Соответствие Uber Marketplace: пример использования

Введение

Uber — это американская служба мобильности, которая упрощает передвижение. Его видение состоит в том, чтобы транспортировка происходила одним нажатием кнопки, и они имели огромный успех. Машинное обучение и системы искусственного интеллекта, участвующие в создании всего этого, являются большой частью этого успеха.

Цель использования науки о данных и технологий машинного обучения — предоставить пользователям удобство, доступность и безопасность. Один из способов сделать это — подобрать подходящих поставщиков услуг подходящим гонщикам.

Типичная поездка на Uber

Когда водитель заказывает поездку, в системе Uber создается задание. Место посадки и высадки водителя сохраняется. Затем с водителями связываются, и их модель выбора поставщика гарантирует, что они имеют право принять или отклонить поездку. Раньше им выделялся ближайший водитель такси, который соответствовал предпочтениям водителя, но иногда даже ближайший водитель не может прибыть вовремя, что приводит к увеличению времени ожидания и отмен. Это может произойти по разным причинам, в том числе из-за блокпостов и пробок на дорогах.

Чтобы преодолеть это, они разработали пакетное сопоставление, которое учитывает все поездки, запрошенные в заданной области, рассчитывает ETA и назначает водителей, чтобы общее время ожидания для всех клиентов было как можно короче. Успешные платформы расширяют возможности своих пользователей. Учитывая конкурентный характер фирм, занимающихся заказом такси, Uber не хотел бы, чтобы его клиенты ждали. С другой стороны, сокращение времени ожидания также увеличивает время заработка партнеров-водителей. В результате алгоритм подбора партнеров имеет решающее значение для бизнес-модели Uber, поскольку он не только создает удобство, но и помогает Uber создавать бизнес с меньшими затратами.

Описание данных

Жесткие фильтры

Жесткие фильтры — это основные функции, которые помогают модели понять, какую поездку хочет конкретный клиент. На основе этих фильтров алгоритм попытается найти наиболее оптимальный список доступных водителей-напарников.

Местоположение.Местоположение — это самая важная характеристика, которую следует учитывать. Место посадки и место высадки водителя играет важную роль в принятии решения о том, какой водитель должен быть назначен на поездку.
Тип запрашиваемой услуги и цена. Это относится к типу запрашиваемого автомобиля, и у каждого типа есть соответствующая цена, которая рассчитывается на основе цен на топливо, расстояния, загруженности дорог, спроса и погодных условий. В настоящее время Uber предлагает три типа услуг такси: UberGo, который предлагает экономичные и компактные поездки, GoSedan, который предлагает доступные поездки на седанах, и Premium, который предлагает комфортабельные седаны и водителей с самым высоким рейтингом. Поставщик услуг, который может удовлетворить эти требования, будет подобран.
Время обслуживания. Когда речь идет о ценах и подборе водителей, время обслуживания имеет решающее значение. Когда запрашивается поездка, уведомляется доступный на тот момент запас. Когда в любое время дня, например, ночью, запасов недостаточно, это может повлиять на стоимость поездки.

Мягкие фильтры

Ряд водителей был бы включен в шорт-лист после оценки вышеупомянутых критериев. Мягкие фильтры работают в фоновом режиме, помогая сузить область поиска. Эти критерии определяют, с кем из поставщиков, включенных в короткий список, следует связаться для выполнения конкретного задания. Некоторые из мягких фильтров:

Расчетное время прибытия (ETA).Чтобы сократить общее время ожидания для клиентов, будет рассчитано ETA для ближайших подходящих поставщиков для всей партии (пакетное сопоставление), и платформа начнет запрашивать наилучшие поставщики первыми в определенном диапазоне, например, в радиусе 2 км, и если ни один из них не принял запрос в течение установленного периода времени, радиус будет немного увеличен.
Оценки. Среди ограниченных поставщиков услуг модель не будет отправлять определенного партнера по доставке пользователю, который ранее поставил ему отрицательную оценку.
Балансировка нагрузки. Балансировка нагрузки — это процесс равномерного распределения задач между поставщиками услуг. Водители, которые ранее совершили множество поездок, не должны быть обременены алгоритмом сопоставления, оставляя других водителей свободными. Это достигается путем ведения в режиме реального времени записей о поездках, совершенных за день, текущих поездках и о том, начались ли они еще, но если водитель близок к завершению поездки и больше всего подходит для новой поездки, которая только что завершилась. Если их просят поблизости, их просят сначала выполнить это задание, а затем забрать нового гонщика.

Заключение и оценка модели

Как Uber узнает, подходят ли совпавшие поездки или нет? Есть две вещи, которые приходят на ум в качестве возможных критериев для оценки сватовства:

Оценки. Когда поездка завершена, клиентам предоставляется возможность оценить поездку, а водителям предоставляется возможность оценить клиентов на основе их поведения в кабине. Эта информация может быть использована для определения того, подходит ли согласованный поставщик услуг. Чтобы различать положительные и отрицательные оценки, можно использовать пороговое значение, а отзыв можно оценить, чтобы увидеть, сколько хороших совпадений было из общего числа совпавших поездок.
Отмены. Если поездка была отменена до того, как ее забрали, это явный признак того, что совпавшая пара не соответствует номиналу. Это может быть связано с более длительным временем ожидания, неправильной балансировкой нагрузки и многими другими факторами.