滴滴派單算法

paper：A Taxi Order Dispatch Model based On Combinatorial Optimization

背景

• 業務場景：一個訂單被派給多個司機，司機根據本身的喜愛選擇接受或拒絕
• 目標：最大化一次派單成單率
• 關鍵問題：estimate the probability of each driver's acceptance of an order
• 算法方案：步驟1，估計每一個司機的接單機率；步驟2，將各個司機接單率做爲輸入，最大化派單成功率

司機接單率模型

• 訂單-司機關聯特徵：接駕里程、訂單推送給多少個司機、訂單是否與司機當前駕駛方向一致
• 訂單特徵：起點到終點的距離、ETA、終點類型（醫院、機場、學校、商務區等）、規劃路線的路況、目的地歷史上的訂單頻率
• 司機特徵：歷史接單率、司機活躍地點、接駕里程偏好、最近接單率等
• 補充特徵：特徵日、特徵小時、司機數、附近運單數

使用LR和GBDT模型，LR模型比GBDT略好一些，北京市的準確率爲0.7822，AUC是0.8680；上海市的準確率是0.7632，AUC是0.8470。

約束表示，一個司機一個時刻最多隻能派一單

目標是使這一批訂單這一次派單的整體成單率最高。

使用啓發式算法解上述問題。

初始解：對每一個司機，派給他接單率最大的訂單，而後計算每一單的成單率，獲得平均成單率

迭代：對運單i，找到沒有被派到i的司機集合U，對U的每一個司機k，若是把i派給k，平均成單率提升，則改派

評估方案

指標：

• 成單率
• 平均接駕時長
• 平均派單時長
• 取消率
• 人均單量

案例：