京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12