滴滴研究院是滴滴出行全新创新性研究机构，研究方向包括：机器学习、计算机视觉、人工智能、数据挖掘、最优化理论、分布式计算等；

致力于通过机器学习理论和方法，最大化利用交通运力，缓解城市拥堵，为每一位用户设计最贴心最智能的出行方案。

2016年4月13日，滴滴出行对外宣布，机器学习研究院升级为滴滴研究院，人工智能科学家何晓飞教授任滴滴研究院首届院长，负责滴滴研究院和大数据团队建设，向CTO张博汇报。

滴滴研究院是滴滴出行全新的创新性研究机构，也是滴滴出行的“大脑”。

滴滴研究院的研究方向包括：机器学习、计算机视觉、人工智能、数据挖掘、最优化理论、分布式计算等。滴滴研究院与业务线紧密结合，每一项研究成果都能以最快的速度应用到相应的产品上，给千万用户带去便捷。

滴滴研究院包括ETA、动态调价、智能分单、拼车、供需预测、运力调度、热力图等核心项目。

何晓飞——滴滴研究院院长，滴滴出行高级副总裁，大数据负责人。浙江大学教授、博导，国家杰出青年基金获得者，国际模式识别学会会士（IAPRFellow）。2000年毕业于浙江大学，获计算机学士；2005年毕业于芝加哥大学，获计算机博士学位；后加入美国雅虎，任职研究科学家；2007年作为人才引进加入浙江大学，任职教授。研究领域包括机器学习，人工智能，计算机视觉和数据挖掘。

叶杰平——滴滴研究院副院长。密歇根大学终身教授，密歇根大学大数据研究中心管理委员会成员，美国明尼苏达大学博士毕业。机器学习领域国际领军人物，主要从事机器学习，数据挖掘和大数据分析领域的研究，尤其在大规模稀疏模型学习中处于国际领先地位。在国际顶级期刊和会议发表高水平论文200余篇，引用次数超过8000次，担任包括IEEETPAMI，DMKD，IEEETKDE，NIPS，ICML，KDD等多个国际顶级期刊编委及国际顶级会议程序委员会主席和领域主席。

杨帆——滴滴出行大数据部高级研发总监。负责开发滴滴出行的数据平台，机器学习平台，A/B测试和特征工程平台。曾任美国LinkedIn公司数据挖掘研发经理，Tano科技公司创始人和CEO，和纽约城市大学智能交通助理教授。15年机器学习，数据挖掘，优化算法和智能交通研究经验，拥有8项美国大数据算法专利。2004获得美国威斯康辛麦迪逊大学智能交通博士和计算机硕士学位。1997年本科毕业于清华大学汽车工程系。

张浩——滴滴出行大数据架构总监。负责大数据分布式计算平台的规划与建设，为机器学习，商业智能，用户画像，特征工程，A/B测试等应用提供丰富的离线与实时计算的工具与资源保障。拥有十余年开发大型分布式系统的实际经验，对大数据流式计算平台有深入的研究，开发的数据处理平台处理PB级数据，影响全世界3亿多用户。曾就职于美国LinkedIn搜索与分析部资深工程师，美国微软语音识别组高级数据工程师。

刘威——滴滴出行研发总监。原IBM沃森研究中心研究科学家，电子与电气工程学会计算机视觉与模式识别国际会议青年研究者奖得主。毕业于美国哥伦比亚大学，计算机科学与电子工程学博士，是2013年哥伦比亚大学优秀博士论文仅有的两位获奖人之一。

【ETA】基于滴滴出行的海量实时出行数据，设计出全新的时间预估算法，从原理上克服了传统算法的缺陷，大幅度提升了时间预估的准确率。

【智能分单】在司机和乘客的历史数据中学习接单概率模型，提高司机和乘客的匹配度，利用运力的规模效应实时地从全局上最优化总体交通运输效率和乘客出行体验。

【供需预测】基于海量实时出行数据，以数十亿订单数据和数千万司机位置信息为基础，预测任意时间段各个区域的订单需求和运力分布状况，提供最优的未来出行方案。

【运力调度】基于供需预测结果，大规模有序调动全城所有可用运力，实现资源最优化分配，力求解决正在发生的以及潜在供需失衡的状况，提升平台效率的同时最大化利用交通运力，缓解城市拥堵。

【热力图】基于对历史数据的统计并结合实时订单数据，给出当前全城范围内订单密集区域的分布，给司机提供有价值的听单位置参考，提高听单概率并减少司机空驶时间。

【拼车】实现高效的实时拼车订单的匹配算法，共享运力资源以及降低乘客出行成本。在不断提高拼成模型准确率的同时，优化拼车体验，提升服务效率。