“我们组织了专门团队支持主管部门做‘流调’”，滴滴高级安全总监张勇于近期出任花小猪防疫负责人。入冬后，他每天都处于忙碌状态。最近他们在组织司机密集地进行车辆消杀、核酸检测，并开始接种疫苗。

对于滴滴这样的线上平台来说，每段行程轨迹都可以追溯，因此他们能为“流调”工作提供司乘的准确上下车地点和时间信息，起到了重要作用。

过去两年，滴滴在安全领域锻炼了线上、线下协同能力，并将之应用到抗疫工作中，展现出对司机的动员优势。而在人们视野之外，滴滴背后数千人的产品研发队伍，也在用自身专业技术优势，投入到这场抗疫的战争中。

31小时上线医护保障车队产品 项目推进精确到分钟 

时间回到2020年的除夕夜，滴滴网约车产品架构师牟倩正和她的同事们“云守夜”。

虽然时间已经过去将近一年，牟倩仍然能回忆起当时那种与时间赛跑的紧迫感——整个团队一边线上沟通，一边争分夺秒地研发医护保障车队功能，原本应当阖家团圆的除夕夜也在熬夜加班中度过。但是，如果这个功能顺利上线，武汉地区那些因封城而出行不便的一线医护人员就可以解决通勤难题。

“武汉的公共交通都停了，有些医护人员下班后要走10公里回家，我们能点做什么吗？”2020年的春节前，滴滴内网上出现这的发问。

滴滴医护保障车队由此而生。

从2020年1月24日开始，滴滴开始通过人工客服方式收集医护人员出行需求，匹配司机进行调度。尽管客服24小时轮班值守，但随着驰援武汉医护人员数量增多，人工调度开始显得力不从心。

滴滴网约车产品架构师牟倩在与团队密集开会后，为保障进2万医务工作者的出行效率，决定重启网约车的一整套线上匹配模式，其中包括司机端、乘客端、交易引擎和定价账单四个模块。原本至少3天的开发工作，他们希望压缩到31小时，把项目管理精确到每一分钟。

1月26日（大年初二）下午4点，完整的医护车队能力正式上线，医护人员打开乘客端如同疫情前一样顺畅地发单，而在司机端，“叮叮，订单来了”，点击出车。牟倩回忆道，“一切又回到了停服前，按下暂停键的武汉开始流动起来，经过4个小时的稳定运行，当晚19点，第二批同济医院的医护人员接入，车辆增加到200台，上线一周我们的乘客迅速的增加到了4000人。”

但是随着医护人员的增多，200台车变得捉襟见肘。“试想一下，武汉的主城区有232平方千米，每1平方千米我们都分不到1个司机，再试想一下，每天早上7点，2000个乘客会同时发出要去上班的出行需求，但是为了减少交叉感染的风险，一位司机30分钟内只能服务一位乘客，司机和乘客比例是1：100，怎么办？”

最终产研团队通过调度提升在线司机利用效率，以及合理规划司机的在线时间和休息时间，在保障司机轮休的前提下，让早晚高峰司机在线数量最大化，实现了武汉16家医院18083名医护人员在疫情期间的出行需求。

统计数据向外界勾勒出这一系列的努力和成果：共有76位滴滴网约车产研团队成员通过医护保障车队项目深度参与到了抗疫行动中；疫情爆发以来，滴滴在全国15个城市成立医护保障车队，近16万司机自愿报名加入；全国滴滴医护车队服务37987名医务工作者，行驶总里程超过1500万公里，免费接送医护人员近百万次。

医护保障车队产研团队从1月24日开发到1月26日下午正式上线相应功能，一共只有31个小时，并且在此期间进行了四五版的优化迭代。

对于项目能迅速上线，牟倩归结为四点：一是滴滴的出行业务在疫情之前就足够成熟、复杂，具备扩展性，在紧急时刻能够满足需求；二是疫情前滴滴已经覆盖到一定的司机和乘客群体，司乘两端都对平台有一定的熟悉和了解，并不需要临时学习基本操作手法；第三，滴滴具备一定的技术能力和体量，能够迅速调动司机、车辆等人力物力来应对疫情；第四，滴滴的产研团队平时连接都非常紧密顺畅，能够在紧要关头通力合作。

戴没戴口罩，算法来检测 

除了医护保障车队，一些应用在特定场景和人群的技术手段也在助力防疫工作。比如滴滴在差不多同时期推出的AI口罩检测技术，基于滴滴的DFS人脸检测算法，结合积累的人脸属性识别算法，能基于滴滴司机端和桔视车载设备，在出车前及行程中自动分析网约车司机是否佩戴口罩以及佩戴是否规范，以进一步督促司机做好个人防护。

与产研团队31小时攻关医护产品相似，滴滴的技术团队仅用了23小时就成功研发出了口罩检测算法，并且于腊月二十九就应用到了滴滴的系统平台上。

在滴滴智能中台高级专家算法工程师张修宝看来，这项技术之所以能够快速成型，得益于视觉算法团队前期已经具备充分的技术积累。

“口罩佩戴识别技术包括人脸检测和人脸戴口罩属性识别两个部分，其中，人脸检测算法使用的是团队开发的DFS算法，曾在国际权威的WIDER FACE人脸检测评测中获得了五项世界第一，一项世界第二，能够很好地应对车内外的复杂环境。另外滴滴的其他项目中也储备了人脸属性识别的能力，从而为我们快速研发口罩佩戴识别技术提供了基础。”

在张修宝看来，整个团队“各司其职，互相合作”，因此效率特别高。

在七人的研发小组中，他负责底层算法的开发和优化提升，将算法开发成服务上线，此外各有三位同事分别负责产品和架构。产品同事负责与业务部门沟通，整理需求，制定线上策略，协调资源等；架构同事负责实现算法策略，接收业务发送的数据，并调用检测结果。 

其实虽然从时间上看起来研发进行得很顺利，但任何技术想要落地都不能不考虑现实情况的复杂性。

在现实中检测司机是否规范地佩戴了口罩存在很多困难。疫情初期的一“罩”难求，让张修宝印象很深。口罩颜色和款式过于多样、车内环境又相对复杂。此外夜里光线不足、驾驶员帽子、眼镜、墨镜以及遮阳板等对脸部的部分遮挡等，都会影响到检测结果的准确性。为了有针对性地解决这些问题，张修宝和团队成员一起绞尽脑汁思索对策。

“我们加入了很多创新的技术。比如检测口罩佩戴情况，比较常见的方法是把检测结果分为没有佩戴、佩戴规范、佩戴不规范这三类，但是佩戴不规范的数据是非常少的，搜集起来很困难，短时间内要做好不太容易。所以当时我们的创新想法就是检测到口罩后，再检测露没露出鼻子或嘴巴，如果没露出来，就可以判定为规范，露出来了就是不规范的。如此一来就解决了数据不足的问题。”

而针对车内和夜间场景，研发团队主要在两方面寻求解决路径，一是创新了算法，比如加入注意力学习机制，让算法更多地注意人脸的下半部分；此外收集更多的数据加入训练中，“深度学习依赖于海量数据，我们收集了大量的夜间数据，让算法模型学习更多复杂情况下的知识。”

谈到2020年1月22日研发算法的那个晚上，张修宝依然能清晰地回忆起一些细节。“我是从晚上开始工作的，凌晨两三点把最新技术成果发给了产品同学。当时本来以为第二天早上才能看到回复，没想到产品同事秒回。”这让他感受到巨大的触动：同事们虽然因为春节假期而分散在五湖四海，但都在为抗疫贡献自己的力量。

互联网公司还能做什么？

以大数据、人工智能为代表的现代技术能够为防疫贡献力量，但技术防疫需要的不仅是一个研发团队、一家科技企业，更是整个社会的共享和合作。张修宝和团队将口罩检测技术面向对全社会开源和开放。

据张修宝介绍，目前有100多家企业接入了他们的免费服务进行使用。除了在国内使用，滴滴也将口罩检测技术推广到拉美等国际地区，并且针对当地人佩戴口罩的习惯和偏好进行了版本优化，希望能用技术的力量帮助世界其他地区的防疫工作。

滴滴高级安全总监、花小猪防疫负责人张勇表示，滴滴是一家技术公司，希望能够通过产品和技术力量参与到防疫、抗疫中去，承担自己作为技术企业的社会责任。

不过有趣的是，除了产品和技术，滴滴也并不吝啬于使用一些“笨办法”。从今年1月12日开始，滴滴再次启用车内防护膜，在北京重启42个安装站点，为滴滴和花小猪司机免费安装。这种措施听起来一点也不高端，一点也不“互联网”，但是经过2020年年初的试验，防护膜成效显著，能够很大程度上预防病毒通过飞沫传播，搭建车内“安全舱”。

截至2020年6月9日，这张看起来“笨笨”的防护膜在全国231个城市，已累计覆盖了国内近百万名司机的车辆，还贴进了机场大巴、警车内。除了在国内推广，一张小小的防护膜也“走出国门，走向世界”了。2020年，滴滴将安全膜推广到墨西哥、智利、哥斯达黎加、澳大利亚和新西兰等国家。截至去年年底，累计为海外司机贴膜超过5万，墨西哥司机还给这个小发明起了个绰号：“滴滴泡泡”。

关于滴滴近期的防疫工作，张勇分享道，“一些人会认为我们的防疫措施做得太重、太夸张了。事实上，‘维护安全’这件事在很多情况下是高成本、短期收益低的事情，但从整体利益和长远发展来说却不可或缺。防疫措施得以落地，线上化技术只是其中一部分，更重要的是离不开乘客和司机的配合，我非常希望司机和乘客能够给予滴滴更多理解和支持。”