三秦都市报-三秦网讯（记者陶颖）在过去的两年里，人工智能技术迅猛发展，突破了传统界限，广泛融入各行各业。如今，在顺风出行这一领域，随着人工智能和高级算法的进一步应用，我们是否能够期待到体验和效率上的全新变革，以及这些变革将带来哪些新的可能性呢？

近期，嘀嗒出行推出了两项行业首创的顺风车接单预测新功能：“预计应答时间”与“最佳出发时段”。对于即时出发的订单，嘀嗒出行依托自主研发的AI算法模型，协助用户精确预判大约多久后会有车主接单；此外，依据对各个时间段的接单概率进行预测，为用户推荐接单概率较高的出发时间，从而有效增强出行的可靠性。

为了让读者能够更深入地掌握，人工智能与高端算法如何赋予顺风出行体验革新性变革的科学依据，嘀嗒出行今日正式推出了“嘀嗒酷科技·科普体验馆”的第四期活动。本期活动的主题聚焦于AI模型如何通过精确预测，为顺风车乘客提供稳定可靠的新颖体验。

在科普体验馆内，嘀嗒出行通过剖析AI模型的诞生历程，生动形象地阐述了AI模型是如何逐步实现对于应答时间预估的精确预测。嘀嗒出行相关负责人指出，顺风车服务与常规商业出行存在差异，车主和乘客各自有着独特的出行需求，且双方均基于自愿原则进行合乘。因此，如何运用智能科技提升用户对顺风出行的掌控力，缓解他们对不确定性的焦虑情绪，成为了提升顺风车服务体验的关键所在。我们期望借助更多前沿的智能技术，确保用户在每一次搭顺风车的过程中，都能体验到更高的效率、更快的速度以及更轻松便捷的体验，从而更好地满足他们日益增长的即时出行需求。

近年来，嘀嗒出行不断加强技术基础设施建设，加快了人工智能、高级算法、云技术和导航能力的升级步伐。这一举措成功解决了顺风车服务中许多长期影响效率提升的难题，同时也促进了顺风车应答率的稳步上升。至2023年，嘀嗒顺风车的应答率达到了66.5%，这一数据远超行业平均水平。嘀嗒专有技术每秒可处理大约45,000个路径规划请求，它能优化最近的接送点选择，同时最大限度地缩短等待时间和行程距离。

顺风车即时性进一步提升，AI模型进一步提升行程确定性

在移动出行这一领域，早已广泛应用AI算法进行高效、实时的供需匹配与调度。近两年来，随着人工智能技术的突破性进展，尤其是神经网络和深度学习的飞速发展，算法模型的能力得到了显著增强，不仅能够处理更为复杂和高级的问题，而且准确性和效率也得到了大幅提升。

以往，当顺风车乘客完成订单后，在等待司机接单的时间里，平台通常会给乘客提示：“司机大约会在10到15分钟内确认订单，请您保持耐心。”而现在，乘客下单后能够直接了解到，预计在几分钟内就会有司机接受订单。

关于“推荐出发时间”这一新功能，当乘客期望立即出发时，平台会依据乘客的出发时间，自动向其推荐一个接单成功率较高的具体时间，以确保合乘过程顺利。嘀嗒出行的算法工程师指出，“实际上，AI技术的应用在很大程度上提升了用户体验，让用户感受到一切似乎都是顺理成章，使得出行的每一个步骤都变得更加轻松愉快。”

依据嘀嗒顺风车提供的大数据，具体分析来看，预计在接下来的30分钟内发车的顺风车订单中，超过40%的订单已确定。此外，在接下来的15分钟内即将发车的订单中，其比例已逼近70%。与此同时，对于30分钟内出发的订单，平均响应时间已经减少至1.6分钟以上，而15分钟内出发的订单，平均响应时间更是缩短到了1.3分钟以下。这显示出，越来越多的驾驶者和乘客正将顺风车视为快速出行的主要选项，他们能够即时下单，即时接受订单，并立即启程。

依托大数据技术，实现了高效的匹配、调度算法和导航系统，这不仅显著增强了顺风出行的可靠性，还促使嘀嗒顺风车的响应速度不断上升。具体数据表明，在2021年、2022年和2023年，嘀嗒顺风车的应答率分别达到了56.4%、58.8%和66.5%，这一比例远超行业普遍水平。

AI模型深度应用 让顺风车行前预测更全面更准确

大数据、智能策略以及导航技术的不断进步，使得嘀嗒顺风车的行前预测能力得以大幅扩展，预测的准确性也在不断提升，从而显著增强了顺风出行的可靠性。在本次科普体验馆活动中，嘀嗒出行通过展示预估应答时模型，详尽而直观地揭示了出行领域中人工智能小模型的孕育与发展历程。

首先，要深入了解乘客的需求。他们期待在订单确认后能清晰知晓大约多久会有司机接单，这样做有助于增强行程的可靠性。特别是对于那些急于出发的乘客，或是计划跨城市出行的旅客，这种需求显得尤为迫切。

在第二步，我们进行数据采集与处理。首先，对预估应答时长模型进行构建，这需要依据特定路线在过去某一时间段内，车主在各个时间段的平均应答时间、不同订单类型的应答时间、该路线的历史供需状况以及车主数量等多方面数据。通过对这些数据的综合分析，我们能够进入第三步，即特征提取环节。在这一步中，我们将深入分析这些数据样本的特性，从中提取出具有明显区分度的特征。

在第四步中，需进行模型挑选。依据数据的特性以及需要应对的具体挑战，挑选适合的算法，这些算法包括但不限于线性回归、决策树、神经网络、逻辑回归以及大型模型等。

第五步，进行模型训练与优化。我们依托离线数据进行模型的不断训练，监控预测的精确度，并持续进行优化调整。一旦达到既定标准，模型便会被投入使用，并在实际应用中不断迭代和进化。鉴于此，在正式投入使用前，每个模型都经历了严格的测试和改进。

第六步，进行推荐值预测并导出信息。乘客在顺风车平台下单后，能够立即查看预计在几分钟内将有车主接受订单。

这六步流程同样是出行AI模型创建的基本思路，但在具体需求、数据范围、数据特性、模型选择以及输出结果类型等方面存在差异。以预测接单概率的模型为例，其中涉及的特征包括订单时间、行驶路径、乘客数量、是否为单独订单或拼车、天气状况，以及该路径上的司机数量和历史接单记录等。

嘀嗒出行算法工程师指出，在培育一个新型AI模型的过程中，样本挑选、特征提取以及模型结构的优化调整，每道工序都蕴含着广阔的创新潜力。通过更深入地理解用户需求，获取更高品质的数据，实现更精准的特征提取，以及进行更恰当的模型选择与优化，这些措施都能显著提升最终输出结果的准确性。

移动出行行业迫切需求更多专业的模型，每一款新模型的问世，都象征着一场科学研究的创新尝试。

当然，AI模型在顺风出行领域的创新价值不仅仅体现在精准预测上，它还涉及起终点搜索、上车点推荐、路径规划、顺路匹配、意图识别以及推理分析等多个方面。这些功能都随着大数据和高级算法的广泛应用，正变得更加精确和高效，从而在更多领域和环节中，让机器能够替代人类完成更为复杂的工作任务。

这些功能的实现实际上依赖于众多AI小模型。嘀嗒出行的算法工程师指出，目前嘀嗒出行已经开始使用神经网络和深度学习模型，这些模型具有网络结构复杂、特征交叉丰富、参数众多的特点，因而能够导出更加精确、即时且高效的结论或行动方案。

嘀嗒出行智能策略负责人针对人工智能在移动出行领域的应用逻辑阐述道，出行过程中涉及诸多环节，不宜用单一的整体性观点来概括。因此，我们需要将问题细化，以更精细的维度去逐一解决，深入分析每个环节如何优化用户体验。此外，每个模型所面对的问题各不相同，其训练目标亦有所差异。解决痛点的核心方法仍旧是运用机器学习技术，通过海量样本进行深入的学习，并在实际训练过程中持续对模型进行优化提升。

短期内，移动出行行业尚无需通用的大规模模型，而是应选择专精化的路径。通过运用多样化的专用模型，各模型各负其责，针对特定业务场景中的特定问题进行解决。随着数据的积累，模型的输出结果将更为精确，自动化水平也将不断提升，进而使得出行应用变得更加智能化。

借助人工智能技术，运用高级算法来攻克顺风车服务中的效率难题，这一过程本质上是一场从无到有的创新尝试；基于这样的探索，未来将涌现出更多先进的算法模型，从而推动顺风车出行迈向智能化发展的新纪元。