资讯详情
AI模型如何准确预测顺风车主几分钟接单?——嘀嗒出行上线酷科技科普体验馆第四期
壹览君| 2024-05-09 14:40:50
嘀嗒出行,人工智能,顺风车

编辑/壹览君

过去两年,人工智能加速破圈并深入应用到各行各业。那么,在顺风出行领域,随着更多人工智能和高级算法的运用,为体验效率焕新带来了哪些新可能?

近日,嘀嗒出行上线两项顺风行业首创的接单预测新功能:“预估应答时长”和“推荐出发时间”。针对即时出发订单,嘀嗒出行基于全新开发的AI算法模型,帮助顺风车下单用户准确预估几分钟后有车主接单;同时,基于对不同时间点的车主接单概率预估,为用户推荐接单概率更高的出发时间点,进一步提升出行确定性。

为了让读者更加深入了解,人工智能和高级算法赋能顺风出行体验焕新背后的科学原理,嘀嗒出行今日推出"嘀嗒酷科技.科普体验馆"第四期,主题是 AI模型如何基于精准预测,为顺风车用户带来确定性新体验。

在科普体验馆中,嘀嗒出行通过对AI模型诞生过程的解构,深入浅出讲述了AI模型是如何一步步实现预估应答时长准确预测的。嘀嗒出行相关负责人表示,顺风车有别于商业出行,车主乘客都有各自出行需求,且是自愿自主合乘,因此,如何通过智能科技,让用户对顺风出行更有掌控感,减少对不确定的焦虑,是顺风车体验升级的重要方向。“我们希望通过更多前沿智能技术,让用户每一次顺风车合乘,都更加高效快捷和省心,更好满足用户不断增长的即时出行需求。

近年来,嘀嗒出行持续夯实技术基建,加速人工智能、高级算法、云技术、导航能力升级,有效破解了诸多长期制约顺风车体验效率提升的痛点,也推进了顺风车应答率持续提升,2023年,嘀嗒顺风车应答率为66.5%,显著高于行业平均水平。同时,嘀嗒专有技术支持每秒约45,000个路径规划请求,优化最近接送地点,并将等待时间及行程距离减至最短。

顺风车即时性进一步提升 AI模型进一步提升行程确定性

在移动出行领域,AI算法用于高效实时的大规模供需匹配调度早已有之。过去两年,随着人工智能的破圈,以及神经网络,深度学习的发展,算法模型得以解决更多复杂高阶的问题,且准确度和效率进一步提升。

比如,在过去,顺风车乘客下单后等待接单过程中,一般平台会告知乘客,“车主通常需要10到15分钟接单,请耐心等待”。如今顺风车乘客下单后,即可准确获知,预计几分钟内有车主接单。

针对“推荐出发时间”新功能,则是在乘客希望即时出发时,平台会围绕乘客出发时间前后,自动推荐一个接单概率更高的时间点给到乘客,保障顺利合乘。嘀嗒出行算法工程师表示,“其实AI赋能体验提升很多都是幕后的,让用户觉得一切都自然而然,在出行每一个环节都更加舒心愉悦。”

根据嘀嗒顺风车大数据,以下单统计,在未来30分钟内出发的顺风车订单占比已超过4成,而未来15分钟内出发订单占比接近7%。同时,30分钟内出发订单,平均应答时长已缩短至1.6多分钟,15分钟内出发的订单,平均应答时长已低于1.3分钟。这表明,越来越多车主和乘客,都在将顺风车作为即时出行的重要选择,即时下单接单,即时出发。

基于大数据的匹配、调度算法及导航,不仅有效提升顺风出行确定性,也让嘀嗒顺风车应答率持续提升。数据显示,2021年、2022年及2023年,嘀嗒顺风车应答率分别为56.4%、58.8%及66.5%,显著高于行业平均水平。

AI模型深度应用 让顺风车行前预测更全面更准确

随着大数据、智能策略和导航能力持续升级,嘀嗒顺风车行前预测范围越来越广,精度越来越高,进一步提升了顺风出行确定性。在此次科普体验馆中,嘀嗒出行以预估应答时模型为例,深入浅出地展现了出行领域AI小模型的诞生过程。

第一步,洞察用户需求。乘客希望明确知道后下单后几分钟会有车主接单,从而提升行程确定性。对于比较着急要出发,以及跨城出行场景,这一诉求会更加强烈。

第二步,数据采集处理。预估应答时长模型,需要参照某条具体路线在过去一段时间内,各个时间点的车主平均应答时长、不同类型订单应答时长、该条路线历史供需情况和车主数量等数据,来进行整合分析,从而进入第三步:特征工程,通过分析这些数据样本的特点,提炼出有区分度的特征。

第四步:模型选择。根据数据特征和所要解决的具体问题,选择用不同算法,如线性回归、决策树、神经网络、逻辑回归、大模型等。

第五步,模型训练及调优。基于离线数据来持续训练模型,评估预测准确率并持续调优,当达标后上线启用,并在实践中持续迭代进化。因此,在正式启用之前,每一个模型已经过千锤百炼。

第六步,预测推荐值导出。顺风车乘客下单后即可实时看到预计几分钟后会有车主接单。

上述六步也是出行AI模型的一般诞生逻辑,只不过在具体需求、数据维度、数据特征、模型选择和导出结果类型方面有所不同。比如针对预估接单概率模型,用到的特征有下单时间、路线、人数、独享还是合拼、天气,该路线上的车主数、历史接单情况等。

嘀嗒出行算法工程师表示:在一个新AI模型诞生过程中,样本选择、特征提取、模型结构设计调优,每一步都有很大创新空间,更深入的用户需求洞察,更高质量数据,更准确到位的特征提取,更合适的模型选择与调优,都能让最终导出结果更加准确。

移动出行领域需要更多专有模型 每个模型诞生都是一次科学探索实验

当然,精准预测只是AI模型在顺风出行领域的创新价值之一,在起终点搜索、上车点推荐、路径规划、顺路匹配、意图识别、推理分析等方面,都随着大数据和高级算法的应用而日益准确和高效,在更多领域和环节让机器代替人去完成更加复杂的工作。

而这些功能的实现,其实都是依托于一个个的AI小模型。嘀嗒出行算法工程师表示,目前嘀嗒出行已开启神经网络和深度学习模型的应用,这类模型特点在于,网络结构更复杂,特征交叉更多,参数更多,导出结果或具体举措更加准确、实时和高效。

针对人工智能在移动出行领域的应用逻辑,嘀嗒出行智能策略负责人表示,“出行里的环节比较多,不能用完整大一统的问题去定义它。我们要拆成更细颗粒度的问题去解决,剖析每一个环节如何去提升体验。每个模型应对的问题不一样,训练目标不一样。而解决痛点的逻辑路径依然还是机器学习,从大量样本里去深度学习,在实践训练中不断优化模型。”

从短期来看,移动出行领域还不需要通用大模型,更应走专用路线,通过不同的专有模型各司其职,去针对性解决具体业务场景下的具体问题,最后数据多了,模型导出结果就更准确,自动化程度就越高,出行App就更加智能。

而通过人工智能,高级算法去破解顺风车体验效率痛点的过程,本身就是一次从0到1的创新实验,基于此将会诞生更多新的算法模型,让顺风车出行迈进智能新时代。

转载之前请先阅读转载说明,违规转载法律必究
寻求报道或合作,请点击这里
如果您加入壹览的讨论群,请联系我们的工作人员(微信号:star_3979)