CN111882186B - 出行订单分配方法及装置 - Google Patents
出行订单分配方法及装置 Download PDFInfo
- Publication number
- CN111882186B CN111882186B CN202010680024.1A CN202010680024A CN111882186B CN 111882186 B CN111882186 B CN 111882186B CN 202010680024 A CN202010680024 A CN 202010680024A CN 111882186 B CN111882186 B CN 111882186B
- Authority
- CN
- China
- Prior art keywords
- order
- vehicle
- user
- matching
- attribute
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000008569 process Effects 0.000 claims description 21
- 238000013459 approach Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000008753 Papaver somniferum Nutrition 0.000 description 1
- 240000001090 Papaver somniferum Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009965 odorless effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种出行订单分配方法及装置,为了解决传统方案仅根据车辆与用户之间距离远近为最近的车辆分配订单导致订单匹配成功率低的技术问题,该方案分别获取用户的关键需求属性以及可用车辆的车辆关键属性,并确定用户关键需求属性与车辆关键属性之间的匹配度,按照匹配度由大到小的顺序选取可用车辆作为目标匹配车辆,并将匹配方案分别发送给运力方和用户,双方接受该方案则按该方案分配该订单,若不接受则重新确定新的目标匹配车辆,直到双方都接受。可见,该方案基于用户关键需求属性及车辆关键属性构建使双方匹配度最大化的匹配方案,提高了订单匹配成功率及订单分配效率。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及出行订单分配方法及装置。
背景技术
随着城市化进程不断推进,城市出行的需求越来越大,网约车、顺风车等出行服务应运而生。出行服务的核心之一是订单分配,订单分配是指基于一定的策略构造用户和空车之间的匹配方案,使用户能够在较短时间内得到所需的出行服务。
一种传统的出行订单分配方案是在用户发出请求的位置附近搜索可接单的车辆,根据车辆与用户之间的距离远近,为最近的车辆分配订单,如果运力方(即,车辆驾驶员)接受订单,则匹配成功;如果运力方拒绝分配的订单,则在其它可接单的车辆中选择距离最近的车辆,并为该车辆分配订单,如果运力方拒绝为其分配的订单,则重复上述过程。此种方案无法构造最大化用户和运力方的匹配度的方案,导致出行订单匹配成功率较低,进而导致订单分配耗时长,用户等待订单分配的时间长。
发明内容
有鉴于此,本发明的目的在于提供一种出行订单分配方法及装置,以解决传统的出行订单分配方案匹配成功率低的技术问题,公开的具体技术方案如下:
一方面,本申请提供了一种出行订单分配方法,包括:
获取距待分配订单的出发地第一预设距离范围的可用车辆;
获取所述待分配订单所属用户的用户关键需求属性及每个可用车辆的车辆关键属性,所述用户关键需求属性包括用户的人口属性信息和出行属性信息,所述车辆关键属性包括表征车辆状况及车辆驾驶员的信息;
按照所述用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度由大到小的顺序,选取前预设数量个可用车辆得到匹配车辆候选集,所述匹配度表征所述用户关键需求属性与车辆关键属性之间匹配成功的程度;
从所述匹配车辆候选集中选取匹配度最大的未选择车辆确定为目标匹配车辆,将所述待分配订单分配给所述目标匹配车辆。
另一方面,本申请还提供了一种出行订单分配装置,包括:
第一获取模块,用于获取距待分配订单的出发地第一预设距离范围的可用车辆;
第二获取模块,用于获取所述待分配订单所属用户的用户关键需求属性及每个所述可用车辆的车辆关键属性,所述用户关键需求属性包括用户的人口属性信息和出行属性信息,所述车辆关键属性包括表征车辆状况及车辆驾驶员的信息;
候选车辆选取模块,用于按照所述用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度由大到小的顺序,选取前预设数量个可用车辆得到匹配车辆候选集,所述匹配度表征所述用户关键需求属性与车辆关键属性之间匹配成功的程度;
匹配方案确定模块,用于从所述匹配车辆候选集中选取匹配度最大的未选择车辆确定为目标匹配车辆,将所述待分配订单分配给所述目标匹配车辆。
又一方面,本申请还提供了一种服务器,包括:存储器和处理器;
所述存储器内存储有程序指令;
所述处理器用于调用所述存储器中的程序指令以执行第一方面任一项所述的出行订单分配方法。
再一方面,本申请还提供了一种存储介质,所述存储介质中存储有程序指令,所述程序指令被处理器加载并执行时实现第一方面任一项所述的出行订单分配方法。
本申请提供的出行订单分配方法,获取距离待分配订单的出发地第一预设距离范围的可用车辆,以及,获取待分配订单的用户关键需求属性及各个可用车辆的车辆关键属性;确定用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度,并按匹配度由大到小的顺序选取前预设数量个可用车辆构成匹配车辆候选集。从匹配车辆候选集中选取匹配度最大且未选择车辆为目标匹配车辆,将待分配订单分配给目标匹配车辆。该方案基于用户关键需求属性及车辆关键属性构建使两者匹配度最大化的匹配方案,因此,提高了订单匹配成功率,且提高了订单分配效率,减少了用户的等待时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种出行订单分配方法的流程图;
图2是本申请实施例提供的建立用户属性画像过程的流程图;
图3是本申请实施例提供的一种用户属性画像实例的示意图;
图4是本申请实施例提供的另一种出行订单分配方法的流程图;
图5是本申请实施例提供的一种订单分配装置的结构示意图;
图6是本申请实施例提供的另一种订单分配装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,示出了本申请实施例提供的一种出行订单分配方法的流程图,该方法应用于服务器中,用于将出行订单分配给相匹配的车辆,具体可以包括如下步骤:
S110,获取距待分配订单的出发地第一预设距离范围的可用车辆。
待分配订单的出发地即用户选定的上车位置。第一预设距离范围可以根据实际需求设定,例如,2km,3km、5km等。该步骤是在以出发地为圆心、以第一预设距离为半径的圆形区域内搜索可用空车。
S120,获取待分配订单所属用户的用户关键需求属性及每个可用车辆的车辆关键属性。
其中,用户关键需求属性包括用户的人口属性信息和出行属性信息;部分用户关键需求属性如下:
车型倾向性;服务倾向性:接单速度优先、车况优先、驾驶员服务优先;当前位置;本单目的地;接单等待时间等等。
如果待分配订单的用户是老用户,历史订单数据库中已经存储由该用户的历史订单数据,则从历史订单数据库中调用该用户的历史订单数据,进而从历史订单数据中提取相应的关键需求属性作为本次订单的用户关键需求属性。
如果待分配订单的用户是新用户,则使用相匹配区域的用户属性画像中典型用户的关键需求属性作为新用户的用户关键需求。其中,基于历史订单数据按照出行时间、出行的出发地、目的地为关键词建立用户属性画像。
从车辆数据库中获取各个可用车辆的车辆关键属性,例如,包括表征车辆状况及车辆驾驶员的信息等。
部分车辆关键属性如下:信用分(拒单率);车型:经济型、舒适型、豪华型;驾驶员评价:服务态度、路线选择、驾驶技能;车况评价:座位卫生情况、车内异味、后备箱可用空间;当前位置;意向/历史意向目的地。
S130,按照用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度由大到小的顺序,选取前预设数量个可用车辆得到匹配车辆候选集。
匹配度表征用户关键需求属性与车辆关键属性之间匹配成功的程度。
为方便求解,将求解最大化匹配度的过程转化为求解最小函数值的问题,因此,最大化匹配度的过程转化为最小化车辆关键属性与用户关键需求属性之间的差异值。其中,目标函数如下:
公式1中,Dfj表示车辆关键属性的向量,Ufj表示相匹配的用户关键需求属性的向量。
差异值越小表示匹配度越大,因此,计算出用户关键需求属性与各个可用车辆的车辆关键属性之间差异值之后,按照差异值由小到大的顺序选取预设数量个可用车辆,选取的这些车辆构成匹配车辆候选集。
预设数量可以根据实际需求设定,例如,5个、6个或更多个。
S140,从匹配车辆候选集中选取匹配度最大的未选择车辆确定为目标匹配车辆。
分配订单时,从匹配车辆候选集中选取与用户关键需求属性的匹配度最大的未选择的车辆作为候选运力,即目标匹配车辆。
S150,将匹配方案发送用户和目标匹配车辆,接收双方反馈的结果;如果双方接受匹配方案,则执行S160;如果用户或目标匹配车辆拒绝匹配方案,则返回执行S140重新选取新的匹配车辆。
向用户发送目标匹配车辆的信息,同时,向目标匹配车辆发送待分配订单的信息,等待双方确认。接受双方反馈的结果,如果接收到任意一方反馈的拒绝反馈结果,则确定匹配方案未被接受。然后,重复执行S140和S150。
如果匹配车辆候选集中的所有车辆对应的匹配方案都未被接受,或者,待分配订单等待时长大于或等于第一预设时长,则提示用户重新创建出行订单,即重新下单。
S160,将待分配订单分配至目标匹配车辆。
如果双方接受当前的匹配方案,则将当前订单分配至目标匹配车辆,并将待分配订单和目标匹配车辆、匹配度值加入至历史匹配数据库中。
本实施例提供的出行订单分配方法,获取距离待分配订单的出发地第一预设距离范围的可用车辆,以及,获取待分配订单的用户关键需求属性及各个可用车辆的车辆关键属性;确定用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度,并按匹配度由大到小的顺序选取前预设数量个可用车辆构成匹配车辆候选集。从匹配车辆候选集中选取匹配度最大的未选择车辆为目标匹配车辆,并向用户及运力方发送匹配方案,若双方接受此匹配方案,则按匹配方案分配待分配订单;若至少一方不接受此匹配方案,则重新确定新的目标匹配车辆,直到得到双方都接受的匹配方案。该方案基于用户关键需求属性及车辆关键属性构建使两者匹配度最大化的匹配方案,因此,提高了订单匹配成功率,且提高了订单分配效率,减少了用户的等待时间。
下面将结合具体的实例对创建用户属性画像的过程进行阐述:
基于收集的营运数据(即历史订单数据),可以得到用户在不同维度的数据分布。
假设用户的出行需求与出行地点和出行时间相关,例如,在早晚高峰期间,以写字楼密集区为出发和目的地的用户大多数目标为通勤;夜间地铁停运后以商圈为出发地和目的地的用户可能是出于娱乐需要等。可以根据出行时间和出行的出发、目的地为关键词建立用户属性画像。
如图2所示,建立用户属性画像的过程如下:
S210,获取历史订单数据集。
S220,将历史订单数据集中出行时段、出发地和目的地分别相同的历史订单划分为一个子集,得到多个历史订单子集。
S230,对于每一个历史订单子集,统计不同维度的用户属性数据,得到每个历史订单子集所对应的用户属性画像。
图3所示的用户数据即根据历史订单数据统计产生的用户属性画像:早上10:00-12:00从杨浦区出发的用户最可能的目的地是世纪大道周边,多为25-35岁之间的青年男性,其首选车型是经济型,对豪华型车型的接受力较差,对于出行期间的服务比较在意车内干净整洁无异味以及行驶过程中的平稳舒适,而对于稍长的接单时间有一定的忍受力。
根据图3所示的用户属性画像,为该区域的用户推荐车内状况较好的经济型车型,即使当前可用车辆距离乘客有一定距离,也会有较高的匹配成功率。
需要说明的是,创建用户属性画像的过程是离线过程,即线下统计历史订单数据得到相应的用户属性画像。线上分配订单时,直接使用线下建立的用户属性画像即可。此外,用户属性画像可以定期更新,或在历史订单新增数量达到阈值后更新。
本申请实施例通过分析历史订单数据刻画用户的用车需求和消费习惯,得到用户属性画像,从而为用户推荐最适合的车辆,最终提高订单匹配成功率。
本申请还提供了另一种订单分配方法实施例,本实施例可以根据历史订单数据分析,得到可能出现订单集中的时段和区域,并在订单集中时段之前引导空车向订单可能出现集中的区域运行,最大化运力。
如图4所示,该方法在图1所示实施例的基础上还包括以下步骤:
S410,基于预先根据历史订单数据获得的订单密集时段及对应的订单密集区域。
根据历史订单数据构造分时订单热力图,锁定订单密集时段和对应的区域。
S420,选取给定时段对应的任一未检查的订单密集区域为目标区域。
对于任一个给定时段(即任一个订单密集时段),从该时段对应的多个订单密集区域中选取任意一个未检查的区域作为目标区域,然后,判断此目标区域的运力是否充足。
S430,根据预先获得的目标区域的历史订单数量在给定时段的拟合关系,得到目标区域在给定时段的订单需求。
根据历史订单在给定时段内的数据拟合关系,预测目标区域在给定时段的订单需求。
S440,在给定时段之前的预设时段,根据目标区域的可用运力与订单需求判定该目标区域的运力是否充足。如果运力不足,则执行S450;如果运力充足,则返回执行S420继续检查下一个订单密集区域的运力是否充足,直到所有区域都检查完。
然后,在给定时段之前的预设时段,根据目标区域的可用运力及订单需求提前判断该区域在给定时段的运力是否充足。
其中预设时段可以根据实际需求设定,例如,1小时;如果预设时段的时间较长,会影响运力评估精确性;如果预设时段的时间过短会导致运力调度难以操作。
其中,区域的可用运力包括以下部分:
(1)目标区域内当前可用空车的数量,记为第一数量;
(2)以目标区域为目的地的车辆且在第一预设时长内能够抵达目标区域的可用车辆的数量,记为第二数量;第一预设时长可以根据设计需求设定,如,30min。
(3)计算历史遵从运力引导的车辆比例和指定区域内可用车辆数量的乘积,得到通过运力引导抵达目标区域的可用车辆的数量,记为第三数量。
其中,历史遵从运力引导的车辆比例根据历史营运数据得到,在没有历史运营数据的场景下(如系统首次运行时),第三数量设为0。
指定区域可以包括:距离目标区域预设距离的区域范围,记为第一区域;以及,抵达目标区域的行驶时间小于或等于第二预设时长的区域范围,记为第二区域。即,第一区域和第二区域的合集为指定区域。
目标区域的可用运力即第一数量、第二数量和第三数量的总和。
如果目标区域的可用运力大于或等于该区域的订单需求,则确定运力充足;如果目标区域的可用运力小于该区域的订单需求,则确定运力不充足。
S450,在给定时段之前的预设时间段内引导指定区域的可用车辆发送靠近目标区域。
在给定时段之前的预设时段(例如,订单密集时段前1小时),根据指定区域的可用车辆的当前位置和路径运行时间,确定在给定时段能够抵达目标区域的可用车辆,并引导这些可用车辆靠近目标区域,例如,可以向车辆推送向订单密集区域靠近的消息。
其中,路径运行时间是指车辆从当前位置到达目标区域所需的时间。该时间可以从地图应用程序接口(即地图API)获得。
然后,可以继续检查下一个订单密集区域的运力是否充足,直到给定时段对应的所有订单密集区域都检查完为止。
本实施例提供的出行订单分配方法,在一个周期内(例如,一天、一周、一月、一年)可能出现的订单密集时段之前,检查该时段对应的任意一个订单密集区域的运力是否充足,如果不充足则引导指定区域的可用车辆靠近该区域,从而实现给定周期内最大化运力,缓解高峰时段订单集中区域的可用车辆不足的问题。
相应于上述的订单分配方法实施例,本申请还提供了订单分配装置实施例。
请参见图5,示出了本申请实施例提供的一种订单分配装置的结构示意图,如图5所示,该装置包括:
第一获取模块110,用于获取距待分配订单的出发地第一预设距离范围的可用车辆。
第二获取模块120,用于获取待分配订单所属用户的用户关键需求属性及每个可用车辆的车辆关键属性。
其中,用户关键需求属性包括用户的人口属性信息和出行属性信息,用户关键需求属性的获取过程如下:
在一种应用场景下,待分配订单所属用户为新用户,此种情况下,从预先建立的用户属性画像中选取与待分配订单的出行时段、出发地及目的地相匹配的目标用户属性画像,并从目标用户属性画像中获取典型用户的用户关键需求属性确定为待分配订单所属用户的用户关键需求属性。
其中,用户属性画像的建立过程如下:
获取历史订单数据集;
将历史订单数据集中出行时段、出发地和目的地分别相同的历史订单划分为一个子集,得到多个历史订单子集;
对于每一个历史订单子集,统计不同维度的用户属性数据,得到每个历史订单子集所对应的用户属性画像,用户属性数据包括用户的人口属性数据和出行属性数据。
在另一种应用场景下,待分配订单所属用户为老用户,此种情况下,获取该用户的历史订单数据,并从历史订单数据中提取该用户的关键需求属性。
车辆关键属性包括表征车辆状况及车辆驾驶员的信息。车辆关键属性可以从车辆数据库中获取车辆关键属性。
候选车辆选取模块130,用于按照用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度由大到小的顺序,选取前预设数量个可用车辆得到匹配车辆候选集。
匹配度表征用户关键需求属性与车辆关键属性之间匹配成功的程度。
为了求解方便,将最大化匹配的问题转化为求解最小差异值的问题。候选车辆选取模块130具体用于:
计算用户关键需求属性的特征向量与各个可用车辆的车辆关键属性的特征向量之间的差异值;按照差异值由小到大的顺序选取预设数量个可用车辆得到匹配车辆候选集。
匹配方案确定模块140,用于从匹配车辆候选集中选取匹配度最大的未选择车辆确定为目标匹配车辆,并将目标匹配车辆的信息发送至待分配订单所属用户,以及将待分配订单的信息发送至目标匹配车辆;
当确定目标匹配车辆和订单所属用户接受匹配方案后,将待分配订单分配至目标匹配车辆;
当确定目标匹配车辆和订单所属用户中的至少一个拒绝该匹配方案后,重新从匹配车辆候选集中选取新的匹配车辆,直到新的匹配车辆被该匹配车辆及用户接受,将待分配订单分配至新的匹配车辆。
当匹配车辆候选集中的全部车辆均不被接受或订单等待时长大于或等于预设时长时,提示用户重新创建出行订单。
本实施例提供的订单分配装置,基于用户关键需求属性及车辆关键属性构建使两者匹配度最大化的匹配方案,因此,提高了订单匹配成功率,且提高了订单分配效率,减少了用户的等待时间。
请参见图6,示出了本申请实施例提供的另一种订单分配装置的结构示意图,该装置在图5所示实施例的基础上还包括:
区域确定模块210,用于基于预先根据历史订单数据获得的订单密集时段及对应的订单密集区域,选取给定时段对应的任一未检查的订单密集区域为目标区域。
订单区域确定模块220,用于根据预先获得的目标区域的历史订单数量在给定时段的拟合关系,得到目标区域在给定时段的订单需求。
运力判断模块230,用于在给定时段之前的预设时段,根据目标区域的可用运力与订单需求判定该目标区域的运力是否充足。
其中,目标区域的可用运力主要包括:目标区域内当前可用空车的数量,记为第一数量;
以目标区域为目的地的车辆且在第一预设时长内能够抵达目标区域的可用车辆的数量,记为第二数量;其中,指定区域包括距离目标区域第二预设距离范围的区域,记为第一区域;以及,抵达目标区域的行驶时间小于或等于第二预设时长的区域,记为第二区域。
计算历史遵从运力引导的车辆比例和指定区域内可用车辆数量的乘积,得到通过运力引导抵达目标区域的可用车辆的数量,记为第三数量。
第一数量、第二数量和第三数量的总和即目标区域的可用运力。
如果目标区域的可用运力大于或等于该区域的订单需求,则确定运力充足;如果目标区域的可用运力小于该区域的订单需求,则确定运力不充足。
引导模块240,用于在目标区域的运力不足的情况下,在给定时段之前的预设时间段内引导指定区域的可用车辆发送靠近目标区域。
引导模块240具体用于:在给定时段之前的预设时段,根据指定区域的可用车辆的当前位置和路径运行时间,确定在给定时段能够抵达目标区域的空车;引导空车靠近目标区域。
本实施例提供的出行订单分配装置,在一个周期内(例如,一天、一周、一月、一年)可能出现的订单密集时段之前,检查该时段对应的任意一个订单密集区域的运力是否充足,如果不充足则引导指定区域的可用车辆靠近该区域,从而实现给定周期内最大化运力,缓解高峰时段订单集中区域的可用车辆不足的问题。
本申请提供了一种服务器,该服务器包括处理器和存储器,该存储器内存储有可在处理器上运行的程序。该处理器运行存储器内存储的该程序时实现上述任一种的出行订单分配方法。
本申请还提供了一种计算机可执行的存储介质,该存储介质中存储有程序,该程序由计算设备执行时实现上述的出行订单分配方法。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请各实施例中的装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本申请所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,模块或子模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个子模块或模块可以结合或者可以集成到另一个模块,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的,作为模块或子模块的部件可以是或者也可以不是物理模块或子模块,即可以位于一个地方,或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中,也可以是各个模块或子模块单独物理存在,也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现,也可以采用软件功能模块或子模块的形式实现。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种出行订单分配方法,其特征在于,包括:
获取距待分配订单的出发地第一预设距离范围的可用车辆;
获取所述待分配订单所属用户的用户关键需求属性及每个可用车辆的车辆关键属性,所述用户关键需求属性包括用户的人口属性信息和出行属性信息,所述车辆关键属性包括表征车辆状况及车辆驾驶员的信息;
按照所述用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度由大到小的顺序,选取前预设数量个可用车辆得到匹配车辆候选集,所述匹配度表征所述用户关键需求属性与车辆关键属性之间匹配成功的程度;
从所述匹配车辆候选集中选取匹配度最大的未选择车辆确定为目标匹配车辆,将所述待分配订单分配给所述目标匹配车辆;
基于预先根据历史订单数据获得的订单密集时段及对应的订单密集区域,选取给定时段对应的任一未检查的订单密集区域为目标区域;
根据预先获得的所述目标区域的历史订单数量在所述给定时段的拟合关系,得到所述目标区域在所述给定时段的订单需求;
在所述给定时段之前的预设时段,根据所述目标区域的可用运力与所述订单需求判定该目标区域的运力是否充足;
在所述目标区域的运力不足的情况下,在所述给定时段之前的预设时间段内引导指定区域的可用车辆靠近所述目标区域;
其中,获取所述目标区域的可用运力的过程包括:
获取所述目标区域内的当前可用车辆的第一数量;
获取以所述目标区域为目的地的车辆且在第一预设时长内能够抵达所述目标区域的可用车辆的第二数量;
根据历史遵从运力引导的车辆比例和指定区域内可用车辆数量的乘积,获得通过运力引导抵达所述目标区域的可用车辆的第三数量;
计算第一数量、第二数量和第三数量的总和,得到所述目标区域的可用运力;
其中,获取所述指定区域的过程包括:
获取距离所述目标区域第二预设距离范围的第一区域;
获取抵达所述目标区域的行驶时间小于或等于第二预设时长的第二区域;
确定所述第一区域和所述第二区域的合集为所述指定区域。
2.根据权利要求1所述的方法,其特征在于,从所述匹配车辆候选集中选取匹配度最大的未选择车辆确定为目标匹配车辆,将所述待分配订单分配给所述目标匹配车辆,包括:
从所述匹配车辆候选集中选取匹配度最大且未选择车辆为目标匹配车辆;
将所述目标匹配车辆的信息发送至所述待分配订单所属用户,以及将所述待分配订单的信息发送至所述目标匹配车辆;
当确定所述目标匹配车辆和订单所属用户接受匹配方案后,将所述待分配订单分配至所述目标匹配车辆;
当确定所述目标匹配车辆和订单所属用户中的至少一个拒绝该匹配方案后,重新从所述匹配车辆候选集中选取新的匹配车辆,直到新的匹配车辆被该匹配车辆及用户接受,将所述待分配订单分配至新的匹配车辆。
3.根据权利要求1所述的方法,其特征在于,获取所述待分配订单所属用户的用户关键需求属性,包括:
在所述待分配订单所属用户为新用户的情况下,从预先建立的用户属性画像中选取与所述待分配订单的出行时段、出发地及目的地相匹配的目标用户属性画像,并从目标用户属性画像中获取典型用户的用户关键需求属性确定为所述待分配订单所属用户的用户关键需求属性;
在所述待分配订单所属用户为老用户的情况下,获取该用户的历史订单数据,并从历史订单数据中提取该用户的关键需求属性。
4.根据权利要求3所述的方法,其特征在于,所述用户属性画像的建立过程包括:
获取历史订单数据集;
将所述历史订单数据集中出行时段、出发地和目的地分别相同的历史订单划分为一个子集,得到多个历史订单子集;
对于每一个所述历史订单子集,统计不同维度的用户属性数据,得到每个历史订单子集所对应的用户属性画像,所述用户属性数据包括用户的人口属性数据和出行属性数据。
5.根据权利要求1所述的方法,其特征在于,按照所述用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度由大到小的顺序,选取预设数量个可用车辆得到匹配车辆候选集,包括:
计算所述用户关键需求属性的特征向量与各个可用车辆的车辆关键属性的特征向量之间的差异值;
按照所述差异值由小到大的顺序选取预设数量个可用车辆得到匹配车辆候选集。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述匹配车辆候选集中的全部车辆均不被接受或订单等待时长大于或等于预设时长时,提示用户重新创建出行订单。
7.根据权利要求1所述的方法,其特征在于,在所述给定时段之前的预设时间段内引导指定区域的可用车辆靠近所述目标区域,包括:
在所述给定时段之前的预设时段,根据所述指定区域的可用车辆的当前位置和路径运行时间,确定在所述给定时段能够抵达所述目标区域的空车;
引导所述空车靠近所述目标区域。
8.一种出行订单分配装置,其特征在于,包括:
第一获取模块,用于获取距待分配订单的出发地第一预设距离范围的可用车辆;
第二获取模块,用于获取所述待分配订单所属用户的用户关键需求属性及每个可用车辆的车辆关键属性,所述用户关键需求属性包括用户的人口属性信息和出行属性信息,所述车辆关键属性包括表征车辆状况及车辆驾驶员的信息;
候选车辆选取模块,用于按照所述用户关键需求属性与各个可用车辆的车辆关键属性之间的匹配度由大到小的顺序,选取前预设数量个可用车辆得到匹配车辆候选集,所述匹配度表征所述用户关键需求属性与车辆关键属性之间匹配成功的程度;
匹配方案确定模块,用于从所述匹配车辆候选集中选取匹配度最大的未选择车辆确定为目标匹配车辆,将所述待分配订单分配给所述目标匹配车辆;
区域确定模块,用于基于预先根据历史订单数据获得的订单密集时段及对应的订单密集区域,选取给定时段对应的任一未检查的订单密集区域为目标区域;
订单区域确定模块,用于根据预先获得的所述目标区域的历史订单数量在所述给定时段的拟合关系,得到所述目标区域在所述给定时段的订单需求;
运力判断模块,用于在所述给定时段之前的预设时段,根据所述目标区域的可用运力与所述订单需求判定该目标区域的运力是否充足;
引导模块,用于在所述目标区域的运力不足的情况下,在所述给定时段之前的预设时间段内引导指定区域的可用车辆靠近所述目标区域;
其中,获取所述目标区域的可用运力的过程包括:
获取所述目标区域内的当前可用车辆的第一数量;
获取以所述目标区域为目的地的车辆且在第一预设时长内能够抵达所述目标区域的可用车辆的第二数量;
根据历史遵从运力引导的车辆比例和指定区域内可用车辆数量的乘积,获得通过运力引导抵达所述目标区域的可用车辆的第三数量;
计算第一数量、第二数量和第三数量的总和,得到所述目标区域的可用运力;
其中,获取所述指定区域的过程包括:
获取距离所述目标区域第二预设距离范围的第一区域;
获取抵达所述目标区域的行驶时间小于或等于第二预设时长的第二区域;
确定所述第一区域和所述第二区域的合集为所述指定区域。
9.一种服务器,其特征在于,包括:存储器和处理器;
所述存储器内存储有程序指令;
所述处理器用于调用所述存储器中的程序指令以执行权利要求1-7任一项所述的出行订单分配方法。
10.一种存储介质,所述存储介质中存储有程序指令,所述程序指令被处理器加载并执行时实现权利要求1-7任一项所述的出行订单分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010680024.1A CN111882186B (zh) | 2020-07-15 | 2020-07-15 | 出行订单分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010680024.1A CN111882186B (zh) | 2020-07-15 | 2020-07-15 | 出行订单分配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882186A CN111882186A (zh) | 2020-11-03 |
CN111882186B true CN111882186B (zh) | 2022-04-26 |
Family
ID=73151469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010680024.1A Active CN111882186B (zh) | 2020-07-15 | 2020-07-15 | 出行订单分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882186B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118379866B (zh) * | 2024-06-24 | 2024-09-10 | 四川万网鑫成信息科技有限公司 | 基于大数据的车辆调度方法、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341553A (zh) * | 2017-05-26 | 2017-11-10 | 北京三快在线科技有限公司 | 一种车辆调度方法及装置,电子设备 |
CN109636216A (zh) * | 2018-12-19 | 2019-04-16 | 义乌市腾飞汽车代驾服务有限公司 | 一种乘客订单的生成方法和装置 |
CN110580575A (zh) * | 2019-08-27 | 2019-12-17 | 南京领行科技股份有限公司 | 一种订单派发方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112017001267B4 (de) * | 2016-03-11 | 2024-05-02 | Panasonic Automotive Systems Co., Ltd. | Automatikfahrzeug-Dispatchingsystem und Servervorrichtung |
-
2020
- 2020-07-15 CN CN202010680024.1A patent/CN111882186B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341553A (zh) * | 2017-05-26 | 2017-11-10 | 北京三快在线科技有限公司 | 一种车辆调度方法及装置,电子设备 |
CN109636216A (zh) * | 2018-12-19 | 2019-04-16 | 义乌市腾飞汽车代驾服务有限公司 | 一种乘客订单的生成方法和装置 |
CN110580575A (zh) * | 2019-08-27 | 2019-12-17 | 南京领行科技股份有限公司 | 一种订单派发方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111882186A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983638B (zh) | 电动汽车充电推荐系统及方法 | |
US11288603B2 (en) | System for real-time optimal matching of ride sharing requests | |
CN105761481B (zh) | 面向出租车动态合乘的智能调度方法和系统 | |
JP2004362271A (ja) | 相乗り乗車システム、乗車情報処理装置および相乗り乗車方法 | |
CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
EP2556335A2 (en) | Public transport optimization | |
US20130204656A1 (en) | Method and Application for Batch-Based Queue Management System | |
CN111178716B (zh) | 一种竞拍式的自动驾驶出租车空车调度方法 | |
Mourad et al. | Owning or sharing autonomous vehicles: comparing different ownership and usage scenarios | |
CN114548723A (zh) | 基于云边协同的实时车货匹配与路径推荐方法及其系统 | |
CN113393137A (zh) | 一种基于车联网的调度共享系统 | |
CN105792134A (zh) | 一种拼车方法及装置 | |
CN108960465A (zh) | 一种考虑预期服务水平的停车场选择预约系统及方法 | |
Liu et al. | Poster: Foodnet: Optimized on demand take-out food delivery using spatial crowdsourcing | |
CN111882186B (zh) | 出行订单分配方法及装置 | |
CN110414737A (zh) | 公共交通行程处理方法、装置、电子设备及存储介质 | |
CN112562206A (zh) | 一种新能源共享汽车智能调度方法、系统及服务器 | |
CN111797323A (zh) | 一种基于大数据的停车场智能推荐系统 | |
CN117808273B (zh) | 乘客出发时刻协同与阶段反馈的城际拼车调度方法及装置 | |
CN107437129B (zh) | 预约单处理方法及服务器 | |
JP4158894B2 (ja) | 路車間サービス提供システム | |
CN113614802B (zh) | 信息提供系统及信息提供方法 | |
CN110555734A (zh) | 提示信息的推送方法、装置、服务器和存储介质 | |
CN113129102B (zh) | 一种延迟派单方法、装置、电子设备及存储介质 | |
CN115204433A (zh) | 一种面向自动驾驶汽车的共享泊位预约匹配方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |