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 滴滴顺风车发布数据:北京大雨致上班族迟到40分钟

滴滴顺风车发布数据:北京大雨致上班族迟到40分钟

2016-07-20 18:53
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-07-20 18:53 CNET科技资讯网

从昨日起,首都北京开始经受大雨模式的考验。为确保出行顺畅,许多市民都选择提前预约顺风车。滴滴顺风车发布的数据显示,截至今天下午3点钟,北京预约在今日晚高峰出行的滴滴顺风车订单较平时增长了约两倍。与此同时,雨天的订单完成时间普遍延迟,这意味着今早很多北京的上班族可能因此迟到40分钟左右。

滴滴顺风车提供的数据显示,截至今天下午3点钟,滴滴顺风车北京雨天预约人数暴增,与平常相比较,预约在今日晚高峰期间出行的北京顺风车订单增长率达到了200.58%。这一数据充分显示出极端天气情况下用户对于滴滴顺风车出行有着更大的需求,同时也显示出滴滴顺风车的巨大市场潜力。

滴滴顺风车相关负责人表示,相比较其他出行方式,滴滴顺风车在价格上成本更低,同时由于是顺路就近搭乘,多是邻居或者同路,因此在雨天出行,这些优势则会更加明显,这成为了订单暴增的主要原因。

数据同时显示,相比较平时,滴滴顺风车今早的订单完成时间有了明显的延迟,早间完成订单支付的高峰从8点30延迟到了9点10分左右。这意味着对很多人来说,上班可能迟到了四十分钟左右。

滴滴方面介绍,一般而言,绝大多数的顺风车乘客会在结束行程后,会立即支付,形成一个完成订单的高峰时间。这个完成订单的高峰时间会因为城市不同而有差异。雨天这一高峰时间和平日相比较延迟,则意味着很多人比平时迟到了。

有业内人士分析指出,下雨天城市相比较晴天更容易发生拥堵,因为雨天上路的车辆更多,原本不用开车的人也会考虑开车出行,再加上路况更复杂,这些都是造成雨天城市交通拥堵的重要原因。

“多个城市的数据表明,但凡遭遇大雨等极端天气,打车需求都会暴增,打车难容易拥堵问题凸显。我们呼吁顺风车车主行动起来,利用私家车的闲置座位顺路搭乘乘客,既能帮自己的邻居解决燃眉之急,又能为缓解城市的交通拥堵做出贡献。”滴滴相关负责人表示。

据悉,不仅仅在北京,新一轮强降雨开始影响长江以北地区,北方城市中的北京、郑州、太原、石家庄等地陆续迎来强降雨,而这些城市的滴滴顺风车订单也都在当天出现暴增。

滴滴顺风车是滴滴出行旗下的互助性C2C拼车平台,第三方研究机构Trustdata的报告显示,滴滴顺风车在拼车市场中的占比高达76.8%。截至目前,滴滴顺风车使用乘客数突破了3000万人,覆盖城市已经达到343个。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

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