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。

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〜」が19:00からはじまります！

ライブ配信: https://t.co/S7LkJhE9Rb

イベント説明: https://t.co/26s2z4TdTb #mot_tech_talk
— GO Inc. dev | タクシーアプリ『GO』 (@goinc_techtalk) July 12, 2022

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。

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。
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。
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。