Uber再次出现，在分析了客户的使用数据后，改进了其替代CAB服务应用程序。这一次，数据科学家们已经提出了Pum，即使在一个密集的城市中，刚刚乘坐骑手。

根据Uber's Ren Lu的博客文章，通过将其预测与今年的旧金山骑行的匿名信息进行比较，通过将其预测与匿名信息进行比较来确定其模型的准确性。

该系统做出了一定的假设，考虑到骑手以前的目的地，所以优越的骑手已经去了，其他因素，鲁写道。

优步先前已使用数据科学甚至人工智能，以优化其运营。例如，该公司得出结论，希望优化其收入的司机将做得更好，而不是留在一个地方而不是开车。观察来自公司科学团队的模拟。由于公司扩展到世界各地的各个城市，效率为关键，优步是众多公司之一，既有大小，则借鉴他们的数据以实现这一目标。

对于这个项目，优步吸引了更多传统的贝叶斯统计数据，以便在卢写的基础上对目的地进行了良好的猜测。但是，系统可以正确预测骑手的目的地74％的时间。

她注意到，该模型应该随着优步保长和添加服务，如Uberpool Car-Sharing功能，她指出：

正如我们介绍Uberpool，我们应用程序的Carpool选项，其中司机制作多个拾取和下降，这些事件只会以增加的频率发生，这意味着任何Uber骑手目的地人气分析易于由于噪音而不准确。

阅读Lu的完整博客文章，了解解决其“独特优步问题”的方法。