabiilsuse kõigi Taxify kasutajate jaoks.

Heaks näiteks on siinkohal Taxify kasvuanalüütika ja otsuste tegemise süsteem, mis optimeerib sõitjate ja juhtide arvu, kasutades kommunikatsiooni ning sooduspakkumisi (nt „Saa järgmiselt kolmelt sõidult 5 € soodustust!“). Süsteem tugineb masinõppel, mis baseerub optimaalse ajastamise ja sihtimise tagamiseks ajaloolistel andmetel, ent see peab ühtlasi pidevalt kohanema uute linnade ning teenustega, konkurentide pakkumistega ning üritustega.

Natuke teisest valdkonnast rääkides – rakendusesiseste maksete võimaldamine krediitkaardiga või operaatori kaudu arveldamisega on üha tavalisem ning petturid õpivad kiirelt platvormide poolt võimaldatavaid lahendusi kuritarvitama. Seetõttu uuendame oma pettusevastaseid süsteeme ja kontrolliprotsesse igapäevaselt, et takistada tuhandeid libasõite ja vähendada sealjuures seaduslikele klientidele tekitatud kahju.

Veel üks suur algatus, mille kallal töötame, on ohutuse tõstmine, kasutades juhtidele reaalajas antavat tagasisidet. Seni oleme toetunud ainult klientide tagasisidele, ent nüüdsest on võimalik rakendada ka mobiiliandurite andmeid, et vähendada kiiruseületamist ja äkilisi kurve ning pakkuda turvalisematele juhtidele allahindlusega kindlustust.

Teedrajav teadusarendus

Nagu näha, tegelevad meie insenerid ja andmeteadlased väga mitmekesiste teemadega. Arvestades meie tiimi väiksust oleme alati otsimas viise targemaks automatiseerimiseks, samal ajal pidevalt võimalikkuse piire nihutades. Näiteks kasutame igapäevaselt automatiseeritud masinõpet, et leida konkreetse andmekogumi ja äritegevuse jaoks sobivaimad lahendused.

Andmeteaduse tiimi jaoks tähendab see ka uusimate algoritmidega kursis olemist, näiteks stiimulõpe, neuroevolutsioon ja järjestuste modelleerimine. Üldiselt on eesmärgiks luua prognoosimudelid ja automatiseeritud otsused, mis võimaldaksid meil linnatranspordis esinevate muudatustega kohaneda. Tihedas koostöös inseneridega peavad andmeteadlased kohandama süsteemi mastaabilt ligi miljardile sündmusele päevas, et toetada meie kiiret kasvutempot Mehhikost Austraaliani, Põhja-Euroopast Lõuna-Aafrikani.

Transpordivaldkond on läbimas suurimaid muudatusi alates autode esmasest kasutuselevõtust ligi sada aasta tagasi ning eri ettevõtted proovivad lahendada erinevaid osasid mõistatusest. Taxify eesmärk on olla parim linnatranspordi optimeerija, luues tarkvara, mis ühendab reisijad eri tüüpi sõidukitega – alates autodest ja mootorratastest kuni seni veel ettenägematute lahendusteni. Selle saavutamiseks teeme koostööd idufirmade, suurte tehnoloogiafirmade ning juhtivate mootorsõidukitootjatega maailmas.

Kui soovid samuti miljonite inimeste elukvaliteeti parendada, aidates neil sõidujagamise abil produktiivsust tõsta, raha säästa ning heitgaaside hulka vähendada, siis võta meie tiimiga ühendust. Otsime andekaid inimesi üle maailma.

Vaata Robotexi konverentsi kohta rohkem infot siit.

Autorist
André Karpištšenko juhib Taxifys andmeteadusega seotud arendusi, eesmärgiga rakendada tehisintellektil põhinevaid lahendusi rohkem kui 25 riigi linnaliikluses. Tema tiimidesse kuuluvad doktorikraadi omanikud, teadlased ja insenerid, kelle mitmekesine taust ulatub arvutiteadusest matemaatilise majandusteaduseni.


Varasemalt on André kaas-asutanud kaks ettevõtet, sealhulgas taastuvenergia valdkonnas andmete infrastruktuuriga tegeleva ettevõtte Planet OS. Ta on üles ehitanud ka kolm meeskonda Skype’is, sealhulgas asutanud Skype Labs juures Andmeteaduse Uuringute tiimi.
Jaga
Kommentaarid