01

60 秒回答模板

订单粒度召回是以每个订单为中心，找附近、可达、符合服务约束的候选司机，再进入排序或匹配。这种方式直观、延迟低，适合单订单快速响应，但容易只做局部最优。人车粒度召回是以司机或司机车辆状态为中心，维护其可服务的订单集合或区域供需关系，再做双边匹配，更容易考虑司机空驶、接驾距离、未来供需和容量约束，但系统复杂度更高。面试回答要强调两者不是谁替代谁，真实派单通常会结合时空索引、规则过滤、候选召回、排序打分和全局匹配优化。

考点 订单视角快
难度 真实面经题
回答目标 讲清原理、实现和边界
02

深入解析

01

订单粒度召回

订单来了以后，以订单起点、终点、时间和服务要求为条件，在附近司机池中召回候选司机。优点是链路直接、响应快、容易解释，缺点是每个订单局部决策，可能造成司机资源竞争和全局效率损失。

02

人车粒度召回

人车粒度关注司机、车辆和当前状态，例如位置、接驾能力、服务类型、在线时长和未来路线。它可以从司机视角召回可接订单，适合做供需平衡、司机体验和全局匹配。

03

召回约束不同

订单粒度更关注这个订单有没有足够候选司机；人车粒度更关注一个司机同时面对哪些订单以及是否会被过度竞争。两者都要考虑距离、ETA、服务类型、取消风险和规则约束。

04

局部和全局取舍

如果每个订单独立选最近司机，可能让后续订单无车可派，或者让司机整体空驶增加。人车粒度和批量匹配能纳入全局目标，例如总接驾时长、成交率、司机利用率和公平性。

05

工程落地方式

实际系统通常用网格、GeoHash 或空间索引快速召回，再用模型排序候选对，最后用规则或匹配算法做分配。高峰期、低峰期、稀疏区域和密集区域的召回策略也可能不同。

03

易错点

  • 只回答最近司机优先，没有讲召回、排序和全局匹配分层。
  • 把订单粒度和人车粒度说成算法名称，而不是建模视角差异。
  • 忽略实时系统的延迟和候选规模约束。
  • 只优化乘客等待，不考虑司机空驶、取消和供需平衡。
04

面试官追问

订单粒度召回为什么可能不是全局最优？

它只看当前订单的候选司机，可能抢占更适合其他订单的司机，导致整体接驾时间或成交率变差。

派单召回常用哪些特征？

常见特征包括距离、ETA、司机状态、服务类型、历史接单率、取消率、区域供需、订单等待时间和规则约束。

如何控制召回规模？

可以用时空索引、半径分层、候选上限、规则过滤和动态扩圈，在召回率和延迟之间平衡。

如何评估派单效果？

看成交率、平均接驾时长、乘客等待、司机空驶、取消率、供需满足率和不同区域切片指标。