EXHOLD：滴滴大规模网约车匹配的体验感知实时保持控制

在大规模网约车中，保持控制是改善乘客-司机体验的关键机制。通过选择性地延迟某些司机-订单对，系统等待更好的机会，减少取消，并减轻司机浪费的精力。然而，现有的工业保持策略通常依赖于多个预测模型上的启发式阈值，这在非平稳交通下可能很脆弱，并且难以针对多目标体验信号进行优化。我们提出了EXHOLD，一个可部署的两阶段框架，将体验感知的配对评估与保持时间执行解耦。在第一阶段，我们学习一个决策模型，通过优化一个聚合匹配漏斗中满意度信号的统一目标，将每个司机-订单对分配到离散的、可解释的体验层级。在第二阶段，我们通过经验分位数上的约束优化来求解单调保持时间表。这明确地强制执行服务护栏，限制对有希望匹配的不必要保持，同时最大化整体体验改善。我们通过滴滴在巴西生产系统中的随机A/B实验评估了EXHOLD。结果显示在市场效率和体验方面持续改进：EXHOLD提高了行程完成率和司机收入，显著减少了乘客取消，并提高了漏斗效率。消融和行为分析证实了两个阶段都是必不可少的，并且该策略在时空异质性下做出校准决策。EXHOLD目前已在巴西部署，服务于生产流量。