CN113393043A - 车辆迟到预警方法、装置、终端及存储介质 - Google Patents

车辆迟到预警方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN113393043A
CN113393043A CN202110689735.XA CN202110689735A CN113393043A CN 113393043 A CN113393043 A CN 113393043A CN 202110689735 A CN202110689735 A CN 202110689735A CN 113393043 A CN113393043 A CN 113393043A
Authority
CN
China
Prior art keywords
order
time
late
departure
vehicle
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
CN202110689735.XA
Other languages
English (en)
Inventor
杨磊
赵飞
李明军
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.)
Shanghai Junzheng Network Technology Co Ltd
Original Assignee
Shanghai Junzheng Network Technology 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 Shanghai Junzheng Network Technology Co Ltd filed Critical Shanghai Junzheng Network Technology Co Ltd
Priority to CN202110689735.XA priority Critical patent/CN113393043A/zh
Publication of CN113393043A publication Critical patent/CN113393043A/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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供车辆迟到预警方法、装置、终端及存储介质，在用车订单生成后，获取订单接收方的历史迟到率、当前位置，以及订单发起方的出发地位置、出发时间；若所述订单接收方的历史迟到率落入预设高迟到率区间，则规划从所述订单接收方的当前位置到订单发起方的出发地位置之间的行驶路径并计算出对应的预计花费时间；根据所述订单接收方的预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达订单发起方的出发地位置；对不能准时到达出发地位置的订单接收方发起预警触达提醒。本发明在预判到司机可能迟到时，对司机进行APP端内提醒、短信或语音触达等管理操作，能让司机及时前往乘客出发地，从而提高司乘的出行体验。

Description

车辆迟到预警方法、装置、终端及存储介质
技术领域
本发明涉及车辆管理技术领域，尤其涉及车辆迟到预警方法、装置、终端及存储介质。
背景技术
随着技术进步和互联网的兴起，共享打车出行已经深入人们的生活，不仅为大家的生活带来了便利，也降低了出行成本。然而在司机和乘客使用顺风车平台的过程中，司乘人员的线下情况很多，司机可能会临时有事或交通堵塞等线下突发情况，这些都属于系统无法控制的突发情况，如若司机迟到，很可能会遭到乘客投诉或直接取消订单，进而对交易单量甚至顺风车出行生态产生不良影响。
因此，本领域亟需一种能够对迟到进行智能预警的技术方案，对顺风车司机进行APP端内提醒或短信触达等管理操作，能够让司机及时前往乘客出发地，从而提高顺风车司乘出行体验。
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对迟到进行智能预警。
为实现上述目的，本发明提供了一种车辆迟到预警方法，包括：在用车订单生成后，获取订单接收方的历史迟到率、当前位置，以及订单发起方的出发地位置、出发时间；若所述订单接收方的历史迟到率落入预设高迟到率区间，则规划从所述订单接收方的当前位置到所述订单发起方的出发地位置之间的行驶路径并计算出对应的预计花费时间；根据所述预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达订单发起方的出发地位置；对不能准时到达所述出发地位置的订单接收方发起预警触达提醒。
在本发明的较佳实施方式中，所述订单接收方的历史迟到率的获取方式包括：获取订单接收方在其用车服务总周期内所完成的订单总数及迟到总次数，并将所述迟到总次数与订单总数的比值作为所述订单接收方的历史迟到率；其中，所述用车服务总周期被设定为所述订单接收方从用车平台注册开始到当下的这段时间，或者被设定为所述订单接收方从接收第一个用车订单开始到当下的这段时间。
在本发明的另一较佳实施方式中，所述订单接收方的历史迟到率的获取方式还包括：获取所述订单接收方在每个预设时间单位内所完成的订单总数及迟到次数，并将迟到次数与订单总数的比值作为对应时间单位的历史迟到率；按照预设规则为每个时间单位赋予权重，以根据每个时间单位的历史迟到率及权重来计算所述用车服务总周期的历史迟到率；其中，所述预设规则包括根据发生迟到的时间单位距当下的远近和/或之前的一或多个时间单位是否已发生迟到，来设定权重。
在本发明的另一较佳实施方式中，从路径规划开始到出发时间之间的时段与所述历史迟到率呈动态映射关系；若所述历史迟到率越高，则从路径规划开始到出发时间之间的时段相应越长；若所述历史迟到率越小，则从路径规划开始到出发时间之间的时段相应越短。
在本发明的另一较佳实施方式中，所述规划从所述订单接收方的当前位置到订单发起方的出发地位置之间的行驶路径，包括：利用路径规划算法来规划所述行驶路径；所述路径规划算法包括图搜索法、RRT算法或者人工势场法。
在本发明的另一较佳实施方式中，所述根据所述预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达订单发起方的出发地位置，包括：将所述预计花费时间与从路径规划开始到所述订单发起方的出发时间之间的时段做比较；若所述预计花费时间大于从路径规划开始到所述订单发起方的出发时间之间的时段，则判断所述订单接收方不能准时到达订单发起方的出发地位置。
在本发明的另一较佳实施方式中，所述对不能准时到达出发地位置的订单接收方发起预警触达提醒的方式包括：端内站内信触达方式、端外推送方式、语音播报方式、SMS短信方式、IVR语音电话方式中的任一种或多种组合。
为实现上述目的，本发明提供了一种车辆迟到预警装置，包括：订单模块，用于在用车订单生成后，获取订单接收方的历史迟到率、当前位置，以及订单发起方的出发地位置、出发时间；路径模块，用于若所述订单接收方的历史迟到率落入预设高迟到率区间，则规划从所述订单接收方的当前位置到订单发起方的出发地位置之间的行驶路径并计算出对应的预计花费时间；预判模块，用于根据所述预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达订单发起方的出发地位置；提醒模块，用于对不能准时到达出发地位置的订单接收方发起预警触达提醒。
为实现上述目的，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述车辆迟到预警方法。
为实现上述目的，本发明提供了一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子终端执行所述车辆迟到预警方法。
本发明提供的车辆迟到预警方法、装置、终端及存储介质具有以下技术效果：本发明提取每个用车订单司机的历史迟到率，根据历史迟到率的高低来进行迟到预判；并在预判到司机可能迟到时，对司机进行APP端内提醒、短信或语音触达等管理操作，能够让司机及时前往乘客出发地，从而提高司乘的出行体验。
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是本发明一实施例中车辆迟到预警方法的流程示意图。
图2是本发明一实施例中车辆迟到预警装置的结构示意图。
图3是本发明一实施例中电子终端的结构示意图。
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，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
为了解决背景技术中的问题，即在司机和乘客使用顺风车的过程中避免司机接驾迟到而影响乘客出行及司机的累计评价，本发明旨在根据司机当前位置计算出司机迟到预警值，根据不同的司机进行对应的迟到预警值判定是否需要触达司机，从而减少司机迟到的概率，提高司乘出行效率与体验。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
如图1所示，展示了本发明一实施例中车辆迟到预警方法的流程示意图。需说明的是，本实施例中的车辆迟到预警方法可应用于ARM(Advanced RISC Machines)控制器、FPGA(Field Programmable Gate Array)控制器、SoC(System on Chip)控制器、DSP(DigitalSignal Processing)控制器或MCU(Micorcontroller Unit)控制器等硬件设备；也可应用于台式电脑、笔记本电脑、平板电脑、智能手机、智能手环、智能手表、智能头盔等计算机设备；还可应用于服务器，所述服务器可以根据功能、负载等多种因素布置在一个或多个实体服务器上，也可以由分布的或集中的服务器集群构成，本实施例不作限定。
在本实施例中，所述车辆迟到预警方法主要包括步骤S11～S14，各步骤的执行过程及原理将于下文中分别予以详述。
步骤S11：在用车订单生成后，获取订单接收方的历史迟到率、当前位置，以及订单发起方的出发地位置、出发时间。
应理解的是，订单发起方通常是指有用车需求的乘客，订单接收方通常是指司机。所述用车订单可以是顺风车出行订单、专车出行订单、快车出行订单、拼车出行订单、出租车出行订单等；所述订单发起方通常是指需要用车的乘客，订单接收方则是指驾驶车辆的司机。应理解，本实施例的用车订单并不局限于上述这些订单类型；事实上，订单发起方通过APP、小程序、官网等平台发起用车邀约，并使一或多个接收方接收该邀约的形式，都可应用于本实施例的技术方案中。
在一些示例中，所述订单接收方的历史迟到率是指在一历史时段内发生迟到现象的频率，计算所述历史迟到率的方式如下所示：
方式1)获取所述订单接收方在其用车服务总周期内所完成的订单总数及迟到总次数，将迟到总次数与订单总数的比值作为历史迟到率，该比值越高就说明这位司机的历史迟到率越高，反之则说明这位司机的历史迟到率越低。这种计算方式考察的是司机在用车服务总周期内的表现，能够较为综合地评价一个司机的准时性。
其中，所述用车服务的总周期可以设定为所述订单接收方从用车平台注册开始到当下的这段时间。需说明的是，所述当下可以是当前时间节点，其时间单位可以是分钟、小时、天，即精确至分钟的当前时间、精确至小时的当前时间或精确到天的当日等。另外，下文中提及的“当下的这段时间”中当下的含义均如此，不再一一赘述。
考虑到有些司机在用车平台(如滴滴平台、滴答平台、优步平台、神州打车平台、美团打车平台等)注册后并不马上接单，中间的间隔期会比较长，而这段时间由于司机并不接单也无迟到数据，所以无法评价该司机的准时性，因此所述用车服务的总周期也可以设定为所述订单接收方从接收第一个用车订单开始到当下的这段时间，这样可以更为精准地计算历史迟到率。
方式2)获取所述订单接收方在每个预设时间单位内所完成的订单总数及迟到次数，并将迟到次数与订单总数的比值作为对应时间单位的历史迟到率；按照预设规则为每个时间单位赋予权重，以根据每个时间单位的历史迟到率及权重来计算所述用车服务总周期的历史迟到率；其中，所述预设规则包括根据发生迟到的时间单位距当下的远近和/或之前的一或多个时间单位是否已发生迟到，来设定权重。
举例来说，以年为时间单位来计算司机每年完成的订单总数和迟到次数，将迟到次数与订单总数的比值作为对应年份的历史迟到率。按照预设规则为每个时间单位赋予权重，主要是指根据发生迟到的时间单位距当下的远近和/或之前的一或多个时间单位是否已发生迟到，来设定权重；例如，早些年发生迟到的则为该年份的历史迟到率设定较小权重，若是最近年份发生迟到的则为该年份的历史迟到率设定较大权重；再例如，若是在第一年发生迟到则为该年份的历史迟到率设定较小权重，但若是连续第N年发生迟到则要为该年份的历史迟到率设定较大权重。由此，按照权重来计算得到一个综合迟到率作为该司机在其用车服务总周期内的历史迟到率。
这种计算方式的优势在于能够更符合实际地来评价司机的准时性，举例来说：司机A在5年内总共接单100单，总共迟到5次且都发生在第一年；司机B在5年内总共接单也是100单，总共迟到也是5次，但分别是第四年发生2次迟到，第五年发生3次迟到。司机A与司机B的服务年限相同、接单总数相同、迟到总数也相同，但司机A的迟到都发生在较早年份且没有出现连续N年迟到的现象，因此综合迟到率较低(例如由于司机A一开始是新手所以一开始迟到率频发，但后续明显改善)；司机B的迟到发生在较近年份而且出现连续2年都有多次迟到，因此综合迟到率就会高(例如由于司机B最近几年出现懈怠或者随着年龄上升而导致服务水平跟不上)。
方式3)采用上述的计算方式1和计算方式2分别计算出订单接收方在用车服务总周期内的历史迟到率，按照每个计算方式预设的权重来计算最终的历史迟到率。
步骤S12：若所述订单接收方的历史迟到率落入预设高迟到率区间，则规划从所述订单接收方的当前位置到订单发起方的出发地位置之间的行驶路径并计算出对应的预计花费时间。
具体而言，令路径规划开始到所述订单发起方的出发时间之间的时段为X，令订单接收方的历史迟到率为L；在计算得到历史迟到率L后，分析历史迟到率L是否落入预设高迟到率区间，例如可采用阈值判断法来分析，若历史迟到率L大于某个设定的概率阈值，则被判断为落入高迟到率区间。
优选的，时段X的设定与历史迟到率L相关联；若司机的历史迟到率较高，则时段X的设定值就会较大；反之，若司机的历史迟到率较低，则时段X的设定值较小；这种设定方式的优势是对于历史迟到率较高的司机，系统会更早地去检测司机在当前进行的订单中是否会有迟到的潜在风险。
在本实施例中，可使用路径规划算法来规划从所述订单接收方的当前位置到订单发起方的出发地位置之间的行驶路径。举例来说，可采用图搜索法来规划行驶路径，例如可视图法、Dijkstra算法、A*算法(A-star算法，即静态路网中求解最短路径最有效的直接搜索方法)等图搜索法；图搜索法是指依靠已知的环境地图以及地图中的障碍物信息构造从起到到终点的可行路径，主要分成深度优先和广度优先两个方向。也可使用RRT算法来规划路径，RRT算法是快速搜索随机树算法，是一种增量式采样的搜索方法，利用增量式方法构建搜索树，以逐渐提高分辨能力，而无须设置任何分辨率参数。还可使用人工势场法来规划路径，是一种用于机器人运动规划的虚拟力方法，其基本思想是将目标和障碍物对机器人运动的影响具体化成人造势场。本实施例的路径规划算法并不以上述举例为限，现有技术中任何能够用于实现路径规划的算法都能应用于本发明的技术方案中。
步骤S13：根据所述订单接收方的预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达订单发起方的出发地位置。
举例来说，仍令路径规划开始到所述订单发起方的出发时间之间的时段为X，令订单接收方的历史迟到率为L，并令司机从当前位置到达乘客出发地的预计花费时间为ETA；将时段X与预计花费时间ETA做比较，若预计花费时间ETA大于时段X则说明司机很可能接驾迟到，系统会给对司机进行迟到预警触达提醒。
步骤S14：对不能准时到达出发地位置的订单接收方发起预警触达提醒。
在本实施例中，对被判断为不能准时到达出发地位置的司机发起预警触达提醒的方式包括但不限于如站内信、端内推送、端外推送、语音播报、SMS短信、IVR语音电话等方式。其中，站内信是为方便会员商务新建往来而设的服务功能，类似于邮箱，主要由收件箱、发件箱、草稿箱和垃圾箱四部分组成。端内推送是当APP在前台运行时的推送，一般是走APP自己实现的一套推送系统，不依赖任何第三方。端外推送是指当APP在后台运行足够长的时间后，APP进程由于被清理或者其他原因，APP的长连接断开，这时的推送被称为端外推送，此时只能走第三方推送平台；IVR(Interactive Voice Response)是指交互式语音应答，是一种功能强大的电话自动服务系统，用预先录制或TTS文本语音技术合成的语音进行自动应答的系统，提供一种为客户进行菜单导航的功能，主要应用呼叫中心系统中。
优选的，上述这些触发方式需要支持司机迟到率L和预计迟到时间D的动态区间配置，例如对于历史迟到率特别高的司机或者预计迟到时间较多的司机，可采用IVR语音电话或语音播报等更为快速和直接的触达方式，其他司机则可采用SMS短信或端内站内信等方式触达，从而达到千人千面的触达预警提醒。
如图2所示，展示了本发明一实施例中车辆迟到预警装置的结构示意图。本实施例的车辆迟到预警装置200包括订单模块201、路径模块202、预判模块203和提醒模块204。
所述订单模块201用于在用车订单生成后，获取订单接收方的历史迟到率、当前位置，以及订单发起方的出发地位置、出发时间。
在一些示例中，所述用车订单可以是顺风车出行订单、专车出行订单、快车出行订单、拼车出行订单、出租车出行订单等；所述订单发起方通常是指需要用车的乘客，订单接收方则是指驾驶车辆的司机。应理解，本实施例的用车订单并不局限于上述这些订单类型；事实上，订单发起方通过APP、小程序、官网等平台发起用车邀约，并使一或多个接收方接收该邀约的形式，都可应用于本实施例的技术方案中。
在一些示例中，所述订单模块201获取历史迟到率的方式如下所示：
方式1)获取所述订单接收方在其用车服务总周期内所完成的订单总数及迟到总次数，将迟到总次数与订单总数的比值作为历史迟到率，该比值越高就说明这位司机的历史迟到率越高，反之则说明这位司机的历史迟到率越低。这种计算方式考察的是司机在用车服务总周期内的表现，能够较为综合地评价一个司机的准时性。
其中，所述用车服务的总周期可以设定为所述订单接收方从用车平台注册开始到当下的这段时间。或者，考虑到有些司机在用车平台(如滴滴平台、滴答平台、优步平台、神州打车平台、美团打车平台等)注册后并不马上接单，中间的间隔期会比较长，而这段时间由于司机并不接单也无迟到数据，所以无法评价该司机的准时性，因此所述用车服务的总周期也可以设定为所述订单接收方从接收第一个用车订单开始到当下的这段时间，这样可以更为精准地计算历史迟到率。
方式2)获取所述订单接收方在每个预设时间单位内所完成的订单总数及迟到次数，并将迟到次数与订单总数的比值作为对应时间单位的历史迟到率；按照预设规则为每个时间单位赋予权重，以根据每个时间单位的历史迟到率及权重来计算所述用车服务总周期的历史迟到率；其中，所述预设规则包括根据发生迟到的时间单位距当下的远近和/或之前的一或多个时间单位是否已发生迟到，来设定权重。
举例来说，以年为时间单位来计算司机每年完成的订单总数和迟到次数，将迟到次数与订单总数的比值作为对应年份的历史迟到率。按照预设规则为每个时间单位赋予权重，主要是指根据发生迟到的时间单位距当下的远近和/或之前的一或多个时间单位是否已发生迟到，来设定权重；例如，早些年发生迟到的则为该年份的历史迟到率设定较小权重，若是最近年份发生迟到的则为该年份的历史迟到率设定较大权重；再例如，若是在第一年发生迟到则为该年份的历史迟到率设定较小权重，但若是连续第N年发生迟到则要为该年份的历史迟到率设定较大权重。由此，按照权重来计算得到一个综合迟到率作为该司机在其用车服务总周期内的历史迟到率。
这种计算方式的优势在于能够更符合实际地来评价司机的准时性，举例来说：司机A在5年内总共接单100单，总共迟到5次且都发生在第一年；司机B在5年内总共接单也是100单，总共迟到也是5次，但分别是第四年发生2次迟到，第五年发生3次迟到。司机A与司机B的服务年限相同、接单总数相同、迟到总数也相同，但司机A的迟到都发生在较早年份且没有出现连续N年迟到的现象，因此综合迟到率较低(例如由于司机A一开始是新手所以一开始迟到率频发，但后续明显改善)；司机B的迟到发生在较近年份而且出现连续2年都有多次迟到，因此综合迟到率就会高(例如由于司机B最近几年出现懈怠或者随着年龄上升而导致服务水平跟不上)。
方式3)采用上述的计算方式1和计算方式2分别计算出订单接收方在用车服务总周期内的历史迟到率，按照每个计算方式预设的权重来计算最终的历史迟到率。
所述路径模块202用于若所述订单接收方的历史迟到率落入预设高迟到率区间，则规划从所述订单接收方的当前位置到订单发起方的出发地位置之间的行驶路径并计算出对应的预计花费时间。
具体而言，令路径规划开始到所述订单发起方的出发时间之间的时段为X，令订单接收方的历史迟到率为L；在计算得到历史迟到率L后，分析历史迟到率L是否落入预设高迟到率区间，例如可采用阈值判断法来分析，若历史迟到率L大于某个设定的概率阈值，则被判断为落入高迟到率区间。
优选的，时段X的设定与历史迟到率L相关联；若司机的历史迟到率较高，则时段X的设定值就会较大；反之，若司机的历史迟到率较低，则时段X的设定值较小；这种设定方式的优势是对于历史迟到率较高的司机，系统会更早地去检测司机在当前进行的订单中是否会有迟到的潜在风险。
在本实施例中，可使用路径规划算法来规划从所述订单接收方的当前位置到订单发起方的出发地位置之间的行驶路径。举例来说，可采用图搜索法来规划行驶路径，例如可视图法、Dijkstra算法、A*算法等图搜索法；图搜索法是指依靠已知的环境地图以及地图中的障碍物信息构造从起到到终点的可行路径，主要分成深度优先和广度优先两个方向。也可使用RRT算法来规划路径，RRT算法是快速搜索随机树算法，是一种增量式采样的搜索方法，利用增量式方法构建搜索树，以逐渐提高分辨能力，而无须设置任何分辨率参数。还可使用人工势场法来规划路径，是一种用于机器人运动规划的虚拟力方法，其基本思想是将目标和障碍物对机器人运动的影响具体化成人造势场。本实施例的路径规划算法并不以上述举例为限，现有技术中任何能够用于实现路径规划的算法都能应用于本发明的技术方案中。
所述预判模块203用于根据所述订单接收方的预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达订单发起方的出发地位置。
举例来说，仍令路径规划开始到所述订单发起方的出发时间之间的时段为X，令订单接收方的历史迟到率为L，并令司机从当前位置到达乘客出发地的预计花费时间为ETA；将时段X与预计花费时间ETA做比较，若预计花费时间ETA大于时段X则说明司机很可能接驾迟到，系统会给对司机进行迟到预警触达提醒。
所述提醒模块204用于对不能准时到达出发地位置的订单接收方发起预警触达提醒。
如图3所示，展示了本发明一实施例中电子终端的结构示意图。所述电子终端包括：处理器31、存储器32、通信器33；存储器32通过系统总线与处理器31和通信器33连接并完成相互间的通信，存储器32用于存储计算机程序，通信器33用于和其他设备进行通信，处理器71用于运行计算机程序，使电子终端执行如上车辆迟到预警方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统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。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述车辆迟到预警方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
于本申请提供的实施例中，所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于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进行存取的任何其它介质。另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。
综上所述，本发明提供车辆迟到预警方法、装置、终端及存储介质，本发明提取每个用车订单司机的历史迟到率，根据历史迟到率的高低来进行迟到预判；并在预判到司机可能迟到时，对司机进行APP端内提醒、短信或语音触达等管理操作，能够让司机及时前往乘客出发地，从而提高司乘的出行体验。所以，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，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，举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)

1.一种车辆迟到预警方法，其特征在于，包括：
在用车订单生成后，获取订单接收方的历史迟到率、当前位置，以及订单发起方的出发地位置、出发时间；
若所述订单接收方的历史迟到率落入预设高迟到率区间，则规划从所述订单接收方的当前位置到所述订单发起方的出发地位置之间的行驶路径并计算出对应的预计花费时间；
根据所述预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达所述订单发起方的出发地位置；
对不能准时到达所述出发地位置的订单接收方发起预警触达提醒。
2.如权利要求1所述的车辆迟到预警方法，其特征在于，所述订单接收方的历史迟到率的获取方式包括：
获取所述订单接收方在其用车服务总周期内所完成的订单总数及迟到总次数，并将所述迟到总次数与订单总数的比值作为所述订单接收方的历史迟到率；
其中，所述用车服务总周期被设定为所述订单接收方从用车平台注册开始到当下的这段时间，或者被设定为所述订单接收方从接收第一个用车订单开始到当下的这段时间。
3.如权利要求1所述的车辆迟到预警方法，其特征在于，所述订单接收方的历史迟到率的获取方式还包括：
获取所述订单接收方在每个预设时间单位内所完成的订单总数及迟到次数，并将所述迟到次数与订单总数的比值作为对应时间单位的历史迟到率；
按照预设规则为每个时间单位赋予权重，以根据每个时间单位的历史迟到率及权重来计算用车服务总周期的历史迟到率；其中，所述预设规则包括根据发生迟到的时间单位距当下的远近和/或之前的一或多个时间单位是否已发生迟到，来设定权重。
4.如权利要求1所述的车辆迟到预警方法，其特征在于，从路径规划开始到所述出发时间之间的时段与所述历史迟到率呈动态映射关系；若所述历史迟到率越高，则从路径规划开始到所述出发时间之间的时段相应越长；若所述历史迟到率越小，则从路径规划开始到出发时间之间的时段相应越短。
5.如权利要求1所述的车辆迟到预警方法，其特征在于，所述规划从所述订单接收方的当前位置到所述订单发起方的出发地位置之间的行驶路径，包括：利用路径规划算法来规划所述行驶路径；所述路径规划算法包括图搜索法、RRT算法或者人工势场法。
6.如权利要求1所述的车辆迟到预警方法，其特征在于，所述根据所述预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达订单发起方的出发地位置，包括：
将所述预计花费时间与从路径规划开始到所述订单发起方的出发时间之间的时段做比较；
若所述预计花费时间大于从路径规划开始到所述订单发起方的出发时间之间的时段，则判断所述订单接收方不能准时到达所述订单发起方的出发地位置。
7.如权利要求1所述的车辆迟到预警方法，其特征在于，所述对不能准时到达所述出发地位置的订单接收方发起预警触达提醒的方式包括：端内站内信触达方式、端外推送方式、语音播报方式、SMS短信方式、IVR语音电话方式中的任一种或多种组合。
8.一种车辆迟到预警装置，其特征在于，包括：
订单模块，用于在用车订单生成后，获取订单接收方的历史迟到率、当前位置，以及订单发起方的出发地位置、出发时间；
路径模块，用于若所述订单接收方的历史迟到率落入预设高迟到率区间，则规划从所述订单接收方的当前位置到所述订单发起方的出发地位置之间的行驶路径并计算出对应的预计花费时间；
预判模块，用于根据所述预计花费时间与所述订单发起方的出发时间，判断所述订单接收方是否能准时到达所述订单发起方的出发地位置；
提醒模块，用于对不能准时到达所述出发地位置的订单接收方发起预警触达提醒。
9.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述车辆迟到预警方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子终端执行如权利要求1至7中任一项所述车辆迟到预警方法。
CN202110689735.XA 2021-06-22 2021-06-22 车辆迟到预警方法、装置、终端及存储介质 Pending CN113393043A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110689735.XA CN113393043A (zh) 2021-06-22 2021-06-22 车辆迟到预警方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110689735.XA CN113393043A (zh) 2021-06-22 2021-06-22 车辆迟到预警方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN113393043A true CN113393043A (zh) 2021-09-14

Family

ID=77623291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110689735.XA Pending CN113393043A (zh) 2021-06-22 2021-06-22 车辆迟到预警方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN113393043A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295827A (zh) * 2016-08-12 2017-01-04 宁波轩悦行电动汽车服务有限公司 电动汽车智能预约租车方法
CN109284842A (zh) * 2017-07-20 2019-01-29 北京嘀嘀无限科技发展有限公司 一种网约车订单信息处理方法、处理系统及计算机装置
CN109978246A (zh) * 2019-03-15 2019-07-05 北京三快在线科技有限公司 一种订单信息的处理方法、装置、设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295827A (zh) * 2016-08-12 2017-01-04 宁波轩悦行电动汽车服务有限公司 电动汽车智能预约租车方法
CN109284842A (zh) * 2017-07-20 2019-01-29 北京嘀嘀无限科技发展有限公司 一种网约车订单信息处理方法、处理系统及计算机装置
CN109978246A (zh) * 2019-03-15 2019-07-05 北京三快在线科技有限公司 一种订单信息的处理方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US10063687B2 (en) Device function disablement during vehicle motion
CN107424022B (zh) 一种订单的推送方法及系统
CN109034572A (zh) 一种车辆救援方法及相关设备
CN103824179A (zh) 信息处理方法和信息处理装置
CN108592932A (zh) 一种无人车调度方法、系统、设备及存储介质
CN113627792B (zh) 无人车的调度管理方法、装置、设备、存储介质及程序
CN105468700A (zh) 一种智能可穿戴设备及公交查询方法
CN105405076A (zh) 基于互联网的点餐方法和装置
CN109154507A (zh) 预测对于估计到达时间的兴趣点等待时间
CN105243525A (zh) 一种用户提醒方法及终端
CN114399916A (zh) 一种数字孪生智慧城市交通的虚拟红绿灯控制提醒方法
CN103036953A (zh) 一种为用户提供动态位置信息的方法和装置
CN110753078A (zh) 提示方法、装置、电子设备及存储介质
EP4123527A1 (en) Online car-hailing information processing method and apparatus, and device and computer storage medium
CN117241212A (zh) 车辆常驻停车点的确定方法、装置、设备以及存储介质
CN113393043A (zh) 车辆迟到预警方法、装置、终端及存储介质
CN111008729B (zh) 一种迁移预测的方法和装置
CN113052397B (zh) 上车信息的确定方法、装置、电子设备和存储介质
CN112052276B (zh) 乘车路线的挖掘方法和装置
US20200387645A1 (en) A System and Method for Designing Car Systems
CN111144594B (zh) 一种出发时刻确定方法、装置及设备
CN113450794A (zh) 导航播报的检测方法、装置、电子设备和介质
CN111507753A (zh) 信息推送方法、装置和电子设备
CN113706032B (zh) 一种订单妥投管理方法和装置
CN111049969A (zh) 一种关于到站提醒的方法

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