CN112070377A - 出行服务处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种出行服务处理方法、装置、电子设备及存储介质。所述方法包括：确定目标车辆下各个出行订单关联的出行特征因子；其中所述出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；依据所述出行联控数据，对目标车辆的出行服务进行调整改进。采用申请方案能够从多个维度指标对乘客的心声进行实时监测，使运营人员了解乘客的满意度情况，并根据监测结果对造成目标车辆的出行服务问题进行服务调整，让乘客有一个满意的服务体验。

Description

出行服务处理方法、装置、电子设备及存储介质

技术领域

本申请实施例涉及车联网技术领域，尤其涉及一种出行服务处理方法、装置、电子设备及存储介质。

背景技术

随着网约车行业的不断成熟，通过网约车进行出行已成为人们生活中不可或缺的一部分，网约车市场已然进入了规模化的稳定发展阶段。伴随网约车的不断发展，提高网约车出行服务质量成为一个重要环节。现有方案只能根据乘客的评价对网约车的出行服务进行调整改进，但是仅依靠乘客评价存在一定的片面性，导致出现服务的调整改进无明显效果，影响乘客的出行体验。

发明内容

本申请实施例中提供了一种出行服务处理方法、装置、电子设备及存储介质，以实现从多个维度的数据来对出行服务进行调整改进，提高乘客出行体验。

第一方面，本申请实施例中提供了一种出行服务处理方法，包括：

确定目标车辆下各个出行订单关联的出行特征因子；其中所述出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；

依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；

依据所述出行联控数据，对目标车辆的出行服务进行调整改进。

第二方面，本申请实施例中还提供了一种出行服务处理装置，包括：

出行特征确定模块，用于确定目标车辆下各个出行订单关联的出行特征因子；所述出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；

联控数据确定模块，用于依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；

出行服务调整模块，用于依据所述出行联控数据，对目标车辆的出行服务进行调整改进。

第三方面，本申请实施例中还提供了一种电子设备，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本申请任意实施例中提供的出行服务处理方法。

第四方面，本申请实施例中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任意实施例中提供的出行服务处理方法。

本申请实施例中提供了一种出行服务处理方法，针对每一个目标车辆，可分析确定目标车辆下各个出行订单关联的出行特征因子，而出行特征因子包括订单出行特征、车辆出行特征、乘客评价特征以及乘客投诉特征等多个维度的属性特征，进而能够多个维度的出行特征因子来构建目标车辆、出行订单以及乘客之间的出行联控数据，便于根据联控数据对目标车辆的出行服务进行调整改进，可见采用申请方案能够从多个维度指标对乘客的心声进行实时监测，使运营人员了解乘客的满意度情况，并根据监测结果对造成目标车辆的出行服务问题进行服务调整，让乘客有一个满意的服务体验。

上述申请内容仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是本申请实施例中提供的一种出行服务处理方法的流程图；

图2是本申请实施例中提供的一种出行服务处理装置的结构框图；

图3是本申请实施例中提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本公开，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

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(或步骤)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。

图1是本申请实施例中提供的一种出行服务处理方法的流程图。本申请实施例可适用于在出行服务中对乘客提供精准服务的情况。该方法可以由出行服务处理装置来执行，该装置可以采用软件和/或硬件的方式来实现，该装置可以配置于具有网络通信功能的电子设备中。如图1所示，本申请实施例中提供的出行服务处理方法，可包括以下步骤：

S110、确定目标车辆下各个出行订单关联的出行特征因子；其中出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征。

在本实施例中，目标车辆可为从众多用于提供出行服务的车辆中选出的需要进行出行服务调整改进的预设类型车辆。目标车辆在不同时间会有多个出行订单，且每一个出行订单均关联有多个维度的出行特征因子。例如，从出行订单的订单自身属性维度可包括订单出行特征；从出行订单对应的目标车辆属性维度可包括车辆出行特征；从出行订单对应的乘客属性维度可包括乘客评价特征以及乘客投诉特征。

在本实施例的一种可选方案中，确定目标车辆下各个出行订单关联的出行特征因子，可包括以下步骤A1-A3：

步骤A1、获取目标车辆下各个出行订单的出行订单信息，并从中提取各个出行订单关联的订单出行特征；其中订单出行特征包括订单属性特征、乘客对出行订单的乘客评价特征以及乘客投诉特征。

在本实施例中，对于出行订单信息的采集，可通过乘客出行软件，在乘客享受出行服务的过程，采集乘客冒泡、呼单以及下单等出行订单信息。以订单为主体，可从采集的出行订单信息中提取订单ID、订单开始时间、订单结束时间、订单接单时长、订单完单时长等订单出行特征信息。

在本实施例中，对于乘客评价信息的采集，用户享受服务后，对本次服务的评价，采集乘客评价享受服务的乘客评价信息。以及，对于乘客投诉信息的采集，用户在享受服务的过程中，遇到不舒服的服务，可以对本次出行进行投诉，采集乘客对服务感知不好的信息，即可采集得到在享受出行服务后的乘客投诉信息。这样就可从乘客评价信息中提取乘客对出行订单的评价星级、评价描述、评价时间等乘客评价特征，以及从乘客投诉信息中提取乘客对本次出行订单的投诉时间、投诉内容等乘客投诉特征。

步骤A2、获取通过目标车辆上车载传感器，采集的目标车辆下各个出行订单关联的车联网数据、车辆外部环境数据以及车辆状态数据，并从中提取各个出行订单关联的车辆出行特征。

在本实施例中，目标车辆上可以安装T-BOX，通过T-BOX可与目标车辆上设置的车内的各关联部件连接，例如通过T-BOX可与高级驾驶辅助系统ADAS上的车载传感器进行连接，这样就可以通过预先安装的T-BOX获取通过车载传感器采集到的目标车辆的运行数据。可选地，目标车辆上的车载传感器可包括以下至少一项：摄像头、雷达、激光和超声波等，通过探测光、热等用于监测目标车辆的车辆数据。

在本实施例中，车载传感器可设置在目标车辆的外部，如前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上，用于目标车辆下各个出行订单关联的车联网数据、车辆外部环境数据以及车辆状态数据。这样，就可从车联网数据中提取车内分贝数量、车辆速度、车辆故障标志、车辆预警标志等车辆出行特征信息；从车辆外部环境数据中提取天气类型、路况状况以及车辆位置信息等车辆出行特征信息；以及，从车辆状态数据中提取车辆运营状态、剩余电量、剩余可行驶里程数、车辆胎压、车辆本身的行车速度以及车辆按喇叭频率等车辆出行特征信息。

步骤A3、获取各个出行订单的乘客所属的乘客出行数据，并从中提取乘客的乘客出行特征。

在本实施例中，对于出行订单的每一个乘客而言，还可从获取的各个出行订单的乘客所属的乘客出行数据中提取各个乘客的乘客id、乘客出发时间、乘客上车时间、乘客乘车时长、乘客乘车距离等乘客出行特征。

S120、依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据。

在本实施例中，对获取的不同维度的出行特征因子，出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征等不同维度的特征因子，而订单出行特征具体包括订单属性特征、乘客对出行订单的乘客评价特征以及乘客投诉特征等不同维度的特征。基于车辆出行特征、订单属性特征、回访数据、乘客出行特征、乘客评价特征以及乘客投诉特征等多个维度的特征数据，通过数据分析和数据算法技术，采用数据联控的方法，联合不同维度的特征数据搭建以乘客为中心的服务指标体系，进而通过搭建的目标车辆、出行订单以及乘客之间的出行联控数据提高对乘客的精准服务。

在本实施例的一种可选方案中，依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据，可包括以下步骤B1-B2：

步骤B1、依据各个出行订单关联的出行特征因子，确定各个出行订单所属的出行服务评价级别，以及确定乘客对每一个出行订单的乘客评价关键词。

在本实施例中，可选地，可依据各个出行订单关联的出行特征因子，采用k-means算法对各个出行订单进行聚类处理，确定每一个出行订单所属的出行服务评价级别。通过k-means聚类算法，同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。其中，聚类相似度是利用各聚类中对象的均值所获得一个中心对象来进行计算。

在本实施例中，k-means聚类算法形式化描述输入为聚类个数k，以及包含n个数据对象的数据库D输出为满足方差最小标准的k个聚类。通过对各个出行订单进行聚类处理，可将各个出行订单划分到多个订单聚类中，每一个订单聚类对应一个出行服务评价级别。

在本实施例中，好评类订单和差评类的关键元素的属性会不同，因此可对出行订单进行自动化提炼乘客评价关键词，同时对未评价的订单进行标注。以关键词元素为基础，通过对乘客评价特征以及乘客投诉特征进行计算分析，可对出行订单自动化提炼乘客评价关键词。可选地，预先设置的乘客关键词元素可为以下内容：关键词类型id、关键词类型名称、关键词id、关键词名称以及关键词业务含义等，其中表1为针对相关关键词元素的解释内容。

表1关键词元素表设计信息内容

步骤B2、构建不同出行服务评价级别下，目标车辆、出行订单、乘客以及乘客评价关键词间的出行联控数据。

在本实施例中，可选地，构建不同出行服务评价级别下，目标车辆、出行订单、乘客以及乘客评价关键词间的出行联控数据，可包括：针对同一出行服务评价级别下各个出行订单，将目标车辆的车载传感器分别与该同一出行服务评价级别下各个出行订单进行关联；将同一出行服务评价级别下各个出行订单与对应出行订单的乘客进行关联；将同一出行服务评价级别下各个出行订单的乘客分别与乘客对该出行订单的乘客评价关键词进行关联，以得到目标车辆、出行订单、乘客以及乘客评价关键词之间的出行联控数据，实现过程联控数据的制定，并沉淀联控数据。

S130、依据出行联控数据，对目标车辆的出行服务进行调整改进。

在本实施例中，以提供乘客精准服务能力为目标，依据不同出行服务评价级别下的出行联控数据，分别对不同出行服务评价级别下的出行订单进行特征分析，确定各个出行订单产生不同评级级别的影响因素，例如，寻找产生好评或差评出行订单的关键影响因子。按照评价结果进行积累，并把数据通过联控的机制进行展示，输出给运营人员查看，帮助运营人员掌握历史订单评价的情况，通过算法的处理，对未评价订单进行的预估，辅助运营人员对未评价的订单有科学的预测，并对乘客的评价和投诉内容与目前业务紧密结合。

在本实施例中，以车载传感器为车内摄像头与出行订单关联为例，k-means聚类算法的输入为：订单ID、乘客ID、车辆vin、车内分贝数、接单时长、接单里程、订单时间等生成的出行特征因子，输出为定义出行服务评价级别的三个聚类；通过k-means算法，输出三个聚类：优、良、一般。从上述发现优秀的是车内分贝数50-60左右、接单时间在2分钟、订单里程数在6公里，优秀。

在本实施例中，通过对出行联控数据进行大数据分析发现，可知当车压不足，车辆时速超过60km/h，车辆颠簸频率加大，乘客舒适度降低，导致乘客订单的差评率就升高。通过分析后，网约车系统提早对司机进行提醒，减少乘客的差单率。通过对出行联控数据进行大数据分析发现，通过车内摄像头采集的乘客图像信息与原始数据图像信息和关联的评价信息对比，可分析出乘客的乘车感受，以便对目标车辆的出行服务进行改进调整。

在本实施例中，通过将实时采集的订单数据与现有的数据聚类模型进行预测，自动化识别客户潜在评价，按照各种维度进行统计，各个维度包括：日期、地市、关键词类型、业务过程要素等。通过预测订单评价指数与订单数量等进行分析，让运营人员最快的时间察觉运营的情况，以引起注意和提高预防的主动技术。

本申请实施例中提供了一种出行服务处理方法，采用申请方案能够采取数据联控的方式建立乘客精准服务能力的方法，根据收集车联网信息、出行信息、评价和投诉信息；建立出行过程的联控机制，设计评价关键词事件库，不断总结评价关键词，找出评价关键词影响出行订单的过程，通过数据联控和数据算法对评价和投诉的数据、出行订单的数据进行模型训练，然后对评价和投诉行为的情况进行统计、分析和预测，通过乘客评价和投诉的信息与业务过程紧密结合进行实时监测，使运营人员了解乘客的满意度情况，让乘客有一个满意的服务体验，通过数据可视化技术，呈现出有价值的数据信息，提高了网约车企业的服务能力，覆盖范围更为广泛，可以应用到旅游行业的服务能力。

图2是本申请实施例中提供的一种出行服务处理装置的结构框图。本申请实施例可适用于在出行服务中对乘客提供精准服务的情况。该装置可以采用软件和/或硬件的方式来实现，该装置可以配置于具有网络通信功能的电子设备中。

如图2所示，本申请实施例中提供的出行服务处理装置，可包括以下：出行特征确定模块210、联控数据确定模块220和出行服务调整模块230。其中：

出行特征确定模块210，用于确定目标车辆下各个出行订单关联的出行特征因子；出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；

联控数据确定模块220，用于依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；

出行服务调整模块230，用于依据所述出行联控数据，对目标车辆的出行服务进行调整改进。

在上述实施例的基础上，可选地，出行特征确定模块210包括：

获取目标车辆下各个出行订单的出行订单信息，并从中提取各个出行订单关联的订单出行特征；所述订单出行特征包括订单属性特征、乘客对出行订单的乘客评价特征以及乘客投诉特征；

获取通过目标车辆上车载传感器，采集的目标车辆下各个出行订单关联的车联网数据、车辆外部环境数据以及车辆状态数据，并从中提取各个出行订单关联的车辆出行特征；

获取各个出行订单的乘客所属的乘客出行数据，并从中提取乘客的乘客出行特征。

在上述实施例的基础上，可选地，联控数据确定模块220包括：

评价级别确定单元，用于依据各个出行订单关联的出行特征因子，确定各个出行订单所属的出行服务评价级别，以及确定乘客对每一个出行订单的乘客评价关键词；

联控数据确定单元，用于构建不同出行服务评价级别下，目标车辆、出行订单、乘客以及乘客评价关键词间的出行联控数据。

在上述实施例的基础上，可选地，评价级别确定单元包括：

依据各个出行订单关联的出行特征因子，采用k-means算法对各个出行订单进行聚类处理，确定每一个出行订单所属的出行服务评价级别。

在上述实施例的基础上，可选地，联控数据确定单元包括：

针对同一出行服务评价级别下各个出行订单，将目标车辆的车载传感器分别与该同一出行服务评价级别下各个出行订单进行关联；

将同一出行服务评价级别下各个出行订单与对应出行订单的乘客进行关联；

将同一出行服务评价级别下各个出行订单的乘客分别与乘客对该出行订单的乘客评价关键词进行关联，以得到目标车辆、出行订单、乘客以及乘客评价关键词之间的出行联控数据。

在上述实施例的基础上，可选地，出行服务调整模块230包括：

依据不同出行服务评价级别下的出行联控数据，分别对不同出行服务评价级别下的出行订单进行分析，确定各个出行订单产生不同评级级别的影响因素。

本申请实施例中所提供的出行服务处理装置可执行上述本申请任意实施例中所提供的出行服务处理方法，具备执行出行服务处理方法相应的功能和有益效果，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例中所提供的出行服务处理方法。

图3是本申请实施例中提供的一种电子设备的结构示意图。如图3所示结构，本申请实施例中提供的电子设备包括：一个或多个处理器310和存储装置320；该电子设备中的处理器310可以是一个或多个，图3中以一个处理器310为例；存储装置320用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器310执行，使得所述一个或多个处理器310实现如本申请实施例中任一项所述的出行服务处理方法。

该电子设备还可以包括：输入装置330和输出装置340。

该电子设备中的处理器310、存储装置320、输入装置330和输出装置340可以通过总线或其他方式连接，图3中以通过总线连接为例。

该电子设备中的存储装置320作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本申请实施例中所提供的出行服务处理方法对应的程序指令/模块。处理器310通过运行存储在存储装置320中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中出行服务处理方法。

存储装置320可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储装置320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置330可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。

并且，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器310执行时，程序进行如下操作：

确定目标车辆下各个出行订单关联的出行特征因子；其中所述出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；

依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；

依据所述出行联控数据，对目标车辆的出行服务进行调整改进。

当然，本领域技术人员可以理解，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器310执行时，程序还可以进行本申请任意实施例中所提供的出行服务处理方法中的相关操作。

本申请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，该程序被处理器执行时用于执行出行服务处理方法，该方法包括：

确定目标车辆下各个出行订单关联的出行特征因子；其中所述出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；

依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；

依据所述出行联控数据，对目标车辆的出行服务进行调整改进。

可选的，该程序被处理器执行时还可以用于执行本申请任意实施例中所提供的出行服务处理方法。

本申请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(Random AccessMemory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。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、无线电频率(Radio Frequency，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申请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)。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者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。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请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申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种出行服务处理方法，其特征在于，包括：

确定目标车辆下各个出行订单关联的出行特征因子；其中所述出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；

依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；

依据所述出行联控数据，对目标车辆的出行服务进行调整改进。

2.根据权利要求1所述的方法，其特征在于，确定目标车辆下各个出行订单关联的出行特征因子，包括：

获取目标车辆下各个出行订单的出行订单信息，并从中提取各个出行订单关联的订单出行特征；所述订单出行特征包括订单属性特征、乘客对出行订单的乘客评价特征以及乘客投诉特征；

获取通过目标车辆上车载传感器，采集的目标车辆下各个出行订单关联的车联网数据、车辆外部环境数据以及车辆状态数据，并从中提取各个出行订单关联的车辆出行特征；

获取各个出行订单的乘客所属的乘客出行数据，并从中提取乘客的乘客出行特征。

3.根据权利要求1所述的方法，其特征在于，依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据，包括：

依据各个出行订单关联的出行特征因子，确定各个出行订单所属的出行服务评价级别，以及确定乘客对每一个出行订单的乘客评价关键词；

构建不同出行服务评价级别下，目标车辆、出行订单、乘客以及乘客评价关键词间的出行联控数据。

4.根据权利要求3所述的方法，其特征在于，依据各个出行订单关联的出行特征因子，确定各个出行订单所属的出行服务评价级别，包括：

依据各个出行订单关联的出行特征因子，采用k-means算法对各个出行订单进行聚类处理，确定每一个出行订单所属的出行服务评价级别。

5.根据权利要求3所述的方法，其特征在于，构建不同出行服务评价级别下，目标车辆、出行订单、乘客以及乘客评价关键词间的出行联控数据，包括：

针对同一出行服务评价级别下各个出行订单，将目标车辆的车载传感器分别与该同一出行服务评价级别下各个出行订单进行关联；

将同一出行服务评价级别下各个出行订单与对应出行订单的乘客进行关联；

将同一出行服务评价级别下各个出行订单的乘客分别与乘客对该出行订单的乘客评价关键词进行关联，以得到目标车辆、出行订单、乘客以及乘客评价关键词之间的出行联控数据。

6.根据权利要求3所述的方法，其特征在于，依据所述出行联控数据，对目标车辆的出行服务进行调整改进，包括：

依据不同出行服务评价级别下的出行联控数据，分别对不同出行服务评价级别下的出行订单进行分析，确定各个出行订单产生不同评级级别的影响因素。

7.一种出行服务处理装置，其特征在于，包括：

出行特征确定模块，用于确定目标车辆下各个出行订单关联的出行特征因子；所述出行特征因子包括订单出行特征、车辆出行特征以及乘客出行特征；

联控数据确定模块，用于依据各个出行订单关联的出行特征因子，构建目标车辆、出行订单以及乘客之间的出行联控数据；

出行服务调整模块，用于依据所述出行联控数据，对目标车辆的出行服务进行调整改进。

8.根据权利要求7所述的装置，其特征在于，联控数据确定模块包括：

评价级别确定单元，用于依据各个出行订单关联的出行特征因子，确定各个出行订单所属的出行服务评价级别，以及确定乘客对每一个出行订单的乘客评价关键词；

联控数据确定单元，用于构建不同出行服务评价级别下，目标车辆、出行订单、乘客以及乘客评价关键词间的出行联控数据。

9.一种电子设备，其特征在于，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权利要求1-6中任一所述的出行服务处理方法。

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，该程序被处理器执行时实现权利要求1-6中任一所述的出行服务处理方法。

Images