5月21日，由騰訊主辦的“騰訊位置服務 位道技術沙龍”在北京舉行，多位業內“大咖”分享了各自在LBS領域的人工智能應用及相關技術創新。騰訊地圖導航技術總監江紅英表示，盡管在一些傳統領域AI模型的初始效果未必能夠超過傳統模型，但還是要積極擁抱人工智能，目前騰訊LBS已經通過AI的引入和應用讓ETA計算變得更加智能。
騰訊地圖導航技術總監江紅英演講
ETA就是常說的“預計到達時間”，可以幫助人們更好的安排出行時間。對于網約車、物流、外賣等行業，在車輛和人力資源的調度上，ETA可以提供很好的決策支持。然而，AI模型的引入對于傳統模型來說是一種顛覆，需要很大的勇氣去舍棄多年積累的成果;同時，在傳統模型的大數據積累相對不足的條件下，AI模型在初始階段未必能收獲理想的效果。
盡管如此，江紅英認為，“我們還是要積極的擁抱AI，因為AI不僅有很嚴謹的數學模型，有大量的歷史數據，而且通過大數據的訓練，會把一些程序邏輯轉化成配置邏輯;同時，機器學習會把線上的邏輯轉化成線下的訓練。AI通過這兩個轉化，遵守了碼農定律，所以得到一個更好的結果也是可以理解的。”
據江紅英介紹，從2015年開始，騰訊地圖就陸續將AI技術引入到導航服務中解決各種問題。以ETA為例，以往用傳統模型計算的結果，平均誤差在19.5%左右，并已經到達難以突破的瓶頸。但在引入AI模型后，平均誤差表現出了斷崖式的下降，目前能夠控制在15.13%以內。
除了對人工智能應用方面的分享，江紅英還認為，要有量化一切的意識。她舉例說，“ETA計算的核心特征之一是實時速度，而實時速度是從路況中提取出來的，路況計算又依賴于實時的數據源，所以一開始就對實時數據源進行監控，起初并不是為ETA服務的，但在無意間發現數據源的監控指標和ETA的badcase存在相關性，于是就引入了。所以，對所有的業務屬性都要盡可能去量化，量化的指標才便于觀察和分析，而且我們不知道什么時候某個指標就被我們采納，成了一個不錯的特征。”
目前，ETA的使用場景非常廣泛，小到個人出行，大到城市規劃，擁堵緩解，都需要ETA服務。ETA服務的準確率直接關系到出行、物流和O2O等行業在運力管控和訂單分派的方面的效率。騰訊位置服務已經與微信、手機QQ、京東、滴滴出行、新美大、藝龍和同程等不同行業諸多產品展開合作，而AI模型的引入將幫助騰訊位置服務和合作伙伴一起建立更加完善的生態體系。
