再一次，滴滴遭受到重大危機，在悲哀其客服系統的同時，事件中關於滴滴的物流調度系統的討論，迅速走熱。
網易CEO丁磊：滴滴是一家物流企業
記得前段時間，吳曉波在與網易CEO丁磊的採訪中，曾和對方聊到互聯網圈的投資佈局，丁磊一語中的，說現在互聯網生態的佈局，都是通過信息流，然後各自投一些與物流有關的，比如美團、滴滴，它們其實都是物流企業。
一直以來，滴滴的注意力就主要在路徑優化、運力供需的匹配上，一個連接千萬量級車輛的平臺，必然會積累大量數據，並實現向物流轉換的商業模式。
憑藉著多年的優勢，今年3月1日，滴滴外賣在無錫上線以後，很快與美團展開了瘋狂外賣大戰，並在9天內成為了當地最大的外賣平臺。
不過從技術角度來看，滴滴出行的業務雖然是運輸人，但這和滴滴外賣的運輸物的相似的地方實在太多 。
其實，它們做的事情都是接收需求，再將人/物，從一個相對固定A點（上車點/取餐點），運輸到目標明確的B點（目的地/食客位置），所以在保證乘客和食品乘坐和包裝安全的同時，後臺要做的也是調度和路徑規劃（司機調度/騎士調度），因此從邏輯上看並無不同。
揭秘滴滴調度系統差異性
的確，作為一個以出行業務為核心，連接一切與其有關的元素，進行整合優化升級的企業。滴滴在這套調度系統上下了不少功夫，持續的研發、試錯，然後進行調整。
可是，送人比送外賣要難多了。送人有時幾十Km，有的還遇上跨城，而外賣一般集中在3km內電動車可達距離。
同時外賣時間相對集中，顆粒度較小，重複性高，而出行因為距離更遠，不確定性更高，所面臨的調度路徑複雜度會呈現幾何增長，系統決定派哪一位司機給哪一位乘客，比決定派哪一位騎士送哪一份外賣，要難一些。
此外，出行還會有拼車、順風車等等附加需求，以及有快車、專車、出租車諸多不同服務形態，所以複雜程度又會高一截。
降維or升維：數據算法是智能調度核心
智能調度的核心思想是“激活閒置資源、中心調度、高效匹配”。 智能大腦主要滲透到以下各個環節：預測目的地、價格預估、時間預估、最佳路徑匹配、司機和乘客匹配、訂單分派、供需預測、預測乘客體驗。
從出行到外賣，技術原理一樣，但技術複雜度變低了，因此不難理解，出行到外賣在技術層面上是一次降維打擊。
從數據的豐富度上來看，滴滴擁有從機動車道、高速路、高架橋、非機動車道到小區內部道路在內的出行數據，而外賣所需要的，僅僅只有非機動車道的運行數據。
所以，單就技術而言，滴滴做外賣就像是讓大學生參加小學畢業的期末考試。
相比傳統的出行派單模式，滴滴採用的是搶單模式，只要乘客通過滴滴發出一個訂單，系統會把這個需求推送給多位符合條件的司機，如果所有司機都拒絕後才會進行第二輪派單。
乘客的偏好最難洞察，由於滴滴數據量特別大，單個乘客背後有無數的司機在等待著為期服務。在任何一個時刻，滴滴的匹配量高達千萬次以上，在一兩秒鐘完成上千萬次的路徑規劃，這是一項非常大的挑戰。
所以從乘客的角度出發，如何讓乘客最快最有效的匹配到滿意的司機，是用戶體驗的根本，滴滴的“滴米”系統，用虛擬積分來決定同樣距離時，誰可以優先獲得訂單，從而補充了搶單模式。
滴滴有多少的路徑優化經驗，其在外賣即時配送上的應用，就有多麼信手拈來。
外賣可以助力滴滴切入更加高頻的調度場景，某種程度上，有利於調度系統數據和後臺的升級。所以從外賣到出行，滴滴增強了資源實時管控能力，通過疊合訂單熱力圖，把乘客和宅男數據匯到一起，更加清楚的描繪出用戶畫像，從而可以掌握客戶的吃、出行，制定精準營銷策略。
運力上，滴滴也可以在未來資源利用上，實現優化分配。久而久之，滴滴形成的智能調度系統，經過不斷的學習、大數據的積累，提高算法體系，最終達到高效匹配供給和需求。
慘案思考：智能調度→無人運輸
回到前幾天的順風車事件，關於司機的職業道德和技術水平，沒有人可以預知，也不能被大數據算出來，且現有的調度系統還沒有智能到，足以選擇安全度最高的行駛路徑。
儘管滴滴有推出乘客評選的系統，可對於這種突發的人禍，這個功能實在是有點隔靴搔癢，所以若要徹底避免司機慘案，只能採用無人化運輸。滴滴出行CEO程維也表示未來的司機會變少，隨著技術的進步，政策和其他客觀因素給無人駕駛造成的阻礙會消退。
作為出行領域的巨頭，滴滴的無人出行項目在得到了生態內很多夥伴的支持。
今年的4月24日，滴滴與31家汽車產業鏈企業攜手成立了“洪流聯盟”；5月，滴滴在加州獲得了自動駕駛路測許可；近期滴滴又攬獲了自動駕駛領域的世界級獎項，種種跡象表明滴滴無人駕駛的進程正在加快。
無人駕駛背後技術的更迭，反映的是交通和物流的終極趨勢，當然質疑也很多。工程院院士李德毅在8月23日首屆中國國際智能產業博覽會上指出，“但在自動駕駛時，遇到了人不能處置的問題，控制權如何交接？在交接的過程中責任事故又由誰來認定呢？”
所以，自動駕駛不是簡單疊加各個場景的模式，而且無人駕駛不僅要自動，還應該是自主，要可以像駕駛員一樣，能夠應對各種突發工況，把人和機器的互動做到極致，不管是送人還是送貨，解決的不單是車方面的問題，還得考慮人的問題。
閱讀更多 物流沙龍 的文章
