GFM2020 |刘行亮：共享两轮助力构建城市慢行生活圈

10月29-30日，“第四届全球未来出行大会（GFM2020）”在德清隆重召开，本次大会由中国电动汽车百人会和智能汽车与智慧城市协同发展联盟联合召开，旨在探讨未来的城市、未来的出行、未来的汽车如何为居民提供更加经济、便捷、安全、科技友好的新出行方式。下面是哈啰出行数据算法首席科学家刘行亮在本次论坛上的发言：

哈啰出行数据算法首席科学家刘行亮

我想分享一下慢生活圈，刚才很多嘉宾介绍了四轮出行的解决方案。除了四轮这样快速便捷的到达我们想去的目的地，其实两轮是整个城市道路交通去辅助城市用户出行一个非常重要的毛细血管的出行方式。

随着现在道路交通面越来越广、出行方式越来越多，特别是未来面对无人驾驶一些新的技术场景，怎么样到达那一步，在当下先看一下。

哈啰出行是以一家科技驱动出行生态变化作为自己的使命和愿景，所以我们在绿色低碳、轻松出行方面做了很多科技上的创新，今天会介绍一些新的黑科技给到大家。

公司目前服务用户情况

从目前来看，主要服务用户群体以两轮出行业务场景为主，在共享单车和共享助力车已经服务了4亿用户群体，这样用户骑行情况下，目前已经在400多个城市和地区建立了自己的运营区域，能够服务于全国一二线城市、三四线城市用户，特别是在四五线城市、三四线城市，公交体系不是特别健全或完善的情况下，两轮出行基本上占到了60%以上的出行频次。整体来看，除了单车，现在助力车方面快速覆盖全国城市。

从总里程数来看，四年多时间，基本上能够做到接近300亿公里的总骑行里程数，这是非常大的用户服务群体。

除了两轮，我们现在也布局四轮，在顺风车场景里，目前已经覆盖303个城市，在上海、北京、珠三角、长三角这些区域，整个顺风车业务量级非常快，在刚刚过去的十一长假期间8天时间里服务了570万人次的出行。除了顺风车、聚合打车平台以外，今天同时也在中山市第一个城市开了自己的哈啰打车，今天也正式布局了网约车业务场景，除了两轮共享出行、四轮共享出行之外，电动车换电也是在很多城市做布局和试点。

刚才看到我们的数字是四轮有很大的业务场景和需求量，但实际上在中国这样一个以两轮出行为主的城市里，每天有10亿出行频次。其中在自行车（单车）骑行频次来看，每天接近3亿次，两轮电动车市场，特别是在四五线城市公共交通不是特别发达的地区，不管是共享的还是自有的电动车，已经有7亿次每天的骑行频次。所以市场空间和用户需求非常高的频次。

基于这样一个大的场景下，整个中国，特别是在一二线城市道路交通非常繁忙，四轮出行比较拥挤的情况下，很多城市政府开始推行慢生活，慢生活主要是以步行、公共交通以及两轮出行为主，构建出我们在3公里左右范围内能够随意、通畅、快速、便捷、安全地做生活圈。在北京政府已经规定了一条从昌平到回龙观只能自行车出行的道路作为慢生活区域的示范点。今年5月底，正好是道路满一年的交付周期，统计下来有140万人次在这条道路上进行骑行。除了北京之外，还有在上海、浙江等很多地区看到生活的绿道、公园出行场景里都有自己专行的区域，在这些区域里构建成了城市非常靓丽的风景线。

作为慢出行系统，共享两轮是非常重要的一个出行组成部分。特别是在一二线城市出行时，经常遇到城市道路拥堵情况，就像高德导航里，我喜欢用岳云鹏导航的播报，经常听到一句话“前方有堵车了，我们看自行车边蹬边笑。”未来有很多城市道路路网优化方案、无人驾驶技术手段去优化，但当下目前共享单车出行是帮助我们可以快速、便捷和安全到达目的地的有效补充。它同时也是和我们公共交通无缝联接，很多地铁站也好、公交站也好，旁边都可以看到共享两轮车辆，极大的方便了很多以公共交通出行为主用户最后一公里到家的出行场景。这其实是我们辅助于慢生活城市圈构建的基础设施。

5亿多用户群体是哈啰服务的用户，涵盖在城市、乡村各种各样的出行场景里，有的是因为上下班的通勤，也有在大学校园里的骑行需求，同时在公园景点里也需要我们这样一个两轮出行、绿色出行方便的工具。

作为共享出行这样一个便捷的工具，其实和地铁、单车、生活服务类场景，包括出游、上下班通勤，实际上是一个无缝联接，所以未来哈啰也会打造一个生活服务类平台，除了在出行领域之外，也会联接很多大家日常所需要的生活服务。

作为慢生活圈的基础设施，我们认为基础设施需要具备哪几个重点要素？

第一，便捷。需要用车时就能找到一辆合适、一辆好用的车。早期共享单车出来时，会看到五颜六色的车堆积在路面，看起来有很多车，骑着就可以走，但实际上对于道路，特别是人行横道、地铁口、小区门口会造成拥塞，并不是真正产生便捷出行的方案。

第二，保证出行工具安全性。因为我们都不希望有一个交通工具出去之后还有生命安全或会有一些安全隐患，导致用户身体受伤害，所以安全其实也是非常重要的一个基础设施的特质。

第三，有序。所谓有序，除了能够很方便地找到一辆可骑行的车之外，对城市道路管理来说也需要有智能化、精细化的工具，帮助我们车辆不是野蛮地投放到路面上去，导致城市道路管理杂乱无章。

以上三个要素是我们组成慢生活圈的基础设施的三要素。

围绕这三要素，因为我们用户有4亿多，城市覆盖400多，不可能靠很多线下人员去做一个一个站点、一个一个车辆的维护，所以必须通过智能化和数据化的技术手段去解决上述说到的这三个问题。

为什么要做调度？

因为在很多出行场景里，特别是在早高峰或晚高峰时，从地铁或小区出来想找一辆车比较难，因为有可能很多车辆已经被其他用户骑走了，我想用的时候会发现真的想用的车是没有的，怎么捕获到这些用户需求，然后在合适时间、合适地点把这个车投放到合适的位置上，以满足用更少的车辆、更有序地保证用户的骑行需求，这就是产生了调度的场景。当然，我们目前的调度还是通过线下运维的运力，通过卡车或三轮车把对应的其他站点车辆投放过去。但投哪些车，从哪个站点搬出去，投到哪个目标站点上去，这个必须要通过智能化和智慧化手段去解决，这个衍生出来我们算法和机器学习能够帮助甚至超越人工调度最有力的场景。

首先我们通过大数据仿真把人工以前的经验，结合当下用户出行的轨迹，以及常住地址进行供需预测，做大数据仿真和模拟，同时用一些机器学习的算法去做一些深度用户供需的预测。同时会对于不同的目标，因为有些站点是供大于求，有些站点供小于求，如何平衡这些站点之间供需，去把最终合理的车辆数投放到需要投放的位置，这就是整个算法的流程。

会用到很多数据和相关算法，会针对一些POR信息，包括也和四维图新合作，采集一些用户常住地，也会分别识别出来到底哪些地方是小区，哪些地方是写字楼，哪些地方是公交出行的站点，去做供需以及用户实际到达位置进行匹配。同时也会结合天气、车辆情况，因为我们也是希望有一些人对于车的要求和选择，结合车况不同做一些投放，所以是多目标的机器学习的命题。我们通过历史经验会做一些机器学习的预测，也会增加强化学习，弥补我们特征不足的情况，做模型的优化。最终能够实现收益最大化，同时兼顾任务量，以及新增热点探索。因为有些小区其实是新开小区，如果用户在他所需要的地方是新增需求，我们可以比人工更为快速识别到。

从目前来看，智能调度每天能够为原来人工所调度的用户提供多一次的骑行，这其实是我们整个算法能力比人工运营带来效益的增加。

骑行安全

安全是所有出行交通工具的底线，大家可能会认为两轮其实就是车架+轱辘，会有什么样的安全风险？其实在用户骑行过程中和骑行前，因为我们的车是摆在路面上风吹日晒的，和私家车不太一样，会有定期维护和保养，我们也会有定期维护和保养，但不可能投放下去千万辆共享车辆，每天或每周能够准确地把所有车全部拿回来翻修，所以就存在我们要能够精准地识别到投放到路面风吹日晒的这些车辆，哪些是有故障的，这就必须要我们能够智能化地去识别，因为靠人工一辆车一辆车地看和修是不现实的。

所以我们会结合包括车辆地理位置信息，比如阴雨天气比较多的季节，在某些南方城市重点关注这些城市车辆状况，包括车辆开锁关锁的一些事件能够实时捕捉，以及车辆历史行程的难度，包括当前经常行驶的路面，因为我们能够拿到每一辆车的行驶轨迹以及智能化的传感器信息，去做拟合预测。

通过运维人员和用户对故障车采用上报形式，比如拍一张照片，通过图片识别判断这辆车到底哪个零部件出现问题。做了车辆故障之后，会给车辆做一个健康分的预测，会识别持续到底这个车辆是可骑行，还是存在一些潜在风险，把这个识别出来之后，当用户去扫码开锁这辆车同时，实时计算这辆车可能出问题的概率到底有多大。如果识别出来这辆故障车可能会造成用户骑行一些风险或不便，会引导说这辆车有故障，请骑旁边更为健康的一辆车，这是在事前。

同时我们在事中也会做一些风险预警。因为在骑行过程中，哪怕骑了一辆我们认为好车，但经过下坡路面或有四轮车辆经常来往，或经常发生事故的路面时，我们也会及时做一些提醒。比如“前方有陡坡，请下车推行”，这样一些安全的关怀在用户行中也会对用户安全感以及用户安全保障提供很好的辅助作用。

最为核心的是什么？

当骑行用户真的不幸遇到交通事故摔倒或出现交通事故，不希望他遭受二次伤害。自行车倒地其实不会产生非常致命的伤害，但如果周边正好驶来一辆汽车，可能造成二次伤害更为致命，这种安全情况下，我们能够非常实时接近于秒级去识别这辆车是否异常倒地，通过传感器能够快速知道这辆车骑行轨迹里发生了碰撞或异常倒地，会通过蓝牙音箱去播报警铃，提醒过往机动车绕行。

最后如何做到有序？

整个城市道路交通管理不希望是野蛮式投放车辆，刚才也有老师说到我们在某些城市管理过程中会要求有多少辆车能够投放的配额，其实最终要这个配额也是希望能够把有效的车放到有效的地方，让用户能够很好地骑。在这种情况下，会通过很多IoT设备传感器信息，包括磁力计、加速计、陀螺仪，去捕获整个车辆行驶轨迹，能够做到亚米级定位，当我们在电子地图上划一个白线框，实际路面的车是否真的能停到这个白线框，并且和路面呈90度夹角，就是通过传感器信息和机器学习算法做精准预测和识别。当用户没有按照指定区域和姿态停车时，我们能够及时做干预，保证用户能够知悉应该按照什么样的方式做规范的停车，能够保证整个路面完整有序。

这是我们在路面上用户体验的情况，能够为哪些地方会产生拥堵、哪些地方车辆已经超出限定范围，都能实时预测和判断，提醒用户可能骑到这个站点不太合适，旁边有一个空的站点可以骑行进去。

电子围栏+精准定位，能够帮助用户有序在路面上进行停车。

当没有按我们要求进行准确停车时，APP会提醒他应该怎么样停车。

蓝牙定位技术，如果没有停放到指定位置，关锁会失败。

能够实现这一切最终的底层技术是什么？就是AI+IoT的技术能力。我们通过自己的算法和大数据计算能力+IoT传感器芯片信息上传，能够管理千万级的车辆，让它能够更为有序、更为安全、更为便捷地为所有用户提供服务。

谢谢大家！

（注：本文根据现场速记整理，未经演讲嘉宾审阅，仅作为参考资料，请勿转载！）