AI复始，万象更新 ！

新智元祝广大订户鸡年大吉！

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】 “停车难”问题困扰车主的一个大问题。最近，谷歌研究员们开始使用机器学习的方法来攻克这一难题。

　　开车的时候，有大部分的时间要么是花费在堵车上，要么是花费在寻找停车位上。谷歌地图和 Waze 一类的产品，有一个长期的目标，那就是帮助人们更容易也更高效地导航。但是，直到现在为止，还没有一个工具能解决我们已经习以为常的“停车难”难题。

　　上周，谷歌地图在美国25个城市发布了一个面向Andriod的新功能，提供关于目的地附近的停车情况预测，以便司机能作出相应的计划。提供这一功能需要解决以下一些主要的难题：

空车位的情况根据时间、星期 、天气、特殊事件、假期等因素是高度变化的。问题如此复杂，所以关于免费停车位，目前几乎没有实时的信息。

即使是在那些用联网的停车计时器提供空车位信息的区域，这些数据并没有包含那些非法停车、持证停车或者提前离开的停车信息。

道路组成的是一个二维的图表，但是，停车图表的结构可能会是更加复杂的，车流的交汇包含多层信息，很可能包含了不同的布局。对于停车来说，供给与需求都是不断变化的，所以，即便是最好的系统也会面临着一建好就过时的风险。

　　要解决这些挑战，谷歌的研究员结合了众包（crowdsourcing）和机器学习技术，开发了一个系统，为司机提供关于目的地停车的信息，甚至还能帮助你决定出行方式。

　　在一个预览版本中，他们发现，出行方式按钮的点击率有显著的提高。这意味着，用户在对停车难的问题有了额外的了解后，他们会更愿意选择公共交通而不是驾车出行。

　　要为解决停车难的问题设计一个算法，需要三方面的技术：通过众包的方法获得地面实况数据；一个恰当的机器学习模型，以及一系列稳定的特征（features）来训练模型。

　　地面实况数据

　　搜集高质量的地面实况数据对于任何机器学习解决方案的开发来说通常都是一个关键的难题。谷歌的做法是，在不同的地点和时间，对司机进行采访，看他们是否遇到了停车难的问题。但是，我们发现，面对这样主观的问题，通常会得到相互矛盾的答案：在某一特定的地点，有人可能会觉得很“容易”找到停车位，但是其他人会觉得“很难”。

　　模型特征

　　有了这些可用的数据，下一步就是选择用来训练模型的特征。运用集体的智慧，该项目从愿意分享个人定位数据的用户中收集匿名信息，这已经是实时交通、热门停车时间和访问持续时间测量的重要信息来源。

　　谷歌研究员称，他们很快便发现，即便有了需要的数据，但是还是会有一些独特的挑战悬而未决。比如，如果有人在自己门前或者私人的停车位停车，系统不该错误地认为这里的停车位是可用的。用户搭乘出租车到达，可能会造成门前停车很多的假象，类似的，公共交通用户可能会被系统认为是在公家车站停车。这些错误的认知，都会误导机器学习系统。

　　因此，atv，系统的设计需要更强大的聚合特征。不奇怪，其中一个功能的灵感来自谷歌所在的 Mountain View。如果Google导航观察到许多用户在午餐时间开着车在市中心绕圈，它表明停车可能非常困难：

　　谷歌的研究员在思考，如何把这些关于停车难的“蛛丝马迹”作为一个特征来进行训练。在这一例子中，研究员考虑了用户开车到门口和他们实际到达之间的差异，将绕圈、停车和步行作为参考因素。如果多数用户在二者之间所用的时间存在显著差异，就被认为是遇到了停车难的问题。