微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 e代驾补贴千万 力推代驾返程神器“KK用车”

e代驾补贴千万 力推代驾返程神器“KK用车”

2015-08-20 18:13
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-08-20 18:13 CNET科技资讯网

随着酒后开车叫代驾观念的普及,代驾成为很多司机兼职赚取报酬的一份工作,但代驾司机到达用户目的地后面临的深夜返程问题也被很多人关注着。为了解决旗下合作的15万代驾司机深夜返程问题,国内最大互联网代驾信息服务平台e代驾,推出了专注夜间代驾返程的APP应用KK用车,目前已经成为代驾司机夜间出行的“神器”,构成e代驾“司机服务体系”的一部分。

e代驾于2014年6月正式推出KK用车APP,专注夜间出行,以保障代驾司机的回程方便与安全。当代驾司机在夜间出行的时候,打开KK用车APP,就能看到周围的KK注册车辆,通过软件叫车后,司机就会第一时间赶到现有位置,并按规定路线将司机送往目的地。

据了解,KK用车具有快捷、省钱 、安全以及规范的优势。不仅一键下单后车辆就能快速到位,而且价格十分优惠,每公里不足0.7元,堪称同行最低价格;同时,公司为所有车辆都购买了商业保险,乘客保额高达10万;此外,所有车主上岗之前也都必须实车检验并通过培训考试。

快捷省钱的同时,又强调安全规范,KK用车应用自推出之后,备受代驾司机欢迎。据悉,目前KK用车已经在全国20座城市开设了 500条线路,活跃车主数万人,累计已经为数百万人次的代驾司机提供了返程服务。

与此同时,KK用车近期还举办了“E家人天天1元”活动,e代驾补贴千万元让e代驾师傅享受“1元坐KK”的福利,而且不限次数、不限线路。KK用车负责人李金山表示,该活动已经从7月29日起在全国20个城市同步启动,为更多的代驾司机提供便捷安全的返程服务。“KK的心愿就是成为大家代驾工作的坚强后盾。”李金山说。

对于所有代驾司机而言,在送完顾客之后都要面对返程问题。通常情况下,多数司机返程时会选择搭乘夜班公交,或使用滑板车,甚至步行回家。不过随着代驾成为人们一种生活方式,越来越多人接受代驾,因此出现越来越多边远郊区或偏僻地段的订单,但不是所有地方都有夜班公车,而且太远的距离对电动自行车也并不方便。正是在这样的情况下,KK用车应运而生,很好的解决了代驾司机返程问题。

e代驾通过大数据分析,总结司机的运动轨迹,推出KK用车应用,将司机返程行为纳入到整体的司机调度体系中来,让代驾司机可以轻松方便的实现偏远地段返程与动态接单相结合,极大的方便了代驾司机群体,提高了他们的接单效率,可谓一举两得。在e代驾精心打造的最强代驾司机服务体系中,KK用车无疑成为其中最具科技感的一块拼图。

据了解, e代驾一直以来把15万代驾司机视为最珍贵的合作伙伴,始终坚持对合作代驾司机群体的关怀,此前就已经联合众安保险推出首个代驾司机意外险,与KK用车一起全方位保障司机的切身利益,实现在e代驾平台上代驾无忧。

对于e代驾力推KK用车这一举措,业内人士纷纷表示赞誉:“KK用车展现了e代驾作为行业开创者重视服务的初心,在完善e代驾司机服务体系的同时,也进一步稳固了e代驾市场老大地位。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-