还车背景
还车流程
在定点还车的模式下，用户还车需要在一些指定的区域里。此刻用户停好车后在APP或小程序内点击“我要还车”，手机会将方位信息传输给后端，体系会判别是否在站点内，如在站点内会提示用户点击“确认关锁”，用户手动封闭车锁完结还车。
假如用户未授权方位信息，体系获取不到用户手机方位，会提示用户车辆不在站点内，此刻用户再次点击还车，咱们会给车辆下发方位，假如获取到车辆在站点内，则提示用户能够关锁还车。假如依然无法获取到车辆方位，会影响到用户的还车。
还车问题
还车当前的问题首要包含用户还车体验欠安和危险系数高，用户会觉得还车速度慢、流程繁琐以及乱收费，而某些用户手机方位也存在方位滞后、漂移等状况，单个用户可能会修正手机方位，给G端、B端运营带来困扰。发生问题的原因有方位问题、判责呆板繁琐、定位差异区域、关锁在订单前等方面。
还车方针
咱们希望用户还车既快又准，拟定了一些指标，包含NPS贬损、一次还车成功率、还车时长、还车定位精度、服务求助率和判责精确率等。
解题抓手
咱们经过对定位状况进行分析，发现用户方位存在判责不精确的危险，而车辆方位相对用户方位更加精确，但由于需要下发指令从头定位并返回，会增加还车时长。能够使用的信息包含订单中继续上报的车辆方位、车身中的智能件——加快计和经过站点管理处理部分区域定向漂移。
基于此，咱们首要的解题办法包含两个部分。一是猜测还车行为，提前下发定位和提前进行判责，判别成果可推送到手机；二是使用轨道猜测还车点，来避免车辆从头定位，校验手机方位是否合理。
加快计
加快计的原理是使用重力的作用来丈量物体运动的改变。想象有一个球在盒子里，水平放置的时分，重力使得小球与下外表接触，下外表会发生一个向上的力，与重力相抵消，则发生一个向上的加快度，巨细为G。
咱们去采集了不同场景下车辆加快计的值，在理想的状况下图中波动的当地表明车辆在移动，平的当地表明车辆停下了。那么，假如将车辆中途等红绿灯和真实停驻进行区别呢？
为此咱们进行了一些实验，用x、y、z三个值地点的平面去拟合x、y、z地点的散布，并核算俯仰角和横滚角，契合方程的被以为停驻，中心等红绿灯期间未被识别为停驻。在实际事务场景中，有加快计的车根本在用户点“还车”之前，85%以上的的订单都能进行预判。
轨道猜测
轨道的实质是有时序联系的一串定位点，咱们需要进行锐角除掉、速度校验、停驻滑润等预处理，同时结合路网状况对车辆轨道中不合理方位及时除掉，结合预处理后的轨道缺失状况、速度合理性、方向合理性生成偏差。
接下来介绍如何结合路网对轨道纠偏。这儿使用了隐马尔可夫模型，如图有一个原始的轨道点P，在一定距离内有三个路段，轨道点离周围路段上的方位越近，那么这个点在这个路段上的概率越大。原始两个点的距离与投射之后两个点的距离越接近，搬运概率越大。
咱们结合停驻前的轨道点的速度和方向进行轨道猜测，将原始轨道点和猜测点都用来作为是否可还车的判别，在这一段里的站点都以为是能够还车的点。
经过上述办法，咱们将原始的还车链路进行了改造，将判责的部分放在用户感知之前，用户在停好车后点击还车即可脱离，耗时大大缩短，提升了用户还车的体验。
（本文作者：高婷）
关注大众号「哈啰技能」，第一时间收到最新技能推文。
