CN113780850A - 一种基于智能助理实现网约车司乘引导的方法及装置 - Google Patents

Abstract

本发明公开了一种基于智能助理实现网约车司乘引导的方法及装置，其中方法包括：智能助理分别获取来自司机端和乘客端的司乘交流信息；基于ASR将司乘交流信息转换为相应的实时文本信息；将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据；从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据；从服务器中获取实时因子数据；将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果；智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

Description

一种基于智能助理实现网约车司乘引导的方法及装置

技术领域

本发明涉及网约车的司乘引导的技术领域，具体涉及一种基于智能助理实现网约车司乘引导的方法及装置。

背景技术

网约车是网络预约出租汽车的简称，乘客可以通过移动设备在网上直接与司机进行预约，网约车司机接单后到指定地点接乘客到目的地，网约车司机和车辆也经过登记和审核。目前，网约车非常普遍，如出租车、专车、顺风车、快车等，满足用于多样化的出行需求。

最近几年曝出的几起网约车的恶性事件让人们对网约车行业的安全问题产生了极大的担忧，虽然是个案，但是对网约车这个新生的行业造成了极大的影响，也给人们的生活带来了诸多的不便。虽然经过几次整改，加强了对网约车车主及乘客身份的验证，并在行程的过程中进行录音录像等安全保护措施，但这类措施大都为事前的验证和事后的追溯，对网约车订单中司机和乘客之间所产生误会和矛盾时，无法及时地进行处理，从而使得大量的网约车订单被取消，进而影响网约车的成单率。

在现有技术中，网约车司机和乘客在沟通时完全依靠个人进行交流，当出现误解和矛盾时，不能得到正确的引导，双方缺少适当的交流，乘客无法清楚表达自己的诉求，司机也未获得退让妥协的指令，进而影响网约车中司乘双方的体验。

发明内容

为了克服上述现有技术中，无法对司乘双方的交流进行正确及时的引导的技术缺陷，本发明提供一种基于智能助理实现网约车司乘引导的方法及装置。

为了解决上述问题，本发明按以下技术方案予以实现的：

第一方面，本发明提供一种基于智能助理实现网约车司乘引导的方法，包括以下步骤：

智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音；

基于ASR将司乘交流信息转换为相应的实时文本信息；

将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据；

从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据；

从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹；

将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果；

智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

优选地，所述引导决策模型包括对话管理规则、意图识别规则和引导规则引擎。

优选地，所述将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配，具体包括：

智能助理在获取语义分析数据、历史数据和实时因子数据后，分别对应地输送至引导决策模型中，引导决策模型获取服务器数据库中最新的对话管理规则和意图识别规则，引导决策模型将四层交流数据与对话管理规则进行规则匹配，基于匹配命中的对话管理规则，结合历史数据和实时因子数据进行意图识别规则的匹配，基于意图识别规则的匹配结果，分别获取司机和乘客的预估意图，引导规则引擎基于预估意图进行引导决策的分析和匹配，从而获取引导决策结果。

优选地，所述将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据，具体包括：

智能助理将实时文本信息输送至语义分类模型，语义分类模型将实时文本信息与数据库中的语义匹配规则进行匹配，基于匹配结果，识别实时文本信息中司机和乘客的需求、语气和情绪，生成对应的标签标记到实时文本信息中的关键文本，以便于引导决策模型的分析。

优选地，所述智能助理分别通过司机端和乘客端输出引导决策结果，具体包括：

基于引导决策结果，智能助理生成相应的引导文本和引导语音，基于引导语音发送语音引导信息至司机端与乘客端，基于引导文本发送IM引导信息至乘客端，以使司机和乘客之间通过沟通方式的改变和行动的改变实现矛盾解除和需求满足。

第二方面，本发明还提供一种基于智能助理实现网约车司乘引导的装置，包括信息获取模块、文本转换模块、文本分类模块、历史数据模块、实时因子模块、引导决策模块和决策输出模块，其中：

信息获取模块用于使智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音；

文本转换模块用于基于ASR将司乘交流信息转换为相应的实时文本信息；

文本分类模块用于将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据；

历史数据模块用于从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据；

实时因子模块用于从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹；

引导决策模块用于将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果；

决策输出模块用于使智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

优选地，所述引导决策模型包括对话管理规则、意图识别规则和引导规则引擎。

优选地，所述引导决策模块在运行时，具体执行：

智能助理在获取语义分析数据、历史数据和实时因子数据后，分别对应地输送至引导决策模型中，引导决策模型获取服务器数据库中最新的对话管理规则和意图识别规则，引导决策模型将四层交流数据与对话管理规则进行规则匹配，基于匹配命中的对话管理规则，结合历史数据和实时因子数据进行意图识别规则的匹配，基于意图识别规则的匹配结果，分别获取司机和乘客的预估意图，引导规则引擎基于预估意图进行引导决策的分析和匹配，从而获取引导决策结果。

优选地，所述文本分类模块运行时，具体执行：

智能助理将实时文本信息输送至语义分类模型，语义分类模型将实时文本信息与数据库中的语义匹配规则进行匹配，基于匹配结果，识别实时文本信息中司机和乘客的需求、语气和情绪，生成对应的标签标记到实时文本信息中的关键文本，以便于引导决策模型的分析。

优选地，所述决策输出模块在运行时，具体执行：

基于引导决策结果，智能助理生成相应的引导文本和引导语音，基于引导语音发送语音引导信息至司机端与乘客端，基于引导文本发送IM引导信息至乘客端，以使司机和乘客之间通过沟通方式的改变和行动的改变实现矛盾解除和需求满足。

与现有技术相比，本发明的有益效果是：

本发明通过智能助理对司机和乘客之间的司乘交流信息进行分析，获取其中的语义，基于司乘交流信息的语义进行分析后，及时发现司机和乘客之间的交流问题，然后通过智能助理进行规则匹配，从历史数据中寻找引导方向，综合语义分析数据、实时因子数据以及历史数据，获得最适配当前情况的引导决策结果，基于引导决策结果，向司机和乘客发出引导指令，从而及时地介入到司乘交流中，以协助网约车订单的顺利进行。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：

图1是本发明的基于智能助理实现网约车司乘引导的方法的流程示意图；

图2是本发明的基于智能助理实现网约车司乘引导的装置的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

实施例1

如图1所示，第一方面，本发明提供一种基于智能助理实现网约车司乘引导的方法，至少需要一个服务器、司机端和乘客端，司机端和乘客端为搭载有智能助理的设备，本发明方法具体包括以下步骤：

步骤S1：智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音。

具体地，服务器的智能助理分别获取来自司机端和乘客端的交流数据，集合后形成司乘交流信息，司机端和乘客端通过互联网与服务器连接，其中市场交流信息包括IM信息、语音信息、电话录音和车内录音，还包括其他通过司机端和乘客端进行交流的数据信息。

步骤S2：基于ASR将司乘交流信息转换为相应的实时文本信息。

智能助理在获取司乘交流信息后，将司乘交流信息通过ASR进行文本转换，具体为将其中的语音信息、电话录音以及车内录音进行文本转换，ASR即为自动语音识别技术，属于智能助理的现有技术，在此不作进一步的描述。通过ASR转换后，获取纯文字组成的实时文本信息。

步骤S3：将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据。

具体地，智能助理将实时文本信息输送至语义分类模型，语义分类模型将实时文本信息与数据库中的语义匹配规则进行匹配，基于匹配结果，识别实时文本信息中司机和乘客的需求、语气和情绪，生成对应的标签标记到实时文本信息中的关键文本，以便于引导决策模型的分析。

语义匹配成功后，将文本信息和匹配结果新增至数据库中，以使数据库在使用过程中不断地完善。

步骤S4：从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据。

具体地，智能助理从服务器的数据库中获取本次网约车订单所对应的司机和乘客的信息，基于司机和乘客的信息，获取历史司机使用数据和历史用户使用数据。

步骤S5：从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹。

具体地，智能助理通过互联网获取实时环境信息，包括实时路况和天气状况的信息，然后从司机端获取车辆轨迹和车辆状况的信息，从乘客端获取乘客轨迹，然后从服务器获取网约车订单的信息，综合整合后作为实时因子数据。

步骤S6：将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果。

作为优选实施，所述引导决策模型包括对话管理规则、意图识别规则和引导规则引擎。

具体地，智能助理在获取语义分析数据、历史数据和实时因子数据后，分别对应地输送至引导决策模型中，引导决策模型获取服务器数据库中最新的对话管理规则和意图识别规则，引导决策模型将四层交流数据与对话管理规则进行规则匹配，基于匹配命中的对话管理规则，结合历史数据和实时因子数据进行意图识别规则的匹配，基于意图识别规则的匹配结果，分别获取司机和乘客的预估意图，引导规则引擎基于预估意图进行引导决策的分析和匹配，从而获取引导决策结果。引导决策结果包括对司机和乘客的语气、情绪的引导，以及针对司乘交流的问题，对司乘的行动进行引导，包括改变上车点和下车点，以及网约车行进轨迹等，以实现对司乘双方沟通进行及时的引导。

步骤S7：智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

具体地，基于引导决策结果，智能助理生成相应的引导文本和引导语音，基于引导语音发送语音引导信息至司机端与乘客端，基于引导文本发送IM引导信息至乘客端，以使司机和乘客之间通过沟通方式的改变和行动的改变实现矛盾解除和需求满足。

乘客接收到IM引导信息后，可对沟通的方式和诉求的表达进行改善，以提高乘客与司机的沟通效率，或者向乘客提出行动指示，如更改乘客的上车点以降低等待时间等。司机由于不方便查看文本，因此本发明实施例通过发送语音引导信息至司机端，以下达对司机的指令，包括司机的具体驾驶行为的更改以及司机的情绪控制引导，以提高用户的体验，促成本次网约车订单。

基于本发明方法的实施，能通过智能助手及时且有效地监控司乘双方的交流问题，并根据交流的内容作出相对应的决策，以调解司机和乘客之间的沟通问题，并提出引导方案，及时准求地解决司机和乘客之间的问题，通过监督司乘双方的语气，或者更改上车点和下车点的方法，使得本次网约车订单能顺利完成，还能避免因司乘双方的情绪问题引发的潜在事故的发生。

综上所述，本发明方法在执行时，通过智能助理对司机和乘客之间的司乘交流信息进行分析，获取其中的语义，基于司乘交流信息的语义进行分析后，及时发现司机和乘客之间的交流问题，然后通过智能助理进行规则匹配，从历史数据中寻找引导方向，综合语义分析数据、实时因子数据以及历史数据，获得最适配当前情况的引导决策结果，基于引导决策结果，向司机和乘客发出引导指令，从而及时地介入到司乘交流中，以协助网约车订单的顺利进行。

本实施例所述的的基于智能助理实现网约车司乘引导的方法的其它步骤流程参见现有技术。

实施例2

第二方面，本发明还提供一种基于智能助理实现网约车司乘引导的装置，包括信息获取模块M1、文本转换模块M2、文本分类模块M3、历史数据模块M4、实时因子模块M5、引导决策模块M6和决策输出模块M7，其中：

信息获取模块M1用于使智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音。

文本转换模块M2用于基于ASR将司乘交流信息转换为相应的实时文本信息。

文本分类模块M3用于将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据。

历史数据模块M4用于从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据。

实时因子模块M5用于从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹。

引导决策模块M6用于将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果,。

决策输出模块M7用于使智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

本实施例优选地，所述引导决策模型包括对话管理规则、意图识别规则和引导规则引擎。所述引导决策模块M6在运行时，具体执行：

智能助理在获取语义分析数据、历史数据和实时因子数据后，分别对应地输送至引导决策模型中，引导决策模型获取服务器数据库中最新的对话管理规则和意图识别规则，引导决策模型将四层交流数据与对话管理规则进行规则匹配，基于匹配命中的对话管理规则，结合历史数据和实时因子数据进行意图识别规则的匹配，基于意图识别规则的匹配结果，分别获取司机和乘客的预估意图，引导规则引擎基于预估意图进行引导决策的分析和匹配，从而获取引导决策结果。

作为一种优选实施，所述文本分类模块M3运行时，具体执行：

智能助理将实时文本信息输送至语义分类模型，语义分类模型将实时文本信息与数据库中的语义匹配规则进行匹配，基于匹配结果，识别实时文本信息中司机和乘客的需求、语气和情绪，生成对应的标签标记到实时文本信息中的关键文本，以便于引导决策模型的分析。

本实施例优选地，所述决策输出模块M7在运行时，具体执行：

基于引导决策结果，智能助理生成相应的引导文本和引导语音，基于引导语音发送语音引导信息至司机端与乘客端，基于引导文本发送IM引导信息至乘客端，以使司机和乘客之间通过沟通方式的改变和行动的改变实现矛盾解除和需求满足。

在本发明实施例所述的装置运行时，能执行实施例1中所述的基于智能助理实现网约车司乘引导的方法的全部步骤，从而实现基于智能助理对司乘交流进行及时准确的引导，以协助完成网约车订单，提高网约车订单的成单率。

实施例3

本发明还公开一种电子设备，至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，所述至少一个处理器执行指令时，具体实现以下的步骤：获取网约车订单，获取网约车订单中的上车点、下车点以及乘客信息；智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音；基于ASR将司乘交流信息转换为相应的实时文本信息；将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据；从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据；从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹；将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果；智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

实施例4

本发明还公开一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时，具体实现以下步骤：智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音；基于ASR将司乘交流信息转换为相应的实时文本信息；将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据；从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据；从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹；将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果；智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，上述编程语言包括面向对象的编程语言—诸如Smalltalk、C++、Java等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，上述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施方式，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施方式。在不偏离所说明的各实施方式的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施方式的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施方式。

Claims (10)

1.一种基于智能助理实现网约车司乘引导的方法，其特征在于，包括以下步骤：

智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音；

基于ASR将司乘交流信息转换为相应的实时文本信息；

将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据；

从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据；

从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹；

将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果；

智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

2.根据权利要求1所述的基于智能助理实现网约车司乘引导的方法，其特征在于：

所述引导决策模型包括对话管理规则、意图识别规则和引导规则引擎。

3.根据权利要求2所述的基于智能助理实现网约车司乘引导的方法，其特征在于，所述将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配，具体包括：

智能助理在获取语义分析数据、历史数据和实时因子数据后，分别对应地输送至引导决策模型中，引导决策模型获取服务器数据库中最新的对话管理规则和意图识别规则，引导决策模型将四层交流数据与对话管理规则进行规则匹配，基于匹配命中的对话管理规则，结合历史数据和实时因子数据进行意图识别规则的匹配，基于意图识别规则的匹配结果，分别获取司机和乘客的预估意图，引导规则引擎基于预估意图进行引导决策的分析和匹配，从而获取引导决策结果。

4.根据权利要求1所述的基于智能助理实现网约车司乘引导的方法，其特征在于，所述将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据，具体包括：

智能助理将实时文本信息输送至语义分类模型，语义分类模型将实时文本信息与数据库中的语义匹配规则进行匹配，基于匹配结果，识别实时文本信息中司机和乘客的需求、语气和情绪，生成对应的标签标记到实时文本信息中的关键文本，以便于引导决策模型的分析。

5.根据权利要求1所述的基于智能助理实现网约车司乘引导的方法，其特征在于，所述智能助理分别通过司机端和乘客端输出引导决策结果，具体包括：

基于引导决策结果，智能助理生成相应的引导文本和引导语音，基于引导语音发送语音引导信息至司机端与乘客端，基于引导文本发送IM引导信息至乘客端，以使司机和乘客之间通过沟通方式的改变和行动的改变实现矛盾解除和需求满足。

6.一种基于智能助理实现网约车司乘引导的装置，其特征在于，包括信息获取模块、文本转换模块、文本分类模块、历史数据模块、实时因子模块、引导决策模块和决策输出模块，其中：

信息获取模块用于使智能助理分别获取来自司机端和乘客端的司乘交流信息，所述司乘交流信息包括IM信息、语音信息、电话录音和车内录音；

文本转换模块用于基于ASR将司乘交流信息转换为相应的实时文本信息；

文本分类模块用于将实时文本信息输入至语义分类模型进行文本分类，获得语义分析数据；

历史数据模块用于从服务器的数据库中获取订单对应的历史数据，所述历史数据包括历史司机使用数据和历史用户使用数据；

实时因子模块用于从服务器中获取实时因子数据，实时因子数据包括网约车订单、天气状况、车辆轨迹、车辆状况、路况信息以及乘客轨迹；

引导决策模块用于将语义分析数据、历史数据和实时因子数据输送至引导决策模型，经过数据分析和规则匹配后，获取相应的引导决策结果；

决策输出模块用于使智能助理分别通过司机端和乘客端输出引导决策结果，以对司机和乘客进行交流引导和动作引导。

7.根据权利要求6所述的基于智能助理实现网约车司乘引导的方法，其特征在于：

所述引导决策模型包括对话管理规则、意图识别规则和引导规则引擎。

8.根据权利要求7所述的基于智能助理实现网约车司乘引导的方法，其特征在于，所述引导决策模块在运行时，具体执行：

智能助理在获取语义分析数据、历史数据和实时因子数据后，分别对应地输送至引导决策模型中，引导决策模型获取服务器数据库中最新的对话管理规则和意图识别规则，引导决策模型将四层交流数据与对话管理规则进行规则匹配，基于匹配命中的对话管理规则，结合历史数据和实时因子数据进行意图识别规则的匹配，基于意图识别规则的匹配结果，分别获取司机和乘客的预估意图，引导规则引擎基于预估意图进行引导决策的分析和匹配，从而获取引导决策结果。

9.根据权利要求6所述的基于智能助理实现网约车司乘引导的方法，其特征在于，所述文本分类模块运行时，具体执行：

智能助理将实时文本信息输送至语义分类模型，语义分类模型将实时文本信息与数据库中的语义匹配规则进行匹配，基于匹配结果，识别实时文本信息中司机和乘客的需求、语气和情绪，生成对应的标签标记到实时文本信息中的关键文本，以便于引导决策模型的分析。

10.根据权利要求6所述的基于智能助理实现网约车司乘引导的方法，其特征在于，所述决策输出模块在运行时，具体执行：

基于引导决策结果，智能助理生成相应的引导文本和引导语音，基于引导语音发送语音引导信息至司机端与乘客端，基于引导文本发送IM引导信息至乘客端，以使司机和乘客之间通过沟通方式的改变和行动的改变实现矛盾解除和需求满足。

Images