
滴滴打车“滴米调度室”上线 大数据优化出行体验
12月23日,滴滴打车方面透露,经过两个多月的公测,滴滴的“滴米”调度系统正式上线。该系统可以有效规避司机“挑肥拣瘦”、最大程度让乘客订单呼叫都得到满足,让乘客获得更好的出行体验。
据介绍,依靠“滴米”系统,滴滴打车成功地保证了用户“打上车”的基本需求,即便在今年打车软件竞争激烈的“双十二”,滴滴用户打车成功率也达到了90%。
“滴滴的核心是大数据”,滴滴打车CTO张博告诉记者,“滴米调度系统正是基于大数据优势而生,通过这些优势去创造更多的社会价值是滴滴一直追求的”。
此外,张博还透露,滴滴打车很快将采用技术手段,通过“中间号”的方式以双向保护司机和乘客的手机号隐私,这个“中间号”大概只能在半小时内打通,让乘客投诉司机不规范等行为时无后顾之忧。
“保证用户打到车”
“作为滴滴公司重要的创新之一,‘滴米’极大的优化城市出租车的调度效率,进一步提升消费者的打车成功率,从而为消费者带来更好的出行体验。”12月23日,滴滴公司CTO张博在媒体沟通会上说。
据了解,“滴米”系统是滴滴公司依靠大数据的掌握,而首创的一种调度方式。滴滴公司招募了世界上最出色的大数据、算法专家,组建了一支超过800人的技术团队,并与一些高校和科研机构合作,推出相当于“调度室”功能的滴米系统。
“‘滴米’在司机端的体现是一种虚拟积分。对于司机来说,行驶里程多、道路状况好的‘好单’会扣除滴米,而行驶里程较少、道路状况拥堵的“坏单”的司机则会奖励‘滴米’。如果乘客发出叫车需求,而此时有两辆车与乘客的距离是一样的,那么司机谁的‘滴米’多,就是谁获得这个订单。这就鼓励司机为接到‘好单’而多累积‘滴米’。张博说。
张博表示,滴滴之所以推出“滴米”,主要是期望解决传统出租车行业运营规则中的通病——出租车行业原有的调度系统多年来仍作用有限,并不能解决司机拒载的问题。即便在打车软件出现后,也出现了“好单”都在抢,但“差单”却无人接的问题,司机间都是在比拼手机速度和网络速度。
据悉,今年10月份,滴滴首次推出“滴米”系统进行公测,两个月来取得了良好的效果。除了引导司机更好地投入到打车服务中,满足乘客最基本的“打上车”需求,“滴米系统更重要的社会属性在于,有效地调度了超过百万人的司机群体,推动出租车行业的不健康竞争向良性竞争转变,极大提升了城市出租车调度效率。
“好功能受益大数据”
张博向记者介绍,滴滴打车之所以能够推出滴米系统,这与公司长期积累的大数据优势有着莫大的关系。
据悉,在滴米系统中,系统首先要评判一个订单价值的高低,这就需要大量数据的支撑。在订单产生的时候,系统会第一时间根据订单的实际情况(路程远近、拥堵状况、历史订单)来预估这个订单的价值。如果这是一个不受司机欢迎的订单,系统就会以奖励滴米的方式激励司机抢单。如果这是一个非常受司机欢迎的订单,系统就会扣除抢单司机的滴米。“滴米就像滴滴系统中的虚拟货币,在发放的环节,大数据发挥了很大作用。”
在张博看来,正因为大数据的优势,滴米调度室与传统的出租车调度有了根本区别。“比如说,滴米调度系统可以知道哪一位司机在哪一个时刻接了一个什么样的订单,可以判断这个订单的价值高低,这是传统的出租车调度系统不具备的”,张博指出,“更重要的是,我们能够通过大数据的不断积累,掌控未来订单的分配。我们不断的记录司机的行为,司机是接了好的订单还是差的订单,是不是提供了好的服务,都会被记录下来。然后我们通过这些记录,去评估司机的贡献,反过来再让司机收益”。
在日常的出行中,司机和乘客在地域上的分布往往是不均匀的,一些地方乘客打不到车,一些地方司机拉不到客。而透过大数据,乘客的需求却可以被预测,张博向记者介绍,“比如晚上10点至11点左右,北京三里屯的乘客数量会激增。这样的例子不胜枚举,我们可以向司机提供全天的订单分布预测情况,根据司机所处的位置,提示司机在未来多长时间会遇到订单数量较少的情况,或提醒司机提早前往订单数量较多的地域。”
而在这样的预测与提醒下,有50%的司机愿意听从提醒前往那个目的地,有80%的司机认为这个信息有用。“这就是大数据创造的社会价值,是滴滴一直追求的。随着数据的不断积累,我们对用户出行的理解也会越来越深,它的价值也会不断放大”,张博强调。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29