现在，没有人不知道滴滴打车。从第一单到日成交 1000 万单，它只用了不到 21 个月的时间。

短短的时间里，我们见证滴滴打车的迅猛发展，也见证它如何影响我们的生活，如今“出行”这个词，与滴滴已经紧密相连。

这有赖于滴滴打车通过出行数据的深度挖掘，进行出行服务方面的创新，以及针对不同城市展开的城市化运营有密切的关系。

爱范儿旗下的创业社区 MindStore，邀请滴滴打车的快车运营负责人孙枢，分享了“快车拼车”这一产品的诞生始末，以及在滴滴在不同城市运营的基本机制。

（滴滴快车运营负责人孙枢）

以下是分享全文：

大城市已经非常拥挤了，在北京工作，尤其是五道口上下班的人都知道，下班时打车回家是非常痛苦的。

然而，我们的城市化进程却越来越块。中国的一线城市车辆密度已经超过任何一个其它国家的城市，比如杭州、北京，远远高于东京和纽约。

车辆密度高，导致路面上的车辆行驶速度缓慢。当我们每天上下班都要花那么长时间在路上，每个人的出行成本提升，整个社会的效率下降。 4 年前，滴滴打车上线时，我们希望解决一个简单的问题：当你需要打出租车的时候，你能够打到。

这 4 年，我们通过一个业务线一个业务线、一个产品一个产品，逐渐地把滴滴打车打造成了一个多元化、多业务线的出行平台。从一开始的出租车、专车、顺风车，再到快车。之后又有代驾、试驾、企业出行等服务。这么多条业务线，我们想做的很简单：满足绝大多数人的出行需要。

除了业务线增加，我们也可从数据看到滴滴打车迅速成长：

使用人群 3 亿； 2015 年全年订单总量 14.3 亿，是美国 2015 年所有出租车订单量的 2 倍； 2016 年 3 月，滴滴打车整个平台的日订单量突破 1000 万，相当于美国全国每日移动出行的 5、6 倍。

随着我们规模的迅速增长，每天积累大量数据，通过对这些数据的深度挖掘，我们有了一些比较有趣的发现。

第一个，关于空驶率。

当我们开始用移动互联网连接出租车的时候，一个我们不断去努力优化的指标就是空驶率。这个指标的背后，是我们在思考，怎么能够让在路上跑的司机师傅们提升产出，减少一趟行程结束和第二趟行程开始之间的时间，以及油费上的浪费。

实际上，以我们现在的规模和掌握的数据，我们基本能够在早晚高峰做完一个订单结束，第二个订单就进来，这时候，司机的手机端立即就响了。但是即使能做到订单的紧密衔接，一般情况下，司机还是需要花 5 分钟的时间，从第一个乘客的下车地点开到第二个乘客的上车地点，所以算下来每个小时还会 10% 的空驶率。

那么一个直接的问题就是有没有方法我们能够完全解决空驶率这个问题，让司机在这一个小时里面都有产出。

第二个，关于车内空间的使用。

做滴滴大巴后，我们开始非常关注上座率。也就是说一个大巴里面的30个或者40个座位，有多少个是实际有乘客的。上座率越高，大巴资源的利用率也就越高。

轿车其实也是一样的，我们发现大多数在滴滴平台上的车型，除了司机之外，都能够差不多坐四个乘客。但是一般的行程只有一到两个乘客，早高峰、晚高峰，大家都是上班或者下班回家，一般都是一个人，本来可以坐四个人的这样一个车型，车内的资源只有用了40%。于是，我们开始更加深度去思考上座率这件事。

第三个，关于滴滴平台上特定时间段的供需平衡。

当一个滴滴用户打开滴滴，他是否能够叫到一辆车，应该是我们这个平台需要去满足的一个最基本的需求，我们叫应答率。应答率也是我们每天，我们的运营、技术、产品非常关注的这样一个指标。

基本上，在不断地增加我们平台上的车辆和司机，同时通过不同的策略和运营方法来鼓励司机在对的时间上路接单，也在不断地优化我们的派单和匹配算法。但是发现在几乎所有城市里，出行需求实在是太庞大了，早晚高峰很难满足得了。

一旦碰到差的天气，，比如下雪，情况就更糟糕了。所以，我们会思考，除了不断地增加车辆之外，我们有没有其他方法能够保证我们的用户体验，保障每个用户在需要的时候是能够打到车。

第四个，同类出行需求的满足。

我们发现，当一个城市的规模变大之后，会有很多类似的行程在类似的时间发生，特别是早晚高峰。举个例子，每天早上 7 点到 9 点之间在北京有上千上万个用户从北京北边一个庞大的居住区“回龙观”往“上地”或者是“五道口”方向。

他们很大一部分的行程是重叠的，我们能不能把这些行程合并起来？

所以怎么减少空驶，怎么利用车内的空间，怎么能在早晚高峰和天气恶劣的时候满足需求，怎么连接这些重叠的行程，这些观察和思考最终成果汇集在新的共享出行的方式上——拼车。

那什么是拼车？拼车是您和相似出行路线的人共同坐一辆车。

我们先看看非拼车是什么。当我们自己独立出行的时候，一个司机从第一个乘客的上车地点，接上乘客 A，根据最佳路线开到乘客 A 的目的地。乘客 A 下车，司机结束订单。司机再空驶去乘客 B 的上车地点，把乘客 B 放下，再空驶去接乘客 C，这样一直下去。

那拼车有什么不一样呢？一个司机先接上乘客 A，但是在途中有可能乘客 A 才上车不久，有可能是走了一半了，司机又接上一单，那他顺路会去接上乘客 B，那之后司机再按照两个人的目的地顺序，看谁最近，把两个乘客送到他们相对应的目的地。

所以总体来讲，在拼车的情况下，一辆车一个司机可以用稍多余一个行程的时间和距离，来服务之前需要两倍的时间来完成的两个行程。也就是说更短的时间、更短的路程来服务同样的用户，效率更高了。

对于一个用户来讲，选择拼车，也有可能会有三种不同的体验。第一，有可能是正在附近没有几米，另外一个乘客也在叫车，同时去的地方也比较顺路，那你们俩在出发点就拼上了，这种发生的可能性还比较小的。

第二种是我在叫车的时候并没有拼上，但是在行程上，滴滴的后台还在不断地计算，在收集顺路的订单，如果发现正好有一个人离你的行程不远，也在发单去比较顺路的一个目的地，它就会把这个单子发给这个司机。匹配上了，你就会在路途中接上第二个用户，一起去你们类似顺路的目的地。

第三种等于是第二种的反过来，我叫车了，正好另外一个拼友他在行程中离我很近，同时我们俩也是去类似的地方，所以我的车在来接我的时候，这个拼友已经在车上了。

产品听起来比较简单，但往往很多时候，简单的产品背后需要非常大的工作量。拼车这个产品是依赖于目前滴滴出行的出行数据，每天我们采集的出行数据超过 50 个 TB 的，同时每天路径规划也超过了 50 亿次。

基于上面的数据量，我们可以进行最大限度的数据挖掘，不断地通过大数据和深度学习驱动的人工神经元的这样一个智能网络，来实现非常精准的预测能力、智能的调配能力和动态的定价能力。

那么这样一个大数据驱动的共享出行方式能带来什么？有什么意义？

首先，拼车能够提高叫车的成功率。以前我们一个人叫车，必须要有一辆车来匹配上，现在一辆车可以当两辆用。拼车能够在不增加道路一辆车的情况下，大幅度地提升叫车的成功率，提升整体的用户体验。

第二点是可以提升司机的时薪。举例，原来 30 分钟 10 公里，一个车主一个司机只能服务一个用户，现在他稍微多花一点时间，有可能 35 分钟、40 分钟就可以服务两批不同的用户，效率更高，司机每小时的利用率更高，空驶率甚至可以降到 0，司机的收入自然也就变得更高。而司机的效率的提升，整个平台效率的提升，可以进一步地降低出行者的出行成本。原本一个人要付这个行程的费用，现在跟一起拼车的人共享了那一部分行程，就可以一起负担了，出行成本可以至少降低 30%。

那么叫车成功率的提升、司机时薪的提升，以及用户出行成本的降低，实际上组成了一个良性循环。当我司机的时薪提升的时候，就会有更多的车主愿意来加入这样一个平台。那么司机更多，整体的叫车体验就会变得更好，更多人也会来使用这样一个出行产品。那么同时，我的出行成本还变得更低，整个的规模在增加，所以形成这样一个良性循环的圈。

除了降低空驶率的数据等方面，还能降低拥堵。这个很简单，一个人坐一辆车，变成了两个人坐一辆车。在我们上了拼座的城市，可以直接三个人或者四个人坐一辆车，直接减少道路上的车辆。我们现在的绝大多数城市已经不能够支持我们这么自私，每个人光是图自己方便，一个人坐一辆车把整个的城市道路全部拥堵住。拼车不能彻底解决拥堵的问题，但是我们觉得可以减少拥堵的一部分。

最后，拼车其实还创造了一个社交的场景，应该有可能还有一些治愈功能。如果我们想我们每天每个人平均估计花一个小时、一个半小时，甚至更多在路上，那我们堵在路上的时候，一个人坐在车上的时候。拼车如果拼成功了，你会有一个拼友一起跟你坐在车上，这个时候有可能可以创造一些交流的空间，让整个行程更美好、更愉快。