1、公司要做一个模拟推演系统希望通过模拟得出几个结论
一个城市到底需要多少个车才能满足客户需要并且能够控制每个车的流水

如何做到智能调度

个人觉得这个是个典型的强化学习的方法

比如每个司机其实是个智能决策个体 肯定希望能够更多的接到单 也就是他的行驶路线会向乘客较多的地方靠近

每个司机随着开车的时间变久 就会发现哪里乘客比较多 什么时候应该到哪里去等单

这个时候 他们就要判断自己往哪个方向开车

如果我们取 value = 在某个地方某个时刻接到了单 也就是通过不断迭代 建立每个司机的经验值 就能让司机自我选择逐渐合理运营

这个时候将司机运行的数据取出来就作为运营的依据

暂时考虑DQN实现该方法

2、目标检测算法如何能够快速识别目标 尤其是较小的目标

现阶段采用的是SSD方法,但是ssd 包括 yolo 这一类 one stage的方法 都存在不能识别较小目标的问题

看到一个RSSD方法 可以实现样本较大 测试目标较小的识别

我们实现了自动打标记 来做训练数据集合 yeah

3、配单速度如何加快

空间索引 注意 空间索引有边界上跨区的问题 要结合周围区域的索引值 进行判断