雅典娜：青年学术新平台

滴滴“雅典娜”计划作为连接滴滴和优秀在校生的桥梁，一直吸引着来自全球各地的学子。在“雅典娜”项目中，聚集了一批在科研学术领域极具潜力的精英学子们，他们在这里将所学化为所用，与滴滴共同成长。他们虽然各自的学术专长不同，但都怀着一颗让出行更美好的决心。

本期，我们将为大家介绍“雅典娜”计划的一对好搭档！

王宏伟同学是上海交通大学-佛罗里达大学（University of Florida）联合培养项目的博士生，主要研究方向为基于机器学习方法的平面网络时空建模（以交通网络和空气质量监测网络为主）。在佛罗里达大学联合培养期间，王宏伟曾基于交通流卡口数据使用深度学习模型对美国南部迈阿密地区在大西洋飓风攻击下的城市交通网络恢复力（Transportation Resilience）进行研究，积累了该方向较多的研究经验。

而梁应之同学是密西根大学安娜堡分校（University of Michigan, Ann Arbor）的博士生，主要研究方向为机制设计和行为实验经济学。加入滴滴之前，梁应之曾研究过中国高考录取机制的设计，团队合作下公共品的有效提供，和小微贷款的机制设计。

两位同学的研究方向原本相差甚远，而正是因为加入了“雅典娜”项目，两位同学成为了工作中的好拍档、生活中的好朋友，经常为各自研究中遇到的问题提供好建议、好想法。

与滴滴的缘分

说起是如何加入“雅典娜”项目的，两人不约而同地说到：“机缘”。

作为一个卓越的一站式移动出行平台，滴滴一直在不断优化机制以实现司机和乘客之间安全且有效的匹配。而解决这一问题需要运用经济学中的市场设计理论。滴滴司乘匹配市场的特殊性和复杂性一直吸引着来自国内外的经济学家前来开展研究，其中包括诺贝尔经济学奖得主Alvin E. Roth教授。梁应之同学博士期间的研究方向刚好是市场设计，所以一直向往着可以来滴滴开展学术研究，利用现实生活中的数据了解司机匹配中存在的效率和公平的问题。一次偶然的机会，梁应之通过自己的导师了解到滴滴参谋部一直在开展市场设计方面的研究。在导师的介绍下，梁应之如愿以偿地成为了滴滴参谋部的一名实习生。而王宏伟同学则是在读博士期间一直关注着科技企业在推动智慧城市和交通大脑方面的研究进展，并于2018年5月在滴滴科技合作部举办的“滴滴-IEEE未来精英论坛”中认识了滴滴城市交通事业部组织优化部的孙伟力博士，并最终成为了孙伟力老师的一名算法实习生。

王宏伟在滴滴-IEEE未来精英论坛中积极发言

滴滴“小桔人”亦是科研“小巨人”

加入滴滴后，两位同学迅速投入到各自的岗位中。结合自己的兴趣点，找到了契合自己研究方向的课题。

王宏伟同学参与了基于深度学习模型对极端天气下城市道路交通网络恢复力进行时空预测的课题研究。这项研究有助于城市交通管理部门和滴滴业务部门提前了解所在城市在灾前、灾中和灾后的城市道路交通运行情况，继而在极端天气来临前做出更为合适的车辆、人员、路口信号灯调配方案。

该研究基于滴滴轨迹数据，对深圳市交通网络中几千个路段ID在台风和强降水下的交通流速度和恢复力指标（交通性能损失，损失、恢复速率等）进行了精细的时空预测。在时序部分建模主要采用基于注意力机制的序列到序列模型（Sequence to Sequence Learning with Attention），空间部分建模主要基于聚类算法和图嵌入（Graph Embedding）模型。研究发现城市的不同道路区段对于强降水的敏感性区别较大，一些路段甚至会出现在强降水下速度几乎不变或者不降反升的情况（与排水和交通需求有关）。实验证明，根据降水敏感性相似度聚类路段ID后分组建模的效果明显超过按ID单独建模，按行政区域建模和按路段等级建模等方案。Graph Embedding + Attention的时空模型比CNN + LSTM等传统模型预测效果更优。

目前，王宏伟正和城市交通事业部的同事们一起，提升模型的预测精度和评估效果，为该模型在交通大脑中的产品化和工程部署不懈努力。

而梁应之同学的课题是评估不同司乘匹配机制对于匹配效率的影响。这项研究有助于滴滴选择最有效率、最公平的司乘匹配模式，最大化地节约社会资源，降低乘客的出行成本。

加入滴滴之后，梁应之了解到，滴滴会根据不同的运力供给情况和乘客的出行需求采取不同的匹配机制，这种司乘匹配机制不同于其他出行平台所用的派单模式。梁应之对于这种新型的匹配模式很感兴趣，并致力于研究哪一种匹配模式可以最大程度地满足乘客的需求，保障司机的权益。这个问题的难点在于决策者面临各种权衡取舍。一方面，增加司机的自由度可以提高司机工作的积极性，但却有可能导致一部分乘客很难叫到车。另一方面，减少司机的自由度虽然短期内可以更好地满足乘客的需求，但是长期来看可能会导致平台运力减少，进而导致乘客打车难。除此之外，司机和乘客群体内部也有很大的差异性。比如，全职司机和兼职司机的诉求可能不尽相同。而不同乘客的支付能力和支付意愿也有差异。如何做到司机和乘客的双赢对于平台是巨大的挑战。在缺乏实验数据的情况下，梁应之通过使用倾向评分匹配这一统计学方法利用观察性数据评估了不同匹配模式对于司乘双边的影响，为平台选择最优的匹配模式提供了理论和数据支持。

梁应之与部门同事

美好出行的背后，美好团队共建

当谈到在滴滴工作的心得体会时，两人都表示，在公司做研究和在高校做研究有很大的不同。幸运的是，他们在滴滴实习的过程中都得到了所在团队很大的帮助，这也使得他们能在岗位上如鱼得水。

梁应之自2018年5月加入滴滴，已经是实习生中不折不扣的老人了。她说在滴滴的研究学习是博士期间最难忘的经历。之前自己对于经济学的研究和学习更多地是存在于书本上和理论中的，来到滴滴才知道，现实生活中的经济学问题往往更复杂。在滴滴的实习也教会了梁应之如何与同事协作，共同完成课题。“在学校读博士的时候更多地是单打独斗，而这在公司是行不通的。一个人不可能完成底层开发，产品迭代，实验设计评估，调查访谈，数据提取等一系列工作。往往需要一个或者多个团队的合作才可能让一个想法变成现实。”梁应之说。

梁应之与滴滴科技合作部团队、雅典娜成员

王宏伟自2018年9月加入滴滴，在雅典娜计划学习和工作的四个多月里，他认为收获非常大。一方面，在雅典娜团队中，能够结识诸多国内外一线高校的优秀硕博士生，在智慧交通和机器学习等诸多技术领域，大家往往都可以碰撞出激烈的思维火花。 同时，雅典娜计划会密集的邀请中外业内知名学者在滴滴开设讲座，而自己可以通过志愿者的身份深度参与其中，极大的拓展了研究视野（王宏伟同学曾带领志愿者小组参与了Yoshua Bengio在滴滴讲座的报告整理工作）。另一方面，在项目工作团队中，能够真实参与到业内最先进的交通大脑研发中来，在实习导师的指导下，进一步的加强了对实际场景的工业化解决方案的理解，大大增强了自己对于大规模数据的处理和建模能力。“在读博士期间做的研究，往往数据都是现成和较为干净的，在推进一个实验的时候，常常自己更关注于核心算法的部分，有课题组同学一起进行数据清洗，特征提取和数据后处理等工作。但是在滴滴工作时，需要从头开始，全程参与各个环节。王宏伟说，“不过能这么深度参与这样一个工业界研究项目，的确更有挑战，成就感也大很多，超开心的！”

王宏伟与雅典娜成员

这一对优秀的搭档将自己科研理想和对学术的追求与滴滴紧密结合，共同成长，他们在这里尽情地发挥自己的才华，创造属于自己的精彩！期待有更多青年志士加入他们，一起逐梦、筑梦！