封号、扣钱:谁来保证专车司机的利益?

图片2

互联网出行的大迈步发展,从此前的发展势头看是成全了三个群体。首先自然是互联网出行平台,滴滴、Uber等纷纷成为估计上百亿乃至数百亿美元的“独角兽”企业。第二则是乘客,享受到更便利的出行服务。最后则是司机,通过互联网出行平台寻找到新的工作,满足了高薪、自由的工作诉求。

但目前,专车司机却从三足鼎立的态势变得越来越弱势。相比于出行平台和乘客,规模日渐庞大的专车司机正经受更为“隐秘的痛”。封号、扣钱等,几乎成为家常便饭。而面对出行平台的霸王条款和强硬态度,专车司机投诉无门更是让他们心寒。对于在近几年快速发展的互联网出行行业来说,到底谁能保证专车司机的利益?

 散管理下的取证难

         广州、济南、长春、杭州、青岛、武汉……多个城市发生专车司机围堵出行平台办公点讨要说法的事件,甚至有的城市多达近千司机聚集。而所涉及的出现平台,将滴滴、优步、易到用车等几乎全部囊括其中。而专车司机之所以采用这样激烈的行动,关键就在于出行平台展开的封号、扣钱举措。

据了解,近段时间以来,出现平台大量开始封号、扣钱举措,虽然给出的解释是部分专车司机刷单,但事实上绝大部分专车司机却是受到无妄之灾。很多专车司机出行平台上的账号内的钱被扣光,甚至为负数,而且封号之后也不能再接单。出行平台给出的解释是因为刷单,但据专车司机自己判定,被判刷单的原因主要是误操作、接熟人、短距离下车、变更目的地等。

而出行平台判断刷单与否,完全靠的就是其自行研发的反作弊系统软件。但出行平台建立时间尚短,如何能够保证类似的软件每一次判罚都是正确无误的?而专车司机的超低门槛,使得大量人员涌入出行平台,决定了目前只是处于一种散管理的状态,一切都不是那么正规。在这样的态势下,司机想要为自己取证实在是太难——可能出行平台都不屑一看。

 平台独大后强权难免

出行平台的迅速壮大,使其原本与司机、乘客平稳的态势发生微妙的变化。尤其是面对规模剧增的专车司机群体,出行平台变得愈发强势。而这种强势,是体现在多方面的。比如奖金、补贴在不断下降——出行平台在发展到一定程度后显然不愿再以烧钱换增长;比如多理由克扣资金的行为越来越多,以优步为例,如果专车司机被两个乘客投诉,评价立即拉低,很可能一周就白辛苦;比如设定越来越高的接单指标,如若达不到,会被扣掉30%-100%的补贴……

当然最惨的就是被判为“刷单”,不但收入全无,甚至会被封号。但很显然,出行平台却认为自己是完全正确的。对于封号、扣钱,滴滴市场部工作人员就解释,司机被罚是电脑系统在操作,系统认定司机刷单,就是违规的。这种行为并不是人为操控的,一定是司机出现违规行为,才会被罚款。态度之坚决,让人意外。

而即使办公地点为专车司机围堵,出行平台也毫不在乎。比如滴滴专车就给出两套解决方案,司机可自行选择。一是解除与滴滴的合作关系,账户内原有的余额退回;二是继续与滴滴专车合作,但要接受公司的封号和罚款决定。也就是说,要么接受处罚,要么就立马走人。出行平台的强势,已经超出司机的接受范围之内。出行平台的强势,显然是因为专车司机愈来愈多有关——反正现在司机数量根本数不胜数,完全不愁没司机可用。

投诉甚难 需第三方监管

专车司机原本是一份人人艳羡的职业,“每天三小时,月收入轻松过万”在此前的确是不争的事实。因此在人们眼中,专车司机似乎是一个较为强势的职业,甚至由此成为出租车司机的“眼中钉”。但随着互联网出行的快速发展,封号、扣钱案例的急速增长,大众才发现原来专车司机并不是那么好干的。

相对于其他行业从业者能够有多个渠道来维护自己的权益,专车司机除了向互联网出行平台投诉以外,根本没有其他其他渠道来保证自己的权益不被侵犯。因为从法律法规上来看,出行平台及专车司机本身就是游走在法律边缘地带,并没有得到法律法规的认可。专车司机也不愿向政府等求助,他们自身也认为并没有合法取得保护自己的权益,只能靠围堵出行平台办公地点这样的蛮干手段,收效却甚微。

因此,专车司机的权益急需受到第三方的保护,出行平台也必须受到第三方的监管。尽快立法将互联网出行平台等以法律形式确定下来,对于出行平台的合法化、专车司机权益的保护等都有着莫大意义。既然互联网出行大势不可违,那么就赶快落实到实际中去吧。(科技新发现 康斯坦丁/文)

本文如需转载,请联系QQ:102927545 ,并注明出处

科技新发现官方微信公众号:kejxfx


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值