众所周知的“打车难”,你不知道的“黑科技”

原标题:众所周知的“打车难”,你不知道的“黑科技”

上周五一大早,我被滞留家门口了。虽然北京暴雨预报持续了好几天,但是“首堵”的交通并没有准备好。

“滴滴、首汽、神州都打不到车。”“我从家到公司不到三公里,出租车加价20元。”一时间,朋友圈被花样吐槽刷屏。

最惹眼的是,作家六六发文批评滴滴的动态加价行为,甚至以此定义滴滴是流氓公司。六六文中论述的事实是“一段20公里左右的叫车,上浮1.5倍车资,估价163元。”“专车载我去陆家嘴,我从家走过去也就4.5公里,收费40。”

乍一看,身为用户的我们都忍不住想对正在回归的“打车难”吐槽几句,但是看完滴滴的回应,似乎有些背后的故事正在被掩盖。

滴滴在回应中,还原了六六文中的情景,订单的时间正值出行早高峰,系统预测总行程需花费42分钟,其中拥堵32分钟。当时发单附近半径3公里内共有289人通过滴滴叫车,对应的空车仅有56辆,属于严重的供不应求,致使订单触发了动态调价,拥堵导致时长费增加。

看似简单的回应,其背后既有市场经济简单的逻辑,即由市场供求决定价格,进而引导资源的自由流动,使社会资源得到合理配置;亦能看出,滴滴动态调价背后隐藏的“黑科技”。

打车有多难?

只用了五年,滴滴重塑了每个人的出行习惯。但是如果我们回到起点,在滴滴出现之前,“打车难”可谓是找不到答案的“世纪难题”。

时间回溯到2012年的12月20日,北京降下入冬的第一场雪,新京报的一则报道里,选取了北京蒲黄榆、广渠门等6个地点,分别体验早晚高峰、非高峰期的打车情况。发现早晚高峰时,在这些地点打上车普遍需要半个小时左右。

当天晚上9点左右,在东直门有十余辆出租车待客,其中一车到广安门要价150元,路程仅16公里,并称“没票,不议价,不打表”。而当年的大望路,市民们早晚成群结队在路边等待打车是一个老大难的问题,但经过的多辆出租车均已载有乘客。有钱也打不到车,是滴滴出现前的普遍情况。

纠其原因,2012年新加坡麻省理工学院实验室研究认为,大雨天路况、行人都有很多不确定性,司机不愿意冒风险继续工作,而是停在路边或停车场,研究人员的数据来自8000万次出租车司机的GPS。

与此相对应的,是美国普林斯顿大学的经济学家亨利•费伯的一项研究,其认为下雨天难打车是市场供需不平衡带来的。下雨天出租车司机的每小时收入并没有显著增加,因为出租车乘客的单位乘车时间上升了4.8%,每小时的行车距离下降了2.4%,与晴天相比,单位时间内路上的出租车下降了7.1%。

回归到中国市场,出行困境持续多年。

滴滴出现后,在传统的打车计划经济的体制下,一方面引入了市场经济,在极端天气或时间点,需求大于供给的时候,提高价格,让更紧急或对价格不敏感的乘客能打上车,满足刚需人群的需求;通过动态调价,滴滴也要考虑司机的权益,通过提价弥补司机的损失,从而愿意上路,形成良性循环。另一方面,也在传统出行的市场上,通过引入快车、专车、顺风车、公交等多形态的出行方式,为用户做增量的选择,满足不同出行需求。

但是,作为一家成立仅仅五年的公司,滴滴想要完美解决庞杂、复杂的出行难题,依然需要时间,除了更合理的价格运营体系,更需要“黑科技”的支撑。这条漫长的赛道,滴滴如何跑下去?

唯一的答案?

毫无疑问,科技是每一个互联网公司深藏不露的杀手锏。当年滴滴刚成立时,滴滴出行创始人兼CEO程维从百度挖来技术大牛张博,曾在整个互联网圈内传为佳话。

传统的互联网公司,如百度、淘宝、谷歌、亚马逊甚至包括腾讯的QQ等,其对技术的要求,都是相对静态的,用户搜索信息、产品交易和沟通,都相对是静态的。而到了移动互联网时代,以滴滴为代表的O2O创业公司,其技术的难度,不止上了几个台阶。以滴滴出行为例,看似简单的用户通过手机叫车,司机端应答的匹配,实际背后的算法复杂而庞杂。

首先,从平台效率和用户体验看。在滴滴平台上,用户每次发出打车需求,都需要借助技术匹配相应的司机,计算出最近的司机、最佳的行驶路线,以达到司机接到乘客时间最短、路线最合理。

其次,对未来的路况和用户需求端的预测看。司机的车辆一直在不停地移动,因此乘客需求和车辆位置始终是在实时变化的,可能过几秒钟,司机经过一个路口或者行驶到了高速路,就无法按合理的路径接到乘客。这对滴滴平台的匹配和计算的要求就提出预测未来的更高要求。

这样来看,上述两个关键点对滴滴来说都极具挑战性。那么,如此高难度的算法,滴滴后台是如何运转的?我们来看两组数字对比。

2秒和3万。在滴滴平台,每2秒做一次订单匹配,而在高峰期时,平台每分钟接收超过3万的乘车需求。

1个和成百上千。滴滴平台每分钟接收3万的乘车需求,正常情况是1个乘客和成百上千的司机做快速匹配。难度更大的是,司机的数量呈现动态浮动,司机接收到的乘客发单量,还会受到周围运力的影响。滴滴平台总会计算出最优,实时匹配;如果有拼车的情况,还需要两两组合,复杂度就是N的平方。

如此复杂的技术要求,滴滴后台如何解决?(敲黑板,开始画知识点)

两大武器是,大数据挖掘和机器学习。通过对海量的用户行驶数据进行挖掘和学习,滴滴围绕最低的价格、最高司机效率和最佳交通运行效率,设计出了全新的智能路径规划算法,能够对未来路况做出准确预测,整体考虑司机未来所有可能的走法,毫秒级算出A到B点的最优路径。

更高、更复杂的出行需求,也促使滴滴把机器学习、深度学习应用到现实,当前滴滴的ETA技术可以预测每一单出行的时长,预估在每一个路口前的等待时长,从而准确预估出从A到B需要的时间。

虽然有着强劲的技术,滴滴平台由于受政策和现实司机不足等影响,依然无法达到供需平衡,但是,滴滴的黑科技如今已经实现了对用户需求的预测,可以提前调度空闲司机准备响应未来即将发生的订单。惊人的是,滴滴对15分钟后的需求预测准确率已达85%,说不定,在你每天下班前15分钟,滴滴就已经安排好几位司机准备接你回家了。返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
阅读 ()
免费获取
今日搜狐热点
今日推荐