CN113793195A - 网约车订单处理方法、装置、计算机设备及可读存储介质 - Google Patents
网约车订单处理方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN113793195A CN113793195A CN202110982490.XA CN202110982490A CN113793195A CN 113793195 A CN113793195 A CN 113793195A CN 202110982490 A CN202110982490 A CN 202110982490A CN 113793195 A CN113793195 A CN 113793195A
- Authority
- CN
- China
- Prior art keywords
- order
- capacity
- transport capacity
- target
- probability
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000003860 storage Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 16
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 10
- 230000014759 maintenance of location Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 4
- 230000000717 retained effect Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 abstract description 3
- 230000001276 controlling effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920001690 polydopamine Polymers 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 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
- 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
- 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
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
在本发明中,提供一种网约车订单处理方法,该方法包括接收订单请求,所述订单请求为请求端发送的服务请求,基于所述订单请求获取可提供服务的目标运力,所述目标运力具体包括新手运力和高阶运力,所述新手运力和高阶运力获取所述订单请求的概率是分策略计算的,基于计算的每位所述新手运力和高阶运力的概率,将所述订单分配给其中一个目标运力。本发明通过分策略分别计算新手运力和高阶运力的获取订单的概率,以此降低新手运力直接与高阶运力的竞争压力,可对收入较低的司机群体进行一定程度的倾斜照顾和扶持保护,并且可通过调控计算方案,本发明所述方法能够适配城市多元化特性下的业务场景。
Description
技术领域
本发明涉及大数据领域,具体涉网约车交通出行领域,特别是涉及一种网约车订单处理方法、装置、计算机设备及计算机可读存储介质。
背景技术
在大数据背景下,网约车技术快速发展,在选择交通出行时,目前很多人出行都会选择通过网络约车的方式呼叫出租车,从而能够减少在路边拦车的种种不便促进了社会进步,网约车很大程度解决了打车难问题。
随着我国汽车保有量的持续上升,和新一代信息网络技术引领的又一轮信息化发展,网约车平台所提供的在线叫车服务越来越受到人们的欢迎。网约车平台能够利用社会信息共享,提高资源利用效率,优化资源配置,为我国城市交通的绿色发展提供了新思路和新路径,有利于解决我国目前的城市交通问题。在目前的网约车运营模式之中,司机作为独立的经营个体和网约车平台公司进行签约,完成一系列专业培训之后便可在平台上进行接单服务。
对于网约车平台而言,只要条件符合要求,网约车平台希望的是带车加入的司机越多越好,车越多的网约车平台,分布城市的网约车密度越大,乘客下单会又快又近地约到车,当然乘客体验感觉就会越好。但是,对于司机而言,平台中网约车用户量越多,司机接单竞争越大,直接影响其收入。因此,网约车平台中在服务过程之中会按照一定的指派规则将订单分配给司机,平台中派单机制对平台持续发展具有重要影响。
现有的技术一般是基于规则和模型的方法进行分单或派单的。比如基于距离最短、基于司机服务质量最好等方式,基于订单匹配最优分派方案。其目标都是最大化平台的收益(最大化配对订单量、最大化平台GMV)。但对于新司机而言,网约车平台可收集的用户行为数据少,不足以刻画该类司机的服务质量和能力范围,即平台缺少数据来对新司机的服务质量进行评判,这些方式都是不利于新司机体验的,容易造成新老司机“贫富差距”拉大,甚至导致平台中运力的流失。
发明内容
为了解决上述问题,本发明的目的是提供一种网约车订单处理方法、装置、计算机设备及计算机可读存储介质,该方法在将网约车平台的司机分为新手运力和高阶运力,对新手运力和高阶运力用不同的模型计算方法计算获取订单的概率,对于收入较低的司机群体可进行一定程度的倾斜照顾和扶持保护。
基于此,本发明提供了一种网约车订单处理方法,所述网约车订单处理方法包括:
接收订单请求;
根据所述订单请求获取目标运力,所述目标运力包括新手运力和高阶运力;
分别计算每位所述新手运力和高阶运力获取所述订单的概率;
根据所述概率随机派发一位所述目标运力处理所述订单请求。
进一步地,所述目标运力根据根据完成的订单用户量设置有运力类型标签,当所述目标运力完成的订单超过预设值时,所述目标运力标签为高阶运力,否则,所述目标运力标签为新手运力。
进一步地,所述订单请求包括定位信息,所述根据所述订单请求获取目标运力,所述目标运力包括新手运力和高阶运力的步骤,包括:
根据所述定位信息获取在所述定位信息预设范围内的可派发处理所述订单的目标运力。
进一步地,所述分别计算每位所述新手运力和高阶运力获取所述订单的概率的步骤,包括:
分别统计所述定位信息预设范围内中所述目标运力和新手运力的用户量,其中,所述目标运力用户量为n,所述新手运力用户量为m;
每位所述新手运力被派发订单的概率为P_j=2/(n+m)。
进一步地,所述分别计算每位所述新手运力和高阶运力获取所述订单的概率的步骤,还包括:
计算每位所述高阶运力的整体价值V_i;
对所述整体价值进行归一化处理:Score_i=Normalization(V_i);
所述高阶运力获取订单的概率为:Pi=(1-m*P_j)*Score_i。
进一步地,所述根据所述完单价值和留存价值计算每位所述高阶运力的整体价值V_i的步骤,包括:
获取每位所述高阶运力的完单价值T_i和留存价值S_i;
判断所述目标运力中,是否存在所述高阶运力所对应的所述完单价值T_i超过所述阈值p_thre,p_thre为预设的最低用户完单概率阈值,0<p_thre<1;若存在所述高阶运力所对应的所述完单价值T_i超过所述阈值p_thre,则定义整体价值V_i为完单价值T_i和留存价值S_i的线性加权:V_i=c*T_i+(1-c)S_i,c为预设的完单价值和留存价值的tradeoff参数,0<c<1;否则定义所述整体价值V_i为所述高阶运力的留存价值:V_i=S_i。。
进一步地,所述根据所述概率随机派发一位所述目标运力处理所述订单请求,包括:
将每位所述新手运力和高阶运力获取订单的概率组成集合,根据所述集合的概率随机派发订单给一位新手运力或高阶运力。
本发明还提供了一种网约车订单处理装置,包括:
订单接收模块,用于接收订单请求;
目标运力获取模块,用于根据所述订单请求获取目标运力,所述目标运力包括新手运力和高阶运力;
计算模块,用于分别计算每位所述新手运力和高阶运力获取所述订单的概率;
分配模块,用于根据所述概率随机派发一位所述目标运力处理所述订单请求。
本发明还提供了一种计算机设备,包括存储器、处理器和网络接口,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现网约车订单处理方法的步骤。
本发明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,所述计算机程序被处理器执行时实现网约车订单处理方法的步骤。
在本发明中,提供一种网约车订单处理方法,该方法包括接收订单请求,所述订单请求为请求端发送的服务请求,基于所述订单请求获取可提供服务的目标运力,所述目标运力具体包括新手运力和高阶运力,所述新手运力和高阶运力获取所述订单请求的概率是分策略计算的,基于计算的每位所述新手运力和高阶运力的概率,将所述订单分配给其中一个目标运力。本发明通过分策略分别计算新手运力和高阶运力的获取订单的概率,以此降低新手运力直接与高阶运力的竞争压力,可对于收入较低的司机群体进行一定程度的倾斜照顾和扶持保护,并且可调控计算方案,使得策略更加适应不同的城市场景或不同调控力度的业务场景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例可以应用于其中的示例性系统架构图;
图2是本发明实施例提供的网约车订单处理方法的示意图;
图3本发明实施例提供的一网约车订单处理方法具体实施流程图;
图4是本发明实施例提供的网约车订单处理方装置的结构示意图;
图5根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等,操作网约车订单处理方法的业务及应用。服务器105与终端设备101、102、103通过网络104进行互联的提供网约车服务,终端设备端101、102、103可以是服务提供方(司机)使用的电子设备(如:手机、电脑、PDA等),也可以是请求方(乘客或拼友)使用的电子设备(如:手机、电脑、PDA等)。终端设备101、102、103上还可以安装有定位装置,定位装置包括但不限于全球定位系统、北斗卫星导航系统等,在此不做限定。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于用户设备、网络设备或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备其包括但不限于任何一种可与用户通过触摸板进行人机交互的移动电子产品,例如智能手机、平板电脑等,所述移动电子产品可以采用任意操作系统,如android操作系统、IOS操作系统等。其中,所述网络设备包括一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路(ASIC)、可编程门阵列(FPGA)、数字处理器(DSP)、嵌入式设备等。所述网络设备其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云;在此,云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。当然,本领域技术人员应能理解上述终端设备仅为举例,其他现有的或今后可能出现的终端设备如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
服务器105是网约车订单处理应用的服务端,可以通过所述网络104和终端设备101、102、103进行通信,终端设备101、102、103之间可以双方甚至多方连接通信。
服务器105可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。其也可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的网约车订单处理方法一般由服务器执行,相应地,网约车订单处理装置一般设置于服务器设备中,终端设备安装相应计算机程序或应用程序。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
随着网约车服务的成熟,越来越多的用户通常会选择更为便捷的网约车出行方式,网约车的诞生改变了传统打车方式,利用移动互联网的特点,最大限度的优化了乘客打车体验,节约司机与乘客沟通成本,降低空驶率,最大化的节省了司乘双方资源与时间,作为移动互联网下一种非常便利的出行方式,网约车服务在近年得到了快速发展,并涌现出预约、派单、抢单等多种服务模式。现有技术中,网络约车平台在为车辆分配订单时,一般考虑请求端的乘客用户的乘车体验来设置订单分配方法,未将提供服务端的司机用户之间的公平性问题纳入考量的范畴,完单少的司机用户数据少,被分配到订单的概率低,长此以往,容易流失平台中的低阶运力,以及新手运力的入驻,不利于平台的长存发展。
图2是本发明实施例提供的网约车订单处理方法的示意图,所述方法包括:
201:接收订单请求。
随着互联网技术的发展,网约车的应用也越来越广泛。网约车是网络预约出租汽车的简称,网约车系统包括发出乘车请求的乘客用户端和提供服务的司机用户端,网约车司机和车辆是经过网约车平台登记和审核的。乘客可以通过移动设备等在网约车平台网上发出订单请求与司机进行预约,网约车司机接收接单后到指定地点接乘客到目的地。
202:根据订单请求获取目标运力,目标运力包括新手运力和高阶运力。
网约车的目标行程可以包括以下流程:推荐上车点,乘客输入终点,乘客下单,司机接单,司乘会面(即司机驾驶车辆前往推荐的上车点接乘客,乘客前往推荐的上车点),乘客上车,行驶开始,行驶结束,乘客下车。在提供网约车服务的过程中,服务器会基于下单的乘客的位置为乘客推荐一个上车点,以便于乘客搭乘以及司机停靠,提高司机和乘客双方的体验。并且,根据该上车点的位置信息向合适目标范围内的目标司机派发订单,以缩短乘客用户的等待目标司机用户前来接客会面的时间。
具体而言,在步骤201所接收的所述订单请求中至少包括乘客用户的上车地点的定位信息和时间信息,根据所述定位信息和时间信息筛选平台内适合完成所述乘客用户发出的订单的司机用户端的目标运力,即获取可派发该订单的目标司机用户信息。示例性地,获取定位在距离上车点距离范围5Km的司机用户端的目标运力,或者完成上一个订单的目标地点在该范围内,且预计到达时间在预设范围内,不会影响此订单出行的目标运力。
203:分别计算每位所述新手运力和高阶运力获取所述订单的概率。
在订单处理过程中,网约车平台公司在服务过程之中会按照一定的指派规则将订单分配给目标运力司机,在这个规则之中,不同的司机个体,其当天运营的收入情况会随着一些随机因素进行波动,故而,目标运力获取订单的概率对其收入的影响是巨大的。
在本发明实施例中,步骤202中所获取的所述目标运力包括新手运力和高阶运力,所述新手运力为在网约车平台内完成的乘客订单数未达到预设阈值的订单数的司机用户,反之,完成的订单数超过预设阈值订单数的司机用户为高阶运力。所述新手运力和高阶运力互为补集,每位所述目标运力只能打一标签。
可以理解的是,在步骤203计算新手运力和高阶运力获取订单的概率之前,本发明实施例对选中范围中的所述目标运力分类划分。具体示例的,本实施例对所述目标运力设置运力标签,对所述目标运力中完成订单数低于预设阈值的司机用户标签为新手运力,对完成订单超过预设阈值数的司机用户标签为高阶运力。根据所述用户标签统计所述定位信息预设范围内中所述目标运力、新手运力和高阶运力的用户用户量。
需要说明的是,新手运力在网约车平台中共享信息数据少的,网约车平台定制的订单分配规则通常是便于乘客提供用户体验的,如采用基于距离最短、基于司机服务质量最好等方式进行订单分派给最优的目标运力执行,以最大化网约车平台的收益。这些分配订单的方式是不利于新加入平台的司机用户的,即在步骤202中所获取的目标运力中新手运力是基本不能竞争过高阶运力获得订单的。为解决此问题,本发明根据以下实施例方案分策略对目标运力中的新手运力和高阶运力获取订单的概率进行计算,其中所有所述新手运力在平台中视为同等质量的运力,每位新手运力获取订单的概率相同,每位高阶运力获取订单的概率按照其在平台的行为数据进行分析评估。
需要说明的是,本发明实施例所述新手运力和高阶运力获取所述订单的概率通过分策略兼顾了平台和司机留存价值两个目标。虽然这两个目标存在一定的互斥性,两者难以达到同时最优,但本方案采用一个可调控,易调控的通用方案,使得策略更加适应不同的城市场景或不同调控力度的业务场景。
在本发明的一个实施例中,所述新手运力是同质的,其获取述订单的概率是统一的,每个所述新手运力的概率值相同;每个所述高阶运力获取订单的高概率则需要根据所述高阶运力的完单价值和留存价值计算分析其整体价值,通过归一化处理后计算出其获取订单的概率。其中,所述完单价值表示取消率模型预测司机完单概率,所述留存价值表示目标运力完成这一订单,对所述目标运力留存的增益价值。
具体示例的,假设XXX网约车平台接收一订单请求,可根据所述订单请求中的定位信息获取该定位信息距离5km内的目标运力总共为n个,其中,被标记为新手运力的目标司机用户有m个,被标记为高阶运力的目标司机用户有n-m个,则每个所述新手运力获取订单的概率统一为:P_j=2/(n+m),目标运力中所有新手运力的总概率为:Pn=m*P_j=2m/(n+m),目标运力中所有高阶运力的总概率为:Po=1-Pn=1-2m/(n+m)。
进一步的,通过另一模型获取每位所述高阶运力的完单价值T_i和留存价值S_i,基于所述完单价值和留存价值计算每位所述高阶运力的整体价值V_i:判断所述目标运力中,是否存在所述高阶运力所对应的所述完单价值T_i超过所述阈值p_thre,p_thre为预设的最低用户完单概率阈值,0<p_thre<1;若存在所述高阶运力所对应的所述完单价值T_i超过所述阈值p_thre,则定义整体价值V_i为完单价值T_i和留存价值S_i的线性加权:V_i=c*T_i+(1-c)S_i,c为预设的完单价值和留存价值的tradeoff参数,0<c<1;否则定义所述整体价值V_i为所述高阶运力的留存价值:V_i=S_i。然后对所述整体价值进行归一化处理Score_i=Normalization(V_i),最后根据公式Pi=(1-m*P_j)*Score_i计算得出每位所述高阶运力的获取订单的概率。
通过分策略计算所述新手运力和高阶运力获取订单的概率,所述新手运力和高阶运力避免直接竞争,提高新手运力竞争力,本模型双目标优化兼顾了平台和司机留存价值两个目标,并且可对计算模型进行调控,使得策略更加适应不同的城市场景或不同调控力度的业务场景。
204:根据所述概率随机派发一位所述目标运力处理所述订单请求。
将步骤203计算得出的每位所述目标运力的概率组成集合,基于所述集合的概率随机派发所述订单给一位所述新手运力或高阶运力。
请参阅图3,本发明实施例提供的一网约车订单处理方法的一种具体实施方式的流程图,该方法包括以下步骤:
301:接收订单请求;
302:根据订单请求获取目标运力n;
303:统计目标运力中新手运力用户量m;
304:计算每位新手运力的概率:Pn_j=2/(n+m),新手运力总概率Pn=2m/(n+m),高阶运力总概率Po=1-Pn=1-2m/(n+m);
305:获取每位高阶运力的完单价值T_i和留存价值S_i;
306:判断是否存在T_i>p_thre,若存在,执行步骤307计算所述高阶运力的整体价值V_i并进行归一化处理,若不存在,则按照步骤308计算所述高阶运力的整体价值V_i并进行归一化处理;
307:V_i=c*T_i+(1-c)S_i,Score_i=Normalization(V_i);
308:V_i=S_i,Score_i=Normalization(V_i);
309:计算每位高阶运力的概率:Po_i=Po*Score_i;
310:新手运力和高阶运力组合的集合为Pf={{Pn_j},{Po_i}};
311:根据集合Pf使用随机挑选的方式将订单分配给一位目标运力。
在本实施例中,司机用户和乘客用户向平台上报他们的实时位置,平台通过集中决策机制来完成司机和乘客间的匹配。其中步骤301所获取的订单请求至少包括乘客用户的上车位置的定位信息,基于所述定位信息步骤302确定可分配的目标运力范围,所获取的目标运力可以是在所述定位信息范围内的在线用户或者上一订单的目的地在所述定位信息范围内切且时间信息适宜的司机用户。步骤303对步骤302中获取的目标运力统计分析,计算其中所有目标运力、新手运力和高阶运力的用户量,由于新手运力在平台的数据少,本实施例中对所有新手运力视为同质的,每位新手运力的获取概率是相同的,根据步骤304计算每位所述信用宝的获取概率。每位所述高阶运力的获取概率根据其在平台上的完单价值和留存价值计算分析其整体价值,在步骤306中,p_thre为最低的司机完单概率阈值,其数值范围在0到1之间,即0<p_thre<1。步骤307方式的计算方法中,c表示完单价值和留存价值的tradeoff参数,其数值范围也在0到1之间,并且p_thre、c都为预设值。
在计算出每位高阶运力获取订单的概率后,步骤310将所有目标运力的概率值组成集合,如:假设有四个目标运力的司机用户,经之前步骤,每位所述目标运力组成的概率集合为{0.1,0.1,0.75,0.05},通过生成随机数方式生成P,若p=0.05(属于0~0.1)则分配给第一个司机;若p=0.15(属于0.1~0.2)则分配给第二个司机;若p=0.80(属于0.2~0.95)则分配给第三个司机;若p=0.98(属于0.95~1)则分配给第四个司机;若该分配执行100次,按照概率预期期望:有10次,分配给第一个司机;有10次,分配给第二个司机;有75次,分配给第三个司机;有5次,分配给第四个司机。
需要说明的是,每位所述目标运力可以拒绝分配的订单,所述订单被拒绝后,步骤310组合的集合去掉对应的概率值,形成新的组合,再经过步骤311重新分配。
图4是本发明实施例提供的网约车订单处理装置400的示意图,所述装置包括:
订单接收模块401,用于接收订单请求;
目标运力获取模块402,用于根据所述订单请求获取目标运力,所述目标运力包括新手运力和高阶运力;
计算模块403,用于分策略计算每位所述新手运力和高阶运力获取所述订单的概率;
分配模块404,用于根据所述概率随机派发一位所述目标运力处理所述订单请求。
所述网约车订单处理装置400还包括显示模块(图未示),所述显示模块用于显示所述网约车订单处理装置400的软件开发过程及操作页面,以及送达过程的GPS路线导航。
所述网约车订单处理装置400还可以包括输入模块(图未示),所述输入模块与所述显示模块相连,所述输入模块可包括按键,可用于输入用户id的账号、密码、名称等信息,所述软件开发过程操作页面可以在所述软件开发装置中的显示模块中显示,并且所述显示模块还可以显示所述用户的其他信息,并将此信息存储起来,方便用户随时进行查看。
所述网约车订单处理装置400还可以包括GPS定位模块(图未示),所述GPS定位模块包括但不限于全球定位系统、北斗卫星导航系统等,在此不做限定。
进一步的,所述GPS定位模块还用于基于乘客到达的出发地、目的地及实时路线状况预设目标路线。
所述网约车订单处理装置400还可以包括交互模块(图未示),所述交互模块可提供给用户选择功能的方法、传递出导向元素和它所导向内容之间的关系,以及传递出导航的内容和用户当前浏览页面之间的关系,同时提供司机用户和乘客用户联系的媒介。
需要说明的是,本实施例的网约车订单处理装置400,与方法实施例的属于同一构思,其具体实现过程详细见方法实施例,且方法实施例中的技术特征在本实施例中均对应适用,此处不再赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图5,图5为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是,图中仅示出了具有组件51-53的计算机设备5,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器51至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器51可以是所述计算机设备5的内部存储单元,例如该计算机设备5的硬盘或内存。在另一些实施例中,所述存储器51也可以是所述计算机设备5的外部存储设备,例如该计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中,所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件,例如网约车订单处理方法的程序代码等。此外,所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器52在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中,所述处理器52用于运行所述存储器51中存储的程序代码或者处理数据,例如运行所述网约车订单处理方法的程序代码。
所述网络接口53可包括无线网络接口或有线网络接口,该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
本发明的实施例还提出一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现网约车订单处理方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
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发明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。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (10)
1.一种网约车订单处理方法,其特征在于,包括以下步骤:
接收订单请求;
根据所述订单请求获取目标运力,所述目标运力包括新手运力和高阶运力;
分别计算每位所述新手运力和高阶运力获取所述订单的概率;
根据所述概率随机派发一位所述目标运力处理所述订单请求。
2.根据权利要求1所述的网约车订单处理方法,其特征在于,所述目标运力根据完成的订单用户量设置有运力类型标签,当所述目标运力完成的订单超过预设值时,所述目标运力标签为高阶运力,否则,所述目标运力标签为新手运力。
3.根据权利要求1所述的网约车订单处理方法,其特征在于,所述订单请求包括定位信息,所述根据所述订单请求获取目标运力,所述目标运力包括新手运力和高阶运力的步骤,包括:
根据所述定位信息获取在所述定位信息预设范围内的可派发处理所述订单的目标运力。
4.根据权利要求3所述的网约车订单处理方法,其特征在于,所述分别计算每位所述新手运力和高阶运力获取所述订单的概率的步骤,包括:
分别统计所述定位信息预设范围内中所述目标运力和新手运力的用户量,其中,所述目标运力用户量为n,所述新手运力用户量为m;
每位所述新手运力被派发订单的概率为P_j=2/(n+m)。
5.根据权利要求4所述的网约车订单处理方法,其特征在于,所述分别计算每位所述新手运力和高阶运力获取所述订单的概率的步骤,还包括:
计算每位所述高阶运力的整体价值V_i;
对所述整体价值进行归一化处理:Score_i=Normalization(V_i);
所述高阶运力获取订单的概率为:P_i=(1-m*P_j)*Score_i。
6.根据权利要求5所述的网约车订单处理方法,其特征在于,所述根据所述完单价值和留存价值计算每位所述高阶运力的整体价值V_i的步骤,包括:
获取每位所述高阶运力的完单价值T_i和留存价值S_i;
判断所述目标运力中,是否存在所述高阶运力所对应的所述完单价值T_i超过所述阈值p_thre,p_thre为预设的最低用户完单概率阈值,0<p_thre<1;若存在所述高阶运力所对应的所述完单价值T_i超过所述阈值p_thre,则定义整体价值V_i为完单价值T_i和留存价值S_i的线性加权:V_i=c*T_i+(1-c)S_i,c为预设的完单价值和留存价值的tradeoff参数,0<c<1;否则定义所述整体价值V_i为所述高阶运力的留存价值:V_i=S_i。
7.根据权利要求1-6任一项所述的网约车订单处理方法,其特征在于,所述根据所述概率随机派发一位所述目标运力处理所述订单请求,包括:
将每位所述新手运力和高阶运力获取订单的概率组成集合,根据所述集合的概率随机派发订单给一位新手运力或高阶运力。
8.一种网约车订单处理装置,其特征在于,包括:
订单接收模块,用于接收订单请求;
目标运力获取模块,用于根据所述订单请求获取目标运力,所述目标运力包括新手运力和高阶运力;
计算模块,用于分别计算每位所述新手运力和高阶运力获取所述订单的概率;
分配模块,用于根据所述概率随机派发一位所述目标运力处理所述订单请求。
9.一种计算机设备,包括存储器、处理器和网络接口,所述存储器存储有计算机程序,其征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述网约车订单处理方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述网约车订单处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110982490.XA CN113793195B (zh) | 2021-08-25 | 2021-08-25 | 网约车订单处理方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110982490.XA CN113793195B (zh) | 2021-08-25 | 2021-08-25 | 网约车订单处理方法、装置、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113793195A true CN113793195A (zh) | 2021-12-14 |
CN113793195B CN113793195B (zh) | 2024-03-15 |
Family
ID=79182266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110982490.XA Active CN113793195B (zh) | 2021-08-25 | 2021-08-25 | 网约车订单处理方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113793195B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688951A (zh) * | 2022-11-15 | 2023-02-03 | 首约科技(北京)有限公司 | 一种运力订单指标的统计方法、装置和设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160180346A1 (en) * | 2014-12-19 | 2016-06-23 | Yu Cheng | System and method for intermediary agency to find better service providers |
CN107918895A (zh) * | 2016-10-10 | 2018-04-17 | 高德信息技术有限公司 | 一种打车订单匹配方法及装置 |
US20180315319A1 (en) * | 2017-04-26 | 2018-11-01 | Dropoff, Inc. | Systems and methods for automated real-time and advisory routing within a fleet of geographically distributed drivers |
CN109284880A (zh) * | 2017-07-20 | 2019-01-29 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、服务器、移动终端和可读存储介质 |
US20190206008A1 (en) * | 2017-12-29 | 2019-07-04 | Lyft, Inc. | Assigning rides based on probability of provider acceptance |
CN110753073A (zh) * | 2018-07-24 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
US20200074320A1 (en) * | 2018-09-04 | 2020-03-05 | Visa International Service Association | System, Method, and Computer Program Product for Generating Real-Time Predictions for Vehicle Transportation Requests Using Machine Learning |
CN111242473A (zh) * | 2020-01-09 | 2020-06-05 | 北京三快在线科技有限公司 | 资源调度方法、装置、电子设备及可读存储介质 |
CN111260383A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 注册概率预估方法及装置、概率预估模型构建方法及装置 |
CN111553501A (zh) * | 2019-02-12 | 2020-08-18 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配方法及装置 |
CN112488430A (zh) * | 2020-12-21 | 2021-03-12 | 深圳依时货拉拉科技有限公司 | 一种预测订单取消的建模方法、装置、计算机设备及计算机可读存储介质 |
CN112801324A (zh) * | 2020-12-31 | 2021-05-14 | 北京嘀嘀无限科技发展有限公司 | 出行推荐方法、装置、电子设备及计算机可读存储介质 |
WO2021147353A1 (zh) * | 2020-01-21 | 2021-07-29 | 北京三快在线科技有限公司 | 订单调度 |
CN113269341A (zh) * | 2021-05-20 | 2021-08-17 | 南京邮电大学 | 一种基于双目标lp的网约车在线订单匹配方法 |
-
2021
- 2021-08-25 CN CN202110982490.XA patent/CN113793195B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160180346A1 (en) * | 2014-12-19 | 2016-06-23 | Yu Cheng | System and method for intermediary agency to find better service providers |
CN107918895A (zh) * | 2016-10-10 | 2018-04-17 | 高德信息技术有限公司 | 一种打车订单匹配方法及装置 |
US20180315319A1 (en) * | 2017-04-26 | 2018-11-01 | Dropoff, Inc. | Systems and methods for automated real-time and advisory routing within a fleet of geographically distributed drivers |
CN109284880A (zh) * | 2017-07-20 | 2019-01-29 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、服务器、移动终端和可读存储介质 |
US20190206008A1 (en) * | 2017-12-29 | 2019-07-04 | Lyft, Inc. | Assigning rides based on probability of provider acceptance |
CN110753073A (zh) * | 2018-07-24 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
US20200074320A1 (en) * | 2018-09-04 | 2020-03-05 | Visa International Service Association | System, Method, and Computer Program Product for Generating Real-Time Predictions for Vehicle Transportation Requests Using Machine Learning |
CN111260383A (zh) * | 2018-11-30 | 2020-06-09 | 北京嘀嘀无限科技发展有限公司 | 注册概率预估方法及装置、概率预估模型构建方法及装置 |
CN111553501A (zh) * | 2019-02-12 | 2020-08-18 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配方法及装置 |
CN111242473A (zh) * | 2020-01-09 | 2020-06-05 | 北京三快在线科技有限公司 | 资源调度方法、装置、电子设备及可读存储介质 |
WO2021147353A1 (zh) * | 2020-01-21 | 2021-07-29 | 北京三快在线科技有限公司 | 订单调度 |
CN112488430A (zh) * | 2020-12-21 | 2021-03-12 | 深圳依时货拉拉科技有限公司 | 一种预测订单取消的建模方法、装置、计算机设备及计算机可读存储介质 |
CN112801324A (zh) * | 2020-12-31 | 2021-05-14 | 北京嘀嘀无限科技发展有限公司 | 出行推荐方法、装置、电子设备及计算机可读存储介质 |
CN113269341A (zh) * | 2021-05-20 | 2021-08-17 | 南京邮电大学 | 一种基于双目标lp的网约车在线订单匹配方法 |
Non-Patent Citations (1)
Title |
---|
董鹏;杨美金;: "客户订单的管理与归档方法及发展趋势", 办公自动化, no. 04, 15 February 2011 (2011-02-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688951A (zh) * | 2022-11-15 | 2023-02-03 | 首约科技(北京)有限公司 | 一种运力订单指标的统计方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113793195B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boyacı et al. | An integrated optimization-simulation framework for vehicle and personnel relocations of electric carsharing systems with reservations | |
CN105761482A (zh) | 基于公平性的出租车实时预约方法及系统 | |
CN113222305B (zh) | 订单调度方法、装置、存储介质和电子设备 | |
Egan et al. | Market mechanism design for profitable on-demand transport services | |
CN113627792B (zh) | 无人车的调度管理方法、装置、设备、存储介质及程序 | |
CN107133697A (zh) | 预估司机接单意愿的方法、装置、设备及存储介质 | |
CN113435968B (zh) | 网约车派单方法、装置、电子设备及存储介质 | |
CN111340318B (zh) | 一种车辆动态调度方法、装置及终端设备 | |
CN111614754B (zh) | 面向雾计算的成本效率优化的动态自适应任务调度方法 | |
Pei et al. | Real-time optimal scheduling model for transit system with flexible bus line length | |
CN111178686A (zh) | 一种网约车的分配方法、装置、电子设备及存储介质 | |
Zhang et al. | Service pricing and selection for IoT applications offloading in the multi-mobile edge computing systems | |
Saha et al. | Application of machine learning in app-based cab booking system: a survey on Indian scenario | |
CN113793195B (zh) | 网约车订单处理方法、装置、计算机设备及可读存储介质 | |
US20220027818A1 (en) | Information processing apparatus, information processing method and non-transitory storage medium | |
Yan et al. | An incentive mechanism for private parking-sharing programs in an imperfect information setting | |
Abkarian et al. | Modeling the mixed-service fleet problem of shared-use autonomous mobility systems for on-demand ridesourcing and carsharing with reservations | |
CN106453557A (zh) | 一种IaaS服务中的双时间尺度用户动态竞价和资源管理算法 | |
US20220044570A1 (en) | Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes | |
US20220044569A1 (en) | Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes | |
CN113642761A (zh) | Robotaxi自动驾驶共享网约车资源分配方法 | |
CN112561330A (zh) | 一种调度指令的生成方法、装置、电子设备及介质 | |
US20230076582A1 (en) | Transmitting digital transportation requests across modes to limited-eligibility provider devices to improve network coverage and system efficiency | |
CN111833119A (zh) | 一种订单分配的方法、装置、电子设备及存储介质 | |
CN115409243A (zh) | 一种运营资源分配与任务调度方法和终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |