یو ښه ټکسي خدمت باید خوندي، د اعتماد وړ او چټک وي. کاروونکی به جزئیاتو ته نه ځي: د هغه لپاره دا مهمه ده چې هغه د "آرډر" تڼۍ کلیک وکړي او ژر تر ژره یو موټر ترلاسه کړي چې هغه به د A نقطې څخه B ته ورسوي. که چیرې نږدې موټر نه وي، خدمت باید سمدلاسه د دې په اړه خبر کړئ ترڅو پیرودونکي غلط توقعات ونه لري. مګر که چیرې د "موټرونو نه" نښه ډیری وختونه څرګند شي ، نو دا منطقي ده چې یو څوک به په ساده ډول د دې خدمت کارولو مخه ونیسي او سیالي ته لاړ شي.
په دې مقاله کې زه غواړم په دې اړه وغږیږم چې څنګه، د ماشین زده کړې په کارولو سره، موږ په ټیټ کثافت سیمو کې د موټرو لټون کولو ستونزه حل کړه (په بل عبارت، چیرته چې په لومړي نظر کې، هیڅ موټر شتون نلري). او له هغې څخه څه راغلل.
له تاریخ څخه دمخه
د ټکسي زنګ وهلو لپاره، کاروونکي یو څو ساده ګامونه ترسره کوي، مګر په خدمت کې څه پیښیږي؟
| کارن | مرحله | شاته Yandex.Taxi |
|---|---|---|
| د پیل ټکی غوره کوي | پن | موږ د نوماندانو لپاره ساده لټون پیل کوو - pin لټون. د موندل شوي ډرایورانو پراساس ، د رارسیدو وخت وړاندوینه کیږي - په پن کې ETA. په یوه ټاکلي نقطه کې زیاتیدونکي کوفیینټ محاسبه کیږي. |
| منزل، کرایه، اړتیاوې ټاکي | وړاندیز | موږ یوه لار جوړه کوو او د ټولو تعرفو لپاره قیمتونه محاسبه کوو، د زیاتیدونکي مجموعې په پام کې نیولو سره. |
| د "ټیکسي زنګ ووهئ" تڼۍ فشار کړئ | امر | موږ د موټر لپاره بشپړ لټون پیل کوو. موږ ترټولو مناسب چلونکی غوره کوو او هغه ته امر وړاندیز کوو. |
په , и موږ دمخه لیکلي. او دا د موټر چلوونکو موندلو په اړه یوه کیسه ده. کله چې یو امر رامینځته شي ، لټون دوه ځله پیښیږي: په پن او امر باندې. د امر لټون په دوو مرحلو کې ترسره کیږي: د کاندیدانو ګمارنه او درجه بندي. لومړی، د نوماندانو موجود موټر چلوونکي موندل کیږي چې د سړک ګراف سره نږدې دي. بیا بونس او فلټر کول پلي کیږي. پاتې نوماندان درجه بندي شوي او ګټونکي د امر وړاندیز ترلاسه کوي. که هغه موافقه وکړي، هغه امر ته ګمارل شوی او د تحویلي نقطې ته ځي. که هغه انکار وکړي، نو بیا وړاندیز راتلونکی ته راځي. که چیرې نور نوماندان شتون ونلري، لټون بیا پیل کیږي. دا د دریو دقیقو څخه زیات دوام نلري، وروسته له دې چې امر لغوه او سوځول کیږي.
په پن کې لټون کول د امر لټون کولو ته ورته دی ، یوازې امر نه رامینځته کیږي او لټون پخپله یوازې یوځل ترسره کیږي. د کاندیدانو شمیر او د لټون ریډیس لپاره ساده تنظیمات هم کارول کیږي. دا ډول ساده کول اړین دي ځکه چې د امرونو په پرتله د پینونو اندازې شتون شتون لري، او لټون کول یو ستونزمن عملیات دي. زموږ د کیسې لپاره کلیدي ټکی: که د ابتدايي لټون په جریان کې په پن کې کوم مناسب نوماند ونه موندل شي، نو موږ تاسو ته د امر کولو اجازه نه ورکوو. لږترلږه دا څنګه وه.
دا هغه څه دي چې کارونکي په غوښتنلیک کې ولیدل:
د موټرو پرته د موټرو لټون
یوه ورځ موږ د فرضیې سره مخ شو: شاید په ځینو قضیو کې امر لاهم بشپړ کیدی شي ، حتی که چیرې په پن کې هیڅ موټر نه وي. په هرصورت، یو څه وخت د پن او امر تر مینځ تیریږي، او د امر لټون خورا بشپړ دی او ځینې وختونه څو ځله تکرار کیږي: پدې وخت کې، ممکن شتون لرونکي چلوونکي ښکاره شي. موږ برعکس هم پوهیږو: که چیرې چلوونکي په پن کې وموندل شي، دا حقیقت نه و چې دوی به د امر کولو په وخت کې وموندل شي. ځینې وختونه دوی ورک کیږي یا هرڅوک امر ردوي.
د دې فرضیې ازموینې لپاره ، موږ یوه تجربه پیل کړه: موږ د کاروونکو د ازموینې ډلې لپاره په پن کې د لټون پرمهال د موټرو شتون چیک کول بند کړل ، د بیلګې په توګه ، دوی فرصت درلود چې د "بغیر موټرو امر" وکړي. پایله خورا غیر متوقع وه: که چیرې موټر په پن کې نه و ، نو په 29٪ قضیو کې دا وروسته وموندل شو - کله چې په امر کې لټون کول! سربیره پردې، د موټرو پرته سپارښتنې د ردولو نرخونو، درجه بندي، او نورو کیفیت شاخصونو کې د عادي امرونو څخه د پام وړ توپیر نه درلود. د موټرونو پرته بک کول د ټولو بکینګونو 5٪ حسابوي، مګر یوازې د ټولو بریالي سفرونو 1٪ څخه ډیر.
د دې پوهیدو لپاره چې د دې امرونو پلي کونکي له کوم ځای څخه راځي ، راځئ چې په پن کې د لټون پرمهال د دوی وضعیت وګورو:
- شته: شتون درلود، مګر د ځینو دلیلونو لپاره په کاندیدانو کې شامل نه و، د بیلګې په توګه، هغه ډیر لیرې و؛
- په امر: بوخت و، مګر په دې وتوانید چې ځان خلاص کړي یا د دې لپاره چمتو شي ;
- بوخت: د امرونو منلو وړتیا غیر فعاله وه، مګر بیا ډرایور لیک ته راستون شو؛
- نشته: ډرایور آنلاین نه و، مګر هغه ښکاره شو.
راځئ چې اعتبار اضافه کړو
اضافي امرونه خورا ښه دي، مګر د بریالي لټونونو 29٪ پدې معنی ده چې 71٪ وخت چې کاروونکي ډیر وخت انتظار کوي او هیڅ ځای ته نه ځي. که څه هم دا د سیسټم موثریت له نظره بد شی ندی ، دا واقعیا کارونکي ته غلط امید ورکوي او وخت ضایع کوي ، وروسته له دې چې دوی خپه کیږي او (احتمالا) د خدماتو کارول ودروي. د دې ستونزې د حل لپاره، موږ د دې احتمال اټکل کول زده کړل چې په امر موټر به وموندل شي.
سکیم په دې ډول دی:
- کارونکي یو پن واچوي.
- لټون په پنک کې ترسره کیږي.
- که چیرې موټرې نه وي، موږ وړاندوینه کوو: شاید دوی به ښکاره شي.
- او د احتمال په اساس، موږ تاسو ته د امر کولو اجازه ورکوو یا نه ورکوو، مګر موږ تاسو ته خبرداری ورکوو چې پدې وخت کې پدې سیمه کې د موټرو کثافت ټیټ دی.
په غوښتنلیک کې دا داسې ښکاري:
د ماډل کارول تاسو ته اجازه درکوي چې نوي امرونه په دقیق ډول رامینځته کړئ او بې ګټې خلکو ته ډاډ ورکړئ. دا دی، د دقیقې یادولو ماډل په کارولو سره د ماشینونو پرته د اعتبار تناسب او د امرونو شمیر تنظیم کول. د خدماتو اعتبار د محصول کارولو ته دوام ورکولو په لیوالتیا اغیزه کوي ، د بیلګې په توګه دا ټول د سفرونو شمیر ته راځي.
د دقیقیت په اړه لږ څه - یادونهد ماشین زده کړې یو له بنسټیزو کارونو څخه د طبقه بندي دنده ده: د دوو ټولګیو څخه یوې ته د یو څیز ټاکل. په دې حالت کې، د ماشین زده کړې الګوریتم پایله اکثرا په یوه ټولګي کې د غړیتوب شمیرې ارزونه کیږي، د بیلګې په توګه، د احتمال ارزونه. په هرصورت، هغه کړنې چې ترسره کیږي معمولا بائنري دي: که چیرې موټر شتون ولري، نو موږ به تاسو ته اجازه درکړو چې دا امر وکړو، او که نه، نو موږ به یې ونه کړو. د مشخص کیدو لپاره ، راځئ چې یو الګوریتم ووایو چې د شمیرې اندازې ماډل تولیدوي ، او طبقه بندي کونکی داسې قاعده چې دا له دوه ټولګیو څخه یوې (1 یا -1) ته ورکوي. د ماډل ارزونې پر بنسټ د ډلبندۍ جوړولو لپاره، تاسو اړتیا لرئ د ارزونې حد غوره کړئ. څنګه واقعیا په کار پورې اړه لري.
فرض کړئ چې موږ د یوې نادرې او خطرناکې ناروغۍ لپاره ازموینه (طبقه کونکی) کوو. د ازموینې د پایلو پراساس، موږ یا ناروغ د لا دقیقې معاینې لپاره لیږو، یا ووایو: "ښه، کور ته لاړ شه." زموږ لپاره ، د ناروغ کس کور ته لیږل د صحي کس د بې ضرورته معاینې څخه خورا بد دي. دا دی ، موږ غواړو ازموینه د امکان تر حده د ډیری واقعیا ناروغانو لپاره کار وکړي. دا ارزښت د یادولو په نوم یادیږي. یو مثالی طبقه بندي 100٪ یادونه لري. یو خراب حالت دا دی چې هرڅوک د ازموینې لپاره لیږل کیږي، نو بیا به یې 100٪ وي.
دا په بل ډول هم پیښیږي. د مثال په توګه، موږ د زده کونکو لپاره د ازموینې سیسټم جوړوو، او دا د درغلۍ کشف کونکی لري. که ناڅاپه چک د درغلۍ د ځینو قضیو لپاره کار نه کوي، نو دا ناخوښ دی، مګر مهم ندی. له بلې خوا، دا ډیره بده ده چې زده کونکي په غیر عادلانه توګه د هغه څه په اړه تورن کړي چې دوی یې ندي کړي. دا زموږ لپاره مهمه ده چې د ډلبندۍ مثبت ځوابونو کې د امکان تر حده ډیری سم ځوابونه شتون لري، شاید د دوی شمیر ته زیان ورسوي. دا پدې مانا ده چې تاسو اړتیا لرئ دقیقیت = اعظمي کړئ . که چیرې محرک په ټولو شیانو کې واقع شي، نو دقیقیت به په نمونه کې د ټاکل شوي ټولګي فریکونسۍ سره مساوي وي.
که چیرې الګوریتم د احتمالي شمیرې ارزښت تولید کړي، نو بیا د مختلف حدونو په ټاکلو سره، تاسو کولی شئ مختلف دقت - یادولو ارزښتونه ترلاسه کړئ.
زموږ په ستونزه کې وضعیت په لاندې ډول دی. یادونه د هغه امرونو شمیر دی چې موږ یې وړاندیز کولی شو ، دقیقیت د دې امرونو اعتبار دی. دا هغه څه دي چې زموږ د ماډل دقیق یادولو وکر داسې ښکاري:
دوه سخت حالتونه شتون لري: هیچا ته اجازه مه ورکوئ چې امر وکړي او هرڅوک اجازه ورکړي چې امر وکړي. که تاسو چا ته اجازه نه ورکوئ، نو بیا یادول به 0 وي: موږ امرونه نه جوړوو، مګر هیڅ یو به ناکام شي. که موږ هرچا ته اجازه ورکړو، نو بیا یادول به 100٪ وي (موږ به ټول ممکنه سپارښتنې ترلاسه کړو)، او دقیقیت به 29٪ وي، د بیلګې په توګه 71٪ سپارښتنې به خراب وي.
موږ د پیل ټکي مختلف پیرامیټونه د نښو په توګه کارولي:
- وخت/ځای.
- د سیسټم حالت (په شاوخوا کې د ټولو تعرفو او پنونو نیول شوي ماشینونو شمیر).
- د لټون پیرامیټونه (رد، د کاندیدانو شمیر، محدودیتونه).
د نښو په اړه نور
په مفهوم سره، موږ غواړو د دوو حالتونو ترمنځ توپیر وکړو:
- "ژور ځنګل" - پدې وخت کې دلته هیڅ موټر شتون نلري.
- "بدبخته" - موټرونه شتون لري، مګر کله چې لټون کول مناسب نه و.
د "بدبخته" یوه بیلګه دا ده چې که چیرې د جمعې په ماښام په مرکز کې ډیره غوښتنه وي. ډیری سپارښتنې شتون لري، ډیری خلک لیوالتیا لري، او د هرچا لپاره کافي موټر چلوونکي ندي. دا ممکن د دې په څیر وګرځي: په پن کې مناسب چلوونکي شتون نلري. مګر په حقیقت کې په ثانیو کې دوی څرګندیږي ، ځکه چې پدې وخت کې پدې ځای کې ډیری چلوونکي شتون لري او د دوی حالت په دوامداره توګه بدلیږي.
له همدې امله، د A نقطې په شاوخوا کې د سیسټم مختلف شاخصونه د ښه ځانګړتیاوو په توګه وګرځیدل:
- د موټرو ټوله شمیره.
- په ترتیب سره د موټرو شمیر.
- د "مصروف" حالت کې د امر کولو لپاره د موټرو شمیر شتون نلري.
- د کاروونکو شمیر.
په هرصورت، هرڅومره موټرې شتون لري، ډیر احتمال دا دی چې یو یې شتون ولري.
په حقیقت کې، دا زموږ لپاره مهم دی چې نه یوازې موټرې موقعیت لري، بلکې بریالي سفرونه هم ترسره کیږي. له همدې امله، دا ممکنه وه چې د بریالي سفر احتمال اټکل کړئ. مګر موږ پریکړه وکړه چې دا کار ونه کړو، ځکه چې دا ارزښت په کارونکي او چلوونکي پورې اړه لري.
د ماډل روزنې الګوریتم و . د تجربې څخه ترلاسه شوي معلومات د روزنې لپاره کارول شوي. د پلي کولو وروسته، د روزنې ډاټا باید راټول شي، ځینې وختونه یو لږ شمیر کاروونکو ته اجازه ورکوي چې د ماډل پریکړې په وړاندې امر وکړي.
پایلې
د تجربې پایلې لکه څنګه چې تمه کیده: د ماډل کارول تاسو ته اجازه درکوي د بریالیتوب سفرونو شمیر د پام وړ زیات کړي پرته له موټرو څخه امرونو له امله، مګر د اعتبار سره موافقت پرته.
اوس مهال، میکانیزم په ټولو ښارونو او هیوادونو کې پیل شوی او د هغې په مرسته، نږدې 1٪ بریالي سفرونه ترسره کیږي. سربیره پردې، په ځینو ښارونو کې د موټرو ټیټ کثافت سره، د داسې سفرونو ونډه 15٪ ته رسیږي.
د ټکسي ټیکنالوژۍ په اړه نور پوسټونه
سرچینه: www.habr.com