优秀的驾驶员都会结合自己住宅地域特征，形成一套非常有规律的车辆轨迹，用自己独到的行业认知度穿梭在大街小巷，精准判断决定车辆空车的行驶走向，走向的科学性左右着每一天的收入，年复一年帮助每一位优秀驾驶员不断调整路线、积累经验。
用现在时髦的表述：大数据。
随着行业的衰败，从业人员的独立思考能力越来越差，加上互联网时代的背景下，导航等功能彻底让驾驶员丧失独立思考。人都有惰性，包括自己在互联网背景下，出门开车去陌生地方会毫不犹豫使用高德地图，依赖性已经无法摆脱的事实。
各大出行平台APP无疑在高效匹配客户端、司机端表现出色，包括司机端业务即将结束，系统也会有相应业务指令匹配。
但是缺少司机端诱导体系显然是非常遗憾的。
何谓司机端诱导体系？就是当驾驶员业务结束后，如何诱导空车后续行进路线，预判潜在的客户端即将发生的用车行为。提高客户端业务响应速度，更加科学提高有效公里数。
怎样预知预判潜在的客户端用车行为？哪些特征符合客户端即将发生用车的行为？
在我眼里，最简单最粗暴的判断特征是：
客户端点击打开APP就是非常可靠的行为肢体语言，虽然这样的肢体语言并非绝对性，但这样客户端行为必然是客户端即将发生用车的信号。所有客户端打开或者进入界面时，事实上就暴露了乘客GPS定位，后台是非常清晰。
如何判断过滤点击APP用车真实需求？
从消费者打开、输入提交的时效性，综合考虑5分钟时长为过滤值较为妥当。也就是当客户端点击APP时，系统将潜在客户的GPS虚拟状态呈现在地图上，虚拟的图标将会倒计时，超过时长5分钟，系统将视该客户并非即时用车行为，虚拟图标将慢慢淡化退出地图。
司机端在业务即将结束时，以自己车辆的GPS位置，参照根周围虚拟图标提示，结合自己取向，在业务结束后，有选择性的向潜在客户端上车点集结，实现最佳的供应状态有效提高重车率。
车聚小结
唯有弥补司机端诱导体系，互联网的调度才会更加优秀，为高效能、优化供应、节能减排作出实质性的提升。
欢迎有兴趣的读者联系包先生，进行专业探讨。返回搜狐，查看更多