激活闲置资源、中心调度、高效匹配”，智能调度是滴滴的智能大脑和决策系统。
智能调度结合大数据与机器学习，搭建滴滴交通和决策大脑，收集每个城市，每一时刻所有交通出行相关数据，然后做出最优的决策(匹配、导航)，从而提高出行效率。
智能大脑主要渗透到以下各个环节：预测目的地、价格预估、时间预估、最佳路径匹配、司机和乘客分配、订单分派、供需预测、预测乘客体验。
其中，司机和乘客匹配，订单分配是滴滴智能调度的核心。订单分配在于要完成司机和乘客的最优匹配，最大限度提升匹配率和成交率。
采用抢单模式+滴米算法来形成自己的调度算法
乘客发出一个订单，系统会推送给多位符合条件的司机，所有司机拒接后才会进行第二轮派单。
“滴米”是在司机端的一种虚拟积分，若乘客发出叫车需求，而两辆车与乘客距离是一样的，那么谁的“滴米”多，谁就能获得这个订单。有效杜绝了好单人人抢坏单没人接的窘境。好单扣滴米，差单得滴米。
中心调度 体现在派单制上，即依据一系列因素算出一个或者一批效率最优解直接派单。
高效匹配其中一个的关键点是按需分配，识别用户的准确需求，并在众多资源当中匹配到最合适的。
派单架构图
支撑这套智能调度的能力包括
1、资源实时管控能力：地理信息实时更新，描述整体资源情况，当用户发出用车需求后，第一时间根据资源情况，进行订单推送
2、订单热力图：基于对历史数据的统计并结合实时订单数据，给出当前全城范围内订单密集区域的分布，给司机提供有价值的听单位置参考，提高听单概率并减少司机空驶时间(比如某处举办大型演唱会等活动)。
3、供需预测：基于海量实时出行数据，以数十亿订单数据和数百万司机位置信息为基础，预测任意时间段各个区域的订单需求和运力分布状况。
4、运力调度：基于供需预测结果，大规模有序调动全城所有可用运力，实现资源最优化分配。
5、智能分单：在司机和乘客的历史数据中学习接单概率模型，提高司机和乘客的匹配度，利用运力的规模效应实时地从全局上最优化总体交通运输效率和乘客出行体验。
6、评分系统：行程结束后，预测乘客的体验是好是坏。由于历史订单中有些乘客会进行投诉，比如说拼车匹配欠佳、绕路。而有些用户则会给出好评。我们从大量历史数据学习出来哪些特征是导致乘客抱怨的原因，哪些特征会导致好评。综合分析大量乘客的打分和评语数据。
网友评论