Как мы распределяем заказы между водителями в Яндекс.Такси / Яндекс corporate blog / Habr
Одна из главных задач в Яндекс.Такси — как сделать так, чтобы к пользователю быстро приезжала машина, а у водителя сокращалось время «холостого пробега» (то есть время, когда он на линии без пассажира). Казалось бы, всё просто: пользователь выбирает тариф, указывает дополнительные пожелания (детское кресло, например). Остаётся отфильтровать водителей на линии по этим критериям, выбрать ближайшего и предложить ему заказ. Однако всё так просто только на первый взгляд.
Сегодня я расскажу сообществу Хабра о том, как мы выбираем наиболее подходящего водителя и как этот процесс эволюционировал со временем. Вы узнаете о двух подходах к решению задачи.
Общая архитектура поиска
Когда пользователь нажимает кнопку «Вызвать такси», в бэкенде создаётся объект заказа и начинается его обработка в соответствии с конечным автоматом. Чтобы заказ перешёл из состояния «В ожидании» в «Водитель назначен» — нужно найти водителя, предложить ему заказ и дождаться подтверждения, что заказ принят.
Жадный (Greedy) подход
Очень долго в Яндекс.Такси работал жадный подход. При таком подходе на этапе поиска исполнителя делается запрос в микросервис Tracker, отвечающий за водителей. Tracker знает об автомобилях всё: от цвета и брендирования до текущего местоположения. В Tracker’e есть локальный геоиндекс по водителям и коннекторы к сервисам маршрутизации (роутерам) для построения маршрутов от точки А до точки Б (и даже через точки В, Г, Д). Поэтому, когда поступает запрос на поиск водителя, Tracker сначала определяет в локальном геоиндексе ближайшие машины по прямому радиусу с учётом «жёстких» ограничений заказа (класс автомобиля, требования — детское кресло, жёлтые номера). Затем уточняется время и длина маршрута подачи автомобиля и с учётом этой информации выбирается лучший вариант.
Буферный (балковый) подход
Однако при жадном подходе ближайшего водителя получит тот, кто первый заказал такси. При этом некоторые пользователи могут вообще остаться без машины.
При повышенном спросе, когда начинается конкуренция за исполнителей, жадный подход не годится. Чтобы максимально удовлетворить спрос даже в самые нагруженные часы, мы используем множество подходов и алгоритмов. Один из них — буферное (балковое) назначение водителей на заказы. В его основе лежит хорошо известная задача из области комбинаторной оптимизации — задача о назначениях. Вкратце её суть: пусть у нас есть N работ и M исполнителей, любой работник может выполнить любую задачу за время p(i,j)[0<=i<N, 0<=j<M]. Нужно назначить каждой задаче такого исполнителя, чтобы сократить суммарное время выполнения всех работ (при этом один исполнитель может взяться только за одну работу).
При решении такой задачи о назначениях наша «стоимость» выполнения работы (заказа) исполнителем (таксопарком и водителем) — значение функции скоринга от времени подачи автомобиля к пользователю. Задачу можно описать в терминах двудольных графов: с одной стороны — заказы, с другой — исполнители. Между заказами и исполнителями есть взвешенные рёбра (скоринг). Таким образом, одна из наших целей — минимизировать суммарное время подачи автомобилей, максимизировав количество выполненных заказов (максимальное паросочетание). Один из наиболее известных способов решить такую задачу — венгерский алгоритм.
Очевидно, что при буферном назначении мы не можем дать водителя по запросу, как при жадном подходе. Сначала нужно положить заказ в очередь, потом разыграть, а после этого сообщить о найденном водителе. Это совсем не вписывалось в конечный автомат обработки заказа, и его пришлось немного усовершенствовать. Чтобы тестировать и создавать новое решение, не влияя на коллег, мы сразу договорились, что всё будем делать в отдельном микросервисе DriverDispatcher. Он станет принимать заказы, класть к себе в очередь, находить водителей и сохранять результаты розыгрышей.
Итак, трекер подготовлен, скоринг считается и в Tracker’e (жадное назначение), и в новом сервисе (DriverDispatcher’e), алгоритм решения задачи о назначениях отлажен и корректно работает. Появился вопрос, как интегрировать это всё в конечный автомат обработки заказа. Мы добавили отправку и удаление метаинформации о заказе в DriverDispatcher при переходе заказа из состояния в состояние. И это уже почти работало. Почти — потому что итерации поиска исполнителя на заказ не контролировались извне. Мы могли просто заменить поход в трекер за водителем на поход в наш сервис и отдавать водителя, когда он найден, а до этого просто отдавать 404. Но это плохо, потому что нужно предлагать заказ водителю сразу, как только мы нашли заказ, и даже несколько секунд задержки тут играют роль: водитель может просто повернуть не в ту сторону, и заказ станет неактуален. Для этого мы сделали возможность вызвать процесс поиска исполнителя, не влияя на запланированные задачи. Так мы сохранили логику поиска (с перезапросами) и добавили возможность вызвать его вне планировщика.
Таким образом нам удалось совместить основной конечный автомат обработки заказа с конечным автоматом обработки в буферном диспатче без влияния на работающую логику и без гонок между состояниями. Можно запускать первые эксперименты на живых пользователях.
Это всё очень здорово, но как же время поиска исполнителя, спросите вы. Если поиск происходит не сразу после поступления заказа, значит, время поиска увеличивается и в итоге компенсируется более быстрой подачей? Это не совсем так: с помощью различных методик (в т.ч. с помощью машинного обучения), мы смогли выделить кейсы, когда ожидание имеет смысл, в остальных же случаях время ожидания не меняется.
Розыгрыш на пине
Заключение
Матчинг заказов и водителей — непростая задача, она требует учитывать множество факторов. Один из них — это контекст перемещений водителей при выборе кандидатов на заказ. Об этом мы расскажем в следующих постах.
Другие посты о технологиях Такси
Яндекс. Такси — Как распределяются заказы?
Стоит сразу сказать, что система абсолютно беспристрастная. Именно поэтому работники компании «Яндекс-такси» совершенно независимы от службы, таксопарка и пассажиров. Распределение заявок осуществляется исключительно с помощью специальной программы. Сервера в приложение, которое установлено на персональных гаджетах водителей, отправляют сигналы.
Гарантия получения заказа
Схема разделения достаточно проста и фирма ее не пытается скрывать. Когда Вы устраиваетесь в Яндекс-компанию, и Ваш рейтинг достигает отметки 4 или выше, а в личной копилке собирается впечатляющее число удачно выполненных миссий, то никаких трудностей не возникает.
В автоматическом режиме выбирается машина, которая ближе всего расположена к адресу. Расчетный временной отрезок – пятнадцать минут. Еще всегда учитываются соответствия дополнительным условиям:
- Например, пассажир едет с малышом, которому для комфортной перевозки требуется кресло.
- Доступность доставки в салоне домашних питомцев.
- Провоз крупного багажа, спортивного инвентаря и т.д.
Все эти опции владелец транспортного средства самостоятельно отмечает при устройстве в Яндекс-службу. Чем обширнее будет его список, тем шире целевая аудитория.
Подключитесь к Яндекс Такси в 2 клика и получите оплату от поездок уже в первый день работы!
• ПОДКЛЮЧИТЬСЯ •
Таксист не обязан следовать по маршруту, вычисленному навигатором, а значит, безупречное знание города здесь крайне важно. Периодически у всех возникают непредвиденные ситуации либо клиент внезапно просит свернуть. Умение вычислить короткий путь и обойти пробки – это высший класс, который очень ценится. Когда водитель демонстрирует профессионализм, заказчик не скупится на «пятёрки». Если будет много положительных отметок – начнут поступать более выгодные и частые заявки.
Рейтинг и распределение
Не забывайте, что рейтинг сильно влияет на объемы работы. Если Ваша позиция опустится ниже четверки, то поток существенно замедлится, а потом вообще можно столкнуться с блокировкой. Вам придется томиться в ожидании разблокировки, после чего всё снова восстановится.
Старайтесь не прибегать к отказам без веских причин, ведь Вы попросту будете портить статистику.
Кстати, компания предлагает всем таксистам прекрасную опцию, позволяющую подвозить клиентов, которым по дороге с Вами. Так Вы можете ехать домой и одновременно выполнять крайний заказ. Просто следуйте установленным правилам, и тогда заказы не заставят себя долго ждать.
Как распределяются заказы в Яндекс.Такси
Система беспристрастна и справедлива. Поэтому водители Яндекс.Такси не зависят ни от компании, ни от таксопарка, ни даже от пассажиров. Распределение вызовов осуществляется через программное обеспечение. Сервера направляют сигнал в приложения, установленные на смартфонах.
Кто гарантированно получит заказ на перевозку?
Схема распределения предельно проста, и компания её не скрывает. Если вы устроились на работу в Яндекс.Такси и у вас рейтинг 4 и выше, небольшое количество отказов и большое число выполненных заказов, проблем не возникнет.
Автоматически выбирается водитель, чей автомобиль находится ближе всего к адресу, на который был сделан вызов. Расчетное время – не более 15 минут. Также учитывается соответствие дополнительным требованиям.
- К примеру, клиент едет с маленьким ребёнком, для перевозки которого нужен бустер или детское кресло.
- Возможность перевозки собак и кошек в салоне.
- Провоз крупногабаритного багажа, такого, как сноуборд, комплект лыж или велосипед.
Эти опции водитель Яндекс.Такси самостоятельно указывает, устраиваясь на работу. Чем больше потенциальных возможностей, тем больше ваша целевая аудитория.
Нет обязательного требования следовать маршрутом, который выставлен навигатором. Именно поэтому вы сдаёте экзамен на знание города. Нередко непредвиденные обстоятельства на дороге возникают неожиданно или пассажир просит вас свернуть. Знание коротких путей часто позволяет действовать эффективнее, даже без GPS и сервиса поиска пробок. Если водитель Яндекс.Такси покажет высокую эффективность, ему непременно поставят «пятёрку», что положительно отразится на количестве заказов, получаемых в будущем.
Как рейтинг влияет на распределение заказов
Помните, что рейтинг напрямую влияет на объём работы, который вам предложат. Если вас оценивают на 4 и ниже, он упадёт, и вы можете получить блокировку. Придётся ждать, когда она закончится, прежде, чем новый заказ Яндекс.Такси поступит в «Таксометр».
Старайтесь избегать отказов без уважительной причины. Если их накапливается много, у вас существенно ухудшается статистика. Как только она упадёт до определенного значения, вы будете также временно заблокированы.
У компании есть также интересная опция, позволяющая брать пассажиров, которым с вами по пути, когда вы направляетесь к себе домой. Изучите правила и возможности работы в Яндекс.Такси, чтобы повысить свою эффективность и доход. И старайтесь никогда их не нарушать, чтобы не попасть в опасную зону рейтинга и тем более — в отключение от сервиса.
Как алгоритмы «Яндекс. Такси» распределяют автомобили в городе
Как работает алгоритм «Яндекс. Такси»
С недавнего времени в Яндекс. Такси появилась система, которая снабжает каждого водителя, завершившего поездку, индивидуальным маршрутом, учитывая спрос. Система грамотно распределяет автомобили по городу, что даёт водителям шанс увеличить доход как минимум на 20 % в день.
Водитель и пассажир — две стороны, которые взаимодействуют между собой при перевозке. Пассажир от поездки ждёт комфорта, удобства, качества обслуживания, а водитель — возможности заработать или подработать. Для водителя необходимо как можно больше проводить времени с пассажиром, если он желает повышения ежедневного дохода.
Водитель тратит не больше двух трети времени с пассажиром, остальную треть времени он либо ждёт заказа, либо едет до клиента. Поэтому сервис оптимизирует параметр эффективности – долю времени, которую водитель проводит с пассажиром.
Чтобы сделать максимально эффективной работу водителя, система помогает водителю. Она показывает карту повышенного спроса. В приложении «Таксометр» обозначаются районы, в которых клиентов больше, чем водителей. Она ищет для водителя заказ по цепочке. Ещё до завершения текущей поездки она находит для него ещё один заказ, который есть недалеко от места, куда едет такси. Точной гарантии подобрать такой заказ нет, так как иногда заказы находятся в отдалённом районе города, где может не быть следующего заказа.
Подобные ситуации требуют моментального принятия решения от водителя. В данных обстоятельствах есть два варианта развития событий: либо ждать нового заказа там же, либо отправиться в другой район. Прождать заказ на месте завершения предыдущего можно долго. Отправление в другой район не гарантирует нахождение заказа, это тоже надо учитывать при принятии решения. Кроме этого, при «холостой» поездке бензин и время потрачены зря. Выбрать правильное решение сложно, особенно в тех случаях, когда рядом много районов с повышенным спросом и наличие пробок. Каждый водитель Яндекс Такси опирается на собственный опыт, который ему интуитивно подсказывает какой дорогой поехать. Чем дольше водитель работает в компании, тем лучше он принимает решения.
В системе появился новый алгоритм «Проводник», который ищет для водителя персональный маршрут для того района, где есть большая вероятность найти следующий заказ.
Чтобы больше разобраться в оптимизации перемещения водителей, компания построила виртуальный город и внедрила туда существующие алгоритмы, которые используются для распределения машин и расчёта стоимости проезда в сервисе. Тысячи виртуальных пассажиров перемещаются по городу точь-в-точь, как они это делают в реальности. Кроме пешеходов, в этом виртуальном пространстве есть простой водитель и водитель-профессионал. Обычный водитель опирается на помощь системы и на опыт. А водитель – профессионал виртуозно распределяет маршрут, выбирая выгодные пути направления, увеличивая в разы доход. В итоге этот алгоритм должен помочь реальным водителям в реальных городах достигать эффективности в своей работе.
Работа алгоритма распределения водителей
Мы разбиваем город на тысячи маленьких районов, собираем данные о количестве пользователей в них на данный момент и о загрузке дорог. Кроме этого, учитываются исторические показатели и наличие массовых мероприятий. Суммируя всё это, мы прогнозируем спрос и рассчитываем количество такси, которые удовлетворят спрос. Определив районы спроса, необходимо найти водителей, которые территориально рядом и посоветовать им направится туда.
Например, в каком-то районе проходит массовое мероприятие и необходимо 100 водителей такси. Рядом с местом находятся 50 водителей, ещё следует найти 50 водителей. Нужно учитывать тот факт, что не каждый водитель не обязан следовать рекомендациям. Но в то же время, нужно точно рассчитать скольким водителям нужно отправить предложение, чтобы в итоге 100 водителей было на месте. Найдя нужное количество водителей, мы находим им заказы по пути в нужном направлении, что делает работу эффективнее.
Увеличение доходов с «Проводником»
Водители, которые используют предложения от «Проводника» зарабатывают в среднем на 20 % больше, не увеличивая продолжительность своей смены. Использование этой технологии помогает новичкам в Яндекс Такси для освоения. «Проводник» молниеносно помогает новым сотрудникам разобраться в городе, в спросе и знать, как лучше ориентироваться в системе. С помощью «Проводника» новичок имеет возможность за короткое время стать опытным сотрудником.
На базе этой технологии скоро появится продукт, который позволит водителям указывать нужный график работы. А система в свою очередь составляет полноценный маршрут на всю смену, включая заказ по дороге домой.
В будущем «Проводник» может быть применён к беспилотникам. У Яндекса есть свои наработки. Сейчас по всему миру разрабатываются беспилотные автомобили. Существует много задач для проектирования автономных автомобилей. Их необходимо научить не только распознавать дорожную разметку, перемещаться по дорогам, но и принимать правильные решения по маршруту: куда и когда отправиться, чтобы максимально быстро добраться до пассажира и максимально быстро его отвезти до места назначения. Чем эффективнее и вернее принимаются решения, тем успешнее будет работа.
Как мы распределяем заказы между водителями в Яндекс.Такси / Яндекс corporate blog / Habr
Одна из главных задач в Яндекс.Такси — как сделать так, чтобы к пользователю быстро приезжала машина, а у водителя сокращалось время «холостого пробега» (то есть время, когда он на линии без пассажира). Казалось бы, всё просто: пользователь выбирает тариф, указывает дополнительные пожелания (детское кресло, например). Остаётся отфильтровать водителей на линии по этим критериям, выбрать ближайшего и предложить ему заказ. Однако всё так просто только на первый взгляд.
Сегодня я расскажу сообществу Хабра о том, как мы выбираем наиболее подходящего водителя и как этот процесс эволюционировал со временем. Вы узнаете о двух подходах к решению задачи.
Общая архитектура поиска
Когда пользователь нажимает кнопку «Вызвать такси», в бэкенде создаётся объект заказа и начинается его обработка в соответствии с конечным автоматом. Чтобы заказ перешёл из состояния «В ожидании» в «Водитель назначен» — нужно найти водителя, предложить ему заказ и дождаться подтверждения, что заказ принят.
Жадный (Greedy) подход
Очень долго в Яндекс.Такси работал жадный подход. При таком подходе на этапе поиска исполнителя делается запрос в микросервис Tracker, отвечающий за водителей. Tracker знает об автомобилях всё: от цвета и брендирования до текущего местоположения. В Tracker’e есть локальный геоиндекс по водителям и коннекторы к сервисам маршрутизации (роутерам) для построения маршрутов от точки А до точки Б (и даже через точки В, Г, Д). Поэтому, когда поступает запрос на поиск водителя, Tracker сначала определяет в локальном геоиндексе ближайшие машины по прямому радиусу с учётом «жёстких» ограничений заказа (класс автомобиля, требования — детское кресло, жёлтые номера). Затем уточняется время и длина маршрута подачи автомобиля и с учётом этой информации выбирается лучший вариант.
Позже эта логика эволюционировала: для каждого водителя стали рассчитывать его «скоринг» на заказ — функцию от времени подачи автомобиля. И ранжировали водителей уже по значению скоринга. В функции учитывается не только непосредственно время подачи, но и множество других факторов: от уровня спроса в точках А и Б до «опытности» водителя. Такое жадное назначение называется бонусным.
Буферный (балковый) подход
Однако при жадном подходе ближайшего водителя получит тот, кто первый заказал такси. При этом некоторые пользователи могут вообще остаться без машины.
При повышенном спросе, когда начинается конкуренция за исполнителей, жадный подход не годится. Чтобы максимально удовлетворить спрос даже в самые нагруженные часы, мы используем множество подходов и алгоритмов. Один из них — буферное (балковое) назначение водителей на заказы. В его основе лежит хорошо известная задача из области комбинаторной оптимизации — задача о назначениях. Вкратце её суть: пусть у нас есть N работ и M исполнителей, любой работник может выполнить любую задачу за время p(i,j)[0<=i<N, 0<=j<M]. Нужно назначить каждой задаче такого исполнителя, чтобы сократить суммарное время выполнения всех работ (при этом один исполнитель может взяться только за одну работу).
При решении такой задачи о назначениях наша «стоимость» выполнения работы (заказа) исполнителем (таксопарком и водителем) — значение функции скоринга от времени подачи автомобиля к пользователю. Задачу можно описать в терминах двудольных графов: с одной стороны — заказы, с другой — исполнители. Между заказами и исполнителями есть взвешенные рёбра (скоринг). Таким образом, одна из наших целей — минимизировать суммарное время подачи автомобилей, максимизировав количество выполненных заказов (максимальное паросочетание). Один из наиболее известных способов решить такую задачу — венгерский алгоритм.
Очевидно, что при буферном назначении мы не можем дать водителя по запросу, как при жадном подходе. Сначала нужно положить заказ в очередь, потом разыграть, а после этого сообщить о найденном водителе. Это совсем не вписывалось в конечный автомат обработки заказа, и его пришлось немного усовершенствовать. Чтобы тестировать и создавать новое решение, не влияя на коллег, мы сразу договорились, что всё будем делать в отдельном микросервисе DriverDispatcher. Он станет принимать заказы, класть к себе в очередь, находить водителей и сохранять результаты розыгрышей.
Первым делом нам надо было подготовить Tracker к новому профилю нагрузки. Если при жадном подходе запросы на водителей просто индивидуально попадали на балансировщик Tracker’a и перенаправлялись на его инстансы с распределением нагрузки, то в буферном назначении все запросы были с одной машины: индивидуальные запросы просто забили бы пул соединений. Поэтому мы добавили в трекер возможность батчевой обработки запросов, которые внутри трекера обрабатывались параллельно. Попутно нам также пришлось решить проблему разумного количества запросов на батч-обработку. Со стороны клиента (DriverDispatcher’a) мы разбивали большой батч на несколько маленьких и отправляли на разные инстансы Tracker’a.
Итак, трекер подготовлен, скоринг считается и в Tracker’e (жадное назначение), и в новом сервисе (DriverDispatcher’e), алгоритм решения задачи о назначениях отлажен и корректно работает. Появился вопрос, как интегрировать это всё в конечный автомат обработки заказа. Мы добавили отправку и удаление метаинформации о заказе в DriverDispatcher при переходе заказа из состояния в состояние. И это уже почти работало. Почти — потому что итерации поиска исполнителя на заказ не контролировались извне. Мы могли просто заменить поход в трекер за водителем на поход в наш сервис и отдавать водителя, когда он найден, а до этого просто отдавать 404. Но это плохо, потому что нужно предлагать заказ водителю сразу, как только мы нашли заказ, и даже несколько секунд задержки тут играют роль: водитель может просто повернуть не в ту сторону, и заказ станет неактуален. Для этого мы сделали возможность вызвать процесс поиска исполнителя, не влияя на запланированные задачи. Так мы сохранили логику поиска (с перезапросами) и добавили возможность вызвать его вне планировщика.
Таким образом нам удалось совместить основной конечный автомат обработки заказа с конечным автоматом обработки в буферном диспатче без влияния на работающую логику и без гонок между состояниями. Можно запускать первые эксперименты на живых пользователях.
Это всё очень здорово, но как же время поиска исполнителя, спросите вы. Если поиск происходит не сразу после поступления заказа, значит, время поиска увеличивается и в итоге компенсируется более быстрой подачей? Это не совсем так: с помощью различных методик (в т.ч. с помощью машинного обучения), мы смогли выделить кейсы, когда ожидание имеет смысл, в остальных же случаях время ожидания не меняется.
Розыгрыш на пине
Ещё один способ найти исполнителя быстрее — начать искать его ДО создания заказа. Когда появляется новый пин (то есть пользователь только вводит данные о заказе в приложение), алгоритмы машинного обучения оценивают вероятность того, что далее последует заказ, и решают, учитывать ли его при буферном поиске водителей. Мы можем найти машину заранее, а когда пользователь нажмёт кнопку заказа — тут же сделать предложение подходящему водителю.
Заключение
Матчинг заказов и водителей — непростая задача, она требует учитывать множество факторов. Один из них — это контекст перемещений водителей при выборе кандидатов на заказ. Об этом мы расскажем в следующих постах.
Другие посты о технологиях Такси
База знаний — Яндекс.Такси
База знаний — Яндекс.Такси Ваш город Нур-Султан?ДаНет
- Программа поощрений
- Таксометр
- Тарифы
- Как заработать
- Стандарты качества
Программа поощрений
Экономьте на бензине, быстрее решайте рабочие вопросы и больше зарабатывайте
Программа поощрений: как это работаетЧем больше вы выполняете поездок, тем выше ваш вклад в развитие сервиса, а значит — вы получаете больше преимуществ. От повышенного приоритета при распределении заказов до открытия точки Б на экране принятия заказа и срочных ответов от службы поддержки.
Таксометр
Как работать с приложением для заказов Яндекс.Такси
АктивностьАктивность — это показатель вашей работы. Он растёт, когда вы совершаете поездки, и уменьшается, когда отменяете или пропускаете их.
РейтингКаждая поездка — это возможность показать, что вы опытный водитель, настоящий профессионал своего дела.
Как отменить заказДля отмены заказа в Таксометре есть специальная кнопка, она так и называется — «Отмена заказа». Нажмите на неё и укажите, почему вы не можете выполнить заказ.
Как включить цепочку заказовВы почти закончили текущий заказ, и Таксометр тут же предлагает вам новый — это значит, что у вас работают заказы по цепочке.
Как пользоваться новым ТаксометромЧто нажать, чтобы выйти на линию, как пользоваться встроенным навигатором, и куда переехали все кнопки меню. Рассказываем и показываем, что изменилось с обновлением приложения.
Тарифы
У каждого тарифа — свои особенности. Выберите условия, которые подходят вам
Тариф «Доставка»Перевозите небольшие грузы без пассажиров в часы, когда обычных заказов меньше.
Как заработать
Всё о том, как спланировать доход в сервисе: бонусы, комиссии и график работы
БонусыЧтобы заработок водителей держался на высоком уровне, наши партнёры компенсируют короткие поездки бонусами.
Как пассажир оплачивает поездкуНаличными, картой, с промокодом или с корпоративного счёта — рассказываем, как пользователи оплачивают поездки и что вам нужно учесть в каждом случае.
Стандарты качества
Что делать, чтобы получать больше пятёрок и чаевых, и за что можно потерять доступ к заказам
Стандарты «Эконома»Чтобы получать высокие оценки и сохранить доступ к заказам, нужно соблюдать стандарты качества сервиса.
Стандарты «Комфорта»Повышенным тарифам — пристальное внимание пассажиров. Поэтому здесь высокие требования к водителю и автомобилю.
Стандарты «Комфорта+»Повышенным тарифам — пристальное внимание пассажиров. Поэтому здесь высокие требования к водителю и автомобилю.
Почему у меня нет доступа к заказам?Яндекс.Такси может ограничить доступ к сервису для водителя или автомобиля на час, на сутки и даже больше. А иногда такое делает и таксопарк. Рассказываем подробнее про каждый случай.
К сожалению, браузер, которым вы пользуйтесь, устарел и не позволяет корректно отображать сайт. Пожалуйста, установите любой из современных браузеров, например:
Яндекс.Браузер Google Chrome Firefox Safari