タクシーアプリ『GO』のデータサイエンス〜配車マッチングの継続的改善〜 #mot_tech_talk

2022年7月12日に「MoT TechTalk #13 タクシーアプリ『GO』のデータサイエンス〜配車マッチングの継続的改善〜」（connpass）を開催しました。

本記事では当日の内容を簡単に紹介します。

当日のスライド

スライドはこちらです。記事の最後にアーカイブ動画も掲載しているので、そちらもぜひご覧ください！

MoT TechTalkとは？

MoT TechTalkは、Mobility Technologiesのエンジニアたちが、タクシーアプリGOをはじめとしたサービスやプロダクトを開発する中で得た技術的ナレッジを共有するイベントです。

13回目となる今回は、タクシーアプリ「GO」で実装されているマッチングアルゴリズムについて、データ分析や機械学習システムの開発・運用を担当するAI技術開発部アルゴリズムグループのメンバーが紹介しました。

またこちらのツイートのスレッドで当日の様子や雰囲気を感じていただけると思います。

登壇者紹介

今回はこちらのメンバーが登壇しました。

• 織田 拓磨
• 老木 智章
• 宇都 恭平

未来の車両状況を考慮した効率的なマッチングの実現

ユーザーがタクシーの配車をリクエストした際、必ずしも「現在最も近い空き車両」とマッチングすればいい訳ではありません。例えば現時点では乗車中でも1分後にお客様を降ろす予定のタクシーが近くにある場合は、空車待ちをしていただいた上でマッチングした方が良いケースもあります。

このように最も近い車両とマッチさせるか、それとも空車待ちをさせるかを判断するために導入したマッチング距離上限について、既往研究の紹介やアルゴリズムの解説、導入後の効果について紹介しました。

MoT におけるデータ分析業務のフロー

このパートではAI技術開発部アルゴリズムグループが普段行っている業務を以下の3つのステップに分けて、それぞれ具体的な事例とともに紹介しました。

1. 分析する対象を見つける 日々チェックしているKPIの変化がきっかけでデータ分析を開始する場合があります。ここではKPI監視の仕組みや、変化に気がつきやすくするためや、保守性を向上させるためのダッシュボードの見せ方について紹介しました。
2. データを分析し定量的な影響を把握する 新たな機能をリリースした際に想定したほどの効果が出なかった事例について、それが何らかの障害だったのか、それとも試算ミスだったのかをどのように分析したかを紹介しました。
3. 必要に応じた対策を講じる 分析した結果、既存システムを改善するだけでなく、新規にシステムを開発する場合もあります。一つ前のパートでも紹介したマッチングについて、今進めている新システムの構想を紹介しました。

機械学習モデルによるAI予約のユーザ体験の改善

タクシーアプリ「GO」ではAI予約という機能を提供しています。

従来の予約はタクシー車両を確実に確保するために対応できる件数に限りがありましたが、AI予約はリアルタイムの需給予測を用いて、予約時間の直前に配車車両を手配することで従来の10倍以上の依頼に対応できるようになりました。

ただ直前に配車車両を手配するためには、予約した時刻・場所の周辺に配車可能な車両がないと予約が成功しません。そこでAI予約ではユーザーが予約を申請したタイミングで「予約した時刻・場所における予約成功確率」を計算し、確率が十分に高い場合のみ予約を受け付けています。

このパートでは予約成功確率を求める際に使用している数理モデルと機械学習モデルについて紹介しました。

アーカイブ動画

今回はアルゴリズムに対する具体的な内容や、KPIダッシュボードの運用に関するところなど、さまざま質問・感想をいただきました。ありがとうございました。アーカイブ動画の中ではそれらの質問にもお答えしていますのでぜひ視聴いただければと思います。

開催履歴・開催予定

MoT Online Tech Talk は不定期開催しています。過去の開催レポートは こちら にもありますので、ぜひご覧ください！

MoTの最新技術情報は公式Twitterアカウント @mot_techtalk で随時発信していきますので、ぜひフォローして続報をお待ちください！

We're Hiring!

MoT では多くの専門領域でエンジニアを大募集しています。興味のある方は 採用情報ページ まで！