CN113159353A - 网约车订单分配方法、装置及计算机存储介质 - Google Patents
网约车订单分配方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN113159353A CN113159353A CN202110505137.2A CN202110505137A CN113159353A CN 113159353 A CN113159353 A CN 113159353A CN 202110505137 A CN202110505137 A CN 202110505137A CN 113159353 A CN113159353 A CN 113159353A
- Authority
- CN
- China
- Prior art keywords
- order
- information
- driver
- target
- portrait
- 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 45
- 230000000977 initiatory effect Effects 0.000 claims abstract description 9
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 15
- 238000013136 deep learning model Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 4
- 239000004020 conductor Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (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
本发明公开了一种网约车订单分配方法、装置及计算机存储介质,涉及网约车监管技术领域,解决了在网约车场景下司乘的安全性较低、投诉率较高的技术问题。该网约车订单分配方法包括:获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。
Description
技术领域
本发明涉及网约车监管技术领域,尤其涉及一种网约车订单分配方法、装置及计算机存储介质。
背景技术
目前,通过网约车出行已经成为人们常用的出行方式之一。网约车平台在接收到用户提交的出行订单后,可以从请求接单的司机中选择一位司机,并将该出行订单匹配给该司机。
现有技术中,网约车平台通常是从乘客所处位置的预设范围内寻找空闲车辆。然而这种方式虽然可以保证用户的出行效率,却不能保证司乘关系的和谐性,而不和谐的司乘关系会严重影响行程的安全性,并提高网约车平台上的投诉率。
因此,本领域的技术人员致力于开发一种可以提高网约车场景下司乘的安全性并降低投诉率的网约车订单分配方法、装置及计算机存储介质。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是:如何提高网约车场景下司乘的安全性并降低投诉率。
为实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种网约车订单分配方法,该网约车订单分配方法包括:获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。
本发明实施例中,可以获取乘客画像、司机画像和订单信息,并根据这些信息确定行程危险指数,以及根据行程危险指数对应的危险等级对司机采取相应处理措施。通过该方案,由于可以根据行程危险指数对司机进行监管,因此可以避免将乘客的订单匹配给不合适的司机或者通过警示司机达到促进司乘关系和谐的效果,从而可以提高司乘的安全性并降低乘客与司机之间的投诉率,减少客服平台压力的同时,还可以促进网约车平台的可持续发展。
在本发明的较佳实施方式中,上述根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数,包括:将所述第一画像信息、第二画像信息以及所述订单信息输入到行程危险指数模型,得到所述行程危险指数。
在本发明的较佳实施方式中,上述方法还包括:从数据库中获取预设时间段内的历史订单特征,所述历史订单特征包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;将所述乘客画像信息、所述司机画像信息以及所述历史订单信息作为输入,将所述乘客满意度作为输出,采用深度学习模型,训练并得到所述行程危险指数模型。
在本发明的较佳实施方式中,上述第一画像信息包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量;第二画像信息包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名;订单信息包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。
第二方面,本发明提供了一种网约车订单分配装置,包括:获取单元和处理单元;该获取单元,用于获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;该处理单元,用于根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;并根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。
在本发明的较佳实施方式中,上述处理单元具体用于:将所述第一画像信息、第二画像信息以及所述订单信息输入到行程危险指数模型,得到所述行程危险指数。
在本发明的较佳实施方式中,上述获取单元,还用于从数据库中获取预设时间段内的历史订单特征,所述历史订单特征包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;上述处理单元还用于将所述乘客画像信息、所述司机画像信息以及所述历史订单信息作为输入,将所述乘客满意度作为输出,采用深度学习模型,训练并得到所述行程危险指数模型。
在本发明的较佳实施方式中,上述第一画像信息包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量;第二画像信息包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名;订单信息包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。
第三方面,本发明提供了一种网约车订单分配装置,包括存储器和处理器。存储器用于存储计算机执行指令,处理器与存储器通过总线连接。当网约车订单分配装置运行时,处理器执行存储器存储的计算机执行指令,以使网约车订单分配装置执行上述第一方面及其各种可能的实施方式提供的网约车订单分配方法。
第四方面,提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令,当计算机执行指令在计算机上运行时,使得网约车订单分配装置执行上述第一方面及其各种可能的实施方式提供的网约车订单分配方法。
第五方面,提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在计算机上运行时,使得网约车订单分配装置执行上述第一方面及其各种可能的实施方式提供的网约车订单分配方法。
需要说明的是,上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中,计算机可读存储介质可以与执行网约车订单分配装置的处理器封装在一起的,也可以与执行网约车订单分配装置的处理器单独封装,本发明实施例对此不作限定。
本发明中第二方面、第三方面、第四方面以及第五方面的描述,可以参考第一方面的详细描述;并且,第二方面、第三方面、第四方面以及第五方面描述的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明实施例提供的网约车订单分配方法的一个较佳实施例的流程示意图;
图2是本发明实施例提供的网约车订单分配方法中根据行程危险指数监管司机的示意图;
图3是本发明实施例提供的网约车订单分配装置的结构示意图之一;
图4是本发明实施例提供的网约车订单分配装置的结构示意图之二。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本发明实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
为了便于清楚描述本发明实施例的技术方案,在本发明实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
为了阐释的目的而描述了本发明的一些示例性实施例,需要理解的是,本发明可通过附图中没有具体示出的其他方式来实现。
通常情况下,网约车平台是从乘客所处位置的预设范围内寻找距离最近的空闲车辆,并将乘客发起的网约车订单与找到的空闲车辆进行匹配。然而,这种方式虽然可以保证用户的出行效率,却不能保证司乘关系的和谐性,而不和谐的司乘关系会严重影响行程的安全性,并提高网约车平台上的投诉率。
为了提高网约车场景下司乘的安全性并降低投诉率,本发明提供了一种网约车订单分配方法,该网约车订单分配方法可以获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。通过该方案,由于可以根据行程危险指数对司机进行监管,因此可以避免将乘客的订单匹配给不合适的司机或者通过警示司机达到促进司乘关系和谐的效果,从而可以提高司乘的安全性并降低乘客与司机之间的投诉率,减少客服平台压力的同时,还可以促进网约车平台的可持续发展。
下面结合具体实施例和附图对上述实现方式进行详细的阐述。
如图1所示,本发明实施例提供一种网约车订单分配方法,该网约车订单分配方法可以应用于网约车订单分配装置。该网约车订单分配装置可以为终端中的部件、集成电路、或芯片,可以为移动电子设备,如笔记本电脑,也可以为非移动电子设备,如服务器。该网约车订单分配方法可以包括:S101-S103:
S101、网约车订单分配装置获取发起目标订单的乘客的第一画像信息、欲匹配到目标订单的司机的第二画像信息以及目标订单的订单信息。
当乘客通过网约车平台发起目标订单后,网约车订单分配装置可以通过网约车平台接收到该目标订单,并响应于接收到的目标订单,在订单匹配池中匹配找单的司机,该订单匹配池用于存储乘客的订单数据和司机申请订单的数据。具体的,网约车订单分配装置可以从数据库中抓取该乘客的第一画像信息和该目标订单的订单信息,在确定欲匹配到该目标订单的司机,即候选司机后,网约车订单分配装置还可以从该数据库中抓取该司机的第二画像信息。
可选的,网约车订单分配装置确定候选司机的方法可以包括以下至少一项:与乘客的距离最近、发起抢单的速度最快、综合评价分最高等。具体可以根据实际使用情况确定,本申请实施例对此不做限定。
可选的,上述第一画像信息可以包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量。基础画像是指乘客的基本信息,如性别、年龄、昵称等;挑剔程度是指根据主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量等确定的评价信息。
需要说明的是,主动评价数量排名是指乘客历史中发起的评价数量在一个区域内乘客评价数量中的排名情况;历史被差评数量是指该乘客历史发起的订单中被司机差评的次数;历史被拉黑数量是指该乘客历史发起的订单中被司机拉黑的次数;历史被在线投诉数量是指该乘客历史发起的订单中被司机通过网约车平台的方式投诉的次数;历史被热线投诉数量是指该乘客历史发起的订单中被司机通过电话方式投诉的次数。
可选的,除上述所列信息之外,第一画像信息还可以包括历史发单量、历史被接单量、历史完单量、历史有发单行为的天数、历史接单天数、历史完单天数、距离上次发单的天数、最近一次发单时间、高价偏好系数、价格偏好分类等信息。需要说明的是,本申请实施例所列的第一画像信息的内容仅为示例性说明,而非用于限定本申请,任意可以描述乘客特征的信息都属于第一画像信息的保护范围。
可选的,上述第二画像信息可以包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名。该基础画像是指司机姓名、性别、年龄、车辆信息、常驻城市、注册时长等;被动负面排名是指司机被差评次数、被拉黑次数、被在线投诉次数以及被热线投诉次数的总和与完单总数的比值在一个区域的司机中的排名。
可选的,除上述所列信息之外,第二画像信息还可以包括历史接单量、历史完单量、接单天数、完单天数、最近一次接单时间、高价格偏好系数、补贴单占比系数、接单频次变化系数、找单频次变化系数、网约车平台通过各方面的综合评价得到的信任分等。其中,XA是指司机A历史订单价格的平均数,X最小值是指一个区域内的所有司机的历史订单价格平均数中的最小值,X最大值是指一个区域内的所有司机的历史订单价格平均数中的最大值。其中,YA是指司机A历史每天接单频次平均值,Y最小值是指一个区域内的所有司机的历史每天接单频次平均值中的最小值,Y最大值是指一个区域内的所有司机的历史每天接单频次平均值中的最大值。 其中,ZA是指司机A历史每天找单频次平均值,Z最小值是指一个区域内的所有司机的历史每天找单频次平均值中的最小值,Z最大值是指一个区域内的所有司机的历史每天找单频次平均值中的最大值。需要说明的是,本申请实施例所列的第二画像信息的内容仅为示例性说明,而非用于限定本申请,任意可以描述司机特征的信息都属于第二画像信息的保护范围。
可选的,上述订单信息可以包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。除此之外,还可以包括预计到达时间、计划乘车时间、乘车人数、是否拼单是否设置紧急联系人等。需要说明的是,本申请实施例所列的订单信息的内容仅为示例性说明,而非用于限定本申请,任意可以描述订单特征的信息都属于订单信息的保护范围。
S102、网约车订单分配装置根据第一画像信息、第二画像信息以及订单信息,确定将目标订单匹配到该司机后的行程危险指数。
可选的,网约车订单分配装置可以将上述S101获取的第一画像信息、第二画像信息以及订单信息输入到行程危险指数模型,从而得到行程危险指数。
可选的,在将第一画像信息、第二画像信息以及订单信息输入到行程危险指数模型之前,网约车订单分配装置可以先通过历史数据训练并得到该行程危险指数模型。具体的,网约车订单分配装置可以从数据库中获取预设时间段内的历史订单特征,该历史订单特征可以包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;需要说明的是,乘客满意度是根据订单完成后,乘客对订单的评价、订单执行过程中是否发生安全事故等信息确定的。然后,将该乘客画像信息、司机画像信息以及历史订单信息作为输入,将该乘客满意度作为输出,采用deepfm深度学习模型,训练并得到行程危险指数模型。
需要说明的是,行程危险指数即乘客满意度的数字化体现。行程危险指数越高表示乘客的满意度越低,行程危险指数的取值范围为(0,1)。
S103、网约车订单分配装置根据行程危险指数对应的危险等级对司机采取相应处理措施。
其中,上述处理措施可以包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。
如图2所示,行程危险指数对应的危险等级可以包括极高、高、中、低、极地。当行程危险指数位于(0.9,1]区间时,行程危险指数对应的危险等级为极高,网约车订单分配装置可以禁止将目标订单匹配到该司机。当行程危险指数位于(0.8,0.9]区间时,行程危险指数对应的危险等级为高,网约车订单分配装置可以延迟将目标订单匹配到该司机的时间,即先寻找其他更合适的司机匹配该目标订单,若找不到,则仍将目标订单匹配给该司机。当行程危险指数位于(0.5,0.8]区间时,行程危险指数对应的危险等级为中,网约车订单分配装置可以向该司机发送服务警示信息,该服务警示信息用于提示司机保持良好的服务态度。当行程危险指数位于(0.3,0.5]区间时,行程危险指数对应的危险等级为低,当行程危险指数位于(0,0.3]区间时,行程危险指数对应的危险等级为极低,在危险等级为低或极低时,网约车订单分配装置可以正常匹配该目标订单。
本发明实施例中,可以获取乘客画像、司机画像和订单信息,并根据这些信息确定行程危险指数,以及根据行程危险指数对应的危险等级对司机采取相应处理措施。通过该方案,由于可以根据行程危险指数对司机进行监管,因此可以避免将乘客的订单匹配给不合适的司机或者通过警示司机达到促进司乘关系和谐的效果,从而可以提高司乘的安全性并降低乘客与司机之间的投诉率,减少客服平台压力的同时,还可以促进网约车平台的可持续发展。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例提供的网约车订单分配方法,执行主体可以为网约车订单分配装置,或者该网约车订单分配装置中的用于网约车订单分配的控制模块。本申请实施例中以网约车订单分配装置执行网约车订单分配方法为例,说明本申请实施例提供的网约车订单分配装置。
需要说明的是,本申请实施例可以根据上述方法示例对网约车订单分配装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的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的形式实现。可选的,本申请实施例中对模块的划分是示意性的,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。
如图3所示,本申请实施例提供一种网约车订单分配装置300。该网约车订单分配装置300包括:获取单元301和处理单元302。该获取单元301,可以用于获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息。该处理单元302,可以用于根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;并根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。
可选的,上述处理单元302具体可以用于:将所述第一画像信息、第二画像信息以及所述订单信息输入到行程危险指数模型,得到所述行程危险指数。
可选的,上述获取单元301,还可以用于从数据库中获取预设时间段内的历史订单特征,所述历史订单特征包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;上述处理单元302还可以用于将所述乘客画像信息、所述司机画像信息以及所述历史订单信息作为输入,将所述乘客满意度作为输出,采用深度学习模型,训练并得到所述行程危险指数模型。
可选的,上述第一画像信息包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量;第二画像信息包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名;订单信息包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。
当然,本申请实施例提供的网约车订单分配装置300包括但不限于上述单元。
本发明实施例提供的网约车订单分配装置,可以获取乘客画像、司机画像和订单信息,并根据这些信息确定行程危险指数,以及根据行程危险指数对应的危险等级对司机采取相应处理措施。通过该方案,由于可以根据行程危险指数对司机进行监管,因此可以避免将乘客的订单匹配给不合适的司机或者通过警示司机达到促进司乘关系和谐的效果,从而可以提高司乘的安全性并降低乘客与司机之间的投诉率,减少客服平台压力的同时,还可以促进网约车平台的可持续发展。
本申请实施例还提供一种如图4所示的网约车订单分配装置,该网约车订单分配装置包括处理器11,存储器12、通信接口13、总线14。处理器11,存储器12以及通信接口13之间可以通过总线14连接。
处理器11是网约车订单分配装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器11可以是一个通用中央处理单元(central processingunit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器11可以包括一个或多个CPU,例如图4中所示的CPU 0和CPU 1。
存储器12可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
一种可能的实现方式中,存储器12可以独立于处理器11存在,存储器12可以通过总线14与处理器11相连接,用于存储指令或者程序代码。处理器11调用并执行存储器12中存储的指令或程序代码时,能够实现本申请实施例提供的服务功能链的部署方法。
另一种可能的实现方式中,存储器12也可以和处理器11集成在一起。
通信接口13,用于与其他设备通过通信网络连接。所述通信网络可以是以太网,无线接入网,无线局域网(wireless local area networks,WLAN)等。通信接口13可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
总线14,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图4示出的结构并不构成对该网约车订单分配装置的限定。除图4所示部件之外,该网约车订单分配装置可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质包括计算机执行指令。当计算机执行指令在计算机上运行时,使得计算机执行如上述实施例提供的网约车订单分配方法中,执行网约车订单分配装置执行的各个步骤。
本发明实施例还提供一种计算机程序产品,该计算机程序产品可直接加载到存储器中,并含有软件代码,该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的网约车订单分配方法中,执行网约车订单分配装置执行的各个步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端执行本发明各个实施例所述的方法。
上述实施例仅示例性说明本发明的原理及功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种网约车订单分配方法,其特征在于,包括:
获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;
根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;
根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。
2.如权利要求1所述的网约车订单分配方法,其特征在于,所述根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数,包括:
将所述第一画像信息、第二画像信息以及所述订单信息输入到行程危险指数模型,得到所述行程危险指数。
3.如权利要求2所述的网约车订单分配方法,其特征在于,所述方法还包括:
从数据库中获取预设时间段内的历史订单特征,所述历史订单特征包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;
将所述乘客画像信息、所述司机画像信息以及所述历史订单信息作为输入,将所述乘客满意度作为输出,采用深度学习模型,训练并得到所述行程危险指数模型。
4.如权利要求1-3任一项所述的网约车订单分配方法,其特征在于,
所述第一画像信息包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量;
所述第二画像信息包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名;
所述订单信息包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。
5.一种网约车订单分配装置,其特征在于,包括:获取单元和处理单元;
所述获取单元,用于获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;
所述处理单元,用于根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;并根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。
6.如权利要求5所述的网约车订单分配装置,其特征在于,所述处理单元具体用于:将所述第一画像信息、第二画像信息以及所述订单信息输入到行程危险指数模型,得到所述行程危险指数。
7.如权利要求6所述的网约车订单分配装置,其特征在于,所述获取单元,还用于从数据库中获取预设时间段内的历史订单特征,所述历史订单特征包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;
所述处理单元还用于将所述乘客画像信息、所述司机画像信息以及所述历史订单信息作为输入,将所述乘客满意度作为输出,采用深度学习模型,训练并得到所述行程危险指数模型。
8.如权利要求5-7任一项所述的网约车订单分配装置,其特征在于,
所述第一画像信息包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量;
所述第二画像信息包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名;
所述订单信息包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。
9.一种网约车订单分配装置,其特征在于,包括存储器和处理器;所述存储器用于存储计算机执行指令,所述处理器与所述存储器通过总线连接;
当所述网约车订单分配装置运行时,所述处理器执行所述存储器存储的所述计算机执行指令,以使所述网约车订单分配装置执行如权利要求1-4中任一项所述的网约车订单分配方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括计算机执行指令,当所述计算机执行指令在计算机上运行时,使得所述计算机执行如权利要求1-4中任一项所述的网约车订单分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110505137.2A CN113159353A (zh) | 2021-05-10 | 2021-05-10 | 网约车订单分配方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110505137.2A CN113159353A (zh) | 2021-05-10 | 2021-05-10 | 网约车订单分配方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113159353A true CN113159353A (zh) | 2021-07-23 |
Family
ID=76874088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110505137.2A Pending CN113159353A (zh) | 2021-05-10 | 2021-05-10 | 网约车订单分配方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159353A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219305A (zh) * | 2021-12-16 | 2022-03-22 | 广州宸祺出行科技有限公司 | 一种增强网约车风控系统稳定性的方法及系统 |
CN114239893A (zh) * | 2021-12-21 | 2022-03-25 | 南京领行科技股份有限公司 | 车辆派单方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555536A (zh) * | 2019-09-06 | 2019-12-10 | 南京领行科技股份有限公司 | 一种网约车订单的安全性预测方法、装置、设备和存储介质 |
WO2020138826A1 (ko) * | 2018-12-24 | 2020-07-02 | (주)스타릭스 | 모빌리티 서비스에서의 기사 및 승객의 상호매칭 시스템, 및 방법 |
CN112612958A (zh) * | 2020-12-24 | 2021-04-06 | 汉海信息技术(上海)有限公司 | 订单处理方法、装置、电子设备和计算机可读介质 |
CN112749819A (zh) * | 2021-01-21 | 2021-05-04 | 南京领行科技股份有限公司 | 一种网约车派单方法、装置、服务器及存储介质 |
-
2021
- 2021-05-10 CN CN202110505137.2A patent/CN113159353A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020138826A1 (ko) * | 2018-12-24 | 2020-07-02 | (주)스타릭스 | 모빌리티 서비스에서의 기사 및 승객의 상호매칭 시스템, 및 방법 |
CN110555536A (zh) * | 2019-09-06 | 2019-12-10 | 南京领行科技股份有限公司 | 一种网约车订单的安全性预测方法、装置、设备和存储介质 |
CN112612958A (zh) * | 2020-12-24 | 2021-04-06 | 汉海信息技术(上海)有限公司 | 订单处理方法、装置、电子设备和计算机可读介质 |
CN112749819A (zh) * | 2021-01-21 | 2021-05-04 | 南京领行科技股份有限公司 | 一种网约车派单方法、装置、服务器及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219305A (zh) * | 2021-12-16 | 2022-03-22 | 广州宸祺出行科技有限公司 | 一种增强网约车风控系统稳定性的方法及系统 |
CN114239893A (zh) * | 2021-12-21 | 2022-03-25 | 南京领行科技股份有限公司 | 车辆派单方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11279368B2 (en) | System and method for determining safety score of driver | |
CN109376311A (zh) | 适用于多个共乘模型的驾驶员-乘车者匹配的系统、方法和装置 | |
US20170169366A1 (en) | Systems and Methods for Adjusting Ride-Sharing Schedules and Routes | |
CN110869953A (zh) | 推荐交通出行服务的系统和方法 | |
CN108629504B (zh) | 为用户提供出行服务的方法及装置 | |
GB2535718A (en) | Resource management | |
CN113159353A (zh) | 网约车订单分配方法、装置及计算机存储介质 | |
CN107230091B (zh) | 拼车请求订单匹配方法及装置 | |
CN106919996A (zh) | 一种目的地预测方法及装置 | |
CN106997577A (zh) | 一种订单策略动态调整方法及装置 | |
CN108332765B (zh) | 拼车出行路线生成方法及装置 | |
US20240078567A1 (en) | System and methods for predicting rental vehicle use preferences | |
US20210042817A1 (en) | Methods and systems for order allocation | |
CN110363611B (zh) | 网约车用户匹配方法、装置、服务器及存储介质 | |
US20210201393A1 (en) | System and method for bidding-based ridesharing | |
CN111899061A (zh) | 订单推荐方法、装置、设备及存储介质 | |
US20200211122A1 (en) | Artificial intelligent systems and methods for recommending at least one insurance company | |
JP6435773B2 (ja) | 共用車両管理装置及び共用車両管理方法 | |
CN111259119B (zh) | 一种问题推荐方法及装置 | |
CN111325436A (zh) | 网约车同行乘客匹配方法及系统、存储介质及服务器 | |
CN110910202B (zh) | 一种订单处理方法及装置 | |
CN111353093B (zh) | 问题推荐方法、装置、服务器及可读存储介质 | |
CN111612493B (zh) | 一种用户分群方法及装置 | |
CN110826943A (zh) | 判断是否需要进行配车及确定公交配车数的方法及相关设备 | |
CN111612286A (zh) | 一种订单分配方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |