近日，ofo在人工智能系统中，应用了卷积神经网络预测用户出行需求。同时，ofo还运用谷歌TensorFlow人工智能系统，使预测结果更精确。将卷积神经网络和谷歌TensorFlow人工智能系统应用于共享单车，是ofo引领的又一次行业创新，这是共享单车行业首次将人工智能图像处理技术应用于智能运营中，标识表记标帜着共享单车进入以人工智能为基础、以物联网为载体的运营新阶段。Ofo又一次引领行业创新，领先摩拜，成为行业技术标杆，这也对以“科技含量高”为傲的摩拜带来不小的压力。
共享单车具有明显的潮汐效应，且骑行需求受天气等因素影响，ofo利用卷积神经网络，提取差别时段同一区域或者同一时段差别区域的图像相关性特征，以精准预测下一个时段某一区域内会出现的需求数，从而为运营调度提供更好的决策，实现智能运营。
ofo小黄车实时骑行轨迹
卷积神经网络主要应用于图像识别领域。卷积是提取相关性特征的方法，神经网络是预测需求的模型结构。ofo将智能锁返回的定位信息形成热力图，，并记录热力图的关键帧图像变革，将图像抽象为网格像素，利用卷积神经网络，对像素内的颜色变革进行相关性特征提取，简单的理解就是将各个关键时间点的热力图记录下来，把图像划分为均匀分布的网格，将像素颜色的变革作为用户骑行需求的变革，并进行相关性特征提取。作为共享单车的原创者和领骑者，ofo为全球 120 座城市上亿用户提供了超 10 亿次出行办事，已成为全球最大的共享单车平台，拥有共享单车行业最庞大的出行数据。随着出行数据增多，ofo对用户出行需求的预测都会越来越准确。
将卷积神经网络和谷歌TensorFlow人工智能系统应用于共享单车，是ofo引领的又一次行业创新，ofo正在形成以人工智能为基础，以物联网为载体的生态闭环。
