Sergio Ballesteros索拉纳

TomTom的使命是创建一个没有拥塞和更好驾驶经验的世界为了实现这一点,我们需要理解终端用户驾驶bhavoiur,同时优化服务运营成本由提供洞察力并进行高级解析的车辆提供大规模探测数据可能相当困难

期间我将展示二例Databricks、Delta Lake和MLFl第一组是IQMaps使用框IQMaps系统专为dash系统设计-取用导航应用所期望的最新用户经验并带入可靠的载运导航IQ地图学习驱动模式并使用Wi-Fi或4G更新最贴近用户的地图区域优化数据网络耗用量可高成本,同时保留最佳驾驶经验,更新地图,需要使用数以百万计的车辆轨迹复杂模拟Apachespark一直是我们寻找最平衡交换之道的关键工具第二种使用案例是目的地预测多年以来,我们为导航产品提供个性化特征,高精度预测驱动下一个目的地尽管如此,随着数据指数增长和可用性,并获取更先进机器学习模型,我们重新审视了这一特征,将其提升到下一层次。icases使用最新框架 和工具databricksML流和Delta发现最佳模型预测每个驱动器的目的地并跟踪每一个KPIs