两年前，我朋友收到一封匿名信。写信人称自己是一名Uber司机，表示Uber禁止他在在华盛顿杜邦环岛地区服务，因为他在此地区的司机评分降到了4.7以下。杜邦环岛地区是乘客打车需求最大的地区，但Uber禁止他在此区域服务，直到他的评分升高。我朋友不知这是真是假，但是我相信它是真的。
洛杉矶的出租车服务在不同地区之间并不平衡。“最难打到车”的地区叫做“D区”,以南洛杉矶为代表。“D区”打车的困难程度是出了名的，几年前，这种状况更是糟糕，那时出租车要进入此区域，唯一的理由就是城市管理部门要求司机这么做。
深入Uber司机打分机制：惩罚多奖励少
叫车到上车之间的反应时间，是出租车质量的一部分，也是供应功能的一部分。路上的出租车越多，你越容易打到车。南洛杉矶出租车的反应时间很长，因为这里的出租车很少。而另一原因便是人口原因。相比好莱坞，南洛杉矶的人口密度更小，居民更贫穷。在市政厅区域，我们相信每人都有着相同的交通权利，因此我们为此区域的出租车辆数量、出租车司机反应时间设立了达标要求，还通过乘客对司机的打分评级制度来保证达标。
算法打分的一个优点，便是相比传统的打分方法，它收集和分析数据更迅速更频繁，因为它有机器操作。同时它还能操作和规定出租车服务质量。而这就是Uber打分评级制度的精髓所在。
深入Uber司机打分机制：惩罚多奖励少
乘车结束之时，你将有机会给司机打分，从一星到五星不等。这些单个的分数将会汇总，成为司机的平均分。同时Uber也会为司机的分数制作一个曲线图，如果司机的分数在某个时间段下降得太厉害，那么Uber司机版将会在某段时间内禁止该司机使用。
在很多美国东部行政区域，Uber是这样运行的：一位新的Uber司机必须将前25单的均分保持在4.3或更高；如果没有，那么app将自动封号。如果均分在4.3到4.6之间，那么在接下来的25单中，司机将进入试用阶段。如果在此阶段的平均分上不了4.6,那么他也会被禁号。一位活跃Uber司机的最近100单，必须保持在4.6及以上。司机的分数一旦降到4.6,那么他接下来的50单便是试用阶段。算法一直在观察司机分数的一举一动。
深入Uber司机打分机制：惩罚多奖励少
这种算法机制通过禁用app的方式来监控司机的行为。评级是非常主观的东西，因此它要求司机时时刻刻保持良好的服务。这就是为什么你经常在Uber车中看到矿泉水、手机充电器、以及书籍杂志，以供乘客使用。Uber也给司机们提供了很多关于“怎样成为一名五星司机”建议，比如“走最快捷的路线”、“保持车内干净”、“着装合适”等等。
洛杉矶出租车委员会对司机也有着以上建议，但与Uber不同的是，它对此出台了详细的条款规定，条款甚至还要求司机必须穿袜子。如若打破规则并被执法人员查出，司机将会面临停职或罚款的惩罚。而Uber只是建议司机要警惕，乘客才是最后的仲裁者。
Uber的方法对乘客更有益。司机评级制度将司机所有的无礼行为都考虑在内，不管有多么微不足道。而就一般出租车而言，司机细小的无礼行为通常是被忽略的。乘客投诉的过程漫长而麻烦，因此乘客通常只会投诉真正让他们忍无可忍的司机。同时大部分城市也没有资源来调查和处理出租车司机细小的无礼行为，通常处理的都是那些有着安全隐患的行为。
Uber的方法对司机的影响也是积极的。对于没有评级制度的普通出租车司机来说，就算表现得再好，也鲜为人知。因为城市只会处理投诉和暴力案件，并不会去奖励那些优秀出租车司机们。如果你将自己的iPhone忘在出租车上，好心司机给你送回来了，你对他唯一的回报恐怕就是说句谢谢，然后在社交网络上赞美他一番吧。
深入Uber司机打分机制：惩罚多奖励少
虽然这种评级制度更易监控司机服务质量，但是它不能保证乘客不管在哪都能享受相同质量的服务。数据证明，乘客在沃茨地区打Uber比好莱坞地区时间长，但是Uber的算法并没有解决这个问题。而相比之下，洛杉矶交通部非常关注出租车的总量，同时在努力改善某些地区车辆不足的情况。
如果Uber愿意，它能调整司机评级算法来提高服务的公平性。Uber在UberPOOL平台上对不同地区的乘客需求量做了调查，以优化车辆分配方案。去年年末，Uber测试了两个司机评级系统，一个基于二选一的“赞”或“不赞”,另一个基于三选一的“开心”、“一般”和“难过”表情。有证据证明上文描述的算法机制并非任何时候都如此运行，解决不公平服务的方法还可以有一种，但现有的Uber算法机制尚未实行，那就是：奖励机制。
如果Uber司机因为表现不好被禁用app,那么如果他可以参加一个“服务质量提升课程”来重返Uber司机生涯。这个课程历时85到100分钟，就像是贴超速条后到交通学校学习改造课程一样。但是如果Uber的“改造”效果和交通学校一样的话，那么它意义有限。但是，如果在参加课程之后，让Uber司机提供社区服务才能让他恢复职务呢？这就是为什么我在听到文章开头的杜邦环岛地区事件时，非常兴奋。
而这种服务的方法之一，司机在“难打到车”区域服务，会得到额外的一星。举例来说，南洛杉矶的原本的5星，会变成6星。这样一来，在试用期的司机也更愿意在那些能给他额外分数的地区服务，这样平均分会升得更快。同时，这种方法也能增加南洛杉矶地区的Uber车数量。因此，质量和数量都有所增加，一举两得。
这种评级制度也能给予那些表现优秀的司机额外的特权。有着足够额外分数的司机也许能拥有五星以上的平均分，这些司机可以拥有一些特权。比如，他能得到更多的在洛杉矶国际机场服务的机会；或者比如，他能收小费。这些都只是一些粗浅的建议，Uber工作人员还可以提出更多更好的建议。
许多成功的管理方法都是软硬兼施的，但是Uber的算法机制貌似太过注重惩罚而忽略了奖励。当我们设计交通网络算法来规范司机行为时，我们也许应该采取用一种更平衡的方式。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。