AI模型加速应用更好满足顺风车即时出行需求 嘀嗒出行首创两项顺风车接单预测新功能
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45000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提取,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,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。
推广