司机难自证清白？滴滴用整套体系守护安全和公平

一笔订单被标记异常之后，发生了什么？

撰文 | 麦哩

题图 | 网络

6月24日晚高峰，成都，滴滴安全预警中心。

安全专家刚处理完上一条风险订单，系统又弹出一条新订单。

我坐到了他旁边，戴上耳机，全程参与了这笔订单的处置。

一笔什么都没有发生的订单

听筒里，系统标记异常的片段几乎听不到声音。偶尔窸窸窣窣的响动。为什么被标记异常？我集中精力分辨，最终忍不住问了一句：“是乘客在哭吗？”

旁边的安全专家回复我，“是乘客在笑。很轻微。”

说着，他快速倒回那段声音片段，再次核实，的确是乘客很轻微的笑声。乘客可能在刷手机，看到了什么好笑的段子。

前座上，司机正在安静地开车，对订单的复核一无所知。

最终，安全专家将这笔订单标记为"安全状态"。而现场，和我一样参与体验听音的司机代表、乘客代表、媒体代表，他们看到的绝大部分订单，也和这笔订单一样“什么都没有发生”。

一段什么都没有发生的行程。而这恰恰是值得关注的事。每天数千万的出行订单体量，"什么都没有发生"本身，就是一种需要被主动维护的状态。

一段不确定的声音，在系统的判断清单里，可能意味着很多事情：车内人员的情绪异常、精神状态预警、突发的外部事件。它被系统标记异常，触发了“AI初筛、安全专家接力研判、高危订单快速干预”的连锁响应。

出行的安全，从来不是一条静止的底线。它是一个持续运转、不断校准的系统工程。

系统摊开之后

6月25日，滴滴在成都举办"预警安全，共建安全"主题开放日。创始人程维表示："希望通过开放日，让阳光照进来，帮助滴滴开放透明地做安全。"

围绕这份透明，平台对自建的安全体系做了详细介绍。滴滴的安全AI模型，核心能力是多模态风险感知。通过车内音频、行程数据、订单特征等多维信号，识别潜在风险场景。AI自动标记异常，触发不同等级的干预动作，推送至全国多个城市的安全职场。安全专家快速核验，确认隐患后第一时间启动外呼提醒、震慑，必要时直接报警。为匹配夜间风险高发规律，预警中心八成安全专家值守夜班。

开放日展示的运转案例中，深夜女性独乘、醉酒乘客、未成年人独自乘车等高风险场景，系统识别到后会加强监控。检测到异常后，安全专家电话介入，直到司乘安全分离。不是预设司机有问题，而是通过增加核验频次来压缩风险窗口。

还有一类容易被忽视的场景，保护司机。一位女司机接到醉酒男性乘客，行程中乘客殴打司机。安全系统识别后，主动致电司机提供帮扶，并对乘客账号进行封禁。车内录音及桔视设备，在司乘纠纷中，同样可以作为司机维护权益的依据。

这套系统不是单向的“管司机”，它同时在保护司机。权益受到侵害时，安全专家及时介入和协助。这种"被撑腰"的确定性，比任何话术都管用。而一个不必担心被无理对待的司机，才能把全部注意力放在安全驾驶上。乘客也才能真正安心坐在后座。

平台的守护对象，从来不只是乘客，而是坐在车里的每一个人。

双边平台的平衡术

出行平台是一个双边市场。一端是乘客，一端是司机。安全体系的设计，必须同时回应两端的需求。

乘客的期待相对直接，安全、方便、及时。更具体地说，是实时预警而非单纯事后追责，是行程中的全程守护而非出事后的理赔通道。

司机的期待则复杂得多。用一位跑了五年网约车的师傅的话说："我不怕辛苦，怕的是受了委屈没人听。"被醉酒乘客骚扰时，平台能站出来；被恶意投诉时，有证据替自己说话；录音录像是在保护自己，而不是只对着自己。

司机和乘客的不同诉求存在天然张力。滴滴的做法是，在载客状态下音视频合规采集，既防范冲突、骚扰和暴力，也为双方提供客观证据。空车状态下，设备默认不记录，保护司机隐私。

判责体系是守住公平的一环。一个订单进入安全预警后，如果识别出司机疑似违规，会进入初审、二审、高审的多级判定流程。低风险案例初审终结；风险较高的，初审和二审独立给出结论；如果两者结论不一致，或者都给出了封禁司机的结论，则由更有经验的安全专家最终判定。

这套流程的设计逻辑是：用最大努力，竭尽所能做到公平。处罚通知下发的同时，也会开启申诉通道，对不认可判责的情况再启动“初审—高审”，最终严谨地决定改判或是维持原判。平台要做的，是不放过真正的风险，也不让无辜的司机为系统的不确定性买单。

司机的“开盲盒”日常

一个司机的日常，可能比乘客想象的更不容易。

一天二三十笔订单。解锁车门、看后视镜、确认乘客位置、起步。这套动作一天重复几十次，绝大多数时候平安无事。乘客上车报手机尾号，低头看手机，下车关门走人。但只要有那么一单，醉酒闹事或者无理投诉。对司机来说，这一天就毁了。

乘客呢？下次打车，换一辆车，换一个司机，什么都不会记住。但司机会记住，他会开始犹豫：这一单要不要接？晚上十一点后的单子，要不要少跑几单？

这就是出行行业面对的成本不对称。司机承担了每一段行程的不确定性。而一旦出了事，外界第一反应往往是"是不是司机的问题"。滴滴面对的是同样的逻辑。投入远超同行的安全成本，建立了行业独有的安全预警体系，收获了“滴滴更安全”的用户认知。但只要有一起恶性案件发生，哪怕它本身超出了平台的能力边界，舆论的归因依然只有一个方向。

行业专家刘远举在现场说了一句话："社会需要共识安全的边界。"

边界在哪？不在某一条规则里，在每一次出行的博弈中。乘客和司机之间、平台和用户之间、技术和人性之间。

这也是为什么平台的安全体系和行程录音录像对司机来说很重要。有了它，被诬陷时可以自证清白，被骚扰时有据可查，被恶意投诉时有录音可听。从整个出行行业来看，滴滴司机尤其是高等级司机，更容易被信任。这份信任，就是安全体系对劳动者最直接的保护。

安全体系守护司机，不只是善意，也是必要。因为司机安全了，乘客才真正安全。

他们坐在同一个空间里，分享同一段行程。系统做得再多，最后交付安全的，始终是前座上那个握着方向盘的人。而一套好的体系，应该让这个人不必在自证清白和被冤枉之间左右为难。

安全，天然难以被感知

出行行业有一个结构性的悖论：安全投入越大，效果越难被感知。

滴滴每年投入数十亿元持续建设安全体系，覆盖行程前、中、后全链路。但恰恰因为绝大多数行程什么都没发生，外界很难感知到平台投入了多少、做了多少。

这种"感知差"不只存在于用户端。过去很长一段时间，网约车行业的核心命题是规模和增速。安全是被动应对的成本。但如今行业竞争维度，已经从"谁更大"切换到"谁更可靠"。安全从成本项，变成了能力项。

每年数十亿的资金，4000多人的团队，大量GPU资源投入，换回来的是什么？

从结果指标看，82%的风险识别率，99.6%的干预有效率，平均千万单发生肢体冲突类风险1个，百万单发生言语违规类1个。说明这套系统在滴滴大部分场景下是跑通了的。

这也是滴滴选择办安全开放日的原因。把系统摊开来看，接受检验。一家企业主动把自己的安全机制拆开给公众看，这件事本身就值得关注。

82%已经很高了。但还有18%未识别。这是技术能力的边界，也是持续投入的理由。

最高成就，是“什么都没发生”

晚高峰，一段安静到几乎听不清的声音。安全系统捕捉到了这个信号，安全专家接力完成复核，确认一切正常。然后这条数据流归入日常，像无数条同样"什么都没有发生"的数据一样，沉入系统的底层。

这就是安全体系的最终形态，它的最高成就是"什么都没发生"。

但"什么都没发生"不是理所当然的。它需要预警中心八成安全专家值守夜班，需要AI模型秒速级扫描订单数据，需要安全专家在无数个"可能是虚惊一场"的信号中做出判断。也需要前座上那个司机，安安静静地把车开好。

"我们不是在等事情发生，我们是在和风险赛跑。但赛跑的结果不总是赢的。"一位安全专家这样说。没有包装，没有话术，却是对安全最诚实的表达。

82%的风险能被识别、被干预、被消解于无形。但剩下的18%，还在技术的视野之外。靠技术够不到，只能靠人。

靠乘客拒绝线下交易的自觉，靠司机对每一次核验的配合，靠各界对安全的共同守护。这是一场需要所有人接力的长跑。

一段什么都没发生的行程，背后是一整套系统在高效运转。在能力所及的范围内，系统守护的不只是那个笑着刷手机的乘客，还有那个前座上专心开车的司机。让他每一段行程结束，都能安心地接下一单；让他被信任，被公平对待，体面地把车开下去。