«30 секунд – это много». Как изменят сервис такси Big Data

Технологии сделали работу такси в Минске эффективнее и позволили детальнее понимать потребности клиентов. Сервис улучшился. Что еще необычного зафиксировали в Такси 135 в прошлом году и какое будущее готовит пассажирским перевозкам Big Data? 

4 комментария

Технологии сделали работу такси в Минске эффективнее и позволили детальнее понимать потребности клиентов. Сервис улучшился. Что еще необычного зафиксировали в Такси 135 в прошлом году и какое будущее готовит пассажирским перевозкам Big Data? 

Данила Дроздович, CTO RichBrains
Благодаря большим данным автомобили такси и рабочее время водителей стали использоваться эффективнее. Раньше машины простаивали, пока ждали клиентов, или еще хуже — ездили вхолостую: водитель никого не вез, тратил бензин, увеличивал риск ДТП. Денег это не приносило.

Но геопозиционирование, сбор и анализ больших данных изменили рынок. Водители стали быстрее находить заказы, а пассажиры — меньше ждать подачи машины. В результате поездки стали доступнее.

Потребности у клиентов бывают разные. Но, какой бы маршрут они ни планировали, наша задача — как можно быстрее подать такси. Данные аналитики за 2020 год.

Мы постоянно анализируем большие данные и ищем закономерности, чтобы сокращать время подачи. Например, клиенту может показаться, что 30 секунд — ничто, но в масштабах сервиса такси — это много. Если мы говорим о 300 тысячах заказов с таким показателем в месяц, то это 150 тысяч минут. Делим на 60 и получаем 2,5 тысячи часов, или 312 рабочих дней. Вот сколько времени и ресурса мы можем сэкономить! Каждая секунда имеет значение.

Кейсы: как большие данные делают такси лучше

Ситуация 1

Представьте: мы неправильно определили сторону улицы. Водителю придется разворачиваться. Мы указали, что подача машины займет 4 мин. Но реально он приедет через 8 мин. 

При этом есть водитель, который находится на нужной стороне улицы в это время. Но из-за ошибки мы не отдали заказ ему. Он проехал мимо. Наша задача — предотвратить такую ситуацию в будущем. Большие данные помогают исправлять эти ошибки благодаря анализу.

Ситуация 2

2 клиента находятся на расстоянии 500 м друг от друга. Оба вызвали такси через приложение с разницей в одну секунду. При этом первый едет один, а второй — с ребенком. Ближайшее такси прибывает с детским автокреслом. Но оно заберет пассажира без ребенка, потому что тот сделал заказ на секунду раньше. А второй будет еще долго ждать, пока доберется подходящая машина.

Логичнее было бы отдать ближайшее такси с детским креслом пассажиру с ребенком, потому что такси без кресел больше и первый пассажир ждал бы недолго. Чтобы это предотвратить в будущем, мы объединяем заказы и группируем их патчами. В течение 30 секунд обрабатываем их как группу заказов в районе. При таком условии быстро уедут оба клиента — и с креслом, и без. Время подачи изменилось бы несильно. Технологические новшества позволяют такси выполнять больше заказов и обеспечивать работой больше машин, уменьшая время простоя.

В приложении Такси 135 клиенты могут выбрать желаемые условия перевозки. Пассажиры активно пользовались возможностями сервиса в 2020 году. 

Big Data и пробки

Благодаря большим данным мы лучше прогнозируем пробки. Чем больше водителей посылает телеметрию, тем точнее прогноз. У нас постоянно едет 500-600 машин онлайн, которые передают скорость и передвижение по дорогам в Минске. Это дает нам возможность лучше предсказывать время подачи автомобиля и завершения заказа. 

Чем точнее мы понимаем, когда водитель выполнит заказ, тем легче принимать решение, стоит ли отдавать заказ по цепочке. Так мы избавляем клиента от необходимости ждать такси 15-20 мин, как раньше.

В прошлом году количество заказов Такси 135 через приложение выросло. Перед подачей заявки клиенты видят фиксированные тарифы на момент заказа. Больше всего онлайн-заявок поступало из центра Минска.

Про сложности в обработке больших данных

Основная проблема с данными — их становится очень много. При работе с ними легко запутаться. Ты начинаешь погружаться в инсайты, пытаешься найти корреляции и не всегда понимаешь, как их применить. Это не всегда самые простые челленджи.

Например, есть данные о положении дверей — открыто-закрыто. Сложно сразу понять, что с этим делать. Надо приложить много усилий, чтобы понять, как это применить. То же самое с включением дворников и торможением. Но потом приходит инсайт — и ты понимаешь, что даже с помощью одного параметра ты можешь прогнозировать пробки, определять сторону улицы или предсказывать траекторию движения машины. А датчик дворников и их скорость помогают понять интенсивность осадков в определенной части города и, соответственно, предугадать повышение спроса на такси.

У Big Data также есть понятие инертности. Зачастую большие данные плохо реагируют на изменение реалий. Если есть некая сезонность на протяжении 5 лет и приходит пандемия, которая все ломает, машинному обучению и большим данным сложно быстро перестроиться. Изменения выпадают из паттерна.

Как Big Data изменит перевозки в будущем?

Сначала были рации, потом пришли технологии геопозиционирования и мобильный интернет. Произошел огромный скачок в развитии сервиса такси и доступности услуги. Следующим гигантским рывком в отрасли будут Self-Driving Cars. Благодаря им машины станут эксплуатироваться на 100%. Они будут ездить без остановки и постоянно перевозить людей.

Сейчас мы мыслим масштабами маршрутизации улиц. Но Self-Driving Cars понадобится больше точных данных: сколько полос на дороге, с какой полосы можно повернуть налево и в какой полосе находится сама машина. Будет расти гранулярность данных. Важно будет все — даже момент включения дворников. Неочевидная, на первый взгляд, информация поможет делать более точные прогнозы. Тот, кто ей будет владеть, сможет двигать рынок.

Протестируйте возможности Такси 135. Установите приложение и воспользуйтесь в нем скидкой 25% по промокоду DEVBY на все поездки до 17.01.

Хотите сообщить важную новость? Пишите в Телеграм-бот.

А также подписывайтесь на наш Телеграм-канал.

Читайте также

Ученые выяснили, какие данные помогут AI и врачам искать правильное лечение
Ученые выяснили, какие данные помогут AI и врачам искать правильное лечение
Ученые выяснили, какие данные помогут AI и врачам искать правильное лечение
Конференцию AI MEN перенесли из-за ситуации в стране и блокировок
Конференцию AI MEN перенесли из-за ситуации в стране и блокировок
Конференцию AI MEN перенесли из-за ситуации в стране и блокировок
«Занимаешься всем подряд — не построишь продукт, где нужно много экспертизы». CTO стартапа, куда вложились основатели MSQRD, говорит про «зубной» AI с планом на миллиард
«Занимаешься всем подряд — не построишь продукт, где нужно много экспертизы». CTO стартапа, куда вложились основатели MSQRD, говорит про «зубной» AI с планом на миллиард
«Занимаешься всем подряд — не построишь продукт, где нужно много экспертизы». CTO стартапа, куда вложились основатели MSQRD, говорит про «зубной» AI с планом на миллиард
2 комментария
AI и блокчейн на службе у экологии: В Беларуси прошел первый Climathon
AI и блокчейн на службе у экологии: В Беларуси прошел первый Climathon
AI и блокчейн на службе у экологии: В Беларуси прошел первый Climathon

Обсуждение

-1

а смысла диспетчерской от всех этих технологий, если в критичный момент все экипажи просто перестают принимать заказы из диспетчерской и стоят ловят отчаявщихся пассажиров с борта в тридорога обуть? когда звонишь в 135 и не можешь вызвать рядом стоящую машину с логотипом "135" на борту якобы по причине "нет свободных машин".

1

«группируем их патчами» это непонятно.

« 30 секунд обрабатываем их как группу заказов» это очень долго.
Конкуренты будут подавать машину на 10% быстрее. Ответ клиенту о времени ожидания тоже с раздражающей задержкой.

Обработка идёт группами, а почему не очередь в 30 сек? Каждый заказ отлеживался бы 30 сек ожидая наилучшего сопоставления с а/м.
В группе последние заказы будут иметь короткую экспертизу.

0

«Self-Driving Cars. Благодаря им машины станут эксплуатироваться на 100%. Они будут ездить без остановки и постоянно перевозить людей.»
Это с какого перепуга?
Представьте, что на машине работают 3 водителя в три смены. И машина не ездит 100% времени. Что поменяет робот?
% загрузки зависит от количества клиентов. Если такси будет ездить 100% времени, значит спрос велик а задержки в доставке велики. Придёт конкурент и подправит радужные 100% )

1

Статья больше подходит для онлайнера нежели для тематической площадки. Если сбросите датасет это было бы полезнее

Спасибо! 

Получать рассылки dev.by про белорусское ИТ

Что-то пошло не так. Попробуйте позже