調(diào)度算法評(píng)測(cè)與仿真系統(tǒng) 調(diào)度算法仿真系統(tǒng)介紹

哈啰兩輪車(chē)調(diào)度算法介紹

調(diào)度是將稀缺資源分配到一定時(shí)間內(nèi)的不同任務(wù)上的決策過(guò)程，目的是優(yōu)化一個(gè)或多個(gè)目標(biāo)。兩輪車(chē)調(diào)度場(chǎng)景是指通過(guò)預(yù)測(cè)未來(lái)用戶的騎行需求，決定各站點(diǎn)車(chē)輛的調(diào)配任務(wù)，并將這些任務(wù)分配給合適的運(yùn)維人員來(lái)執(zhí)行，從而滿足用戶的騎行需求。在這個(gè)調(diào)度場(chǎng)景里會(huì)涉及三個(gè)對(duì)象，一是車(chē)輛，目標(biāo)是用戶需求滿足率高，移車(chē)成本低，車(chē)輛翻臺(tái)高。二是運(yùn)維，目標(biāo)是運(yùn)維效率高，運(yùn)維人員體驗(yàn)好。三是用戶，目標(biāo)是用戶體驗(yàn)好。

我們將兩輪車(chē)調(diào)度和外賣(mài)/網(wǎng)約車(chē)調(diào)度做對(duì)比，調(diào)度涉及到任務(wù)生成、任務(wù)派發(fā)和履約管控三個(gè)環(huán)節(jié)。在任務(wù)生成環(huán)節(jié)，兩輪車(chē)調(diào)度的復(fù)雜度比外賣(mài)/網(wǎng)約車(chē)調(diào)度高，原因在于調(diào)度涉及到三個(gè)要素，調(diào)度算法觸發(fā)的時(shí)機(jī)需要依托算法來(lái)決策，同時(shí)需要兼顧線下各種復(fù)雜的情況，如天氣季節(jié)因素，競(jìng)對(duì)或城管干預(yù)等。在任務(wù)派發(fā)環(huán)節(jié)，兩輪車(chē)調(diào)度的復(fù)雜度比外賣(mài)/網(wǎng)約車(chē)調(diào)度低，原因在于需要匹配的對(duì)象少，實(shí)時(shí)性要求低。在履約管控環(huán)節(jié)，兩輪車(chē)調(diào)度的復(fù)雜度比外賣(mài)/網(wǎng)約車(chē)調(diào)度高，原因在于司機(jī)運(yùn)維執(zhí)行結(jié)果難以監(jiān)管，而外賣(mài)/網(wǎng)約車(chē)有用戶評(píng)價(jià)體系，監(jiān)管便捷。

兩輪車(chē)調(diào)度的難度是多維且立體的，一是定位不準(zhǔn)，不同車(chē)輛型號(hào)定位的精準(zhǔn)度是有差異的；二是車(chē)輛分散，司機(jī)需要去收集散落在各地的車(chē)輛；三是需求波動(dòng)，如季節(jié)性的波動(dòng)、早晚高峰的波動(dòng)；四是供需失衡，實(shí)際投放的車(chē)輛數(shù)量與用戶日益增長(zhǎng)的需求匹配不上；五是城市差異，由于城市發(fā)展階段和管控政策不同，會(huì)導(dǎo)致車(chē)輛投放與用戶需求的差異；六是算法黑盒，會(huì)導(dǎo)致算法效果評(píng)估比較模糊；七是信息孤島，如司機(jī)的載具在某個(gè)時(shí)刻可能會(huì)發(fā)生變化，但這些信息并不能及時(shí)同步到上層用于算法決策；八是計(jì)算復(fù)雜，一系列復(fù)雜的場(chǎng)景會(huì)導(dǎo)致算法的計(jì)算復(fù)雜度大增。

兩輪車(chē)調(diào)度算法的目標(biāo)總結(jié)下來(lái)是多快好省。一是多，我們希望算法調(diào)度占比高，覆蓋的場(chǎng)景多，支持個(gè)性化。二是快，能夠?qū)崟r(shí)生成、實(shí)時(shí)派發(fā)、實(shí)時(shí)執(zhí)行、實(shí)時(shí)反饋。三是好，我們希望讓業(yè)務(wù)叫好，讓司機(jī)叫好。四是省，既能省人工成本，又能省機(jī)器成本。

為了達(dá)成目標(biāo)，我們制定了解決方案，左側(cè)是我們解決方案的架構(gòu)分層圖。我們根據(jù)多快好省四個(gè)分類，推出了對(duì)應(yīng)的解決措施。一是多，我們提供了站點(diǎn)組的調(diào)度策略，千城千策，調(diào)度場(chǎng)景覆蓋廣。二是快，我們將需求預(yù)測(cè)、任務(wù)派發(fā)與任務(wù)決策實(shí)時(shí)化，并通過(guò)路徑規(guī)劃找出最優(yōu)路線。三是好，我們通過(guò)全局匹配來(lái)實(shí)現(xiàn)最優(yōu)化，任務(wù)聚合來(lái)實(shí)現(xiàn)效果好，收益預(yù)估來(lái)提高收益，精益管理來(lái)提高管理效率。四是省，我們利用彈性計(jì)算、MR調(diào)度框架和調(diào)度波動(dòng)預(yù)警，提高機(jī)器整體的資源利用率。

調(diào)度算法在效果評(píng)測(cè)上的挑戰(zhàn)

調(diào)度算法效果評(píng)測(cè)上有五個(gè)挑戰(zhàn)，一是效率低，一個(gè)迭代平均效果評(píng)估回收時(shí)間需要兩周左右。二是不受控，我們無(wú)法控制線下運(yùn)維的執(zhí)行情況。三是干擾多，線下執(zhí)行受到的干擾因素多，效果回收準(zhǔn)確度低，導(dǎo)致收益和算法歸因模糊。四是質(zhì)量差，模型上線試驗(yàn)后，效果回收正向率低。五是公信力弱，由于線上效果差，合作方對(duì)模型效果信任度低。

調(diào)度算法仿真系統(tǒng)介紹

為了解決這個(gè)挑戰(zhàn)，我們提出了仿真系統(tǒng)，通過(guò)對(duì)物理世界的仿真，達(dá)成調(diào)度算法離線驗(yàn)證和預(yù)測(cè)推演的能力。仿真邏輯如圖所示，我們可以通過(guò)感知建模，對(duì)物理世界里的場(chǎng)景屬性及行為，轉(zhuǎn)換成特征和模型，其中特征是用來(lái)表達(dá)物理世界場(chǎng)景屬性的數(shù)字化信息，而行為、規(guī)則用模型來(lái)表達(dá)。有了特征和模型后，我們可以使用工程技術(shù)手段把它演化成仿真世界里的場(chǎng)景、屬性、行為和規(guī)則。如何做到仿真世界的實(shí)現(xiàn)，我們提出了三個(gè)層面，分別是特征數(shù)據(jù)、仿真模型和工程支撐。 特征數(shù)據(jù)

在物理世界中會(huì)存在各種各樣的信息，如站點(diǎn)信息、車(chē)輛信息、用戶騎行事件、調(diào)度事件、日期天氣特征，訂單、收益等。我們將其歸納成五個(gè)維度，站點(diǎn)數(shù)據(jù)、車(chē)輛數(shù)據(jù)、運(yùn)力數(shù)據(jù)、外部數(shù)據(jù)和評(píng)估指標(biāo)。 一是站點(diǎn)數(shù)據(jù)特征，包括站點(diǎn)基礎(chǔ)信息、站點(diǎn)間流轉(zhuǎn)訂單、站點(diǎn)實(shí)時(shí)停駐車(chē)輛數(shù)、站點(diǎn)歷史需求量和站點(diǎn)間騎行時(shí)間。二是車(chē)輛數(shù)據(jù)，包括車(chē)輛基礎(chǔ)信息、車(chē)輛實(shí)時(shí)標(biāo)簽狀態(tài)、車(chē)輛實(shí)時(shí)電量、車(chē)輛健康度和用戶騎行收益。三是運(yùn)力數(shù)據(jù)，包括司機(jī)畫(huà)像、載具畫(huà)像、載具實(shí)時(shí)數(shù)據(jù)、司機(jī)實(shí)時(shí)排班和運(yùn)力成本。四是外部數(shù)據(jù)特征，包括節(jié)假日數(shù)據(jù)、天氣特征、競(jìng)對(duì)實(shí)時(shí)數(shù)據(jù)、地圖數(shù)據(jù)和城管干預(yù)。五是評(píng)估指標(biāo)，如缺車(chē)數(shù)據(jù)、訂單數(shù)據(jù)、調(diào)度量、翻臺(tái)數(shù)據(jù)和車(chē)輛收益。

仿真模型

仿真模型是對(duì)物理世界行為或規(guī)則的模擬，主要會(huì)涉及到兩部分。一是自然流轉(zhuǎn)，指車(chē)輛在物理世界自然流動(dòng)的情況，我們需要把它模擬出來(lái)。二是模型輸入，指仿真世界里的一些實(shí)時(shí)數(shù)據(jù)，我們需要提供給調(diào)度算法去作為輸入數(shù)據(jù)，如供需上需要預(yù)測(cè)的數(shù)據(jù)或運(yùn)力的模擬數(shù)據(jù)。

接下來(lái)介紹車(chē)輛自然流轉(zhuǎn)的仿真實(shí)現(xiàn)，車(chē)輛自然流轉(zhuǎn)指在某一時(shí)刻某一有限空間下，車(chē)輛在不同站點(diǎn)之間流動(dòng)的情況。如圖是某一時(shí)刻，車(chē)輛在不同站點(diǎn)之間流動(dòng)的軌跡。我們進(jìn)行公式提煉，假設(shè)某個(gè)站點(diǎn)Sa在某一時(shí)刻流出的車(chē)輛總數(shù)是O，流向各個(gè)站點(diǎn)的概率為（Si，Pi）。我們就可以知道站點(diǎn)Sa流向站點(diǎn)Sb的車(chē)輛情況，或者是站點(diǎn)Sa流向站點(diǎn)Sc的車(chē)輛情況，通過(guò)這個(gè)計(jì)算公式就可以得出來(lái)。

第一步我們要計(jì)算某一時(shí)刻站點(diǎn)流出的車(chē)輛數(shù)，會(huì)用到三個(gè)維度的特征數(shù)據(jù)，一是站點(diǎn)數(shù)據(jù)，包括站點(diǎn)基礎(chǔ)信息、站點(diǎn)實(shí)時(shí)車(chē)輛數(shù)、站點(diǎn)歷史需求和站點(diǎn)間車(chē)輛騎行時(shí)長(zhǎng)。二是車(chē)輛數(shù)據(jù)，包括車(chē)輛實(shí)時(shí)電量和車(chē)輛實(shí)時(shí)標(biāo)簽。三是外部數(shù)據(jù)，包括節(jié)假日數(shù)據(jù)和天氣特征。我們的篩選條件有兩個(gè)，一是可用日期的篩選，我們?nèi)v史一個(gè)月內(nèi)相同日期特征的數(shù)據(jù)，如是否節(jié)假日、天氣因素相似。二是站點(diǎn)內(nèi)可用車(chē)輛的數(shù)據(jù)，這里需要剔除異常車(chē)輛，如故障車(chē)和低電車(chē)。舉個(gè)例子，我們要計(jì)算2月28日0點(diǎn)10分的站點(diǎn)車(chē)輛流出數(shù)據(jù)，會(huì)獲取歷史一個(gè)月內(nèi)同樣是0點(diǎn)10分的所有站點(diǎn)數(shù)據(jù)，根據(jù)可用日期作為篩選條件，把相同日期特征的站點(diǎn)數(shù)據(jù)篩選出來(lái)，匯總?cè)∑骄?。有了平均站點(diǎn)車(chē)輛數(shù)后，我們還要去看站點(diǎn)內(nèi)的可用車(chē)的情況。如果可用車(chē)輛數(shù)大于計(jì)算出來(lái)站點(diǎn)的出站數(shù)，就取出站數(shù)；如果可用車(chē)輛數(shù)小于出站數(shù)，就取站內(nèi)可用車(chē)輛數(shù)。

第二步我們要計(jì)算某一時(shí)刻站點(diǎn)間轉(zhuǎn)移概率，會(huì)用到兩個(gè)維度的特征數(shù)據(jù)。一是站點(diǎn)數(shù)據(jù)，包括站點(diǎn)間流轉(zhuǎn)訂單、站點(diǎn)間車(chē)輛騎行時(shí)長(zhǎng)。二是外部數(shù)據(jù)，包括節(jié)假日數(shù)據(jù)和天氣特征。它是一個(gè)統(tǒng)計(jì)問(wèn)題，又因?yàn)槲锢硎澜缰袝?huì)存在某種意外概率的事件，為了能夠模擬這些意外概率的事件，我們加入輪盤(pán)賭選擇法，來(lái)使我們仿真的結(jié)果更貼近于物理世界。統(tǒng)計(jì)方式有些類似，都是取一個(gè)月內(nèi)相同日期特征，計(jì)算不同站點(diǎn)之間流轉(zhuǎn)概率的平均匯總。

第三步是結(jié)合流出車(chē)輛數(shù)據(jù)和站點(diǎn)間流轉(zhuǎn)概率，模擬特定時(shí)刻站點(diǎn)間車(chē)輛流轉(zhuǎn)情況。如圖所示，0點(diǎn)10分站點(diǎn)A流出10輛車(chē)，結(jié)合流轉(zhuǎn)概率，我們可以得出站點(diǎn)A會(huì)往B流出5輛車(chē)，站點(diǎn)A會(huì)往C流出3輛車(chē)，站點(diǎn)A會(huì)往D流出2輛車(chē)，同樣其他站點(diǎn)用類似的計(jì)算方式會(huì)得出流轉(zhuǎn)方式。 仿真會(huì)帶來(lái)一些優(yōu)勢(shì)：

能夠修正錯(cuò)誤，特定日期可能會(huì)有異常，如某個(gè)站點(diǎn)當(dāng)日流出5輛車(chē)，并不代表它的真實(shí)需求是5輛車(chē)，可能是因?yàn)檫@個(gè)站點(diǎn)內(nèi)只有5輛車(chē)，所以只能最多流出5輛車(chē)。我們有歷史數(shù)據(jù)作為依據(jù)，可以修正異常值。

降低偶然性，如某些站點(diǎn)某一時(shí)刻會(huì)由于熱點(diǎn)事件，如臺(tái)風(fēng)天氣或演唱會(huì)舉辦等事件帶來(lái)需求的波動(dòng)，并不代表普遍的效果。

介紹完車(chē)輛自然流轉(zhuǎn)模擬，這里有個(gè)問(wèn)題，什么結(jié)果是好的仿真結(jié)果？于是就有了逼真度的概念。逼真度是用來(lái)量化仿真系統(tǒng)的一種途徑，在一定程度上能夠體現(xiàn)出仿真系統(tǒng)的正確性和可信度。而只有保證仿真系統(tǒng)的正確性和可信度，仿真結(jié)果才具有實(shí)際應(yīng)用價(jià)值。

第一個(gè)維度是數(shù)據(jù)源和建模，我們假設(shè)數(shù)據(jù)源選取某城市、某日期，計(jì)算每個(gè)站點(diǎn)在每個(gè)時(shí)刻的真實(shí)流出，計(jì)算每個(gè)站點(diǎn)在每個(gè)時(shí)刻的仿真流出。我們會(huì)做兩個(gè)維度的建模，站點(diǎn)維度和時(shí)間維度。站點(diǎn)維度建模是指我們按照真實(shí)流出和仿真流出兩個(gè)指標(biāo)，匯總出每一個(gè)站點(diǎn)在所有時(shí)刻的總流出并排序，會(huì)得到站點(diǎn)維度的真實(shí)排序和站點(diǎn)維度的仿真排序。時(shí)間維度建模是匯總每個(gè)小時(shí)在這個(gè)城市所有站點(diǎn)的總流出并按時(shí)間排序，得出時(shí)間維度的真實(shí)排序和時(shí)間維度的仿真排序。

這里我們?cè)u(píng)估逼真度，借鑒了偽時(shí)間排序分?jǐn)?shù)POS算法，設(shè)計(jì)仿真流轉(zhuǎn)排序相似性算法。舉個(gè)例子，如圖是時(shí)間維度的排序，我們看到按照相似性算法，真實(shí)流出在0-1時(shí)是遞減的，所以我們用“-”，0-2時(shí)是遞增的，所以我們用“+”。仿真流出數(shù)據(jù)也按照這個(gè)邏輯。我們會(huì)發(fā)現(xiàn)0-2時(shí)真實(shí)流出和仿真流出不一致，因此我們得出排序相似性是83%。

依據(jù)這樣的計(jì)算方式，我們對(duì)某個(gè)城市某一時(shí)刻的數(shù)據(jù)做逼真度的分析，會(huì)得出兩個(gè)結(jié)果。時(shí)間維度上站點(diǎn)每小時(shí)的真實(shí)流出與仿真流出，在24小時(shí)的排序相似度達(dá)到93%；站點(diǎn)維度上排序相似度達(dá)到85%。因此我們得出，真實(shí)流出跟仿真流出的數(shù)據(jù)具有高度的相似性。 工程支撐

工程支撐主要借助工程的能力，融合特征和模型去實(shí)現(xiàn)仿真世界的演化。這里會(huì)用到很多的技術(shù)能力，如地圖引擎、服務(wù)調(diào)度、報(bào)表分析、過(guò)程回放和數(shù)倉(cāng)數(shù)據(jù)計(jì)算。我們將其歸納成三個(gè)維度，包括數(shù)據(jù)計(jì)算、調(diào)度中臺(tái)和前端效果。

仿真數(shù)據(jù)具有三大特點(diǎn)：

數(shù)據(jù)量大，哈啰單車(chē)和助力車(chē)覆蓋近千個(gè)城市，近百萬(wàn)站點(diǎn)，近千萬(wàn)輛車(chē)，有上億的訂單和IOT數(shù)據(jù)上報(bào)。

數(shù)據(jù)結(jié)構(gòu)復(fù)雜，數(shù)據(jù)來(lái)源多樣性，導(dǎo)致結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)都混合在一起。

計(jì)算粒度細(xì)、周期長(zhǎng)，如果在仿真的時(shí)候去臨時(shí)計(jì)算，成本會(huì)非常高，因此我們借助了數(shù)倉(cāng)的離線計(jì)算能力，提高效率。

如圖是實(shí)驗(yàn)創(chuàng)建執(zhí)行流程，以此介紹調(diào)度中臺(tái)的工作過(guò)程。首先是用戶在前端創(chuàng)建實(shí)驗(yàn)，調(diào)度中臺(tái)通過(guò)實(shí)驗(yàn)創(chuàng)建環(huán)節(jié)，會(huì)把用戶創(chuàng)建實(shí)驗(yàn)的配置信息、城市、模型信息存儲(chǔ)到在線存儲(chǔ)里去。如果用戶在前端進(jìn)行實(shí)驗(yàn)執(zhí)行的操作，調(diào)度中臺(tái)通過(guò)實(shí)驗(yàn)調(diào)度的環(huán)節(jié)，根據(jù)之前配置的信息，整合相關(guān)的特征數(shù)據(jù)的集合，包括實(shí)驗(yàn)周期的約束條件，傳遞給仿真算法，這是異步的過(guò)程。數(shù)據(jù)傳遞過(guò)去后，仿真算法會(huì)根據(jù)粒度和周期去調(diào)用在線和離線數(shù)據(jù)作為模型入?yún)?，?zhí)行算法決策。 在周期執(zhí)行過(guò)程中，算法會(huì)把過(guò)程記錄通過(guò)消息的方式實(shí)時(shí)反饋給調(diào)度中臺(tái)，調(diào)度中臺(tái)會(huì)把這些數(shù)據(jù)進(jìn)行過(guò)程指標(biāo)的計(jì)算，并把過(guò)程結(jié)果和指標(biāo)結(jié)果落庫(kù)到在線存儲(chǔ)里去。前端就可以實(shí)時(shí)查看實(shí)驗(yàn)的過(guò)程，對(duì)實(shí)驗(yàn)的過(guò)程進(jìn)行操作干預(yù)。仿真算法執(zhí)行完成后，調(diào)度中臺(tái)會(huì)對(duì)整個(gè)實(shí)驗(yàn)數(shù)據(jù)做存儲(chǔ)和規(guī)格化的處理，能夠給前端提供過(guò)程回放和實(shí)驗(yàn)數(shù)據(jù)的展現(xiàn)，這是整個(gè)的實(shí)驗(yàn)流程。

仿真系統(tǒng)是我們算法測(cè)試平臺(tái)的一個(gè)子服務(wù)，平臺(tái)還涵蓋數(shù)據(jù)質(zhì)量監(jiān)控、服務(wù)可用性監(jiān)測(cè)、模型性能評(píng)測(cè)、模型效果評(píng)測(cè)、語(yǔ)音識(shí)別評(píng)測(cè)、文本識(shí)別評(píng)測(cè)和圖像識(shí)別評(píng)測(cè)。 算法測(cè)試平臺(tái)采用微服務(wù)的設(shè)計(jì)思路，最外層有web服務(wù)層，對(duì)接所有的上游前端業(yè)務(wù)，底層可分為四大中心：

調(diào)度中心（負(fù)責(zé)所有管理行為，如數(shù)據(jù)調(diào)度，任務(wù)管理，策略管理，告警管理，計(jì)算調(diào)度等）

數(shù)據(jù)計(jì)算中心（負(fù)責(zé)所有計(jì)算行為，如實(shí)時(shí)&離線數(shù)據(jù)計(jì)算，數(shù)據(jù)轉(zhuǎn)換，數(shù)據(jù)訂正等）

數(shù)據(jù)分析統(tǒng)計(jì)中心（負(fù)責(zé)指標(biāo)統(tǒng)計(jì)類行為，因?yàn)橹笜?biāo)計(jì)算規(guī)則變化頻繁且靈活多樣，因此在該中心下連接多個(gè)腳本環(huán)境容器，如python，groovy等，通過(guò)平臺(tái)在線編輯能力，允許用戶靈活調(diào)整，隨時(shí)變更指標(biāo)分析與統(tǒng)計(jì)腳本）

數(shù)據(jù)中心（負(fù)責(zé)所有內(nèi)外部數(shù)據(jù)訪問(wèn)收口及三方服務(wù)訪問(wèn)收口，并通過(guò)提高該服務(wù)的應(yīng)用等級(jí)，保障整個(gè)系統(tǒng)的穩(wěn)定性）。

它們各司其職，保證協(xié)作的穩(wěn)定性和迭代開(kāi)發(fā)的效率。

前端效果總覽包括實(shí)驗(yàn)的管理、仿真過(guò)程回放和各項(xiàng)指標(biāo)評(píng)測(cè)結(jié)果：

仿真實(shí)驗(yàn)室，作為仿真系統(tǒng)的入口，提供了實(shí)驗(yàn)創(chuàng)建、篩選和實(shí)驗(yàn)過(guò)程管控。

實(shí)驗(yàn)配置，可以去設(shè)置實(shí)驗(yàn)相關(guān)的參數(shù)，如仿真區(qū)域、時(shí)間區(qū)間、時(shí)間粒度等。

仿真回放，我們嵌入了地圖的渲染引擎，提供觀測(cè)不同模型的車(chē)輛流轉(zhuǎn)效果和數(shù)據(jù)變化過(guò)程的能力。

實(shí)驗(yàn)報(bào)告，提供各項(xiàng)評(píng)估指標(biāo)數(shù)據(jù)、報(bào)表化展示、交叉對(duì)比驗(yàn)證的能力。

收益和展望

仿真系統(tǒng)的收益歸納起來(lái)有六點(diǎn)：

城市覆蓋，原先城市覆蓋的數(shù)量有限且成本高，仿真系統(tǒng)可以支持全國(guó)400多個(gè)城市的任意選擇。

評(píng)估效率，原先評(píng)估效率是周級(jí)別，仿真系統(tǒng)評(píng)估效率是小時(shí)級(jí)別。

線上質(zhì)量，原先線上回收正向率低，仿真系統(tǒng)線上回收正向率預(yù)計(jì)提高兩倍。

評(píng)估指標(biāo)，原先評(píng)估指標(biāo)比較簡(jiǎn)單，回收也相對(duì)麻煩，仿真系統(tǒng)可以定制多維度的指標(biāo)。

干擾因素，原先有很多不可控因素，仿真系統(tǒng)干擾項(xiàng)都是可感知可控制的。

過(guò)程分析，原先過(guò)程變化是看不到的，仿真系統(tǒng)過(guò)程可回放、可分析。

當(dāng)前我們是在平臺(tái)化階段，依托仿真平臺(tái)化建設(shè)，實(shí)現(xiàn)車(chē)輛調(diào)度類算法評(píng)測(cè)賦能，帶來(lái)六大收益。后面我們希望能夠?qū)崿F(xiàn)場(chǎng)景化，借助場(chǎng)景化建模，實(shí)現(xiàn)業(yè)務(wù)場(chǎng)景無(wú)感接入，靈活擴(kuò)展。第三個(gè)階段是智能化仿真世界，我們希望能夠?qū)崿F(xiàn)智能感知特征數(shù)據(jù)、自主學(xué)習(xí)規(guī)則模型、智能分析評(píng)測(cè)效果。最后是業(yè)務(wù)賦能，我們希望能夠賦能更多的業(yè)務(wù)場(chǎng)景，去實(shí)現(xiàn)線下的推演和可行性的驗(yàn)證，助力業(yè)務(wù)的高速增長(zhǎng)。

編輯：黃飛