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
0
430
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
Tweet
Share
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
3
630
Active Learning の基礎と最近の研究
ftakahashi
0
41
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
980
明日使えるかもしれないLoss Functionsのアイディアと実装
ftakahashi
16
4.8k
時系列予測にTransformerは有効か?
ftakahashi
2
500
SIGSPATIAL2020 参加報告
ftakahashi
3
860
ドライブレコーダーの映像で Scene Text Recognitionする
ftakahashi
0
1.2k
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
ftakahashi
1
3.3k
JapanTaxi R&Dの取り組み事例
ftakahashi
0
110
Other Decks in Programming
See All in Programming
Kotlin Multiplatform Meetup - Compose Multiplatform 외부 의존성 아키텍처 설계부터 운영까지
wisemuji
0
180
AtCoder Conference 2025
shindannin
0
960
インターン生でもAuth0で認証基盤刷新が出来るのか
taku271
0
180
Findy AI+の開発、運用におけるMCP活用事例
starfish719
0
2.2k
コントリビューターによるDenoのすゝめ / Deno Recommendations by a Contributor
petamoriken
0
180
フルサイクルエンジニアリングをAI Agentで全自動化したい 〜構想と現在地〜
kamina_zzz
0
370
Deno Tunnel を使ってみた話
kamekyame
0
340
ZJIT: The Ruby 4 JIT Compiler / Ruby Release 30th Anniversary Party
k0kubun
1
380
Spinner 軸ズレ現象を調べたらレンダリング深淵に飲まれた #レバテックMeetup
bengo4com
1
220
Vibe Coding - AI 驅動的軟體開發
mickyp100
0
150
gunshi
kazupon
1
140
メルカリのリーダビリティチームが取り組む、AI時代のスケーラブルな品質文化
cloverrose
2
490
Featured
See All Featured
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.7k
Ethics towards AI in product and experience design
skipperchong
2
180
Bootstrapping a Software Product
garrettdimon
PRO
307
120k
End of SEO as We Know It (SMX Advanced Version)
ipullrank
2
3.9k
Hiding What from Whom? A Critical Review of the History of Programming languages for Music
tomoyanonymous
2
370
Crafting Experiences
bethany
1
34
The Spectacular Lies of Maps
axbom
PRO
1
440
Tell your own story through comics
letsgokoyo
1
790
Self-Hosted WebAssembly Runtime for Runtime-Neutral Checkpoint/Restore in Edge–Cloud Continuum
chikuwait
0
290
Impact Scores and Hybrid Strategies: The future of link building
tamaranovitovic
0
190
Practical Orchestrator
shlominoach
191
11k
DBのスキルで生き残る技術 - AI時代におけるテーブル設計の勘所
soudai
PRO
61
48k
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