魔爪文学

手机浏览器扫描二维码访问

第116章 算法囚徒（第2页）

出院后，老陈的左腿还有些跛，医生建议再休养一个月。他利用这段时间，建立了一个骑手微信群，最初只有阿杰和另外三个相熟的骑手。他在群里详细解释了自己的想法记录每一单的真实情况，与平台给出的配送时间做对比，找出算法的不合理之处。

“平台靠算法剥削我们，我们就用数据反击算法。”

起初响应者寥寥。大多数骑手每天奔波十二个小时以上，回家倒头就睡，哪有精力记录这些。而且他们担心被平台现，遭到封号或降级。

老陈没有气馁。他设计了一个简单的记录表格，骑手只需每天花五分钟填写订单号、平台配送时间、实际用时、延误原因、特殊情况备注。他承诺会统一整理分析，保护每个人的隐私。

第一个月，只有七个人坚持记录。老陈仔细分析这些数据，现了明显的规律午高峰11:3o-13:3o和晚高峰17:3o-19:3o的订单，实际平均用时比平台给的时间多出23%。主要延误原因前三名是商家出餐慢38%、电梯等待22%、小区门禁15%。

老陈将这些现做成图表，到骑手群里。一直潜水的骑手们开始活跃起来

“我就说嘛！昨天中午商场订单，等电梯就花了十五分钟！”

“商家出餐慢最要命，尤其是那些网红店，单子多，做得慢，时间一分一秒地扣。”

“还有那些不让电动车进的小区，走路进去就五分钟，出来再五分钟，这十分钟平台根本不算！”

第二个月，记录数据的骑手增加到了二十三人。老陈的数据也更加丰富。他现平台算法在雨天给出的配送时间仅比晴天多出5%，而根据骑手们的实际记录，雨天平均配送用时增加31%。平台算法完全低估了天气对配送的影响。

三个月后，老陈的微信群已经有两百多名骑手，覆盖城市三个主要区域。数据量足够大，结论也越来越清晰

1.平台算法假设所有订单都是理想状态商家立即出餐、道路畅通无阻、无需等待电梯、骑手始终以最高效率移动。

2.现实情况中，过7o%的订单会遭遇至少一种算法未考虑的变量。

3.骑手们为了达标，不得不违反交通规则。群内调查显示，92%的骑手承认每天至少闯一次红灯，67%的骑手曾因赶时间生轻微事故。

4.最令人震惊的现是，平台似乎在有意识地“测试”骑手的极限配送时间。同一路段、相似距离的订单，配送时间在过去六个月中平均缩短了18%，而骑手的平均事故率上升了42%。

老陈将所有这些数据整理成一份详细的报告，命名为《算法背后的真实外卖骑手生存状况数据分析》。报告最后，他提出了一个尖锐的问题“当算法不断压缩配送时间，导致骑手事故率上升，这究竟是技术优化，还是系统性剥削？”

报告在骑手群中流传，随后被转到其他社交平台。本地一家都市报的记者找到了老陈，进行了一次深度采访。报道刊登后，引起了广泛关注。平台公司布声明，称他们的算法“经过科学设计，旨在平衡用户体验和骑手安全”，并表示“将持续优化算法模型”。

但变化微乎其微。配送时间没有延长，相反，平台推出了新的“闪电送”服务，承诺更短时间送达，抽成比例更高，但对骑手的安全保障并无改善。

一天深夜，阿杰给老陈打来电话，声音哽咽“陈哥，小杨出事了。今晚下雨，他赶一个‘闪电送’订单，刹车打滑，撞上了护栏，现在在医院抢救。”

小杨是群里最年轻的骑手，才二十二岁，有个刚怀孕的妻子。

老陈握紧手机，指甲陷入掌心。他意识到，仅靠揭露问题是不够的。平台可以无视舆论，可以布公关声明拖延时间，而骑手们每天都在冒着生命危险。

“我们需要一个新的方案。”老陈对群里的骑手说，“不光是揭露问题，我们要提出解决方案。既然平台说他们的算法是‘科学的’，那我们就设计一个更科学、更人性的算法模型。”

四

老陈想起住院期间，临床阿杰提到过他的表哥在一家科技公司做程序员。通过这层关系，老陈联系上了几位对算法伦理感兴趣的IT从业者，其中就包括林涛——一位因不满公司算法歧视性推荐而离职的前算法工程师。

林涛被老陈的数据和想法吸引，决定帮助他们。他拉来两位前同事擅长数据建模的张薇和熟悉法律政策的赵明。四人组成了一个小团队，开始在老陈的出租屋里工作。

“我们需要建立一个替代性的配送时间模型。”林涛在白板上画着示意图，“这个模型必须考虑到骑手们收集的所有变量商家平均出餐时间、不同时段电梯等待时间、小区门禁政策、天气影响系数...”

张薇提出关键问题“但这些数据需要大量标注和训练，我们哪来的计算资源？”

老陈展示了骑手群“我们有三百多名骑手，每天都在产生数据。如果每个人都能详细记录，三个月就能积累起足够训练模型的数据集。”

计划开始了。骑手们接到新任务不仅记录订单基本情况，还要详细标注每一个环节的时间戳——到达商家时间、取餐时间、到达小区时间、上楼时间、完成交付时间。同时记录天气、路况、商家类型、建筑类型等附加信息。

赵明负责研究相关法律政策“劳动法规定，用人单位应当为劳动者提供安全的工作环境。如果能够证明平台的算法系统实质上创造了不安全的工作条件，我们就有谈判的法律依据。”

四个月后，他们积累了过十万条详细标注的配送记录。林涛和张薇利用开源工具和廉价的云计算资源，训练了一个初步的配送时间预测模型。与平台算法相比，这个模型的预测时间平均多出28%，但在实际测试中，骑手按照这个时间配送，准时率达到96%，且无需违反交通规则。

“但这还不够。”林涛在一次团队会议上说，“平台不会接受一个只是‘更宽松’的模型。我们必须证明，这个模型在商业上也是可行的。”

赵明提出了新思路“我们可以从两个角度论证第一，更合理的配送时间会降低骑手事故率，从而减少保险理赔和潜在的法律责任；第二，骑手工作压力减小，流失率下降，平台可以节省招募和培训新骑手的成本。”

团队开始收集支持性数据。他们联系了几位因工受伤的骑手，估算平台在每起事故中承担的间接成本。同时，通过问卷调查，估算了骑手高流失率对平台造成的经济损失。

最终，他们整合出一份完整的报告《共赢的配送基于数据驱动的骑手安全与平台效率平衡模型》。报告不仅揭示了现有算法的问题，提出了改进模型，还从商业角度论证了改革的必要性。

报告完成后，老陈通过记者联系，请求与平台公司进行对话。出乎意料的是，平台公司拒绝了正式会面，但表示“愿意听取骑手群体的反馈”。

“他们这是想敷衍我们。”阿杰愤愤不平。

老陈沉思良久“那就把对话公开化。我们不要求特权，只要求一个公平、安全的算法。”

五

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。