滴滴章文嵩：不仅软件开源，还向学界开放数据

滴滴章文嵩：不仅软件开源，还向学界开放数据

演讲 | 章文嵩

责编 | 伍杏玲

出品 | CSDN（ID：CSDNnews）

6月27日，在第十四届开源中国开源世界高峰论坛上，滴滴出行高级副总裁章文嵩发表《滴滴共享出行平台与开源》的主题演讲。

章文嵩先是介绍滴滴的发展现状：仅去年，滴滴年运送乘客达100亿人次；目前注册用户数达5.5亿。在这背后，滴滴平台每天ETA（预计到达时间）请求在700多亿次。

可以想象到，滴滴 6000 名研发人员搭建维护的技术框架是十分庞大的，那么在其中开源软件是扮演一种怎样的角色呢？

滴滴平台每天ETA请求达700多亿次

我们先看看网约车如何改变生活？

我们通过移动互联网把司机和乘客连接后，实际上解决了信息不对称性的问题，通过这些撮合，可以提升整体的效率，现在大家也感受到通过网约车比你在路边打出租车的体验好很多。

我们平台上大量司机是兼职司机，每天在上下班的路上接几单，将现有的车辆能有效利用，这就是绿色出行。

我们也知道出行的需求是弹性的，比如早高峰的时候出行需求特别高，到了十点之后平峰期出行需求比较低的，往往是早高峰需求的二分之一或者三分之一。等到了下班的时候是晚高峰，晚上九点时有一个夜晚小高峰，因为大家加班也好，聚会也好，一般夜晚九点到十点回家。

大家的出行需求是弹性的，理论上供给应该也是弹性的，这样才能做到供需平衡。

如果我们只按早高峰配置运力，那么在平峰期效率是没法得到发挥的。因为在白天时间都是平峰期，平峰期很多车辆不能得到有效运用。我们一定要结合全职的运力加上兼职运力（兼职运力本身就要出行就要开车），这样才可以把现有的供给资源车辆，得到有效的利用。

随着共享出行的平台订单密度规模进一步增大，大家还可以拼车出行，而且拼车能有效地让所有交通工具得到有效的利用，会更加绿色环保出行。

在滴滴成立的七年时间里，随着移动互联网的发展。仅去年，滴滴年运送乘客达100亿人次；目前注册用户数达5.5亿。

面向消费者，我们提供快车、出租车、专车服务、共享单车、代驾等服务，在城市里提供智慧交通、充电站、公交相关的一些服务。

我们在中国沉淀的产品技术经验也输出到国际市场上：2017年年初，我们开始布局巴西；2018年，我们在澳洲、墨西哥布局；两个多星期以前在哥伦比亚布局。

目前拉美市场累计服务用户1亿4000万，拥有数十万司机，我们的服务受到拉美用户好评的，我们在拉美的市场增速也是最快的。

每天我们的业务需要计算大量的数据：计价、每秒钟上报定位点数据、行驶多长时间、行驶多少里程等，还有大量用于提升安全体验效率的数据，比如说A点到B点，预计到达时间怎么样，所以每天滴滴平台有ETA请求达700多亿次，平均一秒钟做400万次计算，这是全世界最大的量。

技术驱动：6000 名工程师

滴滴是完全靠科技驱动的，目前我们有近6000名工程师，公司里有一半人员是技术人员，我们有大数据、人工智能、云计算平台。

在滴滴有很多预测的场景和实时计算场景，例如前文的实时里程计价、交通实时度量、路况度量，包括对未来的路况要做预测，对供需要做预测，在ETA计算时要做预算，路径规划要做预测，包括对分担调度我们要做预测。这些预测场景通过人工智能算法实现的，由于问题的复杂，这背后需要强大的计算能力。

目前仅一个用作机器学习的GPU（图形处理器）集群已经是32P，现在还在不断地扩展中。

滴滴是“物移大智云”里最典型的代表，作为全世界最大的车联网平台，我们通过移动互联网的方式把更多的车辆、用户连在这个平台上面，在这个过程中我们积累了大量的数据，这些数据通过人工智能算法，不断地去提升整体的调度效率、体验的效率，包括整体的安全。

现在滴滴车辆上逐步安装了一些车载设备，有对内对外摄像头，这些摄像头是为了安全，能提供车前的行车记录、订单行程中车内录像，在遇到纠纷的时候更好地判责帮助车主维护权益。

在这里面滴滴大量应用到很多技术：大数据相当于食材，人工智能技术相当于菜谱，云计算平台相当于厨房一样，菜谱加食材，我们在一个厨房里把美味的大餐做出来。

滴滴的技术平台用了大量的开源软件，在滴滴平台的主要软件架构中有四五千个服务模块，（PPT）上罗列了一些相对重要的模块。

我们有很多自建的数据中心，还有SDN（软件定义网络）的软件，SDN用了很多开源软件，因为我们做了很多资源调度平台，资源调度平台用了容器化，我们构建一个基于SDN统一资源调动平台，包括数据库的服务。

在存储上，我们自己搭建了面向位置服务的存储引擎，在开源基础上做了一个对象存储。

离线的数据上，我们用了MQ的软件来进行整体大批量的数据传输。大数据平台上，有非常庞大规模的数万台集群在跑，包括实时的计算平台。另外我们也搭建了一个机器学习的平台，主要做一个资源调度平台，上面支撑的AI框架、比较流行学习的框架，我们在机器学习平台也支持。

滴滴内部做AI应用算法的同学，他们在平台上只要搭建了自己的模型，至于模型规模、数据获取，这些基本上都能自动化起来，基本不太需要自己大量地写程序。

很多中台的服务是我们自己开发，我们围绕自己业务场景来开发司机系统、订单系统、支付等等，就不一一介绍了。

滴滴有自成体系的一套运维系推，里面也有大量的组件。在滴滴的平台上面，通过大量的应用开源软件加上自主开发的软件，共同构建了全世界规模最大的出行平台。

滴滴受益于开源，开源软件帮助公司快速发展和降低成本。所以我们也想回馈开源，在很多领域，包括移动开发、中间件、系动软件、前端、研发、测试、智慧交通、人工智能这些领域，均有一系列的组件。

这些组件我们从2017年开始对外开源，总共有23个项目开源，开源获得Star数36000多个，也有外部很多公司参与我们的项目开发。

滴滴花了大量资源来做开源，一方面是在内部做一些开源的建设，将内部所有部门的壁垒全部打掉，除了一些机密的要求，大部分代码是对内开放的，这样做的好处是可以避免在内部的重复开发。好的项目会真正帮助我们会对外开源、回馈社区，建立起这个生态标准。

另一方面希望对外输出影响力，滴滴整个平台有非常多的技术挑战，实力也不错，对于技术品牌的建设有帮助，后续我们会吸引更多优秀的人才加入进来。

我们的核心还是打造滴滴的技术文化，是开放协作的。

我们不光是开源，还对学界开放脱敏数据。因为滴滴是全世界最大的一个共享出行平台，我们在交通领域的数据较多。由于中国人口巨大，在很多领域中国拥有的数据比全世界其他地方多，但是目前很多高校基于一些研究拿的数据往往是国外的，这是很不对等的。

所以我们努力在把滴滴一部分脱敏数据开放出来，希望学术界、科研机构能基于滴滴的数据来做研究。我们数据量是全世界最大，从2017年，我们开放成都、东北区域的轨迹数据，还开放了成都的检索数据、西安高新开发区的轨迹数据，今年还开放了车载视频的数据。因为车载视频涉及到很多自动驾驶、计算机视觉方面的研究。

自开放数据以来，已经有四五千家的学术机构来申请我们的数据。上星期我们还开放了海口的数据，包括轨迹的数据。当然这上面没有用户信息，乘客和司机的信息隐私一定会保护的。但开放的数据可提供给经济学家，来研究一个城市的交通领域变迁。

2018年，我们成立了AI for Social Good共创平台，滴滴联合十几家科研机构社会组织一起发布的这个平台，我们希望联合更多外部力量，在安全、环境、健康、无障碍领域里，对更多的项目，比如说我们在小部分滴滴汽车中安装了一些移动传感器，用于检测空气数据，帮助绘制精细化的空气质量图，这对环保治理非常有帮助。

未来在这些领域，我们希望更多的社会机构和我们一起通过人工智能的方式，让出行更美好，让城市更加智能，谢谢。

【End】