Домен не продлён
Она уже доступна для части пользователей последней версии Яндекс. Такси в шестнадцати городах России и СНГ. А в ближайшее время — станет доступна всем. Новая услуга для тех, кто очень спешит. Как это работает Иногда свободных машин одного класса в районе больше, чем машин других классов.
Поиск информации о скорости в приложении
Где можно попробовать Мы запускаем новую услугу постепенно. Это особенный тариф — для пассажиров с инвалидным креслом.- profi-driver.ru теперь умеет искать свободные машины сразу в нескольких тарифах. Это удобно, когда на счету каждая секунда: вы спешите в аэропорт, в школу с ребёнком или на судьбоносную
- РИАМО - Приложение «profi-driver.ru» теперь умеет искать свободные машины сразу в нескольких тарифах, это удобно, когда у клиента на.
- Jun , profi-driver.ru теперь умеет искать свободные машины сразу в нескольких тарифах. Это удобно, когда на счету каждая секунда: вы спешите в аэропорт, в школу с ребёнком или на судьбоносную встречу
Машины в «Специальном» оснащены подъёмником для инвалидного кресла и специально оборудованным местом для него прямо в салоне.
Страница была для вас полезной. Все тарифы. Тарифы такси Тариф «Эконом» Базовый тариф для выполнения заказов пользователей сервиса. Тариф «Комфорт» Удобный автомобиль и высокий спрос на поездки. Тариф «Минивэн» Просторные автомобили для поездок больших компаний.
От чего зависит цена Яндекс Такси
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. 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 интерпретацией 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». 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 проблему, воспользовавшись приёмом, аналогичным N-way-split, который используют в решающих деревьях. Учтём, что по классификации Народных Карт дороги делятся на 9 функциональных классов , а ещё бывает 5 видов конструктивных особенностей: две проезжие части, круговое движение, съезд, дублёр, разворот. К тому же на дороге или есть светофор или его нет — это ещё два значения.
Jun , profi-driver.ru теперь умеет искать свободные машины сразу в нескольких тарифах. Это удобно, когда на счету каждая секунда: вы спешите в Jun , В приложении profi-driver.ru для iOS и Android появился новый тариф под названием «Самый быстрый». Он нужен, когда вам срочно требуется машина. Новая услуга Яндекс Такси «Самый быстрый тариф» позволяет клиентам найти машину, которая быстрее всего доедет до них. Приложение будет искать подходящее
Теперь для каждой такой комбинации категориальных признаков будем отдельно учитывать остальные признаки, то есть 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 них , но в итоге по совокупности проблем подход пришлось признать тупиковым.
И всё-таки, проблема оставалась: как справиться с таким количеством признаков. У Яндекса есть Матрикснет — алгоритм машинного обучения, основанный на градиентом бустинге решающих деревьев, который успешно справляется с сотнями и даже тысячами признаков.
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. 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.
По любому поводу
В итоге мы остались с двумя разными моделями, каждая из которых была по своему хороша, но и чем-то плоха. И оно нашлось. Хотя такая функция очень напоминает задачу ранжирования в поиске оптимизация поисковой выдачи как единого целого , в 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. Это позволяло использовать 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.
Выглядит это следующим образом: Как только подходящее вам такси найдется, сразу же покажется его тариф. Как воспользоваться. Просто откройте приложение profi-driver.ru на своем смартфоне. ВоСлева — 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.
Что должен знать каждый таксист
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. Понятно, что порой яндекс такси самый быстрый что это 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 только в конце пути.