CN111882109A - 一种订单分配方法和系统 - Google Patents

一种订单分配方法和系统 Download PDF

Info

Publication number
CN111882109A
CN111882109A CN202010572100.7A CN202010572100A CN111882109A CN 111882109 A CN111882109 A CN 111882109A CN 202010572100 A CN202010572100 A CN 202010572100A CN 111882109 A CN111882109 A CN 111882109A
Authority
CN
China
Prior art keywords
order
matching
information
preset
driver
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
Application number
CN202010572100.7A
Other languages
English (en)
Inventor
游天捷
牟宝宁
任斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010572100.7A priority Critical patent/CN111882109A/zh
Publication of CN111882109A publication Critical patent/CN111882109A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了一种订单分配方法。该方法包括：可以获取预设区域内的订单信息和司机信息。可以基于订单信息和司机信息确定多个订单匹配对；以及可以基于由预设匹配规则和预设匹配算法构建的机器学习模型，对多个订单匹配对进行处理，确定至少一个匹配订单。该订单分配方法可以基于预设区域，将同一区域内的所有订单信息、司机信息基于预先构建的机器学习模型进行匹配，从而快速地为用户派送订单，提高了派单效率和用户体验。

Description

一种订单分配方法和系统
技术领域
本申请涉及网约车领域，特别涉及一种订单分配方法、系统、装置以及可读存储介质。
背景技术
近年来，随着科技的快速发展，人们通过在线打车服务平台打车出行已经成为一种普遍现象，并且随着智能化服务的快速发展，人们的出行也越来越便利和高效。为了使服务者(例如，司机)能够在较短的时间内接载到服务请求者(例如，乘客)以提高双方的体验度，为服务请求者和服务者提供合适的订单至关重要。因此，有必要提供一种更高效更便捷的订单分配方法和系统。
发明内容
本申请实施例的一个方面提供一种订单分配方法，所述方法包括：可以获取预设区域内的订单信息和司机信息。可以基于所述订单信息和所述司机信息确定多个订单匹配对；以及可以基于由预设匹配规则和预设匹配算法构建的机器学习模型，对所述多个订单匹配对进行处理，确定至少一个匹配订单。
本申请实施例的另一个方面提供一种订单分配系统，所述系统包括：获取模块，可以用于获取预设区域内的订单信息和司机信息。确定模块，可以用于基于所述订单信息和所述司机信息确定多个订单匹配对；以及可以基于由预设匹配规则和预设匹配算法构建的机器学习模型，对所述多个订单匹配对进行处理，确定至少一个匹配订单。
本申请实施例的另一个方面提供一种订单分配装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现订单分配方法。
本申请实施例的另一个方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行订单分配方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的订单分配系统的应用场景示意图；
图2是根据本申请一些实施例所示的订单分配方法的示例性流程图；
图3是根据本申请一些实施例所示的确定匹配订单的示例性流程图；以及
图4是根据本申请一些实施例所示的订单分配系统的模块图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的运输系统，例如，出租车、专车、顺风车、巴士、代驾等。本申请描述的“乘客”、“乘客端”、“乘客终端”、“顾客”、“需求者”、“服务需求者”、“服务请求者”、“消费者”、“消费方”、“使用需求者”等是可以互换的，是指需要或者订购服务的一方，可以是个人，也可以是工具。同样地，本申请描述的“司机”、“司机端”、“司机终端”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的，是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外，本申请描述的“用户”可以是需要或者订购服务的一方，也可以是提供服务或者协助提供服务的一方。
网约车服务已经成为人们交通出行的重要一部分，随着打车平台的快速发展，目前，打车平台向乘客或司机分配订单的核心逻辑为保证系统最优，即在一定时间内保证打车平台可以派送出更多的订单。
然而，上述分配订单的核心逻辑对于拓展网约车服务的市场(例如，国际市场、边线城市市场)可能并不适用。拓展市场需要确保用户打车的效率，即在最短的时间内让用户与司机会合。而现有的订单分配方法为了能够派送更多的订单，用户可能需要花费更多的时间等待分派订单。例如，用户A和用户B都在同一个区域中打车，并且用户A在用户B之前打车。司机C和司机D都满足平台设置的接单要求，司机D较司机C相对于该区域的距离更远。如果司机C相较于司机D存在某些条件(例如，司机C在用户A的黑名单中、用户A为高星级用户而司机C星级低于司机D)并不适合派送给用户A，为了能够匹配更多的订单，现有的打车平台会将用户A的订单派送给距离该区域更远的司机D，而将用户B的订单派送给距离该区域更近的司机C，这样用户A就需要等待额外的订单派送时间。
同时，现有的订单分配方法为了能够派送更多的订单，在分配订单时需要考虑更多因素(例如，是否将订单派送给更大范围内的司机)，计算量较大，对于硬件设施的要求高。而在需要拓展网约车服务的市场区域，硬件设施的条件可能还不够完善，无法考虑更多的因素(例如，将更大范围内的司机考虑进来进行计算)。因此，本申请提出一种订单分配方法，基于预设区域，将同一区域内的至少一部分或全部订单信息、司机信息基于预先构建的机器学习模型进行匹配，从而快速地为用户派送订单，提高了派单效率和用户体验。以下通过对附图的描述阐述本申请披露的技术方案。
图1是根据本申请一些实施例所示的订单分配系统的应用场景示意图。
订单分配系统100可以向乘客和/或司机分配订单，以便于乘客快速实现服务请求，司机快速接载到乘客。订单分配系统100可以是用于互联网或者其它网络的服务平台。例如，订单分配系统100可以是为交通运输提供服务的线上服务平台。在一些实施例中，订单分配系统100可以应用于网约车服务，例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务、司机雇佣和接送服务等。在一些实施例中，订单分配系统100还可以应用于代驾、快递、外卖等。在另一些实施例中，订单分配系统100还可以应用于出行(如旅游)服务领域。订单分配系统100可以包括服务器110、服务请求者终端120、存储设备130、服务提供者终端140、网络150和信息源160。
在一些实施例中，服务器110可以用于处理与服务请求有关的信息和/或数据，例如，用于处理在线打车的服务请求。具体的，服务器可以从服务请求者终端120接收服务请求，并处理该服务请求以向服务请求者终端120分配订单。在一些实施例中，服务器110可以是单个的服务器或者服务器群组。所述服务器群可以是集中式的或分布式的(例如，服务器110可以是分布式的系统)。在一些实施例中，服务器110可以是本地的或远程的。例如，服务器110可以通过网络150访问存储在存储设备130、服务请求者终端120中的信息和/或数据。再例如，服务器110可以直接连接到存储设备130、服务请求者终端120以访问存储的信息和/或数据。在一些实施例中，服务器110可以在一个云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或上述举例的任意组合。
在一些实施例中，服务器110可以包括处理引擎112。处理引擎112可处理与订单分配有关的数据和/或信息以执行一个或多个本申请中描述的功能。例如，处理引擎112可以获取预设区域内的订单信息和司机信息，并基于订单信息和司机信息进行订单匹配。在一些实施例中，处理引擎112可以获取用户的当前位置(例如，通过GPS装置获取用户终端的位置)。在一些实施例中，处理引擎112可以基于用户的当前位置，生成用户的位置信息。在一些实施例中，处理引擎112可以向用户显示订单信息、司机信息和/或匹配订单。在一些实施例中，处理引擎112可以包括一个或以上处理引擎(例如，单芯片处理引擎或多芯片处理器)。仅作为示例，处理引擎112可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可程序门阵列(FPGA)、可程序逻辑装置(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或以上任意组合。
在一些实施例中，服务请求者终端120和/或服务提供者终端140可以是与请求直接相关的个人、工具或其他实体。用户可以是服务请求者。在本申请中，“用户”、“用户终端”可以互换使用。司机可以是服务提供者。在本申请中，“司机”、“司机终端”可以互换使用。在一些实施例中，服务请求者终端120可以包括移动设备120-1、平板电脑120-2、笔记本电脑120-3、以及机动车辆中的车载设备120-4等或其任意组合。在一些实施例中，移动设备120-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中，可穿戴设备可以包括智能手镯、智能鞋袜、智能眼镜、智能头盔、智能手表、智能穿着、智能背包、智能配件等或其任意组合。在一些实施例中，智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强型虚拟现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如，虚拟现实设备和/或增强现实设备可以包括GoogleGlass、OculusRift、HoloLens或GearVR等。在一些实施例中，机动车辆中的车载设备120-4可以包括车载计算机、车载电视等。在一些实施例中，服务请求者终端120可以是具有定位技术的设备，用于定位服务请求者和/或服务请求者终端120的位置。
在一些实施例中，服务提供者终端140可以是与服务请求者终端120类似或相同的设备。在一些实施例中，服务提供者终端140可以是具有用于确定服务提供者或者服务提供者终端140位置的定位技术的装置。在一些实施例中，服务请求者终端120和/或服务提供者终端140可以与另一定位设备通信以确定服务请求者、服务请求者终端120、服务提供者和/或服务提供者终端140的位置。在一些实施例中，服务请求者终端120和/或服务提供者终端140可以将定位信息发送到服务器110。
存储设备130可以存储与服务请求相关的数据和/或指令。在一些实施例中，存储设备130可以存储从服务请求者终端120和/或服务提供者终端140获得/获取的数据。在一些实施例中，存储设备130可以存储服务器110用于执行或使用来完成本申请中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备130可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量储存器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性的挥发性只读存储器可以包括随机存取内存(RAM)。示例性的RAM可包括动态RAM(DRAM)、双倍速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、闸流体RAM(T-RAM)和零电容RAM(Z-RAM)等。示例性的ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电子可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用磁盘ROM等。在一些实施例中，所述存储设备130可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，存储设备130可以连接到网络150以与订单分配系统100中的一个或以上组件(例如，服务器110、服务请求者终端120、服务提供者终端140)通信。订单分配系统100中的一个或以上组件可以通过网络150访问存储设备130中存储的数据或指令。在一些实施例中，存储设备130可以与订单分配系统100中的一个或以上组件(例如，服务器110、服务请求者终端120、服务提供者终端140等)直接连接或通信。在一些实施例中，存储设备130可以是服务器110的一部分。
网络150可以用于信息和/或数据的交换。在一些实施例中，订单分配系统100中的一个或以上组件(例如，服务器110、服务请求者终端120、存储设备130和服务提供者终端140)可以通过网络150向/从订单分配系统100中的其他组件发送和/或接收信息和/或数据。例如，服务器110可以通过网络150从服务请求者终端120和/或服务提供者终端140获取服务请求。在一些实施例中，网络150可以为任意形式的有线或无线网络或其任意组合。仅作为示例，网络150可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络、全球移动通讯系统(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线服务(GPRS)网络、增强数据速率GSM演进(EDGE)网络、宽带码分多址接入(WCDMA)网络、高速下行分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短讯息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、红外线等或其任意组合。在一些实施例中，订单分配系统100可以包括一个或以上网络接入点。例如，订单分配系统100可以包括有线或无线网络接入点，例如基站和/或无线接入点150-1、150-2、…，订单分配系统100的一个或以上组件可以通过其连接到网络150以交换数据和/或信息。
信息源160是用于为订单分配系统100提供其他信息的来源。信息源160可以用于为订单分配系统100提供与服务相关的信息，例如，天气情况、交通信息、法律法规信息、新闻事件、生活资讯、生活指南信息等。信息源160可以在单个中央服务器、通过通信链路连接的多个服务器或多个个人设备中实现。当信息源160在多个个人设备中实现时，个人设备可以生成内容(例如，被称为“用户生成内容”)，例如，通过将文本、语音、图像和视频上载到云服务器。信息源可以由多个个人设备和云服务器生成。
图2是根据本申请一些实施例所示的订单分配方法的示例性流程图。在一些实施例中，流程200中的一个或以上步骤可以作为指令的形式存储在存储设备(例如，存储设备130)中，并且被处理设备(例如，服务器110中的处理引擎112、订单分配系统400)调用和/或执行。如图2所示，流程200可以包括：
步骤202，获取预设区域内的订单信息和司机信息。步骤202可以由服务器110(例如，获取模块410)执行。
在一些实施例中，预设区域可以对应地理信息，例如，预设区域对应从地图上划分的区域范围。预设区域可以是预先设定的较小范围(例如，5000-50000平方米)的区域，以降低服务器的计算开销，减少对硬件设施的要求。在一些实施例中，预设区域的形状可以包括三角形、四边形、六边形、八边形、十二边形等，或其组合。例如，可以将城市A的范围划分为多个预设区域，多个预设区域的形状可以相同，例如都为四边形、六边形；也可以为不同形状的组合，例如，部分为四边形、部分为八边形，部分四边形区域可以和部分八边形区域相邻。在一些实施例中，预设区域的大小可以根据所在地(例如，城市、国家)的用户打车需求进行设定，用户打车需求可以从其他信息(例如，打车市场拓展调研报告)中获取。例如，获取模块410可以从信息源(例如，信息源160)处获取打车市场拓展调研报告，进入根据打车市场拓展调研报告确定预设区域的面积大小。服务请求起始位置可以是一个兴趣点(POI，PointofInterest)区域，具有一定的面状大小。
在一些实施例中，订单信息可以包括服务请求数量、用户终端的用户标识、请求时间、服务请求起始位置、服务请求终止位置、用户终端发起服务请求时用户终端的位置、请求服务人数(例如，网约车服务中需要几人乘车)、请求服务类型(例如，出租车、拼车、快车、专车等)、是否接受动态价格调整(例如，调整服务价格)等，或其组合。司机信息可以包括当前是否载客、司机可行驶范围、司机行驶方向等。
在一些实施例中，获取模块410(或服务器110)以通过网络连接到移动终端(例如，服务请求者终端120(简称用户终端)、服务提供者终端140(简称司机终端))来获取预设区域内所有的订单信息和司机信息。例如，可以接收从用户终端的应用程序发起的服务请求，从服务请求中获得订单信息；可以从司机终端的应用程序中获取司机信息。在一些实施例中，获取模块410(或服务器110)可以间隔(例如，周期性或非周期性)一定时间，例如，1分钟、3分钟、5分钟，获取预设区域内所有的订单信息和司机信息。
步骤204，基于所述订单信息和所述司机信息确定多个订单匹配对。步骤204可以由服务器110(例如确定模块420)执行。
在一些实施例中，订单匹配对可以是包括一个当前订单(服务请求)与一个司机的一个匹配对。在多个订单匹配对中，可以包括预设区域范围内所有的订单信息和所有的司机信息。预设范围内的每一个当前订单都可以和所有的司机组成订单匹配对，即，一个订单信息可以预设区域范围内所有的司机信息组成订单匹配对。例如，在预设区域的范围内订单信息中一共有A、B两个当前订单，司机信息中一共有a、b、c三个司机，则可以包括Aa、Ab、Ac、Ba、Bb、Bc六个订单匹配对。
作为示例，可以采用下文实施例中的方法确定多个订单匹配对。在一些实施例中，可以基于订单信息和司机信息，构建完全二分图。例如，完全二分图可以具有两个集合，分别为第一集合和第二集合，可以将所有的订单信息放入第一集合(或第二集合)，所有的司机信息放入第二集合(或第一集合)。第一集合中的每个顶点都代表预设区域内的一个当前订单，第二集合中的每个顶点都代表预设区域内的一个司机，第一集合中的所有顶点(当前订单)都可以与第二集合中的所有顶点(司机)相连，连线即可以代表当前订单与相连司机组成的一个订单匹配对。因此可以基于完全二分图，将订单信息中的每个当前订单和司机信息中的每个司机组成一个订单匹配对，得到多个订单匹配对。从而每个当前订单都可以派发给相连的每一个司机。
步骤206，基于由预设匹配规则和预设匹配算法构建的机器学习模型，对所述多个订单匹配对进行处理，确定至少一个匹配订单。步骤204可以由服务器110(例如确定模块420)执行。
在一些实施例中，机器学习模型可以基于预设匹配规则和预设匹配算法构建得到。所述机器学习模型可以为决策模型，决策模型可以包括理性决策模型、有限理性决策模型、渐进决策模型等。机器学习模型可以基于构建时的预设匹配规则和预设匹配算法对多个订单匹配对进行处理，进而确定至少一个匹配订单。匹配订单可以是用于最后向用户和/或司机派送的订单。
在一些实施例中，基于决策模型，获取订单和司机的匹配订单可以包括两个部分，第一部分基于决策模型对完全二分图的连线(订单匹配对)进行剪枝(例如，删除部分订单匹配对)，第二部分基于决策模型进行匹配订单的获取。在构建决策模型时，可以对预设匹配规则进行优化，例如，可以基于用户打车的历史订单数据，将历史的订单数据作为训练集，从历史订单数据中提取订单信息和司机信息的属性特征等作为模型输入，以反映历史订单数据中乘客信息与司机信息是否构成订单匹配对的标签为正确标准，对决策模型的预设匹配规则进行不断优化。订单信息的属性特征可以包括乘客属性特征(例如，乘客打车需求)、时间特征(例如，期望接驾时间)等，司机信息的属性特征可以包括司机属性特征(例如，司机的意愿、司机行驶方向)、距离特征(例如，起始地点与司机之间的距离)等。
在一些实施例中，机器学习模型可以基于预设匹配规则对订单匹配对进行处理，获取候选匹配订单。可以基于预设匹配算法对候选匹配订单进行处理，确定至少一个匹配订单。关于确定匹配订单的更多描述，可以在本说明书的其他部分找到，例如，图3的相关描述。
应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，可以在示例行过程200中的其他地方添加一个或以上其他可选步骤(例如，存储步骤、预处理步骤)。
图3是根据本申请一些实施例所示的确定匹配订单的示例性流程图。在一些实施例中，流程300中的一个或以上步骤可以作为指令的形式存储在存储设备(例如，存储设备130)中，并且被处理设备(例如，服务器110中的处理引擎112、订单分配系统400)调用和/或执行。如图4所示，流程300可以包括：
步骤302，删除所述多个订单匹配对中不满足所述预设匹配规则的订单匹配对，获得候选匹配订单。步骤302可以由服务器110(或确定模块420)执行。
在一些实施例中，预设匹配规则可以是指当前订单与司机之间的匹配规则。预设匹配规则可以包括服务请求起始地点与司机之间的距离、服务请求者的乘车意愿(例如，车型要求、人数要求、到达时间要求)、司机的意愿(例如，是否介意短程距离服务、是否介意远程距离服务、可搭载乘客人数)、接载乘客是否合理(例如，司机当前行驶方向与接载地点方向相反)、接载乘客效率(例如，司机当前所在区域内交通是否拥堵)等。可以根据预设匹配规则，从多个订单匹配对中删除不符合司机和乘客各自需求的订单匹配对。例如，某个订单匹配对中，乘客需要乘车人数为4人，司机的车辆只能搭载3人，则可以将该订单匹配对删除，不作后续处理。
在一些实施例中，可以基于决策模型对完全二分图的连线(订单匹配对)进行剪枝，以删除多个订单匹配对中不满足预设匹配规则的订单匹配对。例如，可以将订单信息和司机信息输入到已经对预设匹配规则优化过的机器学习模型中，机器学习模型可以基于输入的订单信息和司机信息的属性特征，将不满足预设匹配规则的订单匹配对从完全二分图中删除。
在一些实施例中，候选匹配订单可以是删除不满足预设匹配规则的订单匹配对后剩余的订单匹配对。即，候选匹配订单可以理解为满足乘客出行要求和司机服务要求的订单匹配对。
步骤304，基于所述预设匹配算法，对所述候选匹配订单进行处理，确定所述至少一个匹配订单。步骤304可以由服务器110(或确定模块420)执行。
在一些实施例中，预设匹配算法可以用于确定候选匹配订单中的最优匹配方案。例如，在候选匹配订单中，有乘客A与司机A、乘客A与司机B、乘客A与司机C三个候选匹配订单，预设匹配算法可以用于确定这三个候选匹配订单中最优的一个。预设匹配算法可以是预设贪心算法。贪心算法可以在求解问题时，总是做出在当前看来是最优的选择。例如，乘客A与司机A、乘客A与司机B、乘客A与司机C、乘客B与司机A、乘客B与司机B、乘客C与司机C六个候选匹配订单，在基于贪心算法进行选择时，会优先选出六个候选匹配订单中最优的一个，如，乘客A与司机A，然后再从剩余的五个候选匹配订单中选出最优的一个。
贪心算法的求解规则可以基于特征参量。所述特征参量可以包括每一个候选匹配订单中服务起始地点与司机地点之间的距离、司机到达服务起始地点的时间、订单服务的价格、服务起始地点与服务终止地点之间的距离、服务中需要乘车的人数等。在一些实施例中，贪心算法的求解规则可以是选择司机距离当前订单的起始地点最近为最优匹配，该距离可以是司机到起始地点的行驶距离，而不是直线距离。例如，在一个订单中，起始地点A与司机A的直线距离为1公里，与司机B的直线距离为1.5公里，但是，司机A行驶方向与起始地点A的位置相反，司机B行驶方向与起始地点A的位置相同，经过计算，司机A实际到达起始地点A的需要行驶2公里，则该当前订单与司机B为最优匹配。预设的机器学习模型在对候选匹配中进行处理时，基于贪心算法，在每一步求解的步骤中，总会“贪心”地选择最佳操作，以使司机可以最快的到达起始地点接载乘客。
作为示例，基于预设匹配算法，可以采用以下实施例所示的方式对候选匹配订单进行处理。
在一些实施例中，可以预设订单分配集。订单分配集用于容纳从候选匹配订单中确定的最优选择，即，匹配订单。在一些实施例中，一个订单分配集可以对应一个预设区域，例如，城市A的范围划分出了100个预设区域，则可以对应创建100个订单分配集与预设区域一一对应。可以基于订单信息和司机信息，确定每一个候选匹配订单中服务起始地点与司机地点之间的距离，例如，司机与起始地点之间的行驶距离。在确定距离时，可以综合考虑交通路况(例如，交通是否拥堵)、司机行驶路线(例如，司机行驶方向是否与起始地点所在方向一致)等。可以基于服务起始地点与司机地点之间的距离，根据预设量度标准，确定每一个候选匹配订单的分配权重。预设量度标准可以是司机与起始地点之间的距离与分配权重的量度标准，例如，距离在100-1000m之间，分配权重系数可以为1，1001-1500m之间分配权重系数可以为0.9，1501-2000m之间分配权重可以为0.8等。候选匹配订单中，可以包括乘客与司机之间的多种组合，例如，乘客A与司机A、乘客A与司机B、乘客A与司机C，可以理解，最终只会将乘客A的订单派送给一个司机。因此可以基于各个候选匹配订单之间的分配权重进行订单分配，分配权重越大，匹配越优。可以基于分配权重和预设贪心算法，将候选匹配订单加入订单分配集中，得到至少一个匹配订单。以下通过举例的方式示例性地说明如何基于预设贪心算法将候选匹配订单加入订单分配集中。
假设在某个预设区域中，订单信息中一共有A、B、C三个当前订单，司机信息中一共有D、E、F三个司机。将订单信息和司机信息分别放入完全二分图两侧之后一共可以得到{A，D}、{A，E}、{A，F}、{B，D}、{B，E}、{B，F}、{C，D}、{C，E}、{C，F}九个订单匹配对，删除掉不满足预设匹配规则的订单匹配对AE后，还剩下{A，D}、{A，F}、{B，D}、{B，E}、{B，F}、{C，D}、{C，E}、{C，F}八个候选匹配订单，基于预设的决策模型，根据预设量度标准，确定出每个候选匹配订单的分配权重，并进行排序。假设八个候选匹配订单的分配权重依次为0.2、0.5、0.3、0.7、0.9、0.4、0.7、0.8，按照分配权重从大到小排序后，其对应的候选匹配订单按照分配权重排序为{B，F}、{C，F}、{B，E}、{C，E}、{A，F}、{C，D}、{B，D}、{A，D}。之后，可以基于预设贪心算法从排序后的候选匹配订单中依次选取。具体地，示例性地选取过程可以如下：可以先预设订单分配集M，其中，分配集可以是新建立的，也可以是该预设区域已存在的。例如，新建立的订单分配集M可以是一个空集，已存在的订单分配集中可以存在该预设区域之间基于预设贪心算法加入的其他(该轮订单派送之前的)匹配订单。然后可以依次判断排序后的候选匹配订单的每个点(当前订单与司机)是否存在于订单分配集中。判断过程可以如下，首先判断候选匹配订单{B，F}，点B，F均不在订单分配集中，将点B，F加入M，此时M＝{{B，F}}；依次进行判断，判断{C，F}，F在M中，放弃将该候选匹配订单加入M；判断{B，E}，B在M中，放弃将该候选匹配订单加入M；判断{C，E}，均不在M中，将该候选匹配订单加入M，此时M＝{{B，F}{C，E}}；判断{A，F}，F在M中，放弃将该候选匹配订单加入M；判断{C，D}，C在M中，放弃将该候选匹配订单加入M；判断{B，D}，B在M中，放弃将该候选匹配订单加入M；判断{A，D}，均不在M中，将该候选匹配订单加入M，此时M＝{{B，F}{C，E}{A，D}}；至此所有候选匹配订单均已判断完毕，输出最优匹配的订单分配集M，将订单分配集M中的候选匹配订单作为匹配订单进行派送。
应当注意的是，上述有关流程400的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程400进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，可以在示例行过程400中的其他地方添加一个或以上其他可选步骤(例如，存储步骤、预处理步骤)。
图4是根据本申请一些实施例所示的订单分配系统的模块图。如图4所示，所述系统可以包括获取模块410和确定模块420。
获取模块410可以获取预设区域内的订单信息和司机信息。
在一些实施例中，获取模块410可以通过网络连接到移动终端(例如，用户终端、司机终端)来获取预设区域内所有的订单信息和司机信息。例如，可以接收从用户终端的应用程序发起的服务请求，从服务请求中获得订单信息；可以从司机终端的应用程序中获取司机信息。订单信息可以包括服务请求数量、用户终端的用户标识、请求时间、服务请求起始位置、服务请求终止位置、用户终端发起服务请求时用户终端的位置、请求服务人数(例如，网约车服务中需要几人乘车)、请求服务类型(例如，出租车、拼车、快车、专车等)、是否接受动态价格调整(例如，调整服务价格)等，或其组合。司机信息可以包括当前是否载客、司机可行驶范围、司机行驶方向等。获取模块410可以间隔(例如，周期性或非周期性)一定时间，例如，1分钟、3分钟、5分钟，获取预设区域内所有的订单信息和司机信息。
确定模块420可以确定订单匹配对以及确定至少一个匹配订单。
在一些实施例中，确定模块420基于订单信息和司机信息确定多个订单匹配对，以及基于由预设匹配规则和预设匹配算法构建的机器学习模型，对多个订单匹配对进行处理，确定至少一个匹配订单。在一些实施例中，确定模块420可以基于订单信息和司机信息，构建完全二分图；以及基于完全二分图，将订单信息中的每个当前订单和司机信息中的每个司机组成一个订单匹配对，得到多个订单匹配对。在一些实施例中，确定模块420可以删除多个订单匹配对中不满足预设匹配规则的订单匹配对，获得候选匹配订单；以及基于预设匹配算法，对候选匹配订单进行处理，确定至少一个匹配订单。
关于订单分配系统的各模块的具体描述，可以参考本申请流程图部分，例如，图2至图3的相关说明。
应当理解，图4所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要注意的是，以上对于订单分配系统及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，例如，图4中披露的获取模块410和确定模块420可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，获取模块410、确定模块420可以是两个模块，也可以是一个模块同时具有获取和确定功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。
本申请实施例可能带来的有益效果包括但不限于：(1)将地理区域划分为预设区域大小，在订单分配时，针对预设区域内的订单信息和司机信息进行订单匹配计算，由于可以只计算预设区域范围内的订单信息和司机信息，因此可以有效地减少服务器计算压力，降低了对硬件设施的要求。(2)基于司机与当前信息之间的距离匹配订单，预设匹配算法计算规则简单，可以进一步地减少计算压力，降低对硬件设施的要求，同时按照距离最近为最优匹配原则，实现了快速为用户派单，提高了派单效率和用户体验。
需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本申请中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (11)

1.一种订单分配方法，其特征在于，所述方法包括：
获取预设区域内的订单信息和司机信息；
基于所述订单信息和所述司机信息确定多个订单匹配对；以及
基于由预设匹配规则和预设匹配算法构建的机器学习模型，对所述多个订单匹配对进行处理，确定至少一个匹配订单。
2.根据权利要求1所述的方法，其特征在于，所述基于所述订单信息和所述司机信息确定多个订单匹配对，包括：
基于所述订单信息和所述司机信息，构建完全二分图；以及
基于所述完全二分图，将订单信息中的每个当前订单和司机信息中的每个司机组成一个订单匹配对，得到所述多个订单匹配对。
3.根据权利要求1所述的方法，其特征在于，所述基于由预设匹配规则和预设匹配算法构建的机器学习模型，对所述多个订单匹配对进行处理，确定至少一个匹配订单，包括：
删除所述多个订单匹配对中不满足所述预设匹配规则的订单匹配对，获得候选匹配订单；以及
基于所述预设匹配算法，对所述候选匹配订单进行处理，确定所述至少一个匹配订单。
4.根据权利要求3所述的方法，其特征在于，所述基于所述预设匹配算法，对所述候选匹配订单进行处理，确定至少一个所述匹配订单，包括：
预设订单分配集；
基于所述订单信息和所述司机信息，确定一个特征参量；
基于所述特征参量，根据预设量度标准，确定每一个所述候选匹配订单的分配权重；以及
基于所述分配权重，根据预设贪心算法，将所述候选匹配订单加入所述订单分配集，得到所述至少一个匹配订单。
5.根据权利要求4所述的方法，所述特征参量为每一个候选匹配订单中服务起始地点与司机地点之间的距离。
6.根据权利要求4所述的方法，其特征在于，所述基于所述分配权重，根据预设贪心算法，将所述候选匹配订单加入所述订单分配集，包括：
将所述候选匹配订单按照所述分配权重大小进行排序；
根据排序，依次选择候选匹配订单；
判断选中的候选匹配订单对应的当前订单和司机是否存在于所述订单分配集中；以及
若否，将所述选中的候选匹配订单加入所述订单分配集。
7.一种订单分配系统，其特征在于，所述系统包括：
获取模块，用于获取预设区域内的订单信息和司机信息；
确定模块，用于基于所述订单信息和所述司机信息确定多个订单匹配对；以及
基于由预设匹配规则和预设匹配算法构建的机器学习模型，对所述多个订单匹配对进行处理，确定至少一个匹配订单。
8.根据权利要求7所述的系统，其特征在于，为基于所述订单信息和所述司机信息确定多个订单匹配对，所述确定模块进一步用于：
基于所述订单信息和所述司机信息，构建完全二分图；以及
基于所述完全二分图，将订单信息中的每个当前订单和司机信息中的每个司机组成一个订单匹配对，得到所述多个订单匹配对。
9.根据权利要求7所述的系统，其特征在于，为基于由预设匹配规则和预设匹配算法构建的机器学习模型，对所述多个订单匹配对进行处理，确定至少一个匹配订单，所述确定模块进一步用于：
删除所述多个订单匹配对中不满足所述预设匹配规则的订单匹配对，获得候选匹配订单；以及
基于所述预设匹配算法，对所述候选匹配订单进行处理，确定所述至少一个匹配订单。
10.一种订单分配装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现如权利要求1～6任一项所述的方法。
11.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～6任一项所述的方法。
CN202010572100.7A 2020-06-22 2020-06-22 一种订单分配方法和系统 Pending CN111882109A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010572100.7A CN111882109A (zh) 2020-06-22 2020-06-22 一种订单分配方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010572100.7A CN111882109A (zh) 2020-06-22 2020-06-22 一种订单分配方法和系统

Publications (1)

Publication Number Publication Date
CN111882109A true CN111882109A (zh) 2020-11-03

Family

ID=73157857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010572100.7A Pending CN111882109A (zh) 2020-06-22 2020-06-22 一种订单分配方法和系统

Country Status (1)

Country Link
CN (1) CN111882109A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112926875A (zh) * 2021-03-23 2021-06-08 广州宸祺出行科技有限公司 一种缓解高峰期拥堵的智能调度方法及系统
CN113159458A (zh) * 2021-05-20 2021-07-23 南京领行科技股份有限公司 网约车的分配方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599168A (zh) * 2015-02-02 2015-05-06 北京嘀嘀无限科技发展有限公司 叫车订单的分配方法和装置
CN107590722A (zh) * 2017-09-15 2018-01-16 中国科学技术大学苏州研究院 基于反向拍卖的移动打车服务系统的订单分配方法
US20180025407A1 (en) * 2015-02-02 2018-01-25 Beijing Didi Infinity Technology And Development Co., Ltd. Methods and systems for order processing
CN108921472A (zh) * 2018-06-30 2018-11-30 华南理工大学 一种多车型的两阶段车货匹配方法
CN109948874A (zh) * 2017-12-21 2019-06-28 北京嘀嘀无限科技发展有限公司 拼车订单分配方法及系统
CN110110871A (zh) * 2018-02-01 2019-08-09 北京嘀嘀无限科技发展有限公司 一种订单分配的方法和系统
CN110447050A (zh) * 2017-12-04 2019-11-12 北京嘀嘀无限科技发展有限公司 用于在线按需服务中分配订单的系统和方法
CN110543960A (zh) * 2019-08-20 2019-12-06 南京领行科技股份有限公司 一种派单方法和装置
US20200058044A1 (en) * 2017-03-27 2020-02-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for carpooling

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599168A (zh) * 2015-02-02 2015-05-06 北京嘀嘀无限科技发展有限公司 叫车订单的分配方法和装置
US20180025407A1 (en) * 2015-02-02 2018-01-25 Beijing Didi Infinity Technology And Development Co., Ltd. Methods and systems for order processing
US20200058044A1 (en) * 2017-03-27 2020-02-20 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for carpooling
CN107590722A (zh) * 2017-09-15 2018-01-16 中国科学技术大学苏州研究院 基于反向拍卖的移动打车服务系统的订单分配方法
CN110447050A (zh) * 2017-12-04 2019-11-12 北京嘀嘀无限科技发展有限公司 用于在线按需服务中分配订单的系统和方法
CN109948874A (zh) * 2017-12-21 2019-06-28 北京嘀嘀无限科技发展有限公司 拼车订单分配方法及系统
CN110110871A (zh) * 2018-02-01 2019-08-09 北京嘀嘀无限科技发展有限公司 一种订单分配的方法和系统
CN108921472A (zh) * 2018-06-30 2018-11-30 华南理工大学 一种多车型的两阶段车货匹配方法
CN110543960A (zh) * 2019-08-20 2019-12-06 南京领行科技股份有限公司 一种派单方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张善云等: "图像模式识别", 31 May 2020, 西安电子科技大学出版社, pages: 1 - 5 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112926875A (zh) * 2021-03-23 2021-06-08 广州宸祺出行科技有限公司 一种缓解高峰期拥堵的智能调度方法及系统
CN112926875B (zh) * 2021-03-23 2023-12-19 广州宸祺出行科技有限公司 一种缓解高峰期拥堵的智能调度方法及系统
CN113159458A (zh) * 2021-05-20 2021-07-23 南京领行科技股份有限公司 网约车的分配方法、装置、电子设备及存储介质
CN113159458B (zh) * 2021-05-20 2022-04-08 南京领行科技股份有限公司 网约车的分配方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109313846B (zh) 用于推荐上车点的系统和方法
CN109074622B (zh) 确定运输服务路线的系统及方法
JP6707125B2 (ja) 共有可能な注文を割り当てるためのシステムおよび方法
WO2020237710A1 (en) Systems and methods for route planning
US20180374032A1 (en) Match-based route navigation system
CN111882109A (zh) 一种订单分配方法和系统
US20200050938A1 (en) Systems and methods for improvement of index prediction and model building
JP2020515951A (ja) オンデマンドサービスのための乗り物を割り当てるシステム及び方法
JP2019506640A (ja) 推奨サービス位置を推奨するシステム及び方法
CN111862585B (zh) 用于交通预测的系统和方法
CN112236787A (zh) 用于生成个性化目的地推荐的系统和方法
CN110741225B (zh) 确定目标站点的系统和方法
CN110782648B (zh) 确定预计到达时间的系统和方法
US11468536B2 (en) Systems and methods for recommending a personalized pick-up location
CN111861620A (zh) 一种订单处理方法和系统
CN111859178A (zh) 一种推荐上车点的方法和系统
CN111400425B (zh) 一种路径自动优化选择的方法和系统
CN112041858A (zh) 提供出行建议的系统和方法
CN111260092A (zh) 用于预测对象到达时间的系统和方法
CN111881368A (zh) 一种确定推荐上车点的方法和系统
CN111159317A (zh) 用于确定路径拓扑关系的系统和方法
CN110832536B (zh) 推荐上车地点的系统和方法
US11029166B2 (en) Systems and methods for reserving a carpooling service
CN111881369A (zh) 一种推荐上车点名称准确性检测方法和系统
CN110832513A (zh) 用于按需服务的系统和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination