一
不知道大家有沒有發現,現在挺多導航軟件都挺沙雕的,喜歡在各種花里胡哨的功能上使勁,就是不好好導航。
經常就是我按照導航規劃的路線走了半天,結果快到目的地了,面前出現一堵牆,或者一條河。
有一次我不信邪想要爬過去,沒想到牆上還有玻璃渣,扎我一屁股血。
我回家以後牛老師心疼得一宿沒睡好,一直在給我塗藥,不過後來我想起來總覺得哪裏不對勁,他給我塗藥的時候為什麼是雙手搭在我肩膀上的?一定是家裏鬧鬼了。
再要不就是前方施工被封閉,高架橋上請你原地掉頭,開着車讓你爬十八樓。
嚴格來說,這些導航其實沒有錯,因為如果真的按照它們的路線走,我確實能到達目的地,當然是怎麼到達的就不知道了。
如果我能穿牆,我會飛,而且我可以舉著汽車一起飛,那這些倒是合情合理。
所以很多導航可能是為超級賽亞人準備的。
我只是個普通人,能不能給我規劃一點陽間的路線?
或許錯的人是我吧,我還是太弱小了。
身而為地球人,我很抱歉。
二
為什麼導航軟件會幹出沙雕的事,因為除了最常用的那些路線,很多路線都是系統自動規劃的。
但是在規劃的時候,根本沒有人實際考察過這條路線到底能不能走。
而且即使派人考察了也沒用,路況是會變的。
尤其是一些在地圖上不顯示的小路,本來以前是能橫穿的,誰知道竟然還有人在路邊上偷偷修了一堵牆。
即使知道有牆,如果沒有人實際看過,誰知道牆上有沒有門。
還有哪裏又施工了,哪裏暫時多了路障,哪裏因為城市規劃不能走了,這些都是在實時變化中的。
今天更新了,說不定一個月後又得更新回去。
如果是一線城市,導航當然會努力及時更新數據,因為涉及到的用戶多。
但是多久叫及時呢?在更新之前白跑了的用戶,他們的時間損失怎麼辦?
至於小城市,甚至是縣城,那就等著吧,可能這個導航軟件倒閉了都不一定輪得到。
如果每個導航都有大量實時匯報的測繪員,天天在城市的各種路線上亂跑,實時和系統匯報路況變化。
這些測繪員自己也開車,還能反饋哪些路線規劃不人性化,那麼導航肯定就不智障了。
但是人力成本呢?你去哪裏雇這麼多測繪員?不要錢的嗎?
而且就算有數據匯報,這裏面的很多反饋也是主觀的。
你怎麼從一堆主觀信息里做數據清洗,進行儘可能客觀的調整,這是技術成本。
表面上是做不到,其實還是成本太高。
說白了,一切問題都是成本問題。
如果公司不願意承擔成本,那就只能把成本轉嫁給用戶,讓用戶去浪費時間和破壞心情。
而且用戶其實也沒得選,反正大家一樣爛。
用戶沒有更好的選擇,那就只能選相對更不爛的那一個。
三
在這樣的市場環境下,滴滴導航的出現就顯得很神奇,對,就是打網約車的時候司機用的那個導航。
在很早以前,這個導航是專門設計給滴滴司機用的,在海量滴滴司機的高強度訓練下,這東西終於成熟了,今年一月才正式推向市場,可以在滴滴首頁找到導航入口。
它有個叫「千里眼」的功能,當路上出現擁堵的時候,用戶可以在導航內查看到前方擁堵路況的實景畫面(當然,行人信息和車牌信息是自動做了脫敏處理)。
路堵了不慌,我先看看怎麼堵的,還能再發個朋友圈。
在其他導航還解決不了路況實時更新的基礎問題的時候,滴滴導航都已經可以把最突發的路況「擁堵場景和擁堵原因」用畫面展現出來了。
這都不是誰更先進的問題,這簡直是有技術代差了。
你還在那裏玩3D眼鏡呢,我這邊已經在黑客帝國了。
而且這些畫面不光是採集給用戶看,還會上傳到滴滴的雲端進行分析,結合路況上報和AI模型分析,給到用戶擁堵原因和預計解除擁堵的時間。
不要覺得這個無關緊要。
知道擁堵原因和預計解除時間,就算不能縮短實際路程,但是對我的心情影響巨大啊。
我們下載東西的時候為什麼一定要給個進度條,因為人類就是有本能的把一個過程掌握在自己手中的需求,哪怕只是掌握了所需的時間,這會帶給人類安全感。
本來我在路上堵了就夠煩了的,關鍵是我還不知道要堵多久,等待不可怕,未知才是最可怕的。
很多路怒族在不堵車的時候斯文的一批,一堵車直接化身哥斯拉,就是因為這種脫離掌控的未知太折磨人了。
滴滴導航的這個千里眼,本質上就是給了用戶一種掌控感,同樣的等待時間,我有了進度條,就是會變得沒那麼焦慮。
除了這種心理層面的影響,「知道大概還需要堵多久」,這個信息也能提高用戶的出行效率。
不管是更換路線還是選擇繼續等,本質上都是一種決策,而決策是建立在有效信息上的,如果滴滴導航反饋給我這個堵車一時半會解決不了,那我自然會下定決心繞路,不會把時間花在白等上。
如果我不知道前面到底是怎麼堵的,我就會有僥倖心理,覺得說不定馬上就解除了呢,然後等得越久,我的沉沒成本就越高,越不願意繞路。
都等了半小時了再繞路,那都不是浪費多少時間的問題,而是會顯得我很呆。
堵不堵車是個客觀問題,我們改變不了;
但是知道它是怎麼堵的,知道還要堵多久,至少可以讓我們在主觀上更高效合理的規劃時間。
這就把問題帶來的損失降到了最低。
如果堵車已經是既成事實,那麼少堵就是賺,而且堵車在城市裏實在是太頻繁了。
大家完全可以現在就親眼看一下你附近的道路有多堵,還能看出來是為什麼堵的,到底是誰幹的好事。
這年頭,能讓你看清原因的事情,不多了。
四
「千里眼」功能表面上看起來流程很簡單,不就是採集信息+分析信息+把信息反饋給用戶麼,但實際上,這個功能實現起來非常考驗技術實力。
先說採集,滴滴導航的數據採集,依靠的是搭載在滴滴車輛上的數據採集設備。
早期滴滴平台出於安全考慮,為大量司機預裝了行車記錄儀,到了今天要做滴滴導航的時候,這些行車記錄設備就成為了滴滴導航的採集端口。
滴滴可以根據道路的擁堵情況,在允許採集的擁堵路段,對行車記錄儀下發採集任務。
採集的下一步就是分析,這裏的分析又分為兩部分,首先是AI分析。
滴滴有一套超低功耗的計算機視覺算法,僅用一部相當於一部iPhone12萬分之二的計算資源即可準確識別道路上的目標,可以在端上每天識別上億張交通標誌牌。
在數據上傳到雲端後,系統AI會對擁堵情況進行自動識別,如果是事故引發的擁堵,還會進行車道級的定位,同時對車牌、人臉等信息進行脫敏處理,雲上每天處理天量數字的行程軌跡,採集並上傳千萬級圖片。
在AI分析後,還有一個人工校準的流程。
滴滴內部有一個交通事故圖像小組,他們的工作有兩部分,一部分是對AI的分析結果進行校準,最後再反饋給用戶。
另一部分就是通過人工分析,幫助算法不斷優化,或者補充一些系統疏漏的信息。
算法是需要在不斷糾錯和更正中訓練出來的,如果沒有這個訓練過程,再強大的算法也會像個智障。
因為現實情況實在是太複雜了,你寫算法的時候只能考慮理想情況,根本無法面面俱到,不遇到一點意外,你都不知道現實能有多奇葩。
舉個例子,在研發早期,千里眼功能在黑夜環境下會出現一個誤判,算法會把大貨車車身懸掛的三角警示牌誤認為是事故時車主擺放的三角牌。
而且這個誤判不是偶然的,是系統性誤判,所以肯定是算法本身出了問題。
人工團隊發現這個問題後,提交給算法團隊,一檢查,就發現是因為算法團隊的路面識別算法沒有針對弱光場景進行優化。
發現問題後,解決起來並不難,難的是在面向用戶前,就把所有問題都挖掘出來。
整個千里眼的功能,確實只需要通過採集——分析(審核)——反饋這三步就能實現,步驟本身簡單,但完成步驟的過程卻很複雜。
用戶看到的是最終反饋的結果,而在反饋之前的那些工作,才是真正卡死了其他導航軟件的技術天塹。
跨得過,才是人工智能,跨不過,就是人工智障。
技術的事情,從來就是這麼簡單又殘酷。
五
而且這裏面不光是技術的問題,關鍵是,滴滴有足夠完善的生態基礎,不然即使有技術,如果沒有場景落地,只能徒呼奈何。
這裏的生態基礎,就是數字天量的在城市裏頻繁流動的滴滴司機,某種意義上,他們就是滴滴導航的探路員,24小時不間斷地用車行軌跡數據,反覆繪製地圖。
而且這些司機每天要在城市裏完成大量行程,用戶要去的地方、要走的路線千奇百怪。
在行駛過程中,除了行車記錄儀終端的採集,司機還可以點擊導航頁面上的上報,選擇擁堵、事故、不可通行等狀況向系統反饋,還可以拍照提交照片。
目前滴滴導航地圖的後台,每天都能收到數十萬條來自網約車司機的數據上報,這是巨大的優勢。
千里眼功能,只是在這些數據上建構出來的一個應用場景而已。
其他的技術啊,AI啊,雲端模型啊什麼的,都是可以復刻的,代價只是燒掉多少程式設計師的頭髮而已。
唯獨這兩點,是難以模仿的,因為這是滴滴構建的生態基礎的力量。
這樣的導航只有滴滴能做,而且滴滴願意做,願意投入成本。
至於說導航市場已經很成熟了,現在入場晚不晚?
其實不晚。
一方面,在功能上和其他產品不同,不但准,而且看得見,這也是滴滴導航的slogan:看得見的導航才更准。
另一方面,滴滴自家還有龐大的流量入口,讓大家知道我和其他人不同。
這就是滴滴「敢為天下後」的理由——縱然後發,亦可先至。
關鍵是,滴滴導航的面世,是攜一整個生態而來。
這不是一個導航軟件之間的競爭。
而是滴滴生態的船,終於開到了導航軟件的海洋。
導航軟件這個市場的格局,從此以後,可能就要變一變了。
這一切,都在為最終的自動駕駛,做鋪墊。
現在,只是開始。