智能算法如何创新赋能顺风车体验效率提升？四位出行工程师分享

近年，随着Chat GPT出圈，当大模型成为趋势，人们对大数据和人工智能的结合来解决具体行业和领域的问题，更加充满期待，也探索出了很多新的解决方案。在顺风出行行业，大数据，算法，人工智能的结合，同样为体验、效率提升提供了新的解题思路，带来更多想象空间。

在嘀嗒出行新出行方式工程师们的眼中，算法的乐趣就是持续寻找最优解。那么，他们是如何从发现问题，分析问题，用创新方法来解决问题的过程中，收获创新探索的乐趣，打开未来之门，从而为用户带来更高效、更智能、更轻松愉悦的顺风出行新体验的呢？

今天是一年一度的1024程序员节，嘀嗒出行的四位智能算法工程师们，分享了他们的洞察，体会与思考。一起来听听他们怎么说。

智能算法在顺风出行领域如何发挥作用？

嘀嗒出行智能策略专家张浩：“智能算法拓展人的能力边界 需要深入洞察用户与市场”

在我看来，智能算法赋能一定能够为出行场景服务，为出行各个环节赋能。出行场景有很多复杂因素，不同乘客，不同车主，不同时间地点线路偏好，不同出行习惯如何去同时满足？面对这些复杂性，人类不管是能力和体力都很难驾驭，需要诉诸技术去解决。

而这就要求，我们首先需要对于顺风出行业务和场景，以及用户的诉求，有更深入的理解和洞察，比如这个上车推荐点有多少人用，用户使用之后有怎样的体验，你给推荐了上车点，用户真的在那等吗？有没有人在这个点，乘客找不着车主，因此打了很多电话？

当我们结合业务去定量刻画和分析，就可以看这个点有没有问题，有多少人用，用了出了多少问题，分析出来从而更具体理解这些问题，找到优化方向。

另外比如，顺风车App搜索里可以搜起点终点，但对于起点搜索和终点搜索，用户期待其实是不一样的，我们需要去分析、总结和优化。

因此，当离顺风车场景更近，我们可以在效率和体验方面做更多整体优化改善，第一步，分析场景，第二步，结合场景去做什么事儿。同时，需要对出行业务有一些更宏观前瞻的构想，进而去挨个观察，拆解顺风出行各个体验环节，从数据层面去了解他，在技术上去设计方案，验证方案，从而实现改善。

嘀嗒出行算法工程师刘栋：“算法模型像一个黑盒子 持续训练会更加准确可靠”

事实上，当通过智能算法去创新提升顺风出行的车乘体验、效率和安全水平时，基本工作逻辑都是发现问题，提出解决方案，进而通过自动化而非依赖人力去解决优化问题。

这些算法模型正是通过持续的数据输入来得到训练，来提升对相应问题的自动解决能力。

他们就像一个神奇的黑盒子，你有输入他就给你输出了。随着经验的逐渐积累，算法模型得以不断优化，而变得更聪明、更准确、更可靠、更敏捷。

如何基于顺风出行的天然特点做针对性探索 ？

嘀嗒出行智能策略工程师王泽 ：”需要综合考虑车主乘客双端需求“

顺风车车主在出行线路规划的偏好及考量方面，的确会和网约车司机有所不同。比如后者主要考虑的是更快的路线，而前者会把车费、过路费、高速费、燃油成本、时间成本等等都考虑在内。

那么我们在匹配车主乘客时，就需要对双方的出行偏好、频次等进行更多综合分析和总结，做出最合理周全的，让双方都满意的推荐，更加满足车主乘客双方个性化需求。

比如之前数据考量只有十个维度，现在可能需要五十个维度，从而更快地自动匹配同时符合车主乘客双方需求偏好的顺路订单，更好顺路同行。

嘀嗒出行算法工程师田沐：“做智能算法一样要懂业务，深入洞察用户”

顺风出行是车主和乘客双端的合乘行为。嘀嗒作为桥梁，要不断为他们牵线搭桥，让彼此更舒服且愉快地匹配上，从而最优化最合理地，把n个乘客，n个车主顺路匹配在一起。

对我们而言，这不仅需要技术创新赋能，懂算法，也要懂业务，还需要有更深入的用户洞察。比如某种场景下，我们要去综合考虑车主乘客到底是怎么想的。

因此不仅是产品，市场，用户体验领域的人需要了解用户，智能算法领域的人都要了解用户，都需要经常自己去打顺风车体验，才能更好站在用户的角度去思考问题，改进产品体验。

智能算法如何为顺风出行带来更多可能性？

嘀嗒出行算法专家刘栋：“AI技术与业务深入结合 直观量化提升用户体验效率”

我非常认可顺风车的社会意义，对乘客和车主而言，通过分摊出行费用都能节约出行成本，尤其是城际单和长途单。从社会来说，是闲置资源的高效利用。

AI建立在海量大数据和高算力基础上，随着IT技术发展，各方面数据量也在急剧膨胀，当现有能力不能充分利用数据，算法就出一些规律性的东西来辅助业务增长。而工作中的乐趣在于，可以把AI技术和业务深入结合并且应用上，更直观量化地提升用户顺风出行的效率和体验。

嘀嗒出行智能策略专家张浩：“根据实际业务需求 针对性探索算法赋能之道”

在业界和学术界不太一样，学术界我们需要时时刻刻保持关注最近前沿技术和研究陈果，而在业界，这些学术成果有的可以落地有的不能马上落地，这和所处行业，和公司业务都有关系。

科学可以帮人们找到更高效的方式，发现更多可能性，但人类社会已经有自己固有的运行规律，我们要做的就是，从最新科学知识去找到一些结合点，改变社会生活中的一些东西。

我们做每一个创新背后，都需要一些底层算法支持，同时，更重要都是根据实际业务需求，去有针对性地探索算法赋能之道。

持续探索最优解的过程有哪些乐趣？

嘀嗒出行算法工程师田沐：“乐趣来自日常 探索原因的过程本身就很有趣”

乐趣分很多层面，大的层面，是通过持续提升顺风出行各个环节的效率，来实现更高效的顺路匹配，并且帮助更多车主真正愿意分享空座。来提升整个交通系统的运行效率，这是很宏观的，更多时候，乐趣来自于日常工作中的一个个细节。

比如我们今天发现了某一个现有问题，可能来自我们主动发现或用户反馈，那我们发现问题后，就要一步步分析原因，去寻找解决方法，形成今后能够自动解决类似问题的算法模型，并且最后上线，然后发现用户反馈好，然后业务量增长了就会带来成就感，也是日常工作中的乐趣所在。

有时候，如果发现一个问题而暂时找不到原因时，也很有趣，因为去找原因的过程本身就很有趣，在这个过程中可以拓宽我们的认知边界。通过算法分析背后原因，找到新的解决方案并上线实施，从而得到用户认可，同样非常完满。

探索性过程其实本身就很有乐趣，你构建了一个你觉得用户可能会接受，也是比较新的解决方案，但用户可能没有接受，或者在当前阶段，基于当前产品模式暂时还不愿意接受，这就会驱动我们对用户和市场去做更深入的洞察和思考，从而找到更佳的解决路径。

嘀嗒出行智能策略工程师 王泽 ：“成就感来自于 自己训练的模型产生了实际效果”

做算法的成就感来自于，有一些事情很模糊，不太好去定性，但通过一些策略算法模型，就慢慢变得清晰了，算法带来一些输出远超人脑想象，是人为想不出来的。每当自己训练出来的模型，上线后能带来实际效果，业务指标实现增长，真正让用户体验更好了，就挺有成就感的。