还车背景
还车流程
在定点还车的模式下，用户还车须要在一些指定的区域里。此时用户停好车后在 APP 或小程序内点击“我要还车”，手机会将地位信息传输给后端，零碎会判断是否在站点内，如在站点内会提醒用户点击“确认关锁”，用户手动敞开车锁实现还车。
如果用户未受权地位信息，零碎获取不到用户手机地位，会提醒用户车辆不在站点内，此时用户再次点击还车，咱们会给车辆下发地位，如果获取到车辆在站点内，则提醒用户能够关锁还车。如果依然无奈获取到车辆地位，会影响到用户的还车。
还车问题
还车以后的问题次要包含用户还车体验不佳和风险系数高，用户会感觉还车速度慢、流程繁琐以及乱收费，而某些用户手机地位也存在地位滞后、漂移等状况，个别用户可能会批改手机地位，给 G 端、B 端经营带来困扰。产生问题的起因有地位问题、判责死板繁琐、定位差别区域、关锁在订单前等方面。
还车指标
咱们心愿用户还车既快又准，制订了一些指标，包含 NPS 贬损、一次还车成功率、还车时长、还车定位精度、服务求助率和判责准确率等。
解题抓手
咱们通过对定位状况进行剖析，发现用户地位存在判责不精确的危险，而车辆地位绝对用户地位更加精确，但因为须要下发指令从新定位并返回，会减少还车时长。能够利用的信息包含订单中继续上报的车辆地位、车身中的智能件——减速计和通过站点治理解决局部区域定向漂移。
基于此，咱们次要的解题办法包含两个局部。一是预测还车行为，提前下发定位和提前进行判责，判断后果可推送到手机；二是利用轨迹预测还车点，来防止车辆从新定位，校验手机地位是否正当。
减速计
减速计的原理是利用重力的作用来测量物体静止的变动。设想有一个球在盒子里，程度搁置的时候，重力使得小球与下外表接触，下外表会产生一个向上的力，与重力相对消，则产生一个向上的加速度，大小为 G。
咱们去采集了不同场景下车辆减速计的值，在现实的状况下图中稳定的中央示意车辆在挪动，平的中央示意车辆停下了。那么，如果将车辆中途等红绿灯和真正停驻进行辨别呢？
为此咱们进行了一些试验，用 x、y、z 三个值所在的立体去拟合 x、y、z 所在的散布，并计算俯仰角和横滚角，合乎方程的被认为停驻，两头等红绿灯期间未被辨认为停驻。在理论业务场景中，有减速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。
轨迹预测
轨迹的实质是有时序关系的一串定位点，咱们须要进行锐角剔除、速度校验、停驻平滑等预处理，同时联合路网状况对车辆轨迹中不合理地位及时剔除，联合预处理后的轨迹缺失状况、速度合理性、方向合理性生成偏差。
接下来介绍如何联合路网对轨迹纠偏。这里应用了隐马尔可夫模型，如图有一个原始的轨迹点 P，在肯定间隔内有三个路段，轨迹点离旁边路段上的地位越近，那么这个点在这个路段上的概率越大。原始两个点的间隔与投射之后两个点的间隔越靠近，转移概率越大。
咱们联合停驻前的轨迹点的速度和方向进行轨迹预测，将原始轨迹点和预测点都用来作为是否可还车的判断，在这一段里的站点都认为是能够还车的点。
通过上述办法，咱们将原始的还车链路进行了革新，将判责的局部放在用户感知之前，用户在停好车后点击还车即可来到，耗时大大缩短，晋升了用户还车的体验。
（本文作者：高婷）