CN113205392A - 网约车判责方法、装置及计算机存储介质 - Google Patents

Abstract

本发明公开了一种网约车判责方法、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判责结果准确率较低的技术问题。该网约车判责方法包括：在得到目标订单的第一判责信息的情况下，获取所述目标订单的司乘交易信息；根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉；在确定所述第一判责信息会引起判责对象投诉的情况下，将所述第一判责信息更新为第二判责信息并输出。

Description

网约车判责方法、装置及计算机存储介质

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判责方法、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。

现有技术中，网约车平台通常可以在行程出现异常时进行责任判定。例如，若乘客未在规定时间内上车，则网约车平台可以根据乘客和司机的基本操作信息进行责任认定。然而，这种方式下产生的判责结果往往准确率较低。

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判责结果准确率的网约车判责方法、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判责结果准确率。

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判责方法，该网约车判责方法包括：在得到目标订单的第一判责信息的情况下，获取所述目标订单的司乘交易信息；根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉；在确定所述第一判责信息会引起判责对象投诉的情况下，将所述第一判责信息更新为第二判责信息并输出。

本发明实施例中，将判责信息准确度的问题转化为判责之后是否会引起判责对象投诉的问题，由于可以确定第一判责信息是否会引起判责对象投诉，并将会引起判责对象投诉的判责信息视为准确度低的判责信息，以及更改准确度低的判责信息，因此不仅可以提高判责信息的准确度，而且可以降低平台投诉率。

在本发明的较佳实施方式中，上述获取所述目标订单的司乘交易信息之前，所述方法还包括：在满足目标条件的情况下，确定所述目标订单的第一判责信息；其中，所述目标条件包括以下至少一项：订单未在预设时间节点内完成预设操作、订单被取消、接收到乘客投诉、订单完成。

在本发明的较佳实施方式中，上述方法还包括：在确定所述第一判责信息不会引起判责对象投诉的情况下，输出所述第一判责信息。

在本发明的较佳实施方式中，上述方法还包括：获取目标订单的投诉信息；将输出的目标订单的判责信息、目标订单的投诉信息与所述目标订单对应存储到数据库。

在本发明的较佳实施方式中，上述根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉，包括：将所述司乘交易信息和所述第一判责信息输入到投诉预测模型，预测所述第一判责信息是否会引起判责对象投诉。

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信息，所述历史订单信息包括司乘交易信息、订单判责信息以及订单投诉信息；将所述司乘交易信息、所述订单判责信息作为输入，将所述订单投诉信息作为输出，采用二分类学习模型，训练并得到所述投诉预测模型；其中，所述订单投诉信息包括存在判责对象投诉和不存在判责对象投诉。

在本发明的较佳实施方式中，上述司乘交易信息包括司机画像信息、乘客画像信息、订单轨迹信息、时间信息、司乘通话信息、司乘聊天信息、系统操作日志。

第二方面，本发明提供了一种网约车判责装置，包括：获取单元、处理单元和输出单元；所述获取单元，用于在得到目标订单的第一判责信息的情况下，获取所述目标订单的司乘交易信息；所述处理单元，用于根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉；所述输出单元，用于在确定所述第一判责信息会引起判责对象投诉的情况下，将所述第一判责信息更新为第二判责信息并输出。

在本发明的较佳实施方式中，上述获取单元获取所述目标订单的司乘交易信息之前，所述处理单元还用于在满足目标条件的情况下，确定所述目标订单的第一判责信息；其中，所述目标条件包括以下至少一项：订单未在预设时间节点内完成预设操作、订单被取消、接收到乘客投诉、订单完成。

在本发明的较佳实施方式中，上述输出单元还用于在确定所述第一判责信息不会引起判责对象投诉的情况下，输出所述第一判责信息。

在本发明的较佳实施方式中，上述获取单元还用于获取目标订单的投诉信息；上述处理单元还用于将输出的目标订单的判责信息、目标订单的投诉信息与所述目标订单对应存储到数据库。

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司乘交易信息和所述第一判责信息输入到投诉预测模型，预测所述第一判责信息是否会引起判责对象投诉。

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信息，所述历史订单信息包括司乘交易信息、订单判责信息以及订单投诉信息；所述处理单元还用于将所述司乘交易信息、所述订单判责信息作为输入，将所述订单投诉信息作为输出，采用二分类学习模型，训练并得到所述投诉预测模型；其中，所述订单投诉信息包括存在判责对象投诉和不存在判责对象投诉。

在本发明的较佳实施方式中，上述司乘交易信息包括司机画像信息、乘客画像信息、订单轨迹信息、时间信息、司乘通话信息、司乘聊天信息、系统操作日志。

第三方面，本发明提供了一种网约车判责装置，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。当网约车判责装置运行时，处理器执行存储器存储的计算机执行指令，以使网约车判责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判责方法。

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，使得网约车判责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判责方法。

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，使得网约车判责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判责方法。

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判责装置的处理器封装在一起的，也可以与执行网约车判责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判责系统的结构示意图；

图2是本发明实施例提供的网约车判责方法的流程示意图；

图3是本发明实施例提供的网约车判责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判责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。

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判责系统，包括：数据库100、训练模块200、网约车判责装置300以及线上判责系统400。其中，数据库100中包括历史订单信息，例如，投诉反馈信息、行程轨迹信息、时间信息、司乘通话信息、系统操作日志等；训练模块200用于通过数据库100中的历史订单信息训练投诉预测模型；线上判责系统400用于对实时订单进行判责，得到第一判责信息；网约车判责装置300用于根据该第一判责信息和投诉预测模型，预测第一判责信息是否会引起投诉，并在引起投诉时更改第一判责信息为第二判责信息。

可选的，上述网约车判责装置300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。

需要说明的是，上述线上判责系统400为网约车平台中现有的判责系统，也就是说，本申请实施例是在现有判责系统对订单进行判责后执行的判责信息准确度优化方法。线上判责系统400是独立于网约车判责装置300的功能单元。

如图2所示，本发明实施例提供一种网约车判责方法，该网约车判责方法可以应用于上述网约车判责装置300。该网约车判责方法可以包括：S201-S203：

S201、在得到目标订单的第一判责信息的情况下，网约车判责装置获取目标订单的司乘交易信息。

当乘客发起的目标订单被司机接收后，网约车平台可以实时监控双方的行程动态，并规定每个行为的时间节点，如最晚上车时间、预计到达时间等。在此期间，网约车判责装置300可以在满足目标条件的情况下，确定目标订单的第一判责信息。具体的，网约车判责装置300可以在满足目标条件的情况下，从线上判责系统400获取第一判责信息，该线上判责系统400可以用于根据乘客和司机的基本信息进行责任认定，该第一判责信息可以包括产生异常的责任方、异常原因和责任等级等。

可选的，上述目标条件可以包括以下至少一项：订单未在预设时间节点内完成预设操作、订单被取消、接收到乘客投诉、订单完成。

示例性的，以目标条件为订单未在预设时间节点内完成预设操作为例。若乘客未在规定时间内上车，则线上判责系统400可以根据乘客的位置信息和司机的位置信息确定未上车的原因是因为司机未到达指定上车地点，还是乘客未到达指定上车地点，从而确定该订单的第一判责信息。线上判责系统400确定第一判责信息后，可以将第一判责信息发送至网约车判责装置300，从而使网约车判责装置300得到第一判责信息。

在网约车判责装置300得到目标订单的第一判责信息后，继续参考图1，网约车判责装置300可以通过线路1从数据库100中获取该目标订单的司乘交易信息，该司乘交易信息可以包括司机画像信息、乘客画像信息、订单轨迹信息、时间信息、司乘通话信息、司乘聊天信息、系统操作日志等。其中，司机画像信息可以包括司机的身份信息、偏好信息、历史完单记录等，乘客画像信息可以包括乘客身份信息、偏好信息、历史乘车记录等，订单轨迹信息是指目标订单的行程轨迹、时间信息是指目标订单对应的每个用户操作节点的时间，司乘通话信息是指司机与乘客的电话沟通录音，司乘聊天信息是指司机与乘客在网约车平台上的聊天记录，系统操作日志是指司机与乘客对目标订单的操作信息。

S202、网约车判责装置根据司乘交易信息和第一判责信息，确定第一判责信息是否会引起判责对象投诉。

确定司乘交易信息和第一判责信息后，网约车判责装置300可以根据司乘交易信息和第一判责信息，确定第一判责信息是否会引起判责对象投诉。具体的，网约车判责装置300可以将该司乘交易信息和第一判责信息输入到投诉预测模型，从而预测第一判责信息是否会引起判责对象的投诉。

可以理解的是，若第一判责信息的判责准确性较高，则判责对象一般不会针对该第一判责信息发起投诉；若第一判责信息的判责准确性较低，则判责对象可能会通过投诉反馈事件缘由，因此，通过预测第一判责信息是否会引起判责对象的投诉可以确定第一判责信息是否准确。

可选的，在预测第一判责信息是否会引起判责对象投诉之前，网约车判责装置300可以先通过训练模块200训练上述投诉预测模型。具体的，网约车判责装置300可以通过训练模块200从网约车平台的数据库100中获取预设时间段内的历史订单信息，该历史订单信息可以包括司乘交易信息、订单判责信息以及订单投诉信息，然后，将司乘交易信息、订单判责信息作为输入，将订单投诉信息作为输出，采用二分类学习模型，训练并得到该投诉预测模型，其中，订单投诉信息可以包括存在判责对象投诉和不存在判责对象投诉。

可选的，上述二分类学习模型可以为lightgbm模型。

S203、在确定第一判责信息会引起判责对象投诉的情况下，网约车判责装置将第一判责信息更新为第二判责信息并输出。

第一判责信息会引起判责对象投诉，表示第一判责信息的判责准确性较低，因此，网约车判责装置可以将第一判责信息更新为第二判责信息，该第二判责信息与第一判责信息可以存在以下至少一个不同点：判责对象、判责程度、判责结果。

可选的，判责对象可以包括司机、乘客和不可抗力；判责程度可以包括不同等级的惩罚机制，例如，不同罚款金额、扣除不同的信用分等；判责结果可以包括判定一方有责任、判定司乘双方都有责任和判定司乘双方都没有责任等。

示例性的，以第一判责信息为司机迟到为例，若网约车判责装置300预测到判定司机迟到会引起该司机的投诉，则可以将司机迟到的判责信息更新为乘客迟到、乘客未在规定地点等待、联系不到乘客等中的一个。以第一判责信息为扣除司机10个信用分为例，若网约车判责装置300预测到判定扣除司机10个信用分会引起司机投诉，则可以将扣除司机10个信用分的判责信息更新为扣除司机5个信用分。以第一判责信息为乘客和司机都有责任为例，若网约车判责装置300预测到此判定会引起乘客或司机投诉，且事件并不严重，则可以将双方都有责任的判责信息更新为双方都不进行判责。

需要说明的是，一个事件可以对应一个判责信息更新逻辑，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，在确定第一判责信息不会引起判责对象投诉的情况下，网约车判责装置300可以直接输出第一判责信息。

可选的，可以通过A/B实验对网约车判责装置进行效果回收，将一部分流量引用网约车判责装置进行判责，另一部分流量只用线上判责系统进行判责，比较两部分流量在判责之后的投诉率，如果网约车判责装置的投诉率低于线上判责系统，则可以逐渐扩大流量，直到完全放开。

可选的，在网约车判责装置输出订单判责信息之后，网约车判责装置还可以获取目标订单的投诉信息；并将输出的目标订单的判责信息、该目标订单的投诉信息与目标订单对应存储到数据库。

可以理解的是，在网约车判责装置直接输出第一判责信息的情况下，上述目标订单的判责信息为第一判责信息；在网约车判责装置输出第二判责信息的情况下，上述目标订单的判责信息为第二判责信息。

具体的，继续参考图1，以网约车判责装置300输出第二判责信息为例。网约车判责装置300可以通过线路3输出目标订单的第二判责信息到判责对象的终端上。之后，网约车判责装置300可以获取判责对象在接收到第二判责信息后是否发起投诉的投诉信息；然后，通过线路2将与目标订单对应的第二判责信息和投诉信息存储到数据库100中，从而使训练模块200训练的投诉预测模型不断优化。

本发明实施例中，将判责信息准确度的问题转化为判责之后是否会引起判责对象投诉的问题，由于可以确定第一判责信息是否会引起判责对象投诉，并将会引起判责对象投诉的判责信息视为准确度低的判责信息，以及更改准确度低的判责信息，因此不仅可以提高判责信息的准确度，而且可以降低平台投诉率。

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判责方法，执行主体可以为网约车判责装置，或者该网约车判责装置中的用于网约车判责的控制模块。本申请实施例中以网约车判责装置执行网约车判责方法为例，说明本申请实施例提供的网约车判责装置。

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判责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判责装置300。该网约车判责装置300包括：获取单元301、处理单元302和输出单元303。该获取单元301，可以用于在得到目标订单的第一判责信息的情况下，获取所述目标订单的司乘交易信息；所述处理单元302，可以用于根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉；所述输出单元303，可以用于在确定所述第一判责信息会引起判责对象投诉的情况下，将所述第一判责信息更新为第二判责信息并输出。

可选的，上述获取单元301获取所述目标订单的司乘交易信息之前，所述处理单元302，还用于在满足目标条件的情况下，确定所述目标订单的第一判责信息；其中，所述目标条件包括以下至少一项：订单未在预设时间节点内完成预设操作、订单被取消、接收到乘客投诉、订单完成。

可选的，上述输出单元303，还用于在确定所述第一判责信息不会引起判责对象投诉的情况下，输出所述第一判责信息。

可选的，上述获取单元301还用于获取目标订单的投诉信息；上述处理单元302还用于将输出的目标订单的判责信息、所述目标订单的投诉信息与所述目标订单对应存储到所述数据库。

可选的，上述处理单302，具体用于将所述司乘交易信息和所述第一判责信息输入到投诉预测模型，预测所述第一判责信息是否会引起判责对象投诉。

可选的，上述获取单301，还用于从数据库中获取预设时间段内的历史订单信息，所述历史订单信息包括司乘交易信息、订单判责信息以及订单投诉信息；所述处理单元302，还用于将所述司乘交易信息、所述订单判责信息作为输入，将所述订单投诉信息作为输出，采用二分类学习模型，训练并得到所述投诉预测模型；其中，所述订单投诉信息包括存在判责对象投诉和不存在判责对象投诉。

可选的，上述处理单元302，还用于将输出的判责信息、订单投诉信息与所述目标订单对应存储到数据库。

可选的，上述司乘交易信息包括司机画像信息、乘客画像信息、订单轨迹信息、时间信息、司乘通话信息、司乘聊天信息、系统操作日志。

当然，本申请实施例提供的网约车判责装置300包括但不限于上述单元。

本发明实施例提供的网约车判责装置，将判责信息准确度的问题转化为判责之后是否会引起判责对象投诉的问题，由于可以确定第一判责信息是否会引起判责对象投诉，并将会引起判责对象投诉的判责信息视为准确度低的判责信息，以及更改准确度低的判责信息，因此不仅可以提高判责信息的准确度，而且可以降低平台投诉率。

本申请实施例还提供一种如图4所示的网约车判责装置，该网约车判责装置包括处理器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是网约车判责装置的控制中心，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 processing unit，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判责装置的限定。除图4所示部件之外，该网约车判责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判责方法中，执行网约车判责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判责方法中，执行网约车判责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)

1.一种网约车判责方法，其特征在于，包括：

在得到目标订单的第一判责信息的情况下，获取所述目标订单的司乘交易信息；

根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉；

在确定所述第一判责信息会引起判责对象投诉的情况下，将所述第一判责信息更新为第二判责信息并输出。

2.如权利要求1所述的网约车判责方法，其特征在于，所述获取所述目标订单的司乘交易信息之前，所述方法还包括：

在满足目标条件的情况下，确定所述目标订单的第一判责信息；

其中，所述目标条件包括以下至少一项：订单未在预设时间节点内完成预设操作、订单被取消、接收到乘客投诉、订单完成。

3.如权利要求1所述的网约车判责方法，其特征在于，所述方法还包括：

在确定所述第一判责信息不会引起判责对象投诉的情况下，输出所述第一判责信息。

4.如权利要求1或3所述的网约车判责方法，其特征在于，所述方法还包括：

获取所述目标订单的投诉信息；

将输出的所述目标订单的判责信息、所述目标订单的投诉信息与所述目标订单对应存储到数据库。

5.如权利要求1所述的网约车判责方法，其特征在于，所述根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉，包括：

将所述司乘交易信息和所述第一判责信息输入到投诉预测模型，预测所述第一判责信息是否会引起判责对象投诉。

6.如权利要求5所述的网约车判责方法，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信息，所述历史订单信息包括司乘交易信息、订单判责信息以及订单投诉信息；

将所述司乘交易信息、所述订单判责信息作为输入，将所述订单投诉信息作为输出，采用二分类学习模型，训练并得到所述投诉预测模型；

其中，所述订单投诉信息包括存在判责对象投诉和不存在判责对象投诉。

7.如权利要求1所述的网约车判责方法，其特征在于，所述司乘交易信息包括司机画像信息、乘客画像信息、订单轨迹信息、时间信息、司乘通话信息、司乘聊天信息、系统操作日志。

8.一种网约车判责装置，其特征在于，包括：获取单元、处理单元和输出单元；

所述获取单元，用于在得到目标订单的第一判责信息的情况下，获取所述目标订单的司乘交易信息；

所述处理单元，用于根据所述司乘交易信息和所述第一判责信息，确定所述第一判责信息是否会引起判责对象投诉；

所述输出单元，用于在确定所述第一判责信息会引起判责对象投诉的情况下，将所述第一判责信息更新为第二判责信息并输出，所述第二判责信息与所述第一判责信息存在以下至少一个不同点：判责对象、判责程度、判责结果。

9.一种网约车判责装置，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；

当所述网约车判责装置运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述网约车判责装置执行如权利要求1-7中任一项所述的网约车判责方法。

10.一种计算机可读存储介质，其特征在于，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1-7中任一项所述的网约车判责方法。

Images