܄

揭秘神州专车出行大数据:专车进入拼"智力"时代

【数据猿导读】 如何才能让出行更智能、更便利?放在专车这个市场里,就不得不提一下专车幕后的神秘“大脑”——一切用户前端所感知的体验都依赖于大数据“智力”的无形指挥,既保证了用户出行体验,又能实现商业上运营的精细化、智能化、高效。可以说,专车市场粗暴式的补贴促销大战偃旗息鼓后,最终比...

揭秘神州专车出行大数据:专车进入拼

互联网出行已经融入我们的生活当中。如何更便利、快速地上车,如何降低车辆和司机的空驶率,司机如何驾驶能更省油、绿色环保,用户在哪个位置上车最方便,怎么根据不同用户的偏好来提供个性化服务,动态调整价格?可以说,每一点都是用车出行市场的痛点,也是专车下一步竞争的聚焦点。

如何才能让出行更智能、更便利?放在专车这个市场里,就不得不提一下专车幕后的神秘“大脑”——一切用户前端所感知的体验都依赖于大数据“智力”的无形指挥,既保证了用户出行体验,又能实现商业上运营的精细化、智能化、高效。可以说,专车市场粗暴式的补贴促销大战偃旗息鼓后,最终比拼的会是以大数据为核心的技术军备竞赛。

无论是滴滴、Uber,还是后起之秀神州专车,都在大数据、云计算、车联网等技术领域投入了重兵。人们更容易感知到USD(Uber、神州专车、滴滴)三家硝烟弥漫的补贴和优惠大战,殊不知在背后的技术层面,火药味更是越来越浓。尤其是神州专车,在大数据、云计算、车联网等前沿技术领域投入重金攻关,与清华大学、天津大学合作设立技术实验室,并在美国硅谷设立招揽顶尖人才,准备发动一场无硝烟的战争。

其中,大数据是重头戏。每家都在纵谈大数据,但究竟能给专车出行带来哪些价值呢?我们就来剧透一下。

智能调度是总指挥

首先是智能调度,说白了就是用户发起一个出行的订单需求,专车如何来快速响应,这就涉及到一个智能调度的系统。神州专车的海量用户,在哪里下了订单,上车地点、目的地是哪儿,行驶过程中的轨迹等,每天平台上都会生成数十亿条的数据。神州专车会根据用户订单的区域分布、时间点分布,通过电子围栏划出热点区域,将司机从后台进行实时调度,充分保证用户出行的快速响应。

派单机制也是一个大学问,比如这里有一个订单,神州的派单算法和技术是怎么决策的呢?会综合考虑位置远近、未来这段时间是否有订单、车型匹配、服务地点与目的地等几个因素,提前采集GPS数据。比如针对未来预约用车的订单,并不会立刻派单,往往距离订单开始前30-40分钟派单,因为路上车辆是流动的,位置也在变化,大数据会实时监测,根据车辆所在位置,选择最佳时间点,来动态派单给“顺路”的司机,这样减少司机的空驶时间。

这样,大数据就成了无形的指挥棒,高效的话,车队资源利用率高,否则就成了无头苍蝇,用户找不到车,司机一窝蜂。而且从运营的角度看,车辆的运营效率,每减少5分钟空驶率,可以节约的油量是一个相当可观的数据。

动态定价谁说了算

相信常用打车软件的人会经常遇到这种情况:当某地出现暴雨、冰雹等极端天气,滴滴快的、Uber会实行动态定价,甚至有一些上浮到了正常价格的4.9倍。相比之下,神州专车也同步进行了动态上浮,但幅度控制在了1.5倍左右。但是很多乘客都很迷惑,运营方是怎么决定调价幅度的呢?

实际上,这背后就涉及到了动态定价的技术。神州专车会结合不同区域、不同时间点的供给与需求的状况,通过价格来实现最优的匹配,这背后有一套算法来指导,究竟是涨价还是降价,谁说了算呢?从技术实现角度看,神州专车会根据某个城市时间轴的移动订单数分布,按照需求数和供给数,会以一个1KM*1KM的矩形去计算,设定一个需求与供给的比例,比如1.5倍就会上调20%,2.0倍是40%,2.2倍是50%,并设定一个最高的阀值。

当然,人们更多地是看到了高峰期、极端天气出行需求暴涨后的价格上浮。现在像一些订单的低谷期,比如周末、非早晚高峰或订单量小的区域,也会采取降价的方式,释放运力出来,主要目的还是将供给与需求拉平,达到最优的匹配。

值得关注的是,在运营模式上,神州专车与滴滴、Uber有明显区别,后者加价离谱,是因为私家车接入多,只能靠价格来刺激司机抢单,而神州是派单机制,司机车辆都自主,控制力强得多,能保持在1.2-1.4倍左右。但无论哪种,大数据来决定价格的趋势不会改变。

机器学习带来的另外一个好处是,能够预测某一地未来某段时间的供需情况,从而对车辆进行提早调动,保证供需达到平衡。具体表现是:“网格化运力预测与优化系统” ( Grid Based Supply Forecast And Optimization System)部署以后,神州专车的车辆调配效率上升了25%,空驶率降低了20%,运营成本持续走低,0.8-1.0倍成常态,1.4、1.5倍的情况将比较少见。

在哪上车更便利

另外还有一个非常有趣的现象。我们经常使用专车也会发现,上车地点是一个大的痛点,经常司机在附近转悠,始终与乘客碰不到面,在频繁电话沟通后才能接上头,不仅麻烦,用户体验也受影响。神州专车跟清华大学联合实验室就在秘密攻克一项“最佳上车点”的大数据技术,专门针对全国专车覆盖城市,进行一个最佳上车地点的POI兴趣点的大数据分析和研究。

这项技术能带来哪些神奇体验呢?问题其实出在高德、百度等地图导航接口上,因为导航采集的POI点,并不会考虑车辆停车是否合理、乘客上车是否方便这个因素,所以POI点会定位在企业、商户等分散的维度上,但这并不适用乘客上下车。所以神州专车联合清华大学进行POI大数据的清洗,根据用户行为共性和个性间筛选,建立不同城市的最佳上下车地点的POI点的梳理,比如在国贸三期,用户在东门上车是一个共性的行为,就不定位在国贸楼里面,因为车是进不去的,反而人走出来很方便,最终就会形成更智能化的上下车最佳地点。在神州专车最新的APP,“最佳上车点”已经上线,据了解,未来还将上线“最佳下车地点”,形成“最佳上车地点推荐,最佳下车地点预测”的智能技术。

这其中涉及到了机器学习、深度神经网络学习的人工智能技术,就像一个孩子的智力不断提升一样,系统也会根据数据量、算法不断进步,做到越来越智能,结果可能连上车前的沟通电话也能省掉,双方直接到最优的地点即可。别小看这个技术,在专车司机认路水平普遍不如出租车时,能免去多大的麻烦,估计很多用户会有“终于松一口气”的体会。

让刷单无从遁藏

做专车这个市场,刷单是一个行业现象,特别是Uber、滴滴这样的抢单平台,受高额补贴的引诱,导致恶意刷单套取补贴款的行为相当普遍。之前就有数据显示,Uber每天因为刷单行为就损失百万元之巨,并滋生了庞大的刷单族,只需要GPS模仿出行轨迹,单足不出户,单月收入就能达到2-3万元,一本万利。同样,一个模式框里的滴滴快的也面临着刷单虚假行为的困扰。

那怎么来解决这个现象呢?相比,采取派单机制的神州专车,是专属雇佣司机,刷单现象很少的原因,还在于大数据技术的“无形的手”。据悉,神州专车采取了三重技术进行反欺诈——手机、GPS和OBD,三道关口去匹配,这样的话,用GPS软件模拟安卓手机GPS运行轨迹的方式很容易识别出来,只要人车分离,就会触发报警机制和作弊嫌疑警示。特别是车辆自身的OBD数据,神州专车是自有车辆,车辆出行中的油耗、发动机工况、故障代码等一目了然。

当然,对Uber、滴滴们来说,刷单是一场马拉松的对抗,魔高一尺,道高一丈。由于私家车不可能采集OBD信息,所以很难通过大数据来准确地判定车辆出行状况。

乘坐体验更舒适

既然是专车,那就必须在出行、乘坐体验上,享受到专车舒适、尊享的待遇。相比滴滴、Uber等私家车接入为主的平台,由于车辆和司机很难统一管理,必然存在着驾驶习惯、司机搭讪等完全不同的行为,这是中高端的商务出行人群比较“忌讳”的,也经常能看到一些吐槽。神州专车在司机形象、车况上更胜一筹,毕竟是自家员工、专业车辆,比私家车更容易统一规范、标准,而且在驾驶行为上也引入了大数据的技术来保障体验。

秘密依然在车辆的OBD大数据分析上,笔者乘坐过神州专车,几乎所有司机的开车习惯、驾驶平稳度都很规范,很少有急刹车、急加油等动作,原因是因为所有的神州车都进行了OBD的“改造”,司机的所有加油、刹车、油耗等实时车况数据,在大数据后台清晰展示出来,几万名司机,每一个加油动作都可视化。即使车辆出了故障,一些司机想多拉活儿忽略,有了OBD,后台可强制让司机去维修。这对司机起到了明显的“约束”作用,乘坐体验更舒适,对社会来说,也更环保。

而且这里面还有一个油耗的小数字、大文章。据透露,对神州这样的B2C自营模式来说,几万部车在路上跑,油费是一个天文数字,通过OBD来优化油耗,每个月节省下来的油费就高达数千万元。笔者第一次听到也吃了一惊。但这一点,滴滴与Uber是永远无法做到的,因为车辆并非自有,很难在私家车上安装和采集数据。此外,这些数据对于汽车厂商来说,也是财富,可用于后续的车辆改进计划。如果考虑到未来的共享汽车,这里面的想象空间会更大。

当然,除了以上这些大数据应用外,神州专车还与清华大学、北航、天津大学等国内的985、211高校合作,建立了前瞻性的实验基地或研究中心,并且投入巨资在美国硅谷设立实验室,招募来自于GOOGLE、Facebook、微软及知名车企的前沿技术人员、工程师、人工智能专家,展开基于大数据、车联网、机器学习等领域的研究。

不出意料的话,这些技术的储备和应用,最终都会反馈到出行等场景体验上,而且在下一轮的专车大赛中,也迎合了未来市场比拼用户体验的新竞争规则。最近一份来自于罗兰贝格的数据也显示,神州专车在专车市场(相对出租车溢价20%)占据40%市场份额,尤其是神州专车次月客户留存率达70%,稳居行业首位。那究竟是什么让神州的回头客比例更高呢?显然,神州背后的技术“大脑”更聪明,体验更佳。未来,专车之争,不取决于补贴,除了要看政策脸,更要看大数据、人工智能等技术的眼色。


来源:比特网

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/04-11]

大咖周语录

More>

[2016/10/31-7]

大数据周聘汇

More>

[2016/11/01-6]

每周一本书

More>