其次，对未来的路况和用户需求端的预测看。司机的车辆一直在不停地移动，因此乘客需求和车辆位置始终是在实时变化的，可能过几秒钟，司机经过一个路口或者行驶到了高速路，就无法按合理的路径接到乘客。这对滴滴平台的匹配和计算的要求就提出预测未来的更高要求。

这样来看，上述两个关键点对滴滴来说都极具挑战性。那么，如此高难度的算法，滴滴后台是如何运转的？我们来看两组数字对比。

2秒和3万。在滴滴平台，每2秒做一次订单匹配，而在高峰期时，平台每分钟接收超过3万的乘车需求。

1个和成百上千。滴滴平台每分钟接收3万的乘车需求，正常情况是1个乘客和成百上千的司机做快速匹配。难度更大的是，司机的数量呈现动态浮动，j2直播，司机接收到的乘客发单量，还会受到周围运力的影响。滴滴平台总会计算出最优，实时匹配；如果有拼车的情况，还需要两两组合，复杂度就是N的平方。

如此复杂的技术要求，滴滴后台如何解决？（敲黑板，开始画知识点）

两大武器是，大数据挖掘和机器学习。通过对海量的用户行驶数据进行挖掘和学习，滴滴围绕最低的价格、最高司机效率和最佳交通运行效率，设计出了全新的智能路径规划算法，能够对未来路况做出准确预测，整体考虑司机未来所有可能的走法，毫秒级算出A到B点的最优路径。

更高、更复杂的出行需求，也促使滴滴把机器学习、深度学习应用到现实，当前滴滴的ETA技术可以预测每一单出行的时长，预估在每一个路口前的等待时长，从而准确预估出从A到B需要的时间。

虽然有着强劲的技术，滴滴平台由于受政策和现实司机不足等影响，依然无法达到供需平衡，但是，滴滴的黑科技如今已经实现了对用户需求的预测，可以提前调度空闲司机准备响应未来即将发生的订单。惊人的是，滴滴对15分钟后的需求预测准确率已达85%，说不定，在你每天下班前１５分钟，滴滴就已经安排好几位司机准备接你回家了。