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
410
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
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
870
明日使えるかもしれないLoss Functionsのアイディアと実装
ftakahashi
16
4.4k
時系列予測にTransformerは有効か?
ftakahashi
2
360
SIGSPATIAL2020 参加報告
ftakahashi
3
830
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
91
Attention機構を使った 配車車両未確定状態における タクシー到着時間予測
ftakahashi
1
86
Other Decks in Programming
See All in Programming
Software Architecture
hschwentner
6
2.3k
モテるデスク環境
mozumasu
3
1.3k
TFLintカスタムプラグインで始める Terraformコード品質管理
bells17
2
450
Android16 Migration Stories ~Building a Pattern for Android OS upgrades~
reoandroider
0
140
Things You Thought You Didn’t Need To Care About That Have a Big Impact On Your Job
hollycummins
0
260
SODA - FACT BOOK(JP)
sodainc
1
8.8k
Building, Deploying, and Monitoring Ruby Web Applications with Falcon (Kaigi on Rails 2025)
ioquatix
4
2.5k
マンガアプリViewerの大画面対応を考える
kk__777
0
260
Go言語はstack overflowの夢を見るか?
logica0419
0
610
Domain-centric? Why Hexagonal, Onion, and Clean Architecture Are Answers to the Wrong Question
olivergierke
3
980
TransformerからMCPまで(現代AIを理解するための羅針盤)
mickey_kubo
7
5.4k
When Dependencies Fail: Building Antifragile Applications in a Fragile World
selcukusta
0
110
Featured
See All Featured
Rebuilding a faster, lazier Slack
samanthasiow
84
9.2k
What’s in a name? Adding method to the madness
productmarketing
PRO
24
3.7k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Learning to Love Humans: Emotional Interface Design
aarron
274
41k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
10
890
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3.1k
Principles of Awesome APIs and How to Build Them.
keavy
127
17k
Scaling GitHub
holman
463
140k
Build The Right Thing And Hit Your Dates
maggiecrowley
38
2.9k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
31
2.7k
Building Better People: How to give real-time feedback that sticks.
wjessup
369
20k
Music & Morning Musume
bryan
46
6.9k
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