大数据文摘出品
4月29日消息，为持续推进行程时长预测问题研究，滴滴联合GIS（地理信息系统）领域国际顶会ACM SIGSPATIAL发布ACM SIGSPATIAL GISCUP 2021比赛，鼓励研究者们以滴滴新开放的行程时长数据集，进一步提升时间预测精度。
预测到达时间（预计到达时间，简称ETA），是智能交通和位置信息服务中主要又极具复杂性和挑战性的问题。道路红绿灯的个数，红绿灯延迟周期；还要考虑交通系统的时间特性，有时早高峰的规律性拥堵和交通事故导致的偶发性拥堵等。同时，因为交通系统的运行需要人和车作为主体来参与，不同驾驶员的驾驶习惯，雨天雾天对行车速度的干扰等也都对时长预测产生影响。
ACM SIGSPATIAL是国际计算机学会ACM空间信息专业委员会主办的学术会议，其举办的ACM SIGSPATIAL GISCUP比赛每年都吸引了全世界的科研人员参加。数据开放计划”对外开放了一个脱敏数据集，囊括了2020年8月在深圳经过脱敏处理的出行时间数据，涉及出发时间，路线信息，路况信息，天气和路网拓扑信息等多维度特征，不包含任何个人信息。
参赛者需要灵活地运用这些特征数据组合，设计时长预测计算方案，让并行的时长预测误差最小。
即日起参赛者可以在biendata平台注册参加比赛，竞赛评估和排行榜将通过biendata竞赛平台开放。
竞赛平台：
https://www.biendata.xyz/competition/didi-eta/
比赛将采用A / B榜的竞赛机制，其中B榜成绩刷新到8月2日开启，比赛结果变为8月31日公布，总奖金达25000美金。前五名优胜团队将受邀参加11月在北京举办的SIGSPATIAL2021，在大会现场分享自己的比赛方案。
滴滴地图自2015年开始在ETA问题上展开探索，目前已将其广泛部署前的预测接驾时间，派单，调度，拼车等系统决策，导航调度方法以及行程中的预计到达终点的时间计算等。通过约会深度学习的技术，对海量真实出行轨迹，路况拥堵状态，天气状况等进行统一建模，滴滴地图能在规模请求下快速进行智能路径规划，并为用户预估计到达时间，目前这一预期到达时间误差率已经抵消了10.5％，大约领先。发布开放脱敏的真实业务场景数据集，引起挑战赛，也是希望以开放协作支持全球开发者在智能交通方面展开更广泛的前沿研究，持续提升ETA预测准确性，为用户提供更好的出行体验。
点「在看」的人都变好看了哦！