基于定位服務的專車司機行為分析對派單系統的優化

趙冉頔

【摘要】 隨著共享經濟與環保意識逐步深入人心，越來越多的人選擇專車作為他們的出行方式。截止到今年年底，專車市場已經達到了上千萬的量級。專車行業最重要的一環，就是如何將用戶和司機合理匹配到一起，達到整體效率最優。本文針對這種背景提出了一系列基于定位服務的專車行為分析結論，此結論將在后續有效應用于專車派單系統，提升整體專車派單效率。

【關鍵詞】 定位服務 專車 行為分析

一、專車司機行為分析與派單系統的意義與現狀

1、專車行業的核心 – 派單。在日益火爆的專車行業中存在兩大用戶群體，分別為用戶與司機。用戶作為需求方來平臺尋求用車服務，司機作為攻擊方來平臺提供用車服務。專車平臺最核心的智能之一就是將兩端以最快，最合適的方式進行匹配，促使交易達成，生成有效的線上訂單。

2、派單強烈依賴于專車司機的行為分析。定位信息與歷史服務水平作為目前專車派單過程中最重要的核心因素，直接決定了訂單派發的司機對象，但最優的匹配方式遠不止如此。如果適當對司機進行一系列行為分析，我們可以通過司機的常駐點信息、行駛熟悉路線信息等，對不同行為習慣的司機進行不同訂單的派發，從而達到司機接單意愿最大化，極大程度提升派單效率。

3、國內外行為分析應用派單邏輯的現狀。國內外的計價專車行業公司派單規則均比較相似，大致采用了如下規則。隨叫隨到型訂單就近派發原則：根據實時司機GPS定位信息，選擇距離出發地導航距離最近的司機進行嘗試匹配。如匹配不成功則順次就近匹配，直到成功匹配為止。預約型訂單服務質量優先原則：根據司機歷史服務信息評價等，選擇綜合分值最高的司機進行嘗試匹配。如匹配不成功則順次繼續匹配，直到匹配成功為止?；诙ㄎ恍畔⒎治雠c歷史服務行為分析的派單策略還十分初級，還有很大的提升空間，如基于區域的行為分析等。

二、專車司機行為分析描述與對派單系統優化的結論

2.1采樣數據

數據類型：GPS定位信息（經緯度lat、lng）

城市：全國

時間：2015年10月 - 2016年9月（一年）

司機：活躍司機 10，000 名

數據量：超過600，000，000條（6億）

2.2駐留點分析

1、簡要操作流程說明。a.對單個城市已有定位信息在地圖中進行點集合分析，提取重點聚合位置作為預備駐留點；b.對預備駐留點進行人工提取過濾，制定自動過濾規則；c.套用全部定位信息點集合+自動過濾，并區分城市。

2、趴活地點分析

在對駐留點分析后，我們得出結論：

普遍性結論：大部分司機每天會在固定的時間，固定的位置等待訂單，我們稱之為趴活地點。 趴活地點根據不同時段有不同的集中性。a.早高峰時，趴活地點會集中在大型住宅區；相反晚高峰時，趴活地點會集中在商業區寫字樓等b.夜間拉單的司機趴活地點會集中在酒吧KTV集中的地帶附近。c.機場火車站也是大部分司機趴活地點的選擇對象，但該地點并無時間段區分。

個別性結論：a.通過每天夜晚定位駐留點，分析猜測得出每名司機家庭住址。b.通過定位信息匹配接單時間，分析猜測得出兼職司機的上班地點。

3、分析結論對派單系統的應用。由于不同的時間段，活躍趴活地點也不相同，司機會更加傾向于出發地與目的地接近于活躍趴活地點的訂單。所以我們根據乘客下單的時間、出發地與目的地和活躍的趴活地點的接近程度，個性化計算了動態加價的倍率，提升司機的接單意愿，從而增加派單的有效性。由于每個司機的家庭住址都不相同，我們對早上的預約訂單更加傾向派發給出發地與司機家庭住址更為接近的司機；我們對晚上的訂單更加傾向派發給目的地與司機家庭住址更為接近的訂單；提升司機的接單意愿，從而提升派單的有效性。

2.3軌跡分析

1、簡要操作流程說明

a.拆解出大量定位數據內正在服務中的定位信息；

b.根據區域，主干道，方向，速度（定位間隔）進行分類。

2、常駛路線與熟悉區域分析

在對軌跡分析后，我們得出結論：普遍性結論：白天大部分司機更愿意向相對偏遠的郊區移動，相反到了晚上大部分司機更愿意向市中心移動。個別性結論：通過一個時間段內的司機行駛軌跡分布，分析得出每名司機的熟悉地理區域。

3、分析結論對派單系統的應用

由于不同時間司機的接單傾向方向不同，所以我們根據訂單的行駛方向向量匹配，對訂單加價倍率進行調整，提升司機接單意愿，從而增加派單的有效性。

總結：綜上所述本文通過專車司機定位信息，詳細的分析了司機在專車平臺接單的普遍性行為，得到了司機個體性與普遍性的行為結論。該分析結論作為司機屬性，大大優化了平臺派單策略，提升了整體派單效率。

參 考 文 獻

[1] 田昊.基于蜂窩定位數據的人群移動行為分析研究.《北京大學》.2011

[2] 戴浩洋.基于Wi-Fi無線定位的消費者行為分析系統設計與實現.《東華大學》.2012