热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

Uber和它的规则amp;算法

私以为,Uber这家公司的出现,标志着:科技重构资源的时代正式来临。这才是大数据真正的使命啊!enjoy这个改变~以下信息来
私以为,Uber这家公司的出现,标志着:科技重构资源的时代正式来临。这才是大数据真正的使命啊!




enjoy 这个改变~
enjoy 这个改变~




以下信息来源:网络上流传的中文Uber解读


————————————————


Uber的算法:


均可以随着数据量的不断增加进行学习~所以只会越来越准,只会越来越准,只会越来越准。




1.计算车辆预计到达的时间算法


一开始使用的算法是Google这个行业已有巨头开发出来的API算法,后来发现其算法的误差较大。对于出租车较多的城市,这般不准确很有可能会使得用户放弃二次使用。不妨设想下,你站在路边等你叫的Uber,这时一辆空车开过你身边,你看了下手机,Uber提示说“你的专车1分钟后到达”,你想想算了就一分钟,过了这一分钟后你发现车还没来···错过那辆车的后悔之情会让你的每一分钟都不好熬。




好嘞,Uber想,那就自己来组建开发团队呗。然后招呼来了火箭研究科学家,计算神经学专家和核物理学家。听说一开始很不顺利,因为原始数据太少,不过像这种最终会得到真实数据的算法都能根据自己的预测和真实值之间的差别进行自主学习,so,预测会越来越准~他们最后捣鼓出来的算法将预测准确度提高了3分钟,更重要的是,这是个平均值。3可能是这般得出的:(2+2+2+2+2+2+2+2+2+12)/10=3,看到没,Google那个算法中12的大误差被消灭了哦,恭喜Uber,少损失了一个用户~




2.浮动溢价算法


设想下,一个演唱会结束的时候,公交车大都停运,而此时这附近的出租车肯定出于一种供不应求的状态。我们都嗨了,也都累了,贵点就贵点早点到家就行。所以,Uber的“特定区域随时浮动定价算法”对于土豪和次土豪而言是很不错的。而且,这个提价的信号一旦启动,对于附近稍远的司机而言是非常有诱惑的,不过,当你们来了之后还是不是这个价就另说了。高收益怎能没有点风险和机会成本。而且啊,Uber瞄准的这个市场,有效供给和有效需求太太容易被获得了,有什么理由不借助价格来推动供需平衡呢?




所以现在的情况是,在用户的等待时间出现相对陡峭的上升趋势时,便会触动提价算法。而这些情况大部分时候都是可以预测的~不过在这个算法神乎其神之前,遇到
这篇报道
中描述的问题的可能性也不低,超可怕~




不过真能做到的话就天下无敌啦~看看咱们现在的便利店,同一条街上卖矿泉水的都会定价不一样(没错,我就是在乎这几毛钱,而且当用百分数来考察时,5毛就是2元矿泉水的40%啊!)




anyway,尊重市场的产品最终会得到了来自市场的回报,我就很讨厌说“罗斯福拯救美国经济那个论断”,都已经到了最低谷,谁来都会变好的。只是来的那个人,本身要能给人力量,说白了就是能忽悠。




3.如何在一个城市中部署最少的车,来有效满足全城的需求(travelling-salesman problem)




4.自动匹配算法


Uber采用的是一对一的自动匹配算法,国内滴滴的黑文说:Uber匹配的效率贼低啊!不如我们用户至上把需求发给好几个人让他们抢单。




先把滴滴这种模式的弊端放一放,我们来看看Uber算法到底是怎么样的:只把一个用户的需求发给一个司机,然后给司机15秒钟响应~如果不接的话就算接单失败,然后再发给另外一个司机,直至有司机接单为止。乍一看这个过程耗时很长,不过,当司机拒单的成本很大时,拒单情况基本不存在时,一对一派单的效率就很高了。而Uber是如何让司机拒单率保持在一个很低的水平?




方法如下:


用好补贴这个经济杠杆,人民司机啊,你不是对大额补贴趋之若鹜吗?如果拿到补贴的前提是1)不低于80%的接单率;2)较高的评分;3)几乎不存在的投诉;4)```其余各种各样保证用户体验的要求。那么一对一派单这个系统就有了最大的帮手~




首先看下第1点,80%的接单率需要你在5次系统派单中最多只能拒绝一个单,如果你拒绝了2次,也有办法补救,那就再跑5单呗,这个时候,系统给的任意5单你都不能拒绝。那么在这10次派单中,你一共接单8次(3+5),唉,总算达到了补贴的门槛之一,且慢还有之二。




第2点评分。没错,和上面的道理差不多,为了达到4.8的综合评分,你需要尽量拿5分哦,万一4分拿多了怎么办?多跑跑,世界上还是好人多啊~




看到没,这个补贴的门槛让司机慎重选择上线等待客户这个状态,一旦上线就是Uber的人啦~于Uber而言,不用算法就筛选出了当下最有效的资源(那句老话怎么说的,占着茅坑不拉屎的人几乎没有~)。而当在线资源的可调度性很高时,全局资源优化就成了一件分外可行的事,听说最近Uber优化了派单系统,采用了一个能考虑全局指数的算法——Dispatch Optimization,不得不说这是很大一盘棋的起点。中国的孩儿们,光快有啥用呢?这个策略的远大作用还可以慢慢挖掘




哦,忘说了滴滴兄弟你的劣势。1)太不尊重人了,让司机总在神经紧绷;2)明明都是烧钱,你看Uber顺便优化了司机素养,你嘞~?




5.全局优化算法Dispatch Optimization


全局优化这件事,没有靠谱的数据还真是做不到啊~如何让资源利用率翻一番,搭顺风车呗。


———————————————————




Uber的规则:


所谓牛公司,就是钱多到能随意制定规则,爱来来,不来拉倒但是没空和你辨。




规则1:啥都不是铁板钉钉的


奖励政策每周变化、实时更新




规则2:给钱的时间我说了算


车费即时发放、补贴每周发放;




规则3:砸钱不等于撒钱,落地要有声


补贴详情:


高峰时段奖励:周一到周五的早高峰6:00-9:00;周一到周四的下班高峰17:00-24:00;周末大部分时间


冲单奖励:30单起步,10单升一级···


每程奖励50封顶




补贴门槛:


星级4.8


接单率80%(力求在15秒内匹配成功)


无中级投诉


不超过两个初级投诉


无刷单行为




规则4:产品这么好用,推荐朋友一起呗


推荐奖励:


推荐朋友加入,当其做满20单后奖励200




规则5:量化你的不满意


投诉分为三个等级:


初级、中级、严重




规则6:付钱的永远是大佬


类似Amazon神乎其神的专利“一键下单”,再也不用从钱包里东抠西抠找硬币了。到达目的地就可以拍拍屁股走人,账单会随后寄到邮箱。




规则7:让用户安心


显示司机的地理位置~看着慢慢驶来的小车是不是有种公举的感觉啊~


刷掉了三星以下的所有司机,服务业还是看态度,还是以用户体验为重




规则8:有效的评分系统


用户完成一单后必须评价


——————————————————


最牛的地方:


给钱的永远是最大的!


对系统数据有怀疑的前来寻求辩论的司机终止合作


用经济杠杆撬动司机端去保证顾客端的体验


——————————————————

最近在深究匹配算法,Uber这家公司哈~还真的蛮不错的




https://www.douban.com/note/507545359/


推荐阅读
  • 2017亚马逊人工智能奖公布:他们的AI有什么不同?
    事实上,在我们周围,“人工智能”让一切都变得更“智能”极具讽刺意味。随着人类与机器智能之间的界限变得模糊,我们的世界正在变成一个机器 ... [详细]
  • ThisisthecontinuedworkfromPR#2064takingincommentsfromhttps://do ... [详细]
  • AWSreleasedocumentationisbelow.https://aws.amazon.com/jp/about-aws/whats-new/201 ... [详细]
  • 云原生边缘计算之KubeEdge简介及功能特点
    本文介绍了云原生边缘计算中的KubeEdge系统,该系统是一个开源系统,用于将容器化应用程序编排功能扩展到Edge的主机。它基于Kubernetes构建,并为网络应用程序提供基础架构支持。同时,KubeEdge具有离线模式、基于Kubernetes的节点、群集、应用程序和设备管理、资源优化等特点。此外,KubeEdge还支持跨平台工作,在私有、公共和混合云中都可以运行。同时,KubeEdge还提供数据管理和数据分析管道引擎的支持。最后,本文还介绍了KubeEdge系统生成证书的方法。 ... [详细]
  • 本文介绍了设计师伊振华受邀参与沈阳市智慧城市运行管理中心项目的整体设计,并以数字赋能和创新驱动高质量发展的理念,建设了集成、智慧、高效的一体化城市综合管理平台,促进了城市的数字化转型。该中心被称为当代城市的智能心脏,为沈阳市的智慧城市建设做出了重要贡献。 ... [详细]
  • 本文介绍了数据库的存储结构及其重要性,强调了关系数据库范例中将逻辑存储与物理存储分开的必要性。通过逻辑结构和物理结构的分离,可以实现对物理存储的重新组织和数据库的迁移,而应用程序不会察觉到任何更改。文章还展示了Oracle数据库的逻辑结构和物理结构,并介绍了表空间的概念和作用。 ... [详细]
  • 本文主要解析了Open judge C16H问题中涉及到的Magical Balls的快速幂和逆元算法,并给出了问题的解析和解决方法。详细介绍了问题的背景和规则,并给出了相应的算法解析和实现步骤。通过本文的解析,读者可以更好地理解和解决Open judge C16H问题中的Magical Balls部分。 ... [详细]
  • Android Studio Bumblebee | 2021.1.1(大黄蜂版本使用介绍)
    本文介绍了Android Studio Bumblebee | 2021.1.1(大黄蜂版本)的使用方法和相关知识,包括Gradle的介绍、设备管理器的配置、无线调试、新版本问题等内容。同时还提供了更新版本的下载地址和启动页面截图。 ... [详细]
  • 本文介绍了Hyperledger Fabric外部链码构建与运行的相关知识,包括在Hyperledger Fabric 2.0版本之前链码构建和运行的困难性,外部构建模式的实现原理以及外部构建和运行API的使用方法。通过本文的介绍,读者可以了解到如何利用外部构建和运行的方式来实现链码的构建和运行,并且不再受限于特定的语言和部署环境。 ... [详细]
  • 使用在线工具jsonschema2pojo根据json生成java对象
    本文介绍了使用在线工具jsonschema2pojo根据json生成java对象的方法。通过该工具,用户只需将json字符串复制到输入框中,即可自动将其转换成java对象。该工具还能解析列表式的json数据,并将嵌套在内层的对象也解析出来。本文以请求github的api为例,展示了使用该工具的步骤和效果。 ... [详细]
  • ZSI.generate.Wsdl2PythonError: unsupported local simpleType restriction ... [详细]
  • 推荐系统遇上深度学习(十七)详解推荐系统中的常用评测指标
    原创:石晓文小小挖掘机2018-06-18笔者是一个痴迷于挖掘数据中的价值的学习人,希望在平日的工作学习中,挖掘数据的价值, ... [详细]
  • sklearn数据集库中的常用数据集类型介绍
    本文介绍了sklearn数据集库中常用的数据集类型,包括玩具数据集和样本生成器。其中详细介绍了波士顿房价数据集,包含了波士顿506处房屋的13种不同特征以及房屋价格,适用于回归任务。 ... [详细]
  • 利用Visual Basic开发SAP接口程序初探的方法与原理
    本文介绍了利用Visual Basic开发SAP接口程序的方法与原理,以及SAP R/3系统的特点和二次开发平台ABAP的使用。通过程序接口自动读取SAP R/3的数据表或视图,在外部进行处理和利用水晶报表等工具生成符合中国人习惯的报表样式。具体介绍了RFC调用的原理和模型,并强调本文主要不讨论SAP R/3函数的开发,而是针对使用SAP的公司的非ABAP开发人员提供了初步的接口程序开发指导。 ... [详细]
  • 荐
                                                        应用程序负载均衡器概述
    关注公众号:AWS爱好者(iloveaws)文|沉默恶魔(禁止转载,转载请先经过作者同意)网站:www.iloveaws.cnHello大家好,欢迎来到《AWS解决方案架构师 ... [详细]
author-avatar
撒大时代撒的照写真
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有