出行供需瞬息万变 滴滴“数据大脑”用预测来“破局”

　　出行供需瞬息万变 滴滴“数据大脑”用预测来“破局”

　　衣茉

　　将“互联网+出行”做得风生水起的滴滴出行，提起与优达学城合作的算法比赛试题，滴滴研究院院长何晓飞透露是供需预测。而这，正是滴滴出行乃至整个出行行业的核心问题。滴滴出行CTO张博透露，滴滴未来一定是一个以人工智能、机器学习为核心调度引擎的一个全程的交通枢纽、一个智能交通云。

　　随着出行市场的逐步扩大，无论是从技术、还是营销，整个行业都有了质的飞跃。滴滴出行高级产品总监罗文在近期也谈到，补贴大战的确成就了滴滴出行早期的订单量。但是这一切正在发生转变，未来一定是技术和产品体验推动滴滴出行的订单量。滴滴研究院院长何晓飞强调，“技术要通过挖掘数据实现‘预测’，而不能停留在‘监测’层面。”

　　预测出行需求之后，滴滴平台可以提前调度运力

　　2015年，滴滴平台上汽车整个行驶时间是4.9亿小时，累计行驶里程达128亿，这是滴滴出行一整年的行驶数据。随着巨大订单量的数据积累，滴滴出行似乎已经成为不少城市出行的首选，其后台显示的城市交通实况，已经可以在一定程度上反映出城市交通实况的蓝图。

　　如此大的订单承载量，已经反向要求滴滴的技术必须跟上订单的步伐。因为一旦出现错漏，就会直接影响出行体验。而一个很小百分点的优化，通过平台就可以聚集成庞大的势能，比如节约司机3分钟绕路、节约乘客10分钟拥堵，这些都会产生巨大的社会价值。在张博看来，从技术上，滴滴出行需要做到的是一个城市的“交通大脑”。

　　“我们希望通过我们的历史数据，预测未来一段时间的出行需求，并根据预测调度司机。”滴滴出行的技术目标是成为一个以人工智能、机器学习为核心调度引擎的全程的交通枢纽，并且建成一个智能交通云。他不仅能够做当前这一个时刻司机和乘客的全城最优匹配，还能够基于未来调度司机实现智能交通。

　　不过，技术的改善需要一点一滴积累，而在最终完善之前，还需要过渡。比如近期，在北京工作的张女士表示，在用滴滴出行有时候会出现司机位置错误，或者导航不准的情况。而快车司机陈先生则表示，滴滴快车的地图在最近几个月有了非常大的改善，体验非常明显。

　　其实，互联网出行跟传统的很多互联网问题区别较大。比如利用搜索引擎搜索iPad，无论是谷歌还是百度，反馈的结果其实差别不是太大，而且即便是关键词没被找到，也可以弹出与关键词相关的词汇搜索。

　　但是，出行这个问题就不一样。出行的结果只有两个：要么打到车，要么打不到车，这是0和1的问题。因此，滴滴出行的算法挑战较大，因为对于用户来说，是否打到车是0和1的根本区别。

　　因为出行本身的潮汐规律的特点，每天交通都会有早高峰、晚高峰和夜高峰。潮汐规律导致的供需矛盾使高峰期乘客打车是非常困难的，而平峰期司机接不到太多的订单。过去的城市都是出租车司机，出租车司机都是全职司机，在高峰期其实是满足不了这么多的需求，但是在平峰期又没有办法提高它的收入。

　　除此以外，出行期间的价格变动，远远比电商等平台上的价格变动要频繁、复杂。出行价格每分每秒都在因为地点和时间的变化在变化。可能在5分钟之前，从中关村到五道口是非常顺畅的，但一场车祸或者天气的变化，整个交通就会完全不同。

　　尽管有着这样那样的问题，在用户庞大的需求面前，滴滴出行的业务增长较强势。2015年，滴滴出行总共完成的订单数14.3亿，2015年整个行驶时间是4.9亿小时，累计行驶里程达128亿，这都是非常惊人的一个数据。

　　根据尼尔森发布的研究报告也显示，其对中国13个城市的4000多名乘客、320多名司机进行了调研，调查数据显示，中国移动出行市场，滴滴出行市场份额最大。具体来看，滴滴出行安装率占比达80%，用户渗透率占比达78.4%，均在出行软件中占据绝对首位。

　　供需瞬间变化，“预测”模型可提前匹配订单

　　智能交通云的实现可能还需要一段时日，在滴滴出行高级产品总监罗文看来，目前滴滴出行需要解决的主要问题，则是如何平衡用户端和司机端，这个问题非常棘手。

　　从籍籍无名到日订单超过1000万，滴滴出行只花费了三年半的时间，相比之下，淘宝订单从零到千万用了八年。而且较之电商的情况，移动出行渗入二三线市场还有很大的想象空间。

　　分析人士预计，三年后滴滴的日订单或许是现在的十倍，达到1亿。而滴滴出行CEO程维年初曾表达了对滴滴出行未来的预期——“3313”规划。即未来三年，每天服务3000万用户和1000万司机，三分钟内车到面前，它几乎成为中国互联网界最令人期待的拟上市公司之一。

　　若想实现规划，需要在产品体验、营销等方面继续颠覆行业，当然，最重要的动力应该来自科技驱动。滴滴出行，乃至整个行业目前面临的痛点十分关键：用户是否能叫到车和司机接单的积极性的平衡是最大的矛盾之一。大数据分析则是解决此矛盾的主要武器。

　　目的地的方向也可以通过大数据控制。比如在北京朝阳区的司机希望回昌平区的家，滴滴出行会设置昌平方向，自动接单昌平方向的单子。这样，能变相提高司机的承载率。

　　如果当天汽车限号，司机可以根据需要把接单范围限制在五环外，有些竞争对手的司机在限号日都会成为滴滴平台的忠实用户。

　　除此以外，目前滴滴大数据系统已经在研究预测模型，即在乘客发单的时候就能判断，这个订单的成交率有多少，进而计算出是否需要补贴，是否有司机愿意接单。不同订单对于不同司机的价值也不同，如果正好回家顺路，司机对价格的敏感度就会降低。

　　值得注意的是，地图的精确性也成为目前出行软件的痛点之一，当然，这也是中国地图电子化基础设施的问题。

　　罗文坦言，不少地区还存在定位的问题，“目前我们做的解决方案是推荐接车点，”比如定位时会推荐你一个上车地点供你选择，可能是大数据进行分析的点，也可能是小区或者大楼的东南西北门，“我们现在还在深化这方面的事情，包括接车方向的预判等”。