AI模型加速應用更好滿足順風車即時出行需求 嘀嗒出行首創兩項順風車接單預測新功能
過去兩年，人工智能加速破圈並深入應用到各行各業。那麼，在順風出行領域，隨著更多人工智能和高級算法的運用，為體驗效率煥新帶來了哪些新可能？
近日，嘀嗒出行上線兩項順風行業首創的接單預測新功能：“預估應答時長”和“推薦出發時間”。針對即時出發訂單，嘀嗒出行基於全新開發的AI算法模型，幫助順風車下單用戶準確預估幾分鐘後有車主接單；同時，基於對不同時間點的車主接單概率預估，為用戶推薦接單概率更高的出發時間點，進一步提升出行確定性。
為了讓讀者更加深入瞭解人工智能和高級算法賦能順風出行體驗煥新背後的科學原理，嘀嗒出行今日推出“嘀嗒酷科技·科普體驗館”第四期，主題是AI模型如何基於精準預測，為順風車用戶帶來確定性新體驗。
在科普體驗館中，嘀嗒出行通過對AI模型誕生過程的解構，深入淺出講述了AI模型是如何一步步實現預估應答時長準確預測的。嘀嗒出行相關負責人表示，順風車有別於商業出行，車主乘客都有各自出行需求，且是自願自主合乘，因此，如何通過智能科技，讓用戶對順風出行更有掌控感，減少對不確定的焦慮，是順風車體驗升級的重要方向。“我們希望通過更多前沿智能技術，讓用戶每一次順風車合乘，都更加高效快捷和省心，更好滿足用戶不斷增長的即時出行需求。”
近年來，嘀嗒出行持續夯實技術基建，加速人工智能、高級算法、雲技術、導航能力升級，有效破解了諸多長期製約順風車體驗效率提升的痛點，也推進了順風車應答率持續提升，2023年，嘀嗒順風車應答率為66.5%，顯著高於行業平均水平。同時，嘀嗒專有技術支援每秒約45000個路徑規劃請求，優化最近接送地點，並將等待時間及行程距離減至最短。
順風車即時性進一步提升
AI模型進一步提升行程確定性
在移動出行領域，AI算法用於高效實時的大規模供需匹配調度早已有之。過去兩年，隨著人工智能的破圈，以及神經網絡，深度學習的發展，算法模型得以解決更多複雜高階的問題，且準確度和效率進一步提升。
比如，在過去，順風車乘客下單後等待接單過程中，一般平台會告知乘客，“車主通常需要10到15分鐘接單，請耐心等待”。如今順風車乘客下單後，即可準確獲知，預計幾分鐘內有車主接單。
針對“推薦出發時間”新功能，則是在乘客希望即時出發時，平台會圍繞乘客出發時間前後，自動推薦一個接單概率更高的時間點給到乘客，保障順利合乘。嘀嗒出行算法工程師表示，“其實AI賦能體驗提升很多都是幕後的，讓用戶覺得一切都自然而然，在出行每一個環節都更加舒心愉悅。”
根據嘀嗒順風車大數據，以下單統計，在未來30分鐘內出發的順風車訂單佔比已超過4成，而未來15分鐘內出發訂單佔比接近7%。同時，30分鐘內出發訂單，平均應答時長已縮短至1.6多分鐘，15分鐘內出發的訂單，平均應答時長已低於1.3分鐘。這表明，越來越多車主和乘客，都在將順風車作為即時出行的重要選擇，即時下單接單，即時出發。
基於大數據的匹配、調度算法及導航，不僅有效提升順風出行確定性，也讓嘀嗒順風車應答率持續提升。數據顯示，2021年、2022年及2023年，嘀嗒順風車應答率分別為56.4%、58.8%及66.5%，顯著高於行業平均水平。
AI模型深度應用
讓順風車行前預測更全面更準確
隨著大數據、智能策略和導航能力持續升級，嘀嗒順風車行前預測範圍越來越廣，精度越來越高，進一步提升了順風出行確定性。在此次科普體驗館中，嘀嗒出行以預估應答時模型為例，深入淺出地展現了出行領域AI小模型的誕生過程。
第一步，洞察用戶需求。乘客希望明確知道下單後幾分鐘會有車主接單，從而提升行程確定性。對於比較著急要出發，以及跨城出行場景，這一訴求會更加強烈。
第二步，數據採集處理。預估應答時長模型，需要參照某條具體路線在過去一段時間內，各個時間點的車主平均應答時長、不同類型訂單應答時長、該條路線歷史供需情況和車主數量等數據，來進行整合分析，從而進入第三步特徵提取，通過分析這些數據樣本的特點，提煉出有區分度的特徵。
第四步：模型選擇。根據數據特徵和所要解決的具體問題，選擇用不同算法，如線性回歸、決策樹、神經網絡、邏輯回歸、大模型等。
第五步，模型訓練及調優。基於離線數據來持續訓練模型，評估預測準確率並持續調優，當達標後上線啟用，並在實踐中持續迭代進化。因此，在正式啟用之前，每一個模型已經過千錘百煉。
第六步，預測推薦值導出。順風車乘客下單後即可實時看到預計幾分鐘後會有車主接單。
上述六步也是出行AI模型的一般誕生邏輯，只不過在具體需求、數據維度、數據特徵，模型選擇，導出結果類型方面有所不同。比如針對預估接單概率模型，用到的特徵有下單時間、路線、人數、獨享還是合拚、天氣，該路線上的車主數、歷史接單情況等。
嘀嗒出行算法工程師表示：在一個新AI模型誕生過程中，樣本選擇、特徵提取、模型結構設計調優，每一步都有很大創新空間，更深入的用戶需求洞察，更高質量數據，更準確到位的特徵提取，更合適的模型選擇與調優，都能讓最終導出結果更加準確。
移動出行領域需要更多專有模型
每個模型誕生都是一次科學探索實驗
當然，精準預測只是AI模型在順風出行領域的創新價值之一，在起終點搜索、上車點推薦、路徑規劃、順路匹配、意圖識別、推理分析等方面，都隨著大數據和高級算法的應用而日益準確和高效，在更多領域和環節讓機器代替人去完成更加複雜的工作。
而這些功能的實現，其實都是依託於一個個的AI小模型。嘀嗒出行算法工程師表示，目前嘀嗒出行已開啟神經網絡和深度學習模型的應用，這類模型特點在於，網絡結構更複雜，特徵交叉更多，參數更多，導出結果或具體舉措更加準確、實時和高效。
針對人工智能在移動出行領域的應用邏輯，嘀嗒出行智能策略負責人表示，“出行里的環節比較多，不能用完整大一統的問題去定義它。我們要拆成更細顆粒度的問題去解決，剖析每一個環節如何去提升體驗。每個模型應對的問題不一樣，訓練目標不一樣。而解決痛點的邏輯路徑依然還是機器學習，從大量樣本里去深度學習，在實踐訓練中不斷優化模型。”
從短期來看，移動出行領域還不需要通用大模型，更應走專用路線，通過不同的專有模型各司其職，去針對性解決具體業務場景下的具體問題，最後數據多了，模型導出結果就更準確，自動化程度就越高，出行App就更加智能。
而通過人工智能，高級算法去破解順風車體驗效率痛點的過程，本身就是一次從0到1的創新實驗，基於此將會誕生更多新的算法模型，讓順風車出行邁進智能新時代。
推廣
