Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
jsai2019.pdf
Search
fumihiko takahashi
June 04, 2019
Programming
490
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
jsai2019.pdf
第33回人工知能学会全国大会 のインダストリアルセッションで登壇した時の資料
https://www.ai-gakkai.or.jp/jsai2019/
fumihiko takahashi
June 04, 2019
More Decks by fumihiko takahashi
See All by fumihiko takahashi
学習データって増やせばいいんですか?
ftakahashi
4
2.4k
Active Learning の基礎と最近の研究
ftakahashi
0
110
単一の深層学習モデルによる不確実性の定量化の紹介 ~その予測結果正しいですか?~
ftakahashi
3
1.2k
明日使えるかもしれないLoss Functionsのアイディアと実装
ftakahashi
16
5.1k
時系列予測にTransformerは有効か?
ftakahashi
3
720
SIGSPATIAL2020 参加報告
ftakahashi
3
930
ドライブレコーダーの映像で Scene Text Recognitionする
ftakahashi
0
1.3k
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
ftakahashi
1
3.4k
JapanTaxi R&Dの取り組み事例
ftakahashi
0
150
Other Decks in Programming
See All in Programming
TSKaigi Night Talks 2026_TypeScriptでサプライチェーンの整合性を型に閉じ込める
geekplus_tech
0
350
その問い、本当に正しいですか?AI時代のエンジニアに必要な哲学と認知科学 / ai-philosophy-cognitive-science
minodriven
9
5.4k
ユニットテストの先へ:テスト技法で要求・仕様を整理するJava開発実践 / Beyond_Unit_Testing_Practical_Java_Development_Techniques_for_Organizing_Requirements_and_Specifications
shimashima35
0
400
依存関係から依存物へ―Dependencyという言葉の歴史をひも解く
j_lee
0
120
AIとASP.NET Coreで雑Webアプリを作った話
mayuki
0
640
Contextとはなにか
chiroruxx
1
330
The ROI of Quarkus for Spring Boot Applications
hollycummins
0
120
CSC307 Lecture 17
javiergs
PRO
0
320
Webフレームワークの ベンチマークについて
yusukebe
0
170
AI時代のUIはどこへ行く?その2!
yusukebe
21
7.2k
Creating Composable Callables in Contemporary C++
rollbear
0
130
TAKTでAI駆動開発の品質を設計する
j5ik2o
7
1.3k
Featured
See All Featured
Discover your Explorer Soul
emna__ayadi
2
1.1k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
28
3.5k
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
62
44k
How to Align SEO within the Product Triangle To Get Buy-In & Support - #RIMC
aleyda
2
1.5k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
34
2.8k
So, you think you're a good person
axbom
PRO
2
2.1k
We Analyzed 250 Million AI Search Results: Here's What I Found
joshbly
1
1.4k
DevOps and Value Stream Thinking: Enabling flow, efficiency and business value
helenjbeal
1
240
What’s in a name? Adding method to the madness
productmarketing
PRO
24
4.1k
Building the Perfect Custom Keyboard
takai
2
800
HDC tutorial
michielstock
2
710
Prompt Engineering for Job Search
mfonobong
0
350
Transcript
Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved +BQBO5BYJͷ"*׆༻ࣄྫ
࣍ੈϞϏϦςΟࣄۀ෦ ϞϏϦςΟݚڀ։ൃάϧʔϓ ߴڮ จ 2019.06.04 第33回⼈⼯知能学会全国⼤会
Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved JapanTaxi
交通系スタートアップ
3 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
タクシーの 配⾞プラットフォーム 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 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
活⽤事例1:タクシーのお迎え時間予測
5 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
タクシー配⾞アプリ「JapanTaxi」 • マップ上で指定したピン位置にタクシーを⼿配 • 乗⾞料⾦の決済もアプリ上で可能 • 全国47都道府県で約7万台 (全国のタクシー⾞両1/3)が対応 • 700万ダウンロード達成
6 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
課題:注⽂キャンセルの問題 Ωϟϯηϧ ंจ ୳ं։࢝ ंܾఆΛ௨ ड ंػձͷଛࣦ Ϣʔβʔ ंγεςϜ υϥΠόʔ Ωϟϯηϧ௨ ܴं։࢝ ंจޙʹΩϟϯηϧ͞ΕΔͱɺυϥΠόʔʹͱͬͯػձଛࣦ
7 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
配⾞時間期待値のギャップ ͘Β͍Ͱ དྷΔ͔ͳʁ ͔͔ΔͳΒ ଞͷަ௨खஈΛ ͓͏ Ωϟϯηϧ ंจ ୳ं։࢝ ౸ண࣌ؒΛܭࢉ ड ंػձͷଛࣦ Ϣʔβʔ ंγεςϜ υϥΠόʔ Ωϟϯηϧ௨ ܴं։࢝
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⽰ ͘Β͍Ͱ དྷΔ͔ͳʁ ंจ ͠ͳ͍ Ϣʔβʔ ंγεςϜ υϥΠόʔ ࣄલʹ౸ண༧࣌ؒΛ ఏࣔͯ͠ظௐΛ ߦ͏ ͘Β͍Ͱ དྷΔ
9 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
⽬的:事前にお迎え時間を予測 ީิ̍ త • λΫγʔ͕͓ܴ͑ॴʹ౸ண͢Δ·Ͱʹ ͔͔Δ࣌ؒΛ༧ଌ͢Δ • ͓ܴ͑ॴʹ͔͏λΫγʔ ֬ఆ͍ͯ͠ͳ͍ ͓ܴ͑ॴ ީิ ީิ̏ ީิ̐
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 ंީิͷं྆ͷಛྔ • ग़ൃͷҢܦ • ͓ܴ͑ॴҢܦ • ग़ൃ࣌ͷํɾ • ͓ܴ͑ॴͷํɾઢڑ • ઢڑ͕͍ۙॱ൪ ं྆Ҏ֎ͷڥͷಛྔ • ɺ༵ɺ࣌ؒ • ॕɺٳ "UUFOUJPOػߏ • ػց༁ը૾ೝࣝͳͲͰΘΕΔ ωοτϫʔΫߏ • ೖྗʹԠͯ͢͡Δ͖ಛྔʹ େ͖ͳॏΈ͕༩͞ΕΔ • ࣮ࡍʹं͞ΕΔं྆ͷॏΈ͕େ͖ ͘ͳΔ͜ͱΛظ 到着時間
11 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
予測精度の評価結果 • "UUFOUJPO/FVSBM.PEFM͕࠷."&ͱ5PP'BTUFS3BUF͕খ͍͞ • ຊγεςϜڥͷ߹ɺػցֶशϕʔεͷํ͕ߴ 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 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
表⽰有無のA/Bテスト • ఏҊϞσϧΛͬͨ༧ଌ౸ண࣌ؒΛදࣔ • දࣔͷ༗ແͰ"#ςετ • ΩϟϯηϧͱจΛൺֱ͠ධՁ • ౸ண࣌ؒ༧ଌΛදࣔͨ͠ํ͕༏ҐʹΩϟ ϯηϧ͕͍ • จେ͖͘ݮΔ͜ͱͳ͔ͬͨ
13 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
活⽤事例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⾦認識~
14 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
1⽇のタクシー動態の様⼦
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⾞両
16 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
ガソリンスタンド料⾦の⾃動認識
17 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
ガソリンスタンド料⾦の⾃動認識
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 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
活⽤事例3:ドライブレコーダーの動画像分析 ~⾃⾞レーン認識~
20 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
⾃⾞レーンの認識 • ⽬的:詳細な位置推定 • ⾞線単位での混雑度合い • ドライビングパターン • 課題:現状の⾃⼰位置推定の精度が悪い • GPSの誤差は数⼗メートル • 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⾃⾞レーンを認識 ⾃⾞レーン:2 全⾞線数:3
21 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
22 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
Lane Net を使った⾃⾞レーンの認識 後処理 ⾞線計算 [Towards End-to-End Lane Detection: an Instance Segmentation Approach, Davy et al. , 2018] • ंઢͷ͖͕ਖ਼ͷຊΛΧϯτ͠ɺࣗंҐஔΛܭࢉ
23 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
まとめ
24 Proprietary and Confidential ©2017 JapanTaxi, Inc. All Rights Reserved
JapanTaxiにおけるAI活⽤ • 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を活⽤ • 事例1:到着時間予測 • 事例2:ガソリンスタンド料⾦の⾃動認識 • 事例3:⾃⾞レーンの認識 • 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⽤ を⽬指す
〒102-0094 東京都千代⽥区紀尾井町3-12 3-12 Kioicho Chiyoda-ku, Tokyo 102-0094 Japan TEL 03-6265-6265
FAX 03-3239-8115 www.japantaxi.co.jp ⽂章·画像等の内容の無断転載及び複製等の⾏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