安全出行：乘客-司机对的实时匹配成功率预测

近年来，在线网约车平台已成为城市交通不可或缺的一部分。在平台将乘客与司机匹配后，乘客和司机均可自由一键接受或取消行程。因此，准确预测乘客-司机对是否为良好匹配，对于网约车平台制定即时订单分配至关重要。然而，由于网约车平台用户由两方构成，决策需同时考虑司机与乘客双方的动态。这使其比传统在线广告任务更具挑战性。此外，不同城市可用数据量严重不平衡，为数据稀缺的小城市训练准确模型带来困难。尽管复杂的神经网络架构有助于在数据稀缺下提升预测精度，但过度复杂的设计会阻碍模型在生产环境中及时预测的能力。本文为准确预测乘客-司机的匹配成功率（MSR），提出多视角模型（MV），综合学习乘客、司机、行程订单及上下文的动态特征间交互。针对数据不平衡问题，我们进一步设计知识蒸馏框架（KD），利用数据更密集城市的知识补充小城市模型的预测能力，并生成简洁模型以支持高效部署。最后，我们在来自多个不同城市的真实数据集上进行了广泛实验，证明了本方案的优越性。