首次发布“AI模型焕新赋能顺风车体验效率安全一览图”嘀嗒出行深入详解顺风车十大AI赋能领域的创新逻辑

目前，新的生产力正在加快各行各业的建设。那么，作为数字经济的代表，移动出行业创造新的生产力有哪些新的特点呢？在大数据和AI的帮助下，如何提高城市交通效率，为顺风出行的用户体验带来新的福利？未来还有哪些新的可能？

最近，嘀嗒出行发布了一张“AI模型如何更新赋能搭便车各环节体验效率安全”的图片，通过“起终点智能搜索”、目的地智能推荐、智能推荐上车点”、智能化路径规划、“顺路双向匹配”、智能化接单预测、“语音智能转写”、AI智能判决责任”、十大领域，如“实时安全护航”、“路线偏移预警”等，深入展示在行前、行中、行后的各个环节，AI模型如何创新解决出行痛点，提升顺风车体验、效率和安全性，它也是顺风车行业AI模型具体应用的首次集中展示。

从图中可以看出，AI赋能顺风车体验效率安全提升，有四大新趋势：

1. 伴随着深度学习，进一步广泛应用神经网络和大模型，可以解决出行AI模型的问题。实现自主分析、识别和判断的复杂问题，同时不断提高准确性和效率。
2. 行前环节是AI赋能的重中之重，赋能领域不断拓展。从起点到终点智能搜索到智能订单预测，从智能路径规划到AI智能责任的判断，不仅进一步保证了履约，也让更多的安全守护更加积极实时。
3. 在不断提高乘车效率体验的同时，AI赋能也带来了更多的人文价值，实现对车乘履约意识、友好沟通礼仪的积极引导，使用户自发地建立更温暖、更愉快的顺风合乘。
4. 大数据和AI共同赋能，正在重塑移动出行平台的科技创新逻辑:从洞察力出发，切入痛点，用科学实验探索新方案，用数据验证效果，让实验探索成为创新的源泉。

迪达出行相关负责人表示，从科技角度来看，顺风出行的本质是让更多的私家车在不增加额外车辆的情况下，更方便地共享空座，让更多的路人顺利同行。旅行分为很多环节，每个环节都有机会通过大数据和AI的共同努力来解决一些痛点和难点，提升用户体验和效率，同时探索更多的机会在路上乘坐，让更多的路上空座位得到充分利用。

所以，借助大数据和AI的共同赋能，让顺风出行的各个环节都能实现什么样的复兴升级，背后的创新逻辑是什么？

终点智能搜索和上车点智能推荐:完全恢复出行第一步的体验

出发前，第一步是搜索目的地，确定起点。AI赋能的创新是让用户花更少的时间输入更少的文字，找到自己想去的目的地，同时为用户推荐更方便快捷的上车点。

迪达出行算法工程师表示，在过去的几年里，终点搜索实现了全方位的AI赋能。。他说：“使用旅行数据对transformer排序模型进行预训练，学习用户的输入习惯。我们可以更好地掌握用户的需求偏好，为用户提供更个性化的智能搜索服务。更短的用户输入query(询问)可以找到目的地。与此同时，从数据来看，目前排名第一的目的地是用户想去的比例不断提高。”

与此同时，嘀嗒顺风车也可以“猜你想去”，当用户还没有表达意向时，App会议根据用户在不同时间点出发的历史起点和终点，我们向用户推荐目前要去的目的地。“基于生成式AI方法，我们可以不断提高目的地推荐的准确性。”

此外，选择上车点也是行前体验的重要方面，而AI赋能方向对于车乘双方来说都更加方便快捷。基于“大多数人高频使用”、“更出名、更显眼”、“步行距离近”、“你的习惯和喜好”等算法标准，迪达搭便车目前每周为用户推荐5亿多次智能上车点。

嘀嗒出行算法工程师表示:“未来智能推荐上车点还将利用多模态特征，使模型与真实地理世界更加紧密结合，为用户推荐更精准的上车点数据，不再被上车最后一百米的问题所困扰。

道路双向匹配:多个子模型实现精准高效的道路推荐。 订单推荐列表加长超过20%

当乘客下单，车主发布路线时，下一步就是让乘客尽快遇到合适的路人。这个向乘客推荐合适的路人的过程，就是顺路双向匹配。

与商业出行单向派单不同，顺风车和道路的双向匹配需要同时满足乘客双方的个性化需求偏好，如时间敏感度、道路程度偏好、乘客数量预期、是否支付高速费用等备注信息。

“嘀嗒出行算法工程师说，”通过包括神经网络在内的各种机器学习算法，我们训练机器学习模型，使用数亿的订单搜索记录和数千万的订单数据。，并且通过多个子模型实现不同的拼车方案，在充分满足每个车主和乘客个性化需求的基础上，实现更精准高效的大规模顺路双向匹配。"

近年来，在大数据和AI的共同赋能下，嘀嗒顺风车的匹配效率不断提高。比如在为车主智能推荐“首选双拼”的基础上，实现了市内订单城际订单一次接三个订单的智能推荐功能，可以更大限度地发挥路上私家车的空座效率，进一步降低乘客的单次出行成本。

同时，通过路径规划的不断优化和升级，迪达搭便车为用户在道路上找到了更多的机会，使得车主在道路上的订单推荐列表平均长度增加了25%以上。“特别是对于一些长途路线，道路订单推荐列表的长度增加更为显著”。

图注：经过实际测量，嘀嗒出行App为车主推荐了12条优选合拼订单。

此外，道路订单推荐列表也越来越人性化。比如乘客的道路车主推荐列表，不仅可以看到每个车主的道路程度、好评率、接单次数，还可以看到车主几分钟就在找乘客。同时，支持基于“最近”、“最早开始”、智能排序订单的逻辑，如“最多出行”。

而且在车主的乘客列表中，可以看到乘客接受的具体拼车类型，加上感谢费金额，是否承担高速费用，是否接受前后一小时出发，是否刚上线等等，同时也可以支持车主自主选择行驶路线，进而为车主推荐不同路线的不同顺路乘客，让更多的顺路合乘成为可能。

资料显示，2024年，据接单统计，嘀嗒顺风车订单的平均顺路程度已经超过85%。然而，许多用户称赞迪达顺风车的严谨计算。“非常客观、准确、可靠，为选择更合适的路人提供了非常有价值的参考。”

然而，在迪达出行算法工程师看来，在开发更多的机会共享道路空座椅的同时，也有很大的探索和创新空间，让乘客获得高效愉悦的体验。

智能化路径规划：多人合乘顺序更合理 在顺路找到更多的新机会

实际上，道路规划是提高道路双向匹配效率和体验的重要支撑。怎样根据真实的地理环境，更准确地计算最短的距离？怎样才能让用户预测到更准确的到达时间，以及更符合实际的行程费用？当车主在路上接到两个甚至三个订单时，如何通过进一步优化驾驶顺序，尽量减少绕道和每个乘客的等待时间，让多人乘坐更有效率？怎样通过提高地图和导航能力，找到更多可以同路的车主和乘客，不断优化路线？

随着智能路径规划领域更多高级算法的应用，这些需求得到了更全面的满足。例如，基于智能路径规划的ETA(估计到达时间)可以实现。根据实时路况，甚至根据每个车主的驾驶行为特点，估计到达时间更真实。随着参与顺风旅行的用户越来越多，估计到达时间也更加准确。

因此，AI赋能路径规划能力的提升，为什么能帮助更多的用户顺路呢？滴滴出行算法工程师解释：例如，从A到B，我们以前只能规划一条路线，现在可以规划多条合理的路线，通过扩大召回，可以帮助车主找到更多的乘客。

注：上图显示，从A点到B点，搭便车的车主可以在出发前自行选择出行路线，平台可以根据不同的路线智能推荐不同的乘客。

“与过去相比，随着旅行数据的丰富和高质量，以及AI算法能力的不断升级，用户的特点和偏好被挖掘得更加精细和全面。比如之前的数据只有10维，现在是50维。从多方面考虑一个用户的行为偏好，然后通过培训和优化模型，可以实现更智能的匹配，让更多的用户成为路人。”

智能化接单预测：更准确的微观实时预测 升级顺风旅行的确定性

完成路径规划和匹配推荐后，下一步是确认乘客。在这个过程中，AI模型会根据每条路线的过往情况，为乘客预测更准确的接单等待时间，以减少乘客的等待焦虑，提高行程的确定性。同时，建议更容易接单。

与宏观供求关系和对未来趋势的预测相比，顺风出行预测更多的是当前的实时动态微观预测，关系到用户在特定场景下的实时体验，对预测的准确性要求更高。

事实上，通过AI提高用户顺风出行的确定性，也是顺风出行前体验的重要恢复，因为作为非商业出行，需要车乘双方确认顺风出行能否成功。

从滴滴出行的角度来看，AI赋能顺风出行体验焕然一新，行前是最重要的。这不仅是为了通过模型训练不断提高旅行各方面预测的准确性，也是为了让用户在出发前对旅行更加确定和控制。也是为了综合运用各种算法，让双向匹配更加智能化，路径规划更加顺畅，让车乘双方一站式满足各种个性化需求，提高匹配成功率，让搭便车的安全干预更加前进，守护更加实时。

语音智能转写和AI智能判断：大模型辅助使安全守护更加前进，主动安全更加及时。

因此，除了提高行前全方位体验效率外，AI模型的另一个主要功能是搭便车的智能安全，这也使得搭便车的实时主动安全保护提前到行前沟通阶段。这种升级得益于在语音高效转写、辅助意图识别、智能判断等方面，AI大模型更新赋能。

过去顺风出行的主动安全干预主要包括安全护航、路线偏移预警等。，以及特定场景下的智能语音呼出提醒。例如，基于轨迹算法的平台可以实时识别和判断车辆的偏航停留情况，安全客服可以及时积极干预。但是很难实时分析和智能判断行驶中的语音和通话交流。因此，当车辆乘坐不愉快时，平台的干预和处理就会滞后。

另外，在取证时，行程录音过去大多需要人工听取，这进一步影响了客户服务的处理效率。

现在，智能语音转写 AI智能判断责任的合力赋能，大大提高了客户服务的工作效率和质量，帮助车乘纠纷更加及时处理，取证更加清晰全面，判责更加公正。

基于语音智能转写，平台可以及时转写和提亮行程录音、语音等。，让客服第一时间判断:当前行程中交通问题的具体原因，如时间和地点的约定、是否有涨价和额外收费、态度是否不友好等。，从而实现更高效、准确、客观的取证。

在此基础上，通过大模型的智能判责辅助，迅速给出客观公正的判责，在萌芽状态中尽快终止可能存在的隐患。同时也实现了对乘车行为的积极引导，有助于提高乘车履约意识和友好沟通意识，让乘车更加温暖愉悦。

在不断处理各种客服案例的过程中，AI模型也在不断独立学习，变得越来越聪明，智能判断的准确性也在不断提高。目前平台接收的用户访问量仅针对某一类案例就减少了20%以上，说明用户对AI智能判断的结果更加满意。

嘀嗒出行相关负责人表示:“这个大模型就像人一样。如果你认为它处理不当，你可以告诉它它错了什么，或者它为什么错了。下次遇到类似的情况和场景，会特别注意。

可以看出，大数据和AI的共同赋能、深度学习、神经网络和大模型的深度应用，使得各个环节的综合体验和效率从0到1实现了很多新的突破，从1到10的新升级。也在重塑移动出行平台的科技创新逻辑:从用户和市场洞察入手，以核心痛点切入，用科学实验探索新方案，用数据验证效果，这是移动出行行业创造新生产力的创新实践。

在这条路径下，诞生了越来越多能够高效自动解决不同问题的新AI模型，让搭便车在让出行生态系统更高效、更环保的道路上无止境。