滴滴出行正在利用大数据做无人车研发

导语：滴滴出行大数据负责人杨帆介绍，在滴滴，机器学习和大数据已经深入到每一条业务线，滴滴的专车、快车、顺风车、大巴每一条业务线里都在大量使用大数据和机器学习。面向未来，无人驾车的研发正成为热点，滴滴也正在做着深入的探索。

要想成为一家伟大的公司，首先必须要有一个伟大的梦想。

“滴滴的梦想是最终做到中国人领导的全球最大的一站式出行平台。”在易观智库A10大会上，滴滴出行大数据负责人杨帆介绍了大数据驱动下的滴滴发展历程及构想。

滴滴出行大数据负责人杨帆

分析滴滴的理念与成长之路，其中不乏如下关键词：

一是“中国人领导的”，指真正来自于中国、根植于中国，首先解决的是中国出行难的问题；二是“全球最大”，无论从人口密度、车辆拥有、交通拥挤程度，中国在全世界都是数一数二的，如果解决了国内出行难的问题，解决其他国家相应的问题也就不成问题；三是“一站式出行平台”，用户只要按一个键，就可以方便地获得所需的各种车辆信息，找到最适合的出行方式。

从价格战到三个驱动

想必3年前大家对滴滴和快滴的价格大战都有极深的印象。是的，滴滴早期正是通过营销驱动，通过补贴快速发展。

补贴并不是长远之计。

目前，滴滴CEO提出了三个驱动，一是“体验驱动”，就是为用户提供更好的体验、更好的服务；二是“数据驱动”，用数据帮公司做更好的产品、提供更高的服务，并且为做最重要的决策提供参考；三是“品牌驱动”，实现跨越式发展。

数据驱动在滴滴

截至2015年第三季度，滴滴专车和快车覆盖了国内259个城市，活跃用户覆盖率83.2%，日定单超过400万，全国专车司机400万；滴滴出租车覆盖360个城市，每天超过300万定单，153万出租车司机。滴滴平台的注册乘客数超过了2.5亿，注册司机数远远超过了1000万。所有车辆最快3秒钟就能够根据上传位置做出反馈。

根据潮汐理论，早晚高峰出行需求巨大，出租车很难满足，而快车、专车、顺风车能提供更多运力，缓解出行的需求。

特别要强调的是顺风车。顺风车是指上下班的时候不再是一人一车，而是让司机找到路线相近的顾客，乘客找到路线比较接近的司机。对社会而言，顺风车可以更好地提高资源利用效率，对环境也更为友好。代驾则是在酒后或者不能开车时可以提供的一种服务。这些服务的发展速度都比较快，今年滴滴还面向企业推出了大巴服务。

目前滴滴正在探索物流、无人车等新业务。

用户对滴滴的需求很简单，就是能够以最快的时间智能地匹配到最适合的服务。

为此，今年5月，滴滴成立了机器学习研究院，很多学者、工程师来自于美国，目的是研究怎样利用交通大数据，通过机器学习，从历史规律中总结一些方法，对未来做出比较好的预测。

在滴滴，机器学习和大数据已经深入到每一条业务线，滴滴的专车、快车、顺风车、大巴每一条业务线里都在大量使用大数据和机器学习。

梳理一下打车的整个流程。

地图服务：输入起始地址，滴滴可以很快发现用车者的位置，同时列出一公里范围内的司机，系统还会根据交通状况，估算出需要多长时间接驾；接下来是分单，决定在哪个位置派哪个司机来接乘客，这里除了距离因素，还有司机接单的愿望（比如晚上司机可能想早些回家，顺路也不会接定单）。系统还会根据司机的个人特性和喜好（如历史上经常在哪个区域接单），利用分单引擎匹配出接单的概率。

地图服务的难点是要有实时路况的考量。在滴滴，有大量的轨迹数据，通过平台可以得到时间、空间、车速等各种数据，把地图与路况进行匹配。当然这不能覆盖所有时间、路段的实时状况，还需要通过模型进行估算，从而对整个路网有一个比较全面实时的了解。

到达时间估算：到达时间（ETA）估算对于用户的体验非常重要，滴滴希望司机到达客户面前的时间，能在系统预估的时间之内，比如预估5分钟，司机就在5分钟前后到达，尽量减少误差，这种难度是非常大的。首先ETA是不平滑的，比如某条路本来不堵车，但一分钟以后开始堵车了；而用半小时以前的数据估计，也会有问题，这就需要通过机器学习或者通过统计的办法来优化解决。还有一个挑战，当平台每秒钟有数万次或者十万次的请求时，系统如何能够迅速应对。

分单引擎：司机的位置是不断变化的，难点在于每一个时刻首先要知道司机的位置，还要基于司机个人与乘客的偏好进行推荐，最快地促成接单。也许，一个最近的司机可能不愿意去，而把定单分给距离远100米的司机却非常愿意接单。如何有效区分，这才是挑战。

导流：出行导流就是当有两种或者多种出行模式的时候，智能地帮助用户做出最好的选择。

一种是为了更好利用资源而进行智能导流。当手机端存在多条产品的时候，用户需要一个个去试用。很多人都因为快车比专车便宜而更愿意打快车，当有大量的人要打快车的时候，快车调价可能会高于专车，其实平台的智能导流功能在此时会提醒用户尝试一下专车（价格可能会比快车更便宜）。现在每天有相当多的乘客从快车导到了专车。

还有一种导流是通过预测达到供需平衡。比如当前在某个区域没有定单，系统会预测将来5分钟、10分钟以后的供需情况；又比如某个区域有很多定单，但是司机比较少，系统就会把其他区域的司机调过来；再比如司机看的是当前状态，但是到了那个地方状态就发生了变化。科学地预测，可以更好地帮助司机提高接单的概率。

拼车：如果接到两个定单，车上同时坐两个客人，无疑是更好地提高了资源利用率。这在技术上的难度是要做更好的路径匹配，让每个乘客绕路距离相对比较少，才能获得到都比较满意的结果。

顺风车：顺风车存在社交属性，因为顺风车司机可以选乘客，大家会把自己的头像、个人信息放在顺风车平台上。如果司机觉得聊得非常投机或者其他原因，可以给这个乘客免单。统计结果显示，女乘客获得免单的机会远远大于男乘客。

未来方向

无人驾车的研发正成为热点。无论国内国外，现在都可以看到非常多关于无人车的报道，滴滴也正在做深入的探索。

短短几年间，滴滴从出租车打车软件成长为涵盖出租车、专车、快车、顺风车、代驾以及大巴等多种业务的一站式出行平台，人们出行理念遭到颠覆，打车难的状况也大为改观。这与大数据的功劳是分不开的。

滴滴正走在“让出行变得更美好”的路上。

未经允许不得转载：DOIT » 滴滴出行正在利用大数据做无人车研发