CN111507494A - 订单处理方法和系统、计算机可读存储介质 - Google Patents

Abstract

本发明提供了一种订单处理方法和系统、计算机可读存储介质，其中，订单处理方法包括：接收订单信息，根据订单信息确定司机终端对应的车辆位置信息，确定乘客终端的乘客位置信息，并确定订单信息对应的上车点位置信息；根据车辆位置信息和上车点位置信息确定第一时长信息，并根据乘客位置信息和上车点位置信息确定第二时长信息；根据第一时长信息和第二时长信息确定对应的提示信息，并向乘客终端发送提示信息。本发明提供的技术方案，根据车辆位置信息、乘客位置信息和上车点位置信息分别预测司机和乘客到达上车点所需的时长信息，并给与乘客对应的提示，有效地提高了用户体验，同时提高订单的成功率。

Description

订单处理方法和系统、计算机可读存储介质

技术领域

本发明涉及订单处理技术领域，具体而言，涉及一种订单处理方法、一种订单处理系统和一种计算机可读存储介质。

背景技术

在相关技术中，对于网约车或平台叫车等应用场景，在距离、路况等因素的影响下，乘客与司机到达约定上车点的时间可能不同，对于乘客距离上车点较近的情况，若乘客保持在上车点等待，会浪费乘客的宝贵时间，乘客体验不好，因此乘客一般会选择在上车点附近散步或逛商场等，对于这种情况，若司机到达上车点，由于道路法规和平台政策，若乘客不能在一定时间内上车，司机将无法长时间在上车点等待，造成约车订单失败。

因此，目前亟需一种能平衡量司机与乘客到达上车点的时间，并及时提醒乘客的订单处理方法。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的第一方面提出一种订单处理方法。

本发明的第二方面提出一种订单处理系统。

本发明的第三方面提出一种计算机可读存储介质。

有鉴于此，本发明的第一方面提供了一种订单处理方法，包括：接收订单信息，根据订单信息确定司机终端对应的车辆位置信息，确定乘客终端的乘客位置信息，并确定订单信息对应的上车点位置信息；根据车辆位置信息和上车点位置信息确定第一时长信息，并根据乘客位置信息和上车点位置信息确定第二时长信息；根据第一时长信息和第二时长信息确定对应的提示信息，并向乘客终端发送提示信息。

在该技术方案中，当约车平台或服务器接收到司机与乘客之间成立的订单信息时，根据订单信息确定下单的乘客终端对应的乘客位置信息，并确定接单的司机终端对应的车辆位置信息，以及乘客与司机约定的上车点的位置信息。根据车辆位置信息和上车点位置信息，可预测司机到达上车点位置所需的第一时长信息。根据乘客位置信息和上车点位置信息，可预测乘客到达上车点位置所需的第二时长信息。根据第一时长信息和第二时长信息，可以确定司机与乘客到达上车点的时间差，并根据这个时间差生成对应的提示信息并发送给乘客终端，使得乘客可以根据提示信息选择行动。

本发明提供的技术方案，根据车辆位置信息、乘客位置信息和上车点位置信息分别预测司机和乘客到达上车点所需的时长信息，并给与乘客对应的提示。其中，可按照一定的时间间隔，持续获取车辆和乘客的位置信息，并实时通知乘客司机可能的到达时间，以及乘客从当前位置前往上车点可能需要的时间，并给乘客对应的提示信息，使得乘客可以根据提示信息选择立刻前往上车点或在上车点附近散步，一方面避免乘客“死等”在上车点附近，有效地提高了用户体验，另一方面避免司机到达后乘客无法在约定时间内上车，提高订单的成功率。

另外，本发明提供的上述技术方案中的订单处理方法法还可以具有如下附加技术特征：

在上述技术方案中，根据车辆位置信息和上车点位置信息确定第一时长信息的步骤，具体包括：获取司机终端对应的第一平均速度信息，并获取第一交通信息；将第一平均速度信息和第一交通信息输入至交通预测模型，通过交通预测模型确定第一时长信息；其中，第一交通信息包括道路信息、道路信息对应的拥堵信息和第一天气信息。

在该技术方案中，在预测司机到达上车点的第一时长信息时，将车辆的第一平均速度信息和当前司机所处区域的第一交通信息输入至交通预测模型，利用交通预测模型对第一时长信息进行预测。其中，第一平均速度信息可以根据司机在一段时间内的形式速度曲线来确定，也可以参考对应司机的历史驾驶习惯，以及当前所处区域各道路车辆的平均车速，以提高第一平均速度信息的准确度。

同时，在预测第一时长信息时还考虑第一交通信息，其中第一交通信息包括道路信息、道路信息对应的拥堵信息和第一天气信息。道路信息具体可以是导航软件为司机推荐的前往上车点的路线信息，拥堵信息则是该路线信息的车流量信息，并通过来自卫星道路信息和道路大数据信息进行拥堵判断，进一步提高第一时长信息的准确度。进一步地，第一天气信息包括了可能对车辆行驶速度或路况产生影响的天气因素，如大雨、大雪等造成路面湿滑的情况，或大雾等造成能见度降低的情况。

通过交通预测模型，并加入了对车辆速度、路线规划、拥堵情况和天气情况等影响的考虑，可以准确的预测司机到达上车点所需的第一时长信息，提高提示的准确性。

在上述任一技术方案中，根据乘客位置信息和上车点位置信息确定第二时长信息的步骤，具体包括：获取乘客终端对应的第二平均速度信息，并获取第二交通信息；将第二平均速度信息和第二交通信息输入至交通预测模型，通过交通预测模型确定第二时长信息；其中，第二交通信息包括道路信息和第二天气信息。

在该技术方案中，在预测乘客到达上车点的第二时长信息时，将乘客的第二平均速度信息和当乘客机所处区域的第二交通信息输入至交通预测模型，利用交通预测模型对第二时长信息进行预测。其中，第二平均速度信息可根据乘客的实时行动方式来确定，如步行或骑行，根据不同的行动方式准确预测乘客的平均速度。

同时，在预测第一时长信息时还考虑第二交通信息，其中第二交通信息包括道路信息和第二天气信息。道路信息为导航软件为乘客推荐的的前往上车点的路线信息，包括道路等级，如干道、步行街或一般马路，并包括了路径上是否存在影响步行或骑行的因素，如底下通道、过街天桥或楼梯。进一步地，第二天气信息包括了可能对行人造成影响的天气因素，如大雨、大风等影响步行、骑行速度的情况。

通过交通预测模型，并加入了对乘客速度、路线规划和天气情况等影响的考虑，可以准确的预测乘客到达上车点所需的第二时长信息，提高提示的准确性。

在上述任一技术方案中，根据第一时长信息和第二时长信息确定对应的提示信息的步骤，具体包括：确定第一时长信息小于或等于第二时长信息，根据第二时长信息确定目标时间点，将目标时间点确定为提示信息。

在该技术方案中，如果系统确定第一时长信息小于或等于第二时长信息，则说明司机会早于乘客到达上车点，或司机与乘客将同时到达上车点，乘客即刻前往上车点后可直接上车，无需等待司机。此时提示乘客可以前往上车点，并将预测司机到达的目标时间点发送至乘客终端，便于乘客掌握车辆到达的时间。

在上述任一技术方案中，所述根据所述第一时长信息和第二时长信息确定对应的提示信息的步骤，还包括：确定所述第一时长信息大于所述第二时长信息，将所述车辆位置信息确定为所述提示信息，并在延迟预设时长后再次比较所述第一时长信息和所述第二时长信息。

在该技术方案中，如果系统确定第一时长信息大于第二时长信息，则说明此时乘客前往上车点的话，约定的车辆将晚于乘客到达。为避免乘客在上车点过久的等待，向乘客终端发送提示信息，提示车辆的位置，并告知乘客无需立即前往上车点，提高乘客的使用体验。同时，以预设时长为间隔，持续预测车辆到达上车点的第一时长信息和乘客到达上车点的第二时长信息，并进行比较，直到确定第一时长信息小于或等于第二时长信息时，提示乘客前往上车点，保证订单成功率。

在上述任一技术方案中，向乘客终端发送提示信息的步骤，具体包括：将提示信息发送至服务器，并控制服务器向乘客终端发起第一呼叫连接，以通过第一呼叫连接将提示信息发送至乘客终端。

在该技术方案中，在将提示信息发送至乘客终端时，为避免直接发送文字信息至乘客终端，但由于环境嘈杂而被乘客错过的情况，可首先将提示信息发送至服务器，由服务器向乘客终端，如乘客持有的手机发起第一呼叫连接，具体可以通过服务器拨打乘客的手机，并进行TTS(Text ToSpeech，文字转语音)通话，以确保将提示信息传达给乘客，保证乘客的使用体验。

在上述任一技术方案中，向乘客终端发送提示信息的步骤，具体包括：生成与提示信息对应的呼叫指令，将提示信息和呼叫指令发送至司机终端，以使司机终端根据呼叫指令向乘客终端发起第二呼叫连接，通过第二呼叫连接将提示信息发送至乘客终端。

在该技术方案中，在将提示信息发送至乘客终端时，一方面为了避免直接发送文字信息至乘客终端，但由于环境嘈杂而被乘客错过的情况；另一方面节约服务器的成本，同时便于司机与乘客直接沟通，可生成与提示信息对应的呼叫指令，并将呼叫指令和提示信息一并发送至司机终端。司机终端在接收到呼叫指令后，会根据呼叫指令自动向乘客终端发起第二呼叫连接，具体为通过司机终端拨打乘客的手机，并进行TTS通话，将提示信息传达给乘客。同时，若司机与乘客有沟通的需要，可通过第二呼叫连接进行沟通，过程中无需明文传递司机或乘客的私人电话号码，保证了用户隐私。

在上述任一技术方案中，在根据车辆位置信息和上车点位置信息确定第一时长信息，并根据乘客位置信息和上车点位置信息确定第二时长信息的步骤之前，订单处理方法还包括：获取预设预测模型、历史道路信息和历史交通信息，并接收预设平均速度和预设时长信息；根据历史道路信息、历史交通信息、预设平均速度和预设时长信息生成训练集，并通过训练集训练预设预测模型，以得到交通预测模型。

在该技术方案中，根据历史道路信息，历史交通信息，以及人工标注好的预设平均速度和预设时长信息形成训练集，并对预设预测模型进行大数据训练，进而得到预测准确率较高的交通预测模型，进而保证对车辆和乘客到达上车点所需时长的准确预测，提高订单处理效率。

本发明第二方面提供了一种订单处理系统，包括：存储器，被配置为存储计算机程序；处理器，被配置为执行计算机程序以实现如上述任一技术方案中提供的订单处理方法，因此，该订单处理系统包括如上述任一技术方案中提供的订单处理方法的全部有益效果，在此不再赘述。

本发明第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一技术方案中提供的订单处理方法，因此，该计算机可读存储介质包括如上述任一技术方案中提供的订单处理方法的全部有益效果，在此不再赘述。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1示出了根据本发明的一个实施例的订单处理方法的流程图；

图2示出了根据本发明的一个实施例的订单处理方法的另一个流程图；

图3示出了根据本发明的一个实施例的订单处理方法的又一个流程图；

图4示出了根据本发明的一个实施例的订单处理方法的再一个流程图；

图5示出了根据本发明的一个实施例的订单处理方法的交互逻辑示意图；

图6示出了根据本发明的一个实施例的订单处理方法的另一个交互逻辑示意图；

图7示出了根据本发明的一个实施例的订单处理系统的结构框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

下面参照图1至图7描述根据本发明一些实施例所述订单处理方法、订单处理系统和计算机可读存储介质。

实施例一

如图1所述，在本发明第一方面的实施例中，提供了一种订单处理方法，包括：

步骤S102，接收订单信息，根据订单信息确定司机终端对应的车辆位置信息，确定乘客终端的乘客位置信息，并确定订单信息对应的上车点位置信息；

步骤S104，根据车辆位置信息和上车点位置信息确定第一时长信息，并根据乘客位置信息和上车点位置信息确定第二时长信息；

步骤S106，根据第一时长信息和第二时长信息确定对应的提示信息，并向乘客终端发送提示信息。

在该实施例中，当约车平台或服务器接收到司机与乘客之间成立的订单信息时，根据订单信息确定下单的乘客终端对应的乘客位置信息，并确定接单的司机终端对应的车辆位置信息，以及乘客与司机约定的上车点的位置信息。根据车辆位置信息和上车点位置信息，可预测司机到达上车点位置所需的第一时长信息。根据乘客位置信息和上车点位置信息，可预测乘客到达上车点位置所需的第二时长信息。根据第一时长信息和第二时长信息，可以确定司机与乘客到达上车点的时间差，并根据这个时间差生成对应的提示信息并发送给乘客终端，使得乘客可以根据提示信息选择行动。

本发明提供的实施例，根据车辆位置信息、乘客位置信息和上车点位置信息分别预测司机和乘客到达上车点所需的时长信息，并给与乘客对应的提示。其中，可按照一定的时间间隔，持续获取车辆和乘客的位置信息，并实时通知乘客司机可能的到达时间，以及乘客从当前位置前往上车点可能需要的时间，并给乘客对应的提示信息，使得乘客可以根据提示信息选择立刻前往上车点或在上车点附近散步，一方面避免乘客“死等”在上车点附近，有效地提高了用户体验，另一方面避免司机到达后乘客无法在约定时间内上车，提高订单的成功率。

在本发明的一个实施例中，如图2所示，根据车辆位置信息和上车点位置信息确定第一时长信息的步骤，具体包括：

步骤S202，获取司机终端对应的第一平均速度信息，并获取第一交通信息；

步骤S204，将第一平均速度信息和第一交通信息输入至交通预测模型，通过交通预测模型确定第一时长信息。

其中，第一交通信息包括道路信息、道路信息对应的拥堵信息和第一天气信息。

在该实施例中，在预测司机到达上车点的第一时长信息时，将车辆的第一平均速度信息和当前司机所处区域的第一交通信息输入至交通预测模型，利用交通预测模型对第一时长信息进行预测。其中，第一平均速度信息可以根据司机在一段时间内的形式速度曲线来确定，也可以参考对应司机的历史驾驶习惯，以及当前所处区域各道路车辆的平均车速，以提高第一平均速度信息的准确度。

同时，在预测第一时长信息时还考虑第一交通信息，其中第一交通信息包括道路信息、道路信息对应的拥堵信息和第一天气信息。道路信息具体可以是导航软件为司机推荐的前往上车点的路线信息，拥堵信息则是该路线信息的车流量信息，并通过来自卫星道路信息和道路大数据信息进行拥堵判断，进一步提高第一时长信息的准确度。进一步地，第一天气信息包括了可能对车辆行驶速度或路况产生影响的天气因素，如大雨、大雪等造成路面湿滑的情况，或大雾等造成能见度降低的情况。

通过交通预测模型，并加入了对车辆速度、路线规划、拥堵情况和天气情况等影响的考虑，可以准确的预测司机到达上车点所需的第一时长信息，提高提示的准确性。

在本发明的一个实施例中，如图3所示，根据乘客位置信息和上车点位置信息确定第二时长信息的步骤，具体包括：

步骤S302，获取乘客终端对应的第二平均速度信息，并获取第二交通信息；

步骤S304，将第二平均速度信息和第二交通信息输入至交通预测模型，通过交通预测模型确定第二时长信息。

其中，第二交通信息包括道路信息和第二天气信息。

在该实施例中，在预测乘客到达上车点的第二时长信息时，将乘客的第二平均速度信息和当乘客机所处区域的第二交通信息输入至交通预测模型，利用交通预测模型对第二时长信息进行预测。其中，第二平均速度信息可根据乘客的实时行动方式来确定，如步行或骑行，根据不同的行动方式准确预测乘客的平均速度。

同时，在预测第一时长信息时还考虑第二交通信息，其中第二交通信息包括道路信息和第二天气信息。道路信息为导航软件为乘客推荐的的前往上车点的路线信息，包括道路等级，如干道、步行街或一般马路，并包括了路径上是否存在影响步行或骑行的因素，如底下通道、过街天桥或楼梯。进一步地，第二天气信息包括了可能对行人造成影响的天气因素，如大雨、大风等影响步行、骑行速度的情况。

通过交通预测模型，并加入了对乘客速度、路线规划和天气情况等影响的考虑，可以准确的预测乘客到达上车点所需的第二时长信息，提高提示的准确性。

在本发明的一个实施例中，根据第一时长信息和第二时长信息确定对应的提示信息的步骤，具体包括：确定第一时长信息小于或等于第二时长信息，根据第二时长信息确定目标时间点，将目标时间点确定为提示信息。

在该实施例中，如果系统确定第一时长信息小于或等于第二时长信息，则说明司机会早于乘客到达上车点，或司机与乘客将同时到达上车点，乘客即刻前往上车点后可直接上车，无需等待司机。此时提示乘客可以前往上车点，并将预测司机到达的目标时间点发送至乘客终端，便于乘客掌握车辆到达的时间。

在本发明的一个实施例中，所述根据所述第一时长信息和第二时长信息确定对应的提示信息的步骤，还包括：确定所述第一时长信息大于所述第二时长信息，将所述车辆位置信息确定为所述提示信息，并在延迟预设时长后再次比较所述第一时长信息和所述第二时长信息。

在该实施例中，如果系统确定第一时长信息大于第二时长信息，则说明此时乘客前往上车点的话，约定的车辆将晚于乘客到达。为避免乘客在上车点过久的等待，向乘客终端发送提示信息，提示车辆的位置，并告知乘客无需立即前往上车点，提高乘客的使用体验。同时，以预设时长为间隔，持续预测车辆到达上车点的第一时长信息和乘客到达上车点的第二时长信息，并进行比较，直到确定第一时长信息小于或等于第二时长信息时，提示乘客前往上车点，保证订单成功率。

在本发明的一个实施例中，向乘客终端发送提示信息的步骤，具体包括：将提示信息发送至服务器，并控制服务器向乘客终端发起第一呼叫连接，以通过第一呼叫连接将提示信息发送至乘客终端。

在该实施例中，在将提示信息发送至乘客终端时，为避免直接发送文字信息至乘客终端，但由于环境嘈杂而被乘客错过的情况，可首先将提示信息发送至服务器，由服务器向乘客终端，如乘客持有的手机发起第一呼叫连接，具体可以通过服务器拨打乘客的手机，并进行TTS(Text To Speech，文字转语音)通话，以确保将提示信息传达给乘客，保证乘客的使用体验。

在本发明的一个实施例中，向乘客终端发送提示信息的步骤，具体包括：生成与提示信息对应的呼叫指令，将提示信息和呼叫指令发送至司机终端，以使司机终端根据呼叫指令向乘客终端发起第二呼叫连接，通过第二呼叫连接将提示信息发送至乘客终端。

在该实施例中，在将提示信息发送至乘客终端时，一方面为了避免直接发送文字信息至乘客终端，但由于环境嘈杂而被乘客错过的情况；另一方面节约服务器的成本，同时便于司机与乘客直接沟通，可生成与提示信息对应的呼叫指令，并将呼叫指令和提示信息一并发送至司机终端。司机终端在接收到呼叫指令后，会根据呼叫指令自动向乘客终端发起第二呼叫连接，具体为通过司机终端拨打乘客的手机，并进行TTS通话，将提示信息传达给乘客。同时，若司机与乘客有沟通的需要，可通过第二呼叫连接进行沟通，过程中无需明文传递司机或乘客的私人电话号码，保证了用户隐私。

在本发明的一个实施例中，如图4所示，在根据车辆位置信息和上车点位置信息确定第一时长信息，并根据乘客位置信息和上车点位置信息确定第二时长信息的步骤之前，订单处理方法还包括：

步骤S402，获取预设预测模型、历史道路信息和历史交通信息，并接收预设平均速度和预设时长信息；

步骤S404，根据历史道路信息、历史交通信息、预设平均速度和预设时长信息生成训练集，并通过训练集训练预设预测模型，以得到交通预测模型。

在该实施例中，根据历史道路信息，历史交通信息，以及人工标注好的预设平均速度和预设时长信息形成训练集，并对预设预测模型进行大数据训练，进而得到预测准确率较高的交通预测模型，进而保证对车辆和乘客到达上车点所需时长的准确预测，提高订单处理效率。

实施例二

在本发明的一个实施例中，以两种具体实施方式进行举例，对本发明实施例进行说明：

具体地，本发明基于司机和乘客各自到达上车点的时间预估，来自动电话通知乘客的方案。具体思路如下：

第一、计算出司机从当前位置到上车点所需要的预估时间：

首先，网约车平台根据历史的路况信息、天气信息、车速信息、路上车辆的数量信息等进行机器学习，获得合适的模型；然后，根据模型计算出司机从当前位置到达上车点的时间。

第二、计算出乘客到达上车点所需要的预估时间：

网约车平台根据历史的路况信息、天气信息、用户的步行速度，获得合适的模型；再根据模型计算出用户从当前位置到达上车点需要的时间。

第三、网约车平台通过比较这两个时间，当司机的到达时间小于或等于乘客的到达时间的时候，平台自动拨打电话通知乘客，或者发送自动拨打电话的信息给司机端，司机端收到信息后，通过司机的手机自动给乘客打电话。

第四、当司机的到达时间大于或等于乘客的到达时间，则进行短时间等待(比如5s)，再次发起第一步、第二步和第三步的计算，直到乘客上车。

下面是两种具体的实施方式流程：

实施方式1：

第一步：用户在出行app(应用程序)下单，司机通过司机app接单；

第二步：用户出行app和司机app通过定位模块开始定时上报自己的定位信息(如经纬度信息)；

第三步：用户ETA(Estimated Time of Arrival，预计到达时间)计算模块通过历史大数据学习得来的乘客模型加上用户当前到达上车点的当前路况拥堵程度、当前天气信息、用户的当前位置、用户的行进速度等信息一起计算出用户到达上车点需要的时间；司机ETA计算模块，通过历史大数据学习得来的司机模型加上司机当前到达上车点的当前路况拥堵程度、当前天气信息、司机的当前位置、车辆的行进速度等信息一起计算出司机到达上车点所需要的时间；

第四步：比较第三步计算出来的用户ETA和司机ETA，当司机ETA小于或等于用户ETA的时候，系统自动给用户拨打TTS语音电话告知用户，电话通知内容可以是“您所呼叫的车辆预计会比您先到达，为了不耽误您的行程，请尽快赶到上车点上车”；

当司机ETA大于用户ETA的时候，系统等待一小段时间以后(比如3秒)，再次回到第三步。

实施方式1的交互逻辑示意图如图5所示。实施方式1的优点是司机全程不受任何打扰，能够确保司机驾驶不受影响。

实施方式2：

第一步：用户在出行app下单，司机通过司机app接单；

第二步：用户出行app和司机app通过定位模块开始定时上报自己的定位信息(如经纬度信息)；

第三步：用户ETA计算模块通过历史大数据学习得来的乘客模型加上用户当前到达上车点的当前路况拥堵程度、当前天气信息、用户的当前位置、用户的行进速度等信息一起计算出用户到达上车点需要的时间；

司机ETA计算模块，通过历史大数据学习得来的司机模型加上司机当前到达上车点的当前路况拥堵程度、当前天气信息、司机的当前位置、车辆的行进速度等信息一起计算出司机到达上车点所需要的时间；

第四步：比较第三步计算出来的用户ETA和司机ETA，当司机ETA小于或等于用户ETA的时候，系统给司机App下发自动拨打用户电话的指令，让司机的手机能自动拨通乘客电话，然后司机和乘客进行语音电话沟通；当司机ETA大于用户ETA的时候，系统等待一小段时间以后(比如3秒)，再次回到第三步。

实施方式2的交互逻辑示意图如图6所示。实施方式2的优点是实现了司机不用手拨打电话即可在必要的时候自动接通乘客电话，方便司机与乘客进行沟通，同时平台无需承担TTS语音电话的成本，服务器的资源消耗也较小。

实施例三

如图7所示，在本发明的一个实施例中，提供了一种订单处理系统700，包括：存储器702，被配置为存储计算机程序；处理器704，被配置为执行计算机程序以实现如上述任一实施例中提供的订单处理方法，因此，该订单处理系统700包括如上述任一实施例中提供的订单处理方法的全部有益效果，在此不再赘述。

实施例四

在本发明的一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一实施例中提供的订单处理方法，因此，该计算机可读存储介质包括如上述任一实施例中提供的订单处理方法的全部有益效果，在此不再赘述。

本发明的描述中，术语“多个”则指两个或两个以上，除非另有明确的限定，术语“上”、“下”等指示的方位或位置关系为基于附图所述的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种订单处理方法，其特征在于，包括：

接收订单信息，根据所述订单信息确定司机终端对应的车辆位置信息，确定乘客终端的乘客位置信息，并确定所述订单信息对应的上车点位置信息；

根据所述车辆位置信息和所述上车点位置信息确定第一时长信息，并根据所述乘客位置信息和所述上车点位置信息确定第二时长信息；

根据所述第一时长信息和第二时长信息确定对应的提示信息，并向所述乘客终端发送所述提示信息。

2.根据权利要求1所述的订单处理方法，其特征在于，所述根据所述车辆位置信息和所述上车点位置信息确定第一时长信息的步骤，具体包括：

获取所述司机终端对应的第一平均速度信息，并获取第一交通信息；

将所述第一平均速度信息和所述第一交通信息输入至交通预测模型，通过所述交通预测模型确定所述第一时长信息；

其中，所述第一交通信息包括道路信息、所述道路信息对应的拥堵信息和第一天气信息。

3.根据权利要求2所述的订单处理方法，其特征在于，所述根据所述乘客位置信息和所述上车点位置信息确定第二时长信息的步骤，具体包括：

获取所述乘客终端对应的第二平均速度信息，并获取第二交通信息；

将所述第二平均速度信息和所述第二交通信息输入至所述交通预测模型，通过所述交通预测模型确定所述第二时长信息；

其中，所述第二交通信息包括所述道路信息和第二天气信息。

4.根据权利要求1至3中任一项所述的订单处理方法，其特征在于，所述根据所述第一时长信息和第二时长信息确定对应的提示信息的步骤，具体包括：

确定所述第一时长信息小于或等于所述第二时长信息，根据所述第二时长信息确定目标时间点，将所述目标时间点确定为所述提示信息。

5.根据权利要求4所述的订单处理方法，其特征在于，所述根据所述第一时长信息和第二时长信息确定对应的提示信息的步骤，还包括：

确定所述第一时长信息大于所述第二时长信息，将所述车辆位置信息确定为所述提示信息，并在延迟预设时长后再次比较所述第一时长信息和所述第二时长信息。

6.根据权利要求4所述的订单处理方法，其特征在于，所述向所述乘客终端发送所述提示信息的步骤，具体包括：

将所述提示信息发送至服务器，并控制所述服务器向所述乘客终端发起第一呼叫连接，以通过第一呼叫连接将所述提示信息发送至所述乘客终端。

7.根据权利要求4所述的订单处理方法，其特征在于，所述向所述乘客终端发送所述提示信息的步骤，具体包括：

生成与所述提示信息对应的呼叫指令，将所述提示信息和所述呼叫指令发送至所述司机终端，以使所述司机终端根据所述呼叫指令向所述乘客终端发起第二呼叫连接，通过所述第二呼叫连接将所述提示信息发送至所述乘客终端。

8.根据权利要求4所述的订单处理方法，其特征在于，在所述根据所述车辆位置信息和所述上车点位置信息确定第一时长信息，并根据所述乘客位置信息和所述上车点位置信息确定第二时长信息的步骤之前，所述订单处理方法还包括：

获取预设预测模型、历史道路信息和历史交通信息，并接收预设平均速度和预设时长信息；

根据所述历史道路信息、所述历史交通信息、所述预设平均速度和所述预设时长信息生成训练集，并通过所述训练集训练所述预设预测模型，以得到所述交通预测模型。

9.一种订单处理系统，其特征在于，包括：

存储器，被配置为存储计算机程序；

处理器，被配置为执行所述计算机程序以实现如权利要求1至8中任一项所述的订单处理方法。

10.一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，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的订单处理方法。

Images