创作者写的节目说明

嘉宾｜曲晓楠，滴滴网约车平台安全部负责人。

主播｜刘飞，内容创作者，产品经理。

早年我在滴滴负责司机产品时，曾与晓楠共事过。彼时他主要在负责用户体验，直到 2018 年顺风车事件爆发，全公司抽调骨干力量投入安全攻坚，他从用户体验转身加入，自此在出行安全的深水区扎根。

对于普通乘客而言，安全往往具象化为「行程分享」或「车内录音」这些可见的功能。然而，舆论场中始终存在一种认知撕裂：一边是指责平台治理不力的愤怒，另一边则认为平台理应能像魔法一样「彻底消除」存在的隐患。

事实上，真正的安全治理，藏在那些用户看不见的地方，也充满着我们不愿面对的「妥协」。

本期节目中，我们将拆解滴滴安全体系的迭代历程，透视全链路风险防控的真实运作；探讨 AI 大模型升级后车内风险的识别能力，并直面醉酒乘车、未成年人单独出行、线下私单等高频场景下的治理难点。此外，我们也聊了聊安全算法中「优先召回率、容忍误判」的底层伦理取舍，以及安全防护与用户隐私之间那道微妙而危险的界线。

内容索引

Part 1 从被动响应到主动预防：滴滴安全体系的搭建

战略级转折：回顾2018年事件后的企业级战略转向——全线搁置业务营收KPI，连续两年网约车管理班子仅考核安全指标，每年数十亿资金重建整套安全体系。

底层逻辑重构：梳理滴滴安全体系的演进历程，核心是从「事后处置」向「事前预防」的根本性转变。

重新划定安全边界：明确平台责任范围——从订单匹配成功那一刻起，直至司乘完全安全分离。订单结束后的隐患仍是当前治理的难点。

Part 2 五层全链路防护网：从源头准入到实时智能扫描

出车前双重准入门槛：司机三证核验 + 犯罪记录背景筛查、人车一致性校验、常态化安全培训，从源头拦截高风险从业人员。

派单分层风控调度：建立司机安全评分体系，高风险订单优先匹配高安全系数司机，前置降低冲突概率。

行程 AI 实时扫描：

轨迹识别：路线大幅偏航、无合理理由的异常长时间停留。

录音识别：利用大模型提升对争执、求救、呕吐、肢体接触等细微风险语音的捕捉能力（每日约 4000 万订单双层 AI 过滤）。

视频研判：部分运营车辆搭载「桔视」车载录像，直观还原车内冲突场景。

主动求助：乘客110报警、紧急行程求助信号的即时响应。

Part 3 核心考核指标“降发生”：算法优先保障召回率

显著的数据成效：常年维持安全事件两位数降幅，近年降幅约 30%

算法的伦理取舍：在网约车安全场景下，风险召回率优先级远高于识别准确率。宁可深夜致电打扰用户确认安全，也尽最大努力减少漏判潜在风险。。

回应公众争议：涉及深夜连环安全回访电话的业务逻辑——均对应司机小区长时间停留、提前收车下线等高风险信号；确认乘客安全后，专家仍持续追踪司机状态，防范订单结束后的隐患。

Part 4 识别盲区与高频风险场景的案例分享

天然识别盲区：线下私单、订单结束后折返、醉酒静默无信号、蓄意预谋犯罪这四类难以通过技术手段预判的风险。

高危场景案例分享：深入拆解「醉酒乘客」与「14岁以下未成年人独自乘车」两大高频高危场景，分享真实处置案例及平台出行建议。

司乘双向治理规则：滴滴网约车平台不仅保护乘客，也规范司机——乘客若出现暴力骚扰行为，同样面临永久封禁账号的严厉处罚。

制作人： 噗噗猫

片头： Where Are You Going (Live) - 海龟先生

为什么值得听

AI 读完整集转写后给出的推荐理由

滴滴安全负责人曲晓楠首次系统拆解平台安全体系：从司机准入到AI预警，从醉酒乘客到未成年人保护，大量真实案例让人大开眼界。她透露，平台每天扫描3000万单，但召回率仅80%，剩下的20%需要乘客自己守护。最颠覆认知的是，专工竟能通过关门声判断风险，而大模型能从一句“你的手好冰”识别出触碰。听完你会明白，为什么平台最怕你觉得它绝对安全。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

本期《三五环》邀请滴滴网约车安全负责人曲晓楠，系统拆解滴滴的安全体系。从2018年顺风车事件后的被动应对，到如今每年数十亿投入的安全体系3.0，曲晓楠详细介绍了五道防线（司机准入、出车验证、订单匹配、行程监控、事后判责）、AI与人工结合的漏斗式风险识别（每天3000万单筛至几千单干预）、大模型在风险判断中的应用（如通过“你的手好冰”识别触碰），以及醉酒、未成年人、线下交易等高风险场景的应对。她强调平台更重召回率而非准确率，目前召回率约80%，剩余20%依赖司乘自我保护。节目还讨论了安全与隐私的平衡、专工的独特技能（如听关门声判断风险），以及外界对滴滴安全的两种极端误解。最后，曲晓楠给出三条乘客建议：不线下切单、不让未成年人和醉酒者单独乘车、打开录音功能。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立