Как перехитрить час пик

Поиск Написать публикацию. Яндекс Как мы делаем Яндекс. Время на прочтение 10 мин. Любой из нас перед покупкой продукта или услуги старается узнать точную цену.

График работы водителей

Понятно, что порой случаются истории, когда финальная стоимость сильно превышает запланированную. И если с ремонтом машины или квартиры это уже стало привычным, то в остальных случаях разница между ожиданием и реальностью скорее раздражает. До недавнего времени стоимость поездки в такси тоже была плавающей.

Даже онлайн-сервисы рассчитывали сумму лишь примерно — окончательная стоимость формировалась в какое время суток лучше таксовать в яндекс в конце пути. Конечно, можно было рассчитать примерную цену за поездку и раньше, но в конце она могла измениться из-за того, что, например, по пути водитель задержался в пробке.

• Такси Рай Он ответил: Никогда, если не поймёт, что нужно удалить Яндекс, Максим, ситимобил, Таксовичкоф и начать работать в местных диспетчерских службах такси, либо на альтернативных п .

• Интервьюер: В какие время суток Вы предпочитаете работать, и почему. Остановился на Яндексе: другие таксисты говорили, что у него лучше навигация и ниже.

• Узнайте, в какое время суток стоимость поездок на такси Яндекс может быть наиболее низкой. Подробная информация о самых дешевых периодах и советы по экономии на .

Понятно, что пассажирам это не всегда нравилось. Кажется, нет ничего проще, чем использовать данные маршрутизатора в Яндекс.

Навигаторе и данные Пробок, чтобы Яндекс. Такси с самого начала рассчитало точную цену, которая не менялась бы по окончании поездки.

Режим работы

Но на самом деле на стоимость влияет огромное число факторов, не только тариф. Важно не просто уметь её рассчитывать. С одной стороны, стоимость должна быть привлекательной для пользователя, причём с учётом не только текущей ситуации на дороге, но и, например, пробок, которых на маршруте пока нет, но которые скоро возникнут. С другой, цена должна быть такой, чтобы водители не потеряли в заработке, даже если путь из точки А в точку Б оказался длиннее или дольше, чем планировалось.

В этой статье в какое время суток лучше таксовать в яндекс расскажем, как решали задачу и как искали сбалансированный алгоритм, выгодный всем участникам платформы Яндекс. Маршрут и время Для того чтобы иметь возможность рассчитывать сбалансированную стоимость поездки, мы должны были научиться точно прогнозировать длину и продолжительность маршрута. Давайте разберёмся, как вообще исходно работает наш маршрутизатор.

Это довольно сложная система, которая строит маршрут из одного пункта в другой на основе другой системы попроще — дорожного графа. Граф выглядит так же естественно, как вы наверняка себе его и представляете: каждая дорога соответствует одному или нескольким рёбрам, а перекрёстки и разветвления дорог находятся в вершинах.

Попробуйте заказывать машину не за , а за минут до конца рабочего дня (например, в :) или уже после :. В это время повышающий коэффициент, как правило, ниже, а стоимость поездкименьше В году школьные линейки пройдут в понедельник, сентября. Спрос на такси в этот день обычно начинает увеличиваться с : и достигает пика к :. Заказ лучше оформить на – минут позже или Узнайте, в какое время суток стоимость поездок на такси Яндекс может быть наиболее низкой. Подробная информация о самых дешевых периодах и советы по экономии на поездках на такси Яндекс

Этот граф — направленный так как дороги — это тоже штука направленная.

Так выглядит дорожный граф в районе московского офиса Яндекса Наиболее важная характеристика рёбер графа — средняя скорость движения по ним в данный момент. Она зависит от текущей дорожной обстановки и от правил дорожного движения например, ограничений скорости. Каждую секунду мы получаем десятки тысяч обезличенных сигналов — GPS-треков — от пользователей геосервисов Яндекса, агрегируем их, а далее за счёт фильтрации и интерполяции делаем сигнал более качественным и менее шумным.

На финальной стадии вычисляем текущую скорость ребра в режиме реального времени подробнее о том, как работают Пробки можно прочитать. Адрес — «вершина» виртуального графа — состоит из ребра дорожного графа и направления движения по нему: Что происходит, когда вы заказываете поездку в приложении.

Мы отправляем запрос в маршрутизатор для того, чтобы найти оптимальный маршрут от точки посадки А до пункта назначения Бкоторый указан в заказе.

Маршрутизатор, в свою очередь, проецирует точку А на граф, чтобы найти её «адрес» — комбинацию ребра и направления. То же самое происходит с точкой Б. И уже здесь проявляется первая особенность системы: процесс определения кратчайшего пути происходит не в какое время суток лучше таксовать в яндекс оригинальном, «естественном» дорожном графе, а в неком «виртуальном». Его вершинами являются уже не перекрёстки, а те самые «адреса», а рёбрами — не улицы, а «манёвры», то есть переходы из одного «адреса» в.

Представление одной и той же траектории движения в дорожном слева и в виртуальном справа графах Движение по прямой тоже может состоять из маневров виртуального графа: для в какое время суток лучше таксовать в яндекс длинная дорога при оцифровке превращается в несколько ребер Как мы помним, наша задача — найти оптимальный маршрут, при этом, разумеется, конечному «физическому» маршруту будет совершенно всё равно, построили ли мы его в «естественном» графе или «виртуальном».

Но для начала нужно определиться, что такое оптимальность. С одной стороны, очевидно, что в городе это самый быстрый путь из А в Б. С другой стороны, иногда сложный маршрут по маленьким улицам и в обход больших магистралей хоть и даёт экономию в 2 минуты, но, за счёт большого количества поворотов оказывается значительно «дороже» для автомобилиста. Поэтому для начала мы определили функцию, которая задает «стоимость» манёвра и решили оптимизировать её с помощью машинного обучения.

Простейшим примером такой функции может быть длина рёбер, составляющих манёвр, разделённая на среднюю скорость движения по этим рёбрам, — так называемое «геометрическое время».

Эффективные для заработка в Яндекс Такси районы Москвы

Эта метрика хороша своей простотой, однако она зачастую не учитывает целый ряд особенностей конкретного манёвра. Возьмём для примера поворот налево. Очевидно, что совершить его со второстепенной дороги на регулируемом перекрестке — это совсем не то же самое, что свернуть на съезд, двигаясь по магистрали.

Особенности каждой отдельной ситуации могут значительно увеличить время совершения всего манёвра, и чтобы их учесть, мы решили описать каждый манёвр набором признаков: длина составляющих его рёбер, геометрическое время проезда, функциональные классы дорог, наличие выделенной полосы общественного транспорта и так далее. Здесь же естественным образом возникли «признаки будущего»: например, мы можем заранее рассчитать время на прохождение манёвра с учётом пробок, которые возникнут к тому моменту, когда мы к этому манёвру приблизимся.

В итоге у нас получилось более 70 разных признаков, влияющих на «стоимость» маршрута, и их количество постоянно растёт, потому что мы постоянно добавляем новые сигналы, которые могут стать признаками и помочь в нашей задаче.

Mar , Статья автора «Понаехавший Таксист» в Дзене ✍: Здравствуйте, сегодня я хочу поделиться с Вами своими наблюдениями о том, сколько часов нужно 

Ещё одна особенность нашего подхода в том, что исходную задачу мы разделили на две: построение маршрута и уточнение времени проезда по. Маршрутная модель служит для выбора оптимального пути из точки А в точку Б из множества вариантов, основываясь на длине маршрута и времени проезда по.

Загвоздка здесь в том, что маршрутная модель должна выдавать ответ очень и очень быстро, потому что после неё системе нужно время, чтобы эти расчёты использовать в дальнейший цепочки процессов. Скажем, миллисекунд на расчёт маневров — это слишком много, нужно на порядок меньше. Маршрутная модель должна быть как можно менее затратной в плане вычислений, поэтому она учитывает сокращённый набор признаков. А вот когда у нас уже есть оптимальный маршрут — мы хотим как можно точнее знать время проезда по нему, и здесь мы уже не так связаны быстродействием, можно и миллисекунд себе позволить.

Подытожим: наша исходная задача «как наиболее точно построить маршрут и спрогнозировать время поездки по нему» свелась к нескольким шагам.

Во-первых, мы перешли от «естественного» графа с вершинами-перекрестками и рёбрами-улицами к «виртуальному» графу, рёбрами которого являются манёвры, то есть переходы из «адреса» в «адрес». Каждый из этих манёвров мы описали набором из более 70 признаков.

Теперь о том, как эти модели работают. Ключевое отличие — в сложности используемых вычислений, то есть в количественном, а не качественном факторе. При этом, раз у моделей одинаковая задача, то и подход с точки зрения их обучения одинаковый. У нас есть огромная база историй поездок, то есть очень много пар «маршрут — время», которую можно использовать в качестве выборки для какого-нибудь метода машинного обучения. Маршрутную модель обучить сложнее, потому что мы не можем заставить всех водителей кататься по всем вариантам маршрутов из точки А в точку Б, чтобы сравнить, какой из них быстрее.

Первой идеей было просто использовать линейную модель над суммой признаков манёвров по маршруту, а в качестве цели обучения брать реальное время проезда. Этот подход обладает естественной для задачи характеристикой — собственно, линейностью.

Требования к автомобилю для работы в Яндекс.Такси

Действительно, рассчитанное таким образом время для маршрута, состоящего, например, из двух манёвров, равно сумме времён, рассчитанных для каждого из манёвров по отдельности. Не было никаких сложностей и с в какое время суток лучше таксовать в яндекс различных признаков, что всегда приятно: если вес при признаке большой, значит признак значимый.

Тем не менее, несмотря на кучу преимуществ, первые же попытки обучить эту модель оказались огорчающими: результаты были немногим лучше «геометрического времени», потому что мы теряли много информации, заложенной в категориальных то есть нечисленных признаках манёвров — например, функциональный класс дорог, форма ребра, уровень дороги над землёй и другие остались «за бортом».

По будням больше всего заказов в taxi-co.ru поступает во второй половине дня: с : до :. Недельные пики приходятся на вечера пятницы и субботы, с :. яндекстакси #таксиминск #таксибеларусь В этом ролике я постараюсь пояснить вам вопрос "Как восстановить АКТИВНОСТЬ в Яндекс такси?". Поездки относительно дорогие, с повышающими коэффициентами, в часы пик Яндекс доплачивает бонусы. В выходные запросы на поездки обычно есть до утра следующего.

Вот как рассчитывается цена поездки в момент заказа: Как мы знаем, учёт категориальных переменных — это всегда непростая задача, недаром для этого целый CatBoost придумали.

И всё же мы попробовали решить эту в какое время суток лучше таксовать в яндекс, воспользовавшись приёмом, аналогичным N-way-split, который используют в решающих деревьях. Учтём, что по классификации Народных Карт дороги делятся на 9 функциональных классова ещё бывает 5 видов конструктивных особенностей: две проезжие части, круговое движение, съезд, дублёр, разворот.

• Apr , Специалисты taxi-co.ru проанализировали стоимость поездок и количество заказов в часы пик в Москве и составили рекомендации, в какое время лучше заказывать такси, чтобы сэкономить

• Поездки лучше планировать до :, так как чаще такси вызывают в вечернее время. Ранее сообщалось, что новый недорогой «японец» с надежным мотором появился в продаже в России

•   В разных городах отличается время, на которое можно включать режим в сутки. Яндекс Про подскажет, сколько ещё вы сможете пользоваться режимом за день.

• Лучшее время для заказа такси. или после ., говорят аналитики. Тем, кто привязан к четкому расписанию, "taxi-co.ru" рекомендует.

• Закажите в приложении taxi-co.ru поездку заранее. Выберите в пожеланиях к заказу «Запланировать поездку» и установите нужные дату и время.

К тому же на дороге или есть светофор или его нет — это ещё два значения.

Теперь для каждой такой комбинации категориальных признаков будем отдельно учитывать остальные признаки, то в какое время суток лучше таксовать в яндекс исходно поделим нашу выборку на 90 независимых фрагментов. Из-за такого дробления мы в общей сложности получили несколько тысяч признаков, потому что по сути рассматривали каждый из них 90 раз — для каждой отдельной комбинации.

Частично эту проблему удалось решить за счет L1-регуляризации она, в отличие от L2, умеет нивелировать влияние признаков, обнуляя веса при нихно в итоге по совокупности проблем подход пришлось признать тупиковым. И всё-таки, проблема оставалась: как справиться с таким количеством признаков. У Яндекса есть Матрикснет — в какое время суток лучше таксовать в яндекс машинного обучения, основанный на градиентом бустинге решающих деревьев, который успешно справляется с сотнями и даже тысячами признаков.

Для начала мы попробовали подход «в лоб» и обучили Матрикснет на парах «маршрут — реальное время проезда». Такой метод сразу же дал хороший результат, а дальнейшая работа по наращиванию количества признаков и тонкая настройка гиперпараметров алгоритма помогли получить ощутимый прирост в качестве прогнозирования.

Но, несмотря на мгновенный «выхлоп», обусловленный попросту мощью Матрикснета, были и недостатки: Стало сложно интерпретировать результаты, потому что в случае градиентного бустинга над деревьями мы работаем, по сути, с чёрным ящиком. Уже нельзя просто трактовать различные признаки в зависимости от их весов.

Сколько зарабатывают в Яндекс. Работать в такси. Сколько можно заработать в Яндекс Такси. Как организована работа. Сколько можно заработать. Какие факторы влияют на заработок. Как влияет регион на заработок.

Из модели пропала линейность — нельзя разбить маршрут на 2 кусочка, применить к ним модель, сложить и получить то же самое число, что и для маршрута целиком. Такую модель не получалось использовать в качестве маршрутной, ведь мы обучали ее на маршрутах целиком, а не на отдельных маневрах.

То есть для наших задач использование Матрикснета «в лоб» не подошло. В итоге мы остались с двумя разными моделями, каждая из которых была по своему хороша, но и чем-то плоха. И оно в какое время суток лучше таксовать в яндекс. Хотя такая функция очень напоминает задачу ранжирования в поиске оптимизация поисковой выдачи как единого целогов нужной форме такого инструмента Матрикснета среди готовых не было, поэтому нам пришлось реализовать его самостоятельно.

После некоторых мук подбора правильного темпа обучения и количества деревьев удалось получить модель, которая почти не проигрывала «чистому» Матрикснету по качеству, зато обладала линейностью.

Jul , В каких случаях вам помогут с багажом и можно ли попросить кабель для зарядки телефона на время поездкирассказываем важные нюансы тарифов в сервисе

Это позволяло в какое время суток лучше таксовать в яндекс её в качестве маршрутной модели, а также открывало доступ к лёгкому использованию категориальных признаков за счёт их оцифровки и использования CatBoost. Результаты Вся эта история заняла достаточно много времени, однако в конечном счёте мы получили модель, которая одновременно удовлетворяла всем требованиям по быстродействию и давала необходимую точность при оценке времени.

Именно эта последняя характеристика дала возможность точно рассчитывать стоимость поездки на такси заранее, и не менять её по окончании пути. Последний вопрос — какие результаты мы получили, есть ли с чем сравнить. Разумеется, полный ответ потребовал бы обсуждения множества факторов и достаточно серьёзной аналитики. Но какие-то совсем простые оценки мы можем дать. Слева — старая версия приложения с примерным расчётом стоимости поездки.

Справа — текущая версия с точной ценой поездки в разных тарифах. Очевидно, что показ точной цены поездки в приложении Яндекс. Такси ещё в момент заказа — это само по себе существенное преимущество, которое делает сервис прозрачным для пользователей, поэтому здесь мы мало чем рисковали. Единственное, что оказалось сложно — это объяснить, что если человек приезжает не в ту точку Б, которую он указал при заказе, то вся поездка пересчитывается по таксометру, потому что в таких случаях наши расчёты бессмысленны.

Но это уже другая история. Поскольку таких случаев немного, большинство наших пользователей оценило не просто показ финальной цены перед поездкой, но и то, что в конце поездки она не меняется, даже если такси стояло в пробке или водитель её объезжал. И разумеется, они стали чаще указывать точку Б, понимая, что только в этом случае получают такой расчет. Как мы и говорили в начале, если бы наши алгоритмы работали плохо и делали цену хорошей только для пользователя, это могло бы привести к существенной потере заработка водителей и, как следствие, к их оттоку.

Маршрут и время

События Наука Обучение. Хотите получать исследования на почту? По данным Яндекс. Такси, ноябрь Такси работает в Санкт-Петербурге с марта года.

Когда лучше работать в такси днем или ночью? / Как заработать в Яндекс такси в Минске