CN106971279A - 预估司机接单行为的方法、装置、设备及存储介质 - Google Patents
预估司机接单行为的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN106971279A CN106971279A CN201710304973.8A CN201710304973A CN106971279A CN 106971279 A CN106971279 A CN 106971279A CN 201710304973 A CN201710304973 A CN 201710304973A CN 106971279 A CN106971279 A CN 106971279A
- Authority
- CN
- China
- Prior art keywords
- driver
- order
- bus
- information
- history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006399 behavior Effects 0.000 claims description 36
- 230000000694 effects Effects 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000003466 anti-cipated effect Effects 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000977 initiatory effect Effects 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种预估司机接单行为的方法、装置、设备及存储介质。所述预估司机接单行为的方法包括：根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。本发明实施例通过根据订单信息和距离所述乘车起点预设区域范围内的候选司机的司机信息，从所述候选司机中选出会接单的司机，由于在预估接单司机时，同时考虑到了订单信息和司机信息，可以正确识别出愿意接单的候选司机，提升在线叫车服务成功率。
Description
技术领域
本发明实施例涉及互联网技术领域，尤其涉及一种预估司机接单行为的方法、装置、设备及存储介质。
背景技术
随着互联网技术的高度发展以及智能设备的普及，传统的交通技术正在逐步进化为智能交通系统。现有技术中，乘客多使用在线叫车服务软件(例如滴滴、优步、神州、易道等)，通过手机等智能终端进行打车，使人、车、路之间的相互作用关系以新的方式呈现，与传统的打车方式相比，在一定程度上实现了较为准确、高效地出行。
而在线叫车服务(例如专车，顺风车，快车等)中，用户发起订单的起点附近，往往会有多个候选司机可能会接单。只有将订单派送给愿意接单的司机时，用户的叫车服务才会成功。因此，正确识别出愿意接单的候选司机对确保和提升在线叫车服务成功率具有重要意义。
目前，主要通过司机的接单数占司机浏览订单数的比例，或者司机距离订单起点的距离来估算司机接单的概率。这种方法参考因素比较单一，并不能很好的识别出愿意接单的候选司机，从而导致在线叫车服务的成功率较低。
发明内容
本发明实施例提供一种预估司机接单行为的方法、装置、设备及存储介质，可以正确识别出愿意接单的候选司机，提升在线叫车服务成功率。
第一方面，本发明实施例提供了一种预估司机接单行为的方法，该方法包括：
根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；
获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；
根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
第二方面，本发明实施例还提供了一种预估司机接单行为的装置，该装置包括：
订单信息确定模块，用于根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；
司机信息确定模块，用于获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；
接单司机预估模块，用于根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
第三方面，本发明实施例还提供了一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例任一所述的预估司机接单行为的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例任一所述的预估司机接单行为的方法。
本发明实施例通过根据订单信息和距离所述乘车起点预设区域范围内的候选司机的司机信息，从所述候选司机中选出会接单的司机，由于在预估接单司机时，同时考虑到了订单信息和司机信息，可以正确识别出愿意接单的候选司机，提升在线叫车服务成功率。
附图说明
图1是本发明实施例一提供的一种预估司机接单行为的方法的流程图；
图2是本发明实施例二提供的一种预估司机接单行为的方法的流程图；
图3是本发明实施例三提供的一种预估司机接单行为的装置的结构图；
图4是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种预估司机接单行为的方法的流程图，本实施例可适用于预估司机接单行为的情况，该方法可以由本发明实施例提供的预估司机接单行为的装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可集成在终端设备中或终端设备的应用端中。其中，终端设备可以为但不限于为移动终端(平板电脑或智能手机)、固定终端(台式电脑或笔记本)。
其中，应用端可以为内嵌于终端设备中的某个客户端的插件，或者为所述终端设备的操作系统的插件，与内嵌于终端设备中的预估司机接单行为客户端或者终端设备的操作系统中的预估司机接单行为应用程序配合使用；应用端也可以为所述终端设备中一个独立的可提供预估司机接单行为的客户端，本实施例对此不进行限制。
如图1所述，本实施例的方法具体包括：
S101、根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点。
为了更为准确的预估司机接单行为，提升在线叫车服务的成功率，订单信息中可提供的参考因素除了包含乘车起点之外，还可包含以下至少一项信息：乘车终点、乘车起点和/或乘车终点是否为用户的家庭地址、乘车起点和/或乘车终点是否为用户的工作单位，乘车起点和/或乘车终点是否为商圈、乘车起点和/或乘车终点是否为交通枢纽、订单发起城市、订单发起时间、车辆类型、乘车起点和乘车终点之间的距离、预计价格、预计价格与订单发起城市中订单平均价格比、预计行驶时间、预计行驶速度与订单发起城市中订单平均行驶速度比、是否穿越拥堵区域和用户性别。
为了便于后续处理，可将乘车起点和乘车终点的位置转化为区域编码，转化成区域编码的方式有多种，在本实施例中不做具体限定，例如可以是GeoHash转换算法，也可以是按照经纬度划分为矩形或者六边形等形状的区块，然后分别对不同的区块赋予不同的id或者编码。
其中，订单发起时间包含以下至少一项信息：是否上午、是否下午、是否晚上、是否夜里、星期、小时和是否周末。
S102、获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息。
为了提高在线叫车服务的成功率，可获取距离所述乘车起点预设区域范围内的司机作为候选司机，其中，预设区域范围可选为周围2-3公里，这样，选出的候选司机距离乘车起点不会太远，司机拒绝接单的概率也就越小。
司机是否接单除了会受订单信息等因素的影响之外，还和司机本身的有很大关系，因此，本实施例将司机信息也作为预估司机接单行为的参考因素可以大大提高在线叫车服务的成功率。其中，司机信息可选为以下至少一项信息：司机性别、车辆类型、当前移动速度、当前位置、接人行驶距离、预期接人行驶时间、历史推单接单比、预设时间段内的推单接单比，历史平均在线时长、预设时间段内的平均在线时长、预设时间段内的被推单次数和预设时间段内的接单次数。
S103、根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
具体的，同时参考订单信息和司机信息从所述候选司机中选出会接单的司机。例如，如果候选司机距离订单信息中的乘车起点较近，且该候选司机近期接单次数较多，那么该候选司机接单的概率就比较大。
本实施例通过根据订单信息和距离所述乘车起点预设区域范围内的候选司机的司机信息，从所述候选司机中选出会接单的司机，由于在预估接单司机时，同时考虑到了订单信息和司机信息，可以正确识别出愿意接单的候选司机，提升在线叫车服务成功率。
实施例二
图2是本发明实施例二提供的一种预估司机接单行为的方法的流程图。本实施例以上述实施例为基础进行优化，在本实施例中，将步骤根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机优化为：将所述订单信息和所述司机信息输入司机接单行为识别器中进行学习；根据所述司机接单行为识别器输出的司机接单概率，从所述候选司机中选出会接单的司机。
相应的，本实施例的方法具体包括：
S201、根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点。
S202、获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息。
S203、将所述订单信息和所述司机信息输入司机接单行为识别器中进行学习。
S204、根据所述司机接单行为识别器输出的司机接单概率，从所述候选司机中选出会接单的司机。
其中，司机接单行为识别器是预先根据历史订单、司机信息训练得到的识别器，通过该司机接单行为识别器可直接输出司机接单概率，输出的司机接单概率越大，那么该司机可能接单的概率就越大。
可选的，该司机接单行为识别器的训练过程如下：
获取至少一条历史订单的订单信息，各条历史订单的订单信息中包含历史乘车起点。此外，各条历史订单的订单信息中还可包含以下至少一项信息：乘车终点、乘车起点和/或乘车终点是否为用户的家庭地址、乘车起点和/或乘车终点是否为用户的工作单位，乘车起点和/或乘车终点是否为商圈、乘车起点和/或乘车终点是否为交通枢纽、订单发起城市、订单发起时间、车辆类型、乘车起点和乘车终点之间的距离、预计价格、预计价格与订单发起城市中订单平均价格比、预计行驶时间、预计行驶速度与订单发起城市中订单平均行驶速度比、是否穿越拥堵区域和用户性别。其中，所述订单发起时间包含以下至少一项信息：是否上午、是否下午、是否晚上、是否夜里、星期、小时和是否周末。
针对每条历史订单，获取距离所述历史乘车起点预设区域范围内的司机作为历史候选司机，并获取所述历史候选司机的司机信息及司机接单情况。其中，所述司机信息可包含以下至少一项信息：司机性别、车辆类型、当前移动速度、当前位置、接人行驶距离、预期接人行驶时间、历史推单接单比、预设时间段内的推单接单比，历史平均在线时长、预设时间段内的平均在线时长、预设时间段内的被推单次数和预设时间段内的接单次数。其中，司机接单情况包含司机接单或司机未接单两种情况。
针对每条历史订单，根据所述司机接单情况对历史订单进行标记，并将标记后的历史订单的订单信息和司机信息作为训练数据。例如，针对某条历史订单，及对应的候选司机，针对已接单的候选司机，则标记该历史订单的状态为已接单(例如，标记为1)，针对未接单的候选司机，则标记该历史订单的状态为未接单(例如，标记为0)。这样针对每个候选司机，分别得到标记的历史订单、订单信息和司机信息，针对多条历史订单，就会得到大量的标记的历史订单、订单信息和司机信息，并将其作为训练数据，采用机器学习方法对所述训练数据进行训练，得到所述司机接单行为识别器。
其中，可采用以下至少一种机器学习算法：决策树算法、随机森林Random Forest算法、迭代决策树GBDT算法和支持向量机算法，对所述训练数据进行训练，得到所述司机接单行为识别器。
本实施例预先根据大量历史订单的订单信息、司机信息训练得到司机接单行为识别器，在有新提交的订单时，根据司机接单行为识别器从候选司机中选出会接单的司机，不仅能够提供识别效率，识别速度，而且可以正确识别出愿意接单的候选司机，提升在线叫车服务成功率。
实施例三
图3是本发明实施例三提供的一种预估司机接单行为的装置的结构图。本实施例可适用于预估司机接单行为的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在终端设备中或终端设备的应用端中。其中，终端设备可以为但不限于为移动终端(平板电脑或智能手机)、固定终端(台式电脑或笔记本)。
其中，应用端可以为内嵌于终端设备中的某个客户端的插件，或者为所述终端设备的操作系统的插件，与内嵌于终端设备中的预估司机接单行为客户端或者终端设备的操作系统中的预估司机接单行为应用程序配合使用；应用端也可以为所述终端设备中一个独立的可提供预估司机接单行为的客户端，本实施例对此不进行限制。
如图3所示，所述装置包括：订单信息确定模块310、司机信息确定模块320和接单司机预估模块330，其中：
订单信息确定模块310用于根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；
司机信息确定模块320用于获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；
接单司机预估模块330用于根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
本实施例的预估司机接单行为的装置用于执行上述各实施例的预估司机接单行为的方法，其技术原理和产生的技术效果类似，这里不再赘述。
在上述各实施例的基础上，所述订单信息中还包含以下至少一项信息：乘车终点、乘车起点和/或乘车终点是否为用户的家庭地址、乘车起点和/或乘车终点是否为用户的工作单位，乘车起点和/或乘车终点是否为商圈、乘车起点和/或乘车终点是否为交通枢纽、订单发起城市、订单发起时间、车辆类型、乘车起点和乘车终点之间的距离、预计价格、预计价格与订单发起城市中订单平均价格比、预计行驶时间、预计行驶速度与订单发起城市中订单平均行驶速度比、是否穿越拥堵区域和用户性别。
在上述各实施例的基础上，所述司机信息包含以下至少一项信息：司机性别、车辆类型、当前移动速度、当前位置、接人行驶距离、预期接人行驶时间、历史推单接单比、预设时间段内的推单接单比，历史平均在线时长、预设时间段内的平均在线时长、预设时间段内的被推单次数和预设时间段内的接单次数。
在上述各实施例的基础上，所述订单发起时间包含以下至少一项信息：是否上午、是否下午、是否晚上、是否夜里、星期、小时和是否周末。
在上述各实施例的基础上，所述接单司机预估模块330具体用于：
将所述订单信息和所述司机信息输入司机接单行为识别器中进行学习；根据所述司机接单行为识别器输出的司机接单概率，从所述候选司机中选出会接单的司机。
在上述各实施例的基础上，所述装置还包括：训练数据获取模块340和司机接单行为识别器训练模块350；
训练数据获取模块340用于获取至少一条历史订单的订单信息，各条历史订单的订单信息中包含历史乘车起点；针对每条历史订单，获取距离所述历史乘车起点预设区域范围内的司机作为历史候选司机，并获取所述历史候选司机的司机信息及司机接单情况；针对每条历史订单，根据所述司机接单情况对历史订单进行标记，并将标记后的历史订单的订单信息和司机信息作为训练数据；
司机接单行为识别器训练模块350用于采用机器学习方法对所述训练数据进行训练，得到所述司机接单行为识别器。
在上述各实施例的基础上，所述司机接单行为识别器训练模块350具体用于：
采用以下至少一种算法：决策树算法、随机森林Random Forest算法、迭代决策树GBDT算法和支持向量机算法，对所述训练数据进行训练，得到所述司机接单行为识别器。
上述各实施例所提供的预估司机接单行为的装置可执行本发明任意实施例所提供的预估司机接单行为的方法，具备执行预估司机接单行为的方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的预估司机接单行为的方法：
根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；
获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；
根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的预估司机接单行为的方法：
根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；
获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；
根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (16)
1.一种预估司机接单行为的方法，其特征在于，包括：
根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；
获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；
根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
2.根据权利要求1所述的方法，其特征在于，根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机包括：
将所述订单信息和所述司机信息输入司机接单行为识别器中进行学习；
根据所述司机接单行为识别器输出的司机接单概率，从所述候选司机中选出会接单的司机。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取至少一条历史订单的订单信息，各条历史订单的订单信息中包含历史乘车起点；
针对每条历史订单，获取距离所述历史乘车起点预设区域范围内的司机作为历史候选司机，并获取所述历史候选司机的司机信息及司机接单情况；
针对每条历史订单，根据所述司机接单情况对历史订单进行标记，并将标记后的历史订单的订单信息和司机信息作为训练数据；
采用机器学习方法对所述训练数据进行训练，得到所述司机接单行为识别器。
4.根据权利要求3所述的方法，其特征在于，采用机器学习方法对所述训练数据进行训练，得到所述司机接单行为识别器包括：
采用以下至少一种算法：决策树算法、随机森林Random Forest算法、迭代决策树GBDT算法和支持向量机算法，对所述训练数据进行训练，得到所述司机接单行为识别器。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述订单信息中还包含以下至少一项信息：乘车终点、乘车起点和/或乘车终点是否为用户的家庭地址、乘车起点和/或乘车终点是否为用户的工作单位，乘车起点和/或乘车终点是否为商圈、乘车起点和/或乘车终点是否为交通枢纽、订单发起城市、订单发起时间、车辆类型、乘车起点和乘车终点之间的距离、预计价格、预计价格与订单发起城市中订单平均价格比、预计行驶时间、预计行驶速度与订单发起城市中订单平均行驶速度比、是否穿越拥堵区域和用户性别。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述司机信息包含以下至少一项信息：司机性别、车辆类型、当前移动速度、当前位置、接人行驶距离、预期接人行驶时间、历史推单接单比、预设时间段内的推单接单比，历史平均在线时长、预设时间段内的平均在线时长、预设时间段内的被推单次数和预设时间段内的接单次数。
7.根据权利要求5所述的方法，其特征在于，所述订单发起时间包含以下至少一项信息：是否上午、是否下午、是否晚上、是否夜里、星期、小时和是否周末。
8.一种预估司机接单行为的装置，其特征在于，包括：
订单信息确定模块，用于根据在线叫车服务发起的订单请求确定订单信息，所述订单信息中包含乘车起点；
司机信息确定模块，用于获取距离所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；
接单司机预估模块，用于根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。
9.根据权利要求8所述的装置，其特征在于，所述接单司机预估模块具体用于：
将所述订单信息和所述司机信息输入司机接单行为识别器中进行学习；根据所述司机接单行为识别器输出的司机接单概率，从所述候选司机中选出会接单的司机。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
训练数据获取模块，用于获取至少一条历史订单的订单信息，各条历史订单的订单信息中包含历史乘车起点；针对每条历史订单，获取距离所述历史乘车起点预设区域范围内的司机作为历史候选司机，并获取所述历史候选司机的司机信息及司机接单情况；针对每条历史订单，根据所述司机接单情况对历史订单进行标记，并将标记后的历史订单的订单信息和司机信息作为训练数据；
司机接单行为识别器训练模块，用于采用机器学习方法对所述训练数据进行训练，得到所述司机接单行为识别器。
11.根据权利要求10所述的方装置，其特征在于，所述司机接单行为识别器训练模块具体用于：
采用以下至少一种算法：决策树算法、随机森林Random Forest算法、迭代决策树GBDT算法和支持向量机算法，对所述训练数据进行训练，得到所述司机接单行为识别器。
12.根据权利要求8-11任一项所述的装置，其特征在于，所述订单信息中还包含以下至少一项信息：乘车终点、乘车起点和/或乘车终点是否为用户的家庭地址、乘车起点和/或乘车终点是否为用户的工作单位，乘车起点和/或乘车终点是否为商圈、乘车起点和/或乘车终点是否为交通枢纽、订单发起城市、订单发起时间、车辆类型、乘车起点和乘车终点之间的距离、预计价格、预计价格与订单发起城市中订单平均价格比、预计行驶时间、预计行驶速度与订单发起城市中订单平均行驶速度比、是否穿越拥堵区域和用户性别。
13.根据权利要求8-11任一项所述的装置，其特征在于，所述司机信息包含以下至少一项信息：司机性别、车辆类型、当前移动速度、当前位置、接人行驶距离、预期接人行驶时间、历史推单接单比、预设时间段内的推单接单比，历史平均在线时长、预设时间段内的平均在线时长、预设时间段内的被推单次数和预设时间段内的接单次数。
14.根据权利要求12所述的装置，其特征在于，所述订单发起时间包含以下至少一项信息：是否上午、是否下午、是否晚上、是否夜里、星期、小时和是否周末。
15.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的预估司机接单行为的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的预估司机接单行为的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710304973.8A CN106971279A (zh) | 2017-05-03 | 2017-05-03 | 预估司机接单行为的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710304973.8A CN106971279A (zh) | 2017-05-03 | 2017-05-03 | 预估司机接单行为的方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106971279A true CN106971279A (zh) | 2017-07-21 |
Family
ID=59330948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710304973.8A Pending CN106971279A (zh) | 2017-05-03 | 2017-05-03 | 预估司机接单行为的方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106971279A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985599A (zh) * | 2018-07-03 | 2018-12-11 | 武汉斑马快跑科技有限公司 | 一种订单分配方法和装置 |
| CN109345000A (zh) * | 2018-09-07 | 2019-02-15 | 北京三快在线科技有限公司 | 订单处理方法、装置、电子设备和计算机可读存储介质 |
| WO2019033730A1 (en) * | 2017-08-16 | 2019-02-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | METHOD AND APPARATUS FOR PROVIDING TRANSPORT SERVICE INFORMATION |
| CN109508862A (zh) * | 2018-10-10 | 2019-03-22 | 达疆网络科技(上海)有限公司 | 一种配送方法和装置 |
| CN110163456A (zh) * | 2018-02-13 | 2019-08-23 | 北京嘀嘀无限科技发展有限公司 | 分单方法、装置、服务器和介质 |
| CN110163707A (zh) * | 2018-02-13 | 2019-08-23 | 北京嘀嘀无限科技发展有限公司 | 网约车业务处理方法、终端设备及服务器 |
| CN110298722A (zh) * | 2019-05-05 | 2019-10-01 | 浙江吉利控股集团有限公司 | 订单推送方法、装置和设备 |
| CN110298608A (zh) * | 2018-03-21 | 2019-10-01 | 天津五八到家货运服务有限公司 | 信息处理方法及装置 |
| CN110836675A (zh) * | 2019-10-25 | 2020-02-25 | 北京航空航天大学 | 一种基于决策树的自动驾驶搜索决策方法 |
| CN110956346A (zh) * | 2018-09-26 | 2020-04-03 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法及装置 |
| CN110998568A (zh) * | 2018-03-28 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 寻觅乘客的可搭载车辆的导航确定系统和方法 |
| CN111260423A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 订单分配方法、装置、电子设备及计算机可读存储介质 |
| CN111325429A (zh) * | 2018-12-14 | 2020-06-23 | 中移信息技术有限公司 | 一种订单推送方法、装置、介质和设备 |
| CN111539796A (zh) * | 2020-04-29 | 2020-08-14 | 南京领行科技股份有限公司 | 一种订单处理方法、装置及存储介质 |
| CN111768017A (zh) * | 2020-06-29 | 2020-10-13 | 南京领行科技股份有限公司 | 一种网约车业务的指引方法、装置、设备及存储介质 |
| CN111832858A (zh) * | 2019-04-18 | 2020-10-27 | 天津五八到家科技有限公司 | 订单分配方法、设备、系统及存储介质 |
| CN112017009A (zh) * | 2020-08-31 | 2020-12-01 | 北京百度网讯科技有限公司 | 订单处理方法、装置、电子设备和可读存储介质 |
| CN112036638A (zh) * | 2020-08-31 | 2020-12-04 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配方法、装置、电子设备及可读存储介质 |
| CN112700049A (zh) * | 2020-12-30 | 2021-04-23 | 北京邮电大学 | 一种订单派发方法及装置 |
| CN112989188A (zh) * | 2021-03-08 | 2021-06-18 | 上海钧正网络科技有限公司 | 推荐订单的确定方法、装置和服务器 |
| CN113112116A (zh) * | 2021-03-10 | 2021-07-13 | 摩拜(北京)信息技术有限公司 | 订单分配方法、装置及服务器 |
| CN113205198A (zh) * | 2021-05-20 | 2021-08-03 | 上海钧正网络科技有限公司 | 网约车订单补贴方法、装置及计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103680134A (zh) * | 2013-12-31 | 2014-03-26 | 北京东方车云信息技术有限公司 | 一种提供打车服务的方法、装置及系统 |
| CN103996290A (zh) * | 2014-06-09 | 2014-08-20 | 北京东方车云信息技术有限公司 | 一种提供叫车服务的方法、服务器及系统 |
| CN104331747A (zh) * | 2014-10-23 | 2015-02-04 | 北京亿心宜行汽车技术开发服务有限公司 | 恶意逃单检测方法 |
| CN106372674A (zh) * | 2016-09-30 | 2017-02-01 | 百度在线网络技术（北京）有限公司 | 在线叫车服务平台中的司机分类方法和装置 |
| CN106447114A (zh) * | 2016-09-30 | 2017-02-22 | 百度在线网络技术（北京）有限公司 | 提供叫车服务的方法和装置 |
| CN106530188A (zh) * | 2016-09-30 | 2017-03-22 | 百度在线网络技术（北京）有限公司 | 在线叫车服务平台中司机的接单意愿评价方法和装置 |
-
2017
- 2017-05-03 CN CN201710304973.8A patent/CN106971279A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103680134A (zh) * | 2013-12-31 | 2014-03-26 | 北京东方车云信息技术有限公司 | 一种提供打车服务的方法、装置及系统 |
| CN103996290A (zh) * | 2014-06-09 | 2014-08-20 | 北京东方车云信息技术有限公司 | 一种提供叫车服务的方法、服务器及系统 |
| CN104331747A (zh) * | 2014-10-23 | 2015-02-04 | 北京亿心宜行汽车技术开发服务有限公司 | 恶意逃单检测方法 |
| CN106372674A (zh) * | 2016-09-30 | 2017-02-01 | 百度在线网络技术（北京）有限公司 | 在线叫车服务平台中的司机分类方法和装置 |
| CN106447114A (zh) * | 2016-09-30 | 2017-02-22 | 百度在线网络技术（北京）有限公司 | 提供叫车服务的方法和装置 |
| CN106530188A (zh) * | 2016-09-30 | 2017-03-22 | 百度在线网络技术（北京）有限公司 | 在线叫车服务平台中司机的接单意愿评价方法和装置 |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019033730A1 (en) * | 2017-08-16 | 2019-02-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | METHOD AND APPARATUS FOR PROVIDING TRANSPORT SERVICE INFORMATION |
| CN110163456A (zh) * | 2018-02-13 | 2019-08-23 | 北京嘀嘀无限科技发展有限公司 | 分单方法、装置、服务器和介质 |
| CN110163707A (zh) * | 2018-02-13 | 2019-08-23 | 北京嘀嘀无限科技发展有限公司 | 网约车业务处理方法、终端设备及服务器 |
| CN110298608A (zh) * | 2018-03-21 | 2019-10-01 | 天津五八到家货运服务有限公司 | 信息处理方法及装置 |
| CN110998568B (zh) * | 2018-03-28 | 2023-03-28 | 北京嘀嘀无限科技发展有限公司 | 寻觅乘客的可搭载车辆的导航确定系统和方法 |
| CN110998568A (zh) * | 2018-03-28 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 寻觅乘客的可搭载车辆的导航确定系统和方法 |
| CN108985599A (zh) * | 2018-07-03 | 2018-12-11 | 武汉斑马快跑科技有限公司 | 一种订单分配方法和装置 |
| CN109345000A (zh) * | 2018-09-07 | 2019-02-15 | 北京三快在线科技有限公司 | 订单处理方法、装置、电子设备和计算机可读存储介质 |
| CN110956346A (zh) * | 2018-09-26 | 2020-04-03 | 北京嘀嘀无限科技发展有限公司 | 一种订单处理方法及装置 |
| CN109508862A (zh) * | 2018-10-10 | 2019-03-22 | 达疆网络科技(上海)有限公司 | 一种配送方法和装置 |
| CN111260423B (zh) * | 2018-11-30 | 2023-12-01 | 北京嘀嘀无限科技发展有限公司 | 订单分配方法、装置、电子设备及计算机可读存储介质 |
| CN111260423A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 订单分配方法、装置、电子设备及计算机可读存储介质 |
| CN111325429A (zh) * | 2018-12-14 | 2020-06-23 | 中移信息技术有限公司 | 一种订单推送方法、装置、介质和设备 |
| CN111832858A (zh) * | 2019-04-18 | 2020-10-27 | 天津五八到家科技有限公司 | 订单分配方法、设备、系统及存储介质 |
| CN110298722A (zh) * | 2019-05-05 | 2019-10-01 | 浙江吉利控股集团有限公司 | 订单推送方法、装置和设备 |
| CN110836675A (zh) * | 2019-10-25 | 2020-02-25 | 北京航空航天大学 | 一种基于决策树的自动驾驶搜索决策方法 |
| CN111539796A (zh) * | 2020-04-29 | 2020-08-14 | 南京领行科技股份有限公司 | 一种订单处理方法、装置及存储介质 |
| CN111539796B (zh) * | 2020-04-29 | 2022-05-17 | 南京领行科技股份有限公司 | 一种订单处理方法、装置及存储介质 |
| CN111768017A (zh) * | 2020-06-29 | 2020-10-13 | 南京领行科技股份有限公司 | 一种网约车业务的指引方法、装置、设备及存储介质 |
| CN111768017B (zh) * | 2020-06-29 | 2022-06-14 | 南京领行科技股份有限公司 | 一种网约车业务的指引方法、装置、设备及存储介质 |
| CN112036638A (zh) * | 2020-08-31 | 2020-12-04 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配方法、装置、电子设备及可读存储介质 |
| CN112017009A (zh) * | 2020-08-31 | 2020-12-01 | 北京百度网讯科技有限公司 | 订单处理方法、装置、电子设备和可读存储介质 |
| CN112700049A (zh) * | 2020-12-30 | 2021-04-23 | 北京邮电大学 | 一种订单派发方法及装置 |
| CN112989188A (zh) * | 2021-03-08 | 2021-06-18 | 上海钧正网络科技有限公司 | 推荐订单的确定方法、装置和服务器 |
| CN112989188B (zh) * | 2021-03-08 | 2023-05-26 | 上海钧正网络科技有限公司 | 推荐订单的确定方法、装置和服务器 |
| CN113112116A (zh) * | 2021-03-10 | 2021-07-13 | 摩拜(北京)信息技术有限公司 | 订单分配方法、装置及服务器 |
| CN113112116B (zh) * | 2021-03-10 | 2024-04-16 | 摩拜(北京)信息技术有限公司 | 订单分配方法、装置及服务器 |
| CN113205198A (zh) * | 2021-05-20 | 2021-08-03 | 上海钧正网络科技有限公司 | 网约车订单补贴方法、装置及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106971279A (zh) | 预估司机接单行为的方法、装置、设备及存储介质 | |
| CN107122866A (zh) | 预估乘客取消订单行为的方法、设备及存储介质 | |
| CN107133697A (zh) | 预估司机接单意愿的方法、装置、设备及存储介质 | |
| CN107133645A (zh) | 预估乘客取消订单行为的方法、设备及存储介质 | |
| US10304277B2 (en) | Facilitating direct rider driver pairing for mass egress areas | |
| TWI722302B (zh) | 用於運輸能力調度的系統和方法 | |
| CN106875066B (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
| US20220089056A1 (en) | Locating optimal charge stations | |
| US11121577B2 (en) | Satisfying building energy demand using mobile energy storage | |
| CN107563836B (zh) | 广告牌租赁方法、服务器及存储介质 | |
| US20210312359A1 (en) | Method and device for scheduling automated guided vehicle | |
| JP2013543167A (ja) | コンテキスト情報をセグメンテーションする方法および装置 | |
| CN104915855B (zh) | 订单抢单率的预估方法及装置 | |
| CN111277618B (zh) | 一种信息推送方法、装置、电子设备及存储介质 | |
| CN113343128A (zh) | 用于推送信息的方法、装置、设备以及存储介质 | |
| CN107727108A (zh) | 公共交通出行路线的推荐方法、装置及计算机可读介质 | |
| CN110704727A (zh) | 信息推送方法、装置和计算机设备 | |
| CN107729944B (zh) | 一种低俗图片的识别方法、装置、服务器及存储介质 | |
| CN110832536B (zh) | 推荐上车地点的系统和方法 | |
| CN105635975B (zh) | 一种网络呼叫车辆的方法和装置 | |
| CN110160548B (zh) | 用于生成行驶路线的方法、系统和装置 | |
| WO2022257357A1 (zh) | 网约车信息处理方法、装置、设备和计算机存储介质 | |
| CN111539796B (zh) | 一种订单处理方法、装置及存储介质 | |
| CN109919713A (zh) | 订单的推送方法、装置及可读存储介质 | |
| CN104956420B (zh) | 用于列车晚点的腕表通知 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170721 |
|
| RJ01 | Rejection of invention patent application after publication |