当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > 滴滴回应 7 分钟路程收 1414 元:初步判断是司机误输导致

滴滴回应 7 分钟路程收 1414 元:初步判断是司机误输导致

来源:IT之家 2024-05-13 08:06:24 0浏览 收藏

学习科技周边要努力,但是不要急!今天的这篇文章《滴滴回应 7 分钟路程收 1414 元:初步判断是司机误输导致》将会介绍到等等知识点,如果你想深入学习科技周边,可以关注我!我会持续更新相关文章的,希望对大家都能有所帮助!

本站5月12日消息,近日,一名上海网友在滴滴小程序中发现有一条未支付信息,竟然是2017年的一张1414元的出租车出行单子,而整个行程只有2公里左右7分钟,而滴滴客服的回复是“正常,支付就行”。 对于这样的情况,不少网友都表示非常惊讶和无法接受。他们普遍认为,这样的行程明显是异常,应该得到解决。而且,这样的现象还可能发生在其他用户身上,滴滴应该重视起来。 对于此事,滴滴方面表示会调查该事件并解决问题。同时,滴滴还表示将加强对司机的监管,确保用户的利益不受损

本站注意到,滴滴出行官微今晚做出了回应。首先因平台客服未能及时处理好相关问题向用户致歉。滴滴称,乘客所述订单时间在 2017 年 10 月 22 日,预估里程 1.588km,金额应为 14 元,但账单金额为 1414 元,账单是未完成状态。经核实,该笔订单费用存在异常,初步判定是当时司机错误输入 2 遍导致。非常抱歉,客服已再次联系乘客,并已修改订单金额。

滴滴还称,目前,当出租车司机输入车费与实际行驶里程、预估价之间存在异常时,平台会进行拦截并提醒司机核对车费。此外,开通免密支付的用户也无需担心,如果车费异常,滴滴会拦截账单不会自动支付,应乘客手动确认并支付。此外,滴滴“车费卫士”覆盖绕路、未坐车收费、多收附加费等八大场景,当乘客使用网约车发生上述场景的车费异常问题时,“车费卫士”会分级启动拦、退、赔三大功能,确保用户打车费用透明合理。

滴滴回应 7 分钟路程收 1414 元:初步判断是司机误输导致

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。

版本声明
本文转载于:IT之家 如有侵犯,请联系study_golang@163.com删除
我国已建成世界最大实时地震观测网我国已建成世界最大实时地震观测网
上一篇
我国已建成世界最大实时地震观测网
Flash Attention稳定吗?Meta、哈佛发现其模型权重偏差呈现数量级波动
下一篇
Flash Attention稳定吗?Meta、哈佛发现其模型权重偏差呈现数量级波动
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    312次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    370次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    364次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    334次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    155次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码