CN114820098A - 打车订单的绑定方法、装置、电子设备和计算机程序产品 - Google Patents
打车订单的绑定方法、装置、电子设备和计算机程序产品 Download PDFInfo
- Publication number
- CN114820098A CN114820098A CN202111570231.2A CN202111570231A CN114820098A CN 114820098 A CN114820098 A CN 114820098A CN 202111570231 A CN202111570231 A CN 202111570231A CN 114820098 A CN114820098 A CN 114820098A
- Authority
- CN
- China
- Prior art keywords
- order
- driver
- candidate
- taxi
- information
- 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 85
- 238000004590 computer program Methods 0.000 title claims abstract description 18
- 230000001960 triggered effect Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 19
- 230000002776 aggregation Effects 0.000 description 16
- 238000004220 aggregation Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开实施例涉及一种打车订单的绑定方法、装置、电子设备和计算机程序产品,其中,该方法包括:获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机;基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率;基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。本公开实施例通过评估每个候选司机对应的取消概率,基于取消概率确定与打车订单绑定的司机,能够从至少一个候选司机中选择出接单成功率高的司机为用户提供服务,进而有利于降低订单绑单后,司乘双方取消订单的概率,有利于提高订单成交率。
Description
技术领域
本公开涉及互联网应用技术领域,尤其涉及一种打车订单的绑定方法、装置、电子设备和计算机程序产品。
背景技术
随着互联网技术的发展,网约车逐渐成为用户出行的一种重要方式,为用户出行带来了极大的便利,同时出行行业内也形成了大量的网约车服务商。
随着出行行业的发展,行业内出现了一类聚合服务商,该聚合服务商能够聚合的多个网约车服务商的司机资源,而为其用户提供出行服务。聚合服务商在接收到乘客从客户端触发的打车订单后,将打车订单的订单信息提供给多个网约车服务商,网约车服务商接收到打车订单的订单信息后,召回可用司机,并将可用司机反馈给聚合服务商,聚合服务商将订单与反馈速度最快的网约车服务商提供的司机绑定。
采用上述方式,绑定订单的司机挑选标准为网约车服务商反馈司机的响应时间,但考虑到路况及乘客、司机等各种因素,响应时间快的并非优选择,最终影响订单成交率,容易出现等待时间过长,订单取消等情况,造成系统计算资源的浪费,并且影响用户体验。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种打车订单的绑定方法、装置、电子设备和计算机程序产品。
第一方面,本公开实施例提供了一种打车订单的绑定方法,应用于第一用户设备,包括:
接收用户基于网约车界面触发的打车订单;
向第一服务器发送打车订单的订单信息;
接收所述第一服务器反馈的与所述打车订单绑定的司机,所述与所述打车订单绑定的司机由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到;
在所述网约车界面上展示所述与所述打车订单绑定的司机。
第二方面,本公开实施例提供了一种打车订单的绑定方法,应用于第一服务器,包括:
获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机;
基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率;
基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。
第三方面,本公开实施例提供了一种打车订单的绑定方法,应用于第二服务器,包括:
接收第一服务器发送的打车订单的订单信息;
基于预设的召回策略召回与所述打车订单关联的至少一个候选司机;
向所述第一服务器推荐与所述打车订单关联的至少一个候选司机,以由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与所述打车订单绑定的司机。
第四方面,本公开实施例提供了一种打车订单的绑定方法,应用于第二用户设备,包括:
接收第二服务器发送的订单派送通知消息,所述订单派送通知消息用于通知司机已与打车订单绑定,所述订单派送通知消息为所述第二服务器在接收到第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息后发送,所述第一服务器用于基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与打车订单绑定的司机;
在网约车界面展示所述打车订单。
第五方面,本公开实施例还提供了一种打车订单的绑定装置,包括:
第一接收模块,用于接收用户基于网约车界面触发的打车订单;
第一发送模块,用于向第一服务器发送打车订单的订单信息;
第二接收模块,用于接收所述第一服务器反馈的与所述打车订单绑定的司机,所述与所述打车订单绑定的司机由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到;
第一展示模块,用于在所述网约车界面上展示所述与所述打车订单绑定的司机。
第六方面,本公开实施例还提供了一种打车订单的绑定装置,包括:
获取模块,用于获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机;
估计模块,用于基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率;
选择模块,用于基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。
第七方面,本公开实施例还提供了一种打车订单的绑定装置,包括:
第三接收模块,用于接收第一服务器发送的打车订单的订单信息;
召回模块,用于基于预设的召回策略召回与所述打车订单关联的至少一个候选司机;
推荐模块,用于向所述第一服务器推荐与所述打车订单关联的至少一个候选司机,以由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与所述打车订单绑定的司机。
第八方面,本公开实施例还提供了一种打车订单的绑定装置,包括:
第四接收模块,用于接收第二服务器发送的订单派送通知消息,所述订单派送通知消息用于通知司机已与打车订单绑定,所述订单派送通知消息为所述第二服务器在接收到第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息后发送,所述第一服务器用于基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与打车订单绑定的司机;
第二展示模块,用于在网约车界面展示所述打车订单。
第九方面,本公开实施例还提供了一种电子设备,所述电子设备包括:处理器;存储器,用于存储所述处理器可执行指令;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现本公开实施例提供的任一所述的打车订单的绑定方法。
第十方面,本公开实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本公开实施例提供的任一所述的打车订单的绑定方法。
第十一方面,本公开实施例还提供了一种计算机程序产品,所述计算机程序产品用于执行本公开实施例提供的任一所述的打车订单的绑定方法。
本公开实施例提供的技术方案与现有技术相比至少具有如下优点:在本公开实施例中,用户通过网约车界面触发打车订单,用户所持的第一用户设备将打车订单发送给第一服务器,由第一服务器将打车订单的订单信息发送给第二服务器,由第二服务器根据订单信息返回候选司机的信息给第一服务器,进而第一服务器基于打车订单的订单信息、与打车订单关联的候选司机的信息,利用预先训练的概率预估模型确定每个候选司机对应的取消概率,进而基于每个候选司机对应的取消概率,选择与打车订单绑定的司机,之后第一服务器将打车订单绑定的司机发送给第一用户设备,由第一用户设备在网约车界面上展示与打车订单绑定的司机,第一服务器还向第二服务器发送用于通知与打车订单绑定的司机的订单绑定通知消息,由第二服务器基于订单绑定通知消息向司机对应的第二用户设备发送订单派送通知消息,第二用户设备在接收到订单派送通知消息后在网约车界面展示关联的打车订单。本公开实施例中,取消概率用于评估司机的优良,取消概率越低的司机通常能够提供更高的服务质量,从而,将取消概率作为评价司机质量的因素,通过评估每个候选司机对应的取消概率,基于取消概率确定与打车订单绑定的司机,能够从至少一个候选司机中选择出接单成功率高的司机为用户提供服务,进而有利于降低订单绑单后,司乘双方取消订单的概率,有利于提高订单成交率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为基于聚合服务商提供打车服务的服务流程图;
图2为实现本公开实施例的打车订单的绑定方法的系统架构示意图;
图3为本公开实施例提供的一种打车订单的绑定方法的流程示意图;
图4为本公开实施例提供的用户通过网约车界面触发打车订单的界面示例图;
图5为本公开实施例提供的一种打车订单的绑定方法的流程示意图;
图6为本公开实施例提供的另一种打车订单的绑定方法的流程示意图;
图7为本公开一具体实施例提供的一种打车订单的绑定方法的流程示意图;
图8为本公开一具体实施例提供的取消概率比对的流程示意图;
图9为本公开一具体实施例提供的任务回调流程的示意图;
图10为本公开实施例提供的又一种打车订单的绑定方法的流程示意图;
图11为本公开实施例提供的再一种打车订单的绑定方法的流程示意图;
图12为本公开实施例提供的一种打车订单的绑定装置的结构示意图;
图13为本公开实施例提供的另一种打车订单的绑定装置的结构示意图;
图14为本公开实施例提供的又一种打车订单的绑定装置的结构示意图;
图15为本公开实施例提供的再一种打车订单的绑定装置的结构示意图;
图16为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
图1为基于聚合服务商提供打车服务的服务流程图,图2为一种实现图1所述的服务流程的系统架构图。如图1和图2所示,聚合服务商能够聚合多个网约车服务商的司机资源,为聚合服务商所面向的用户提供打车服务。在实现过程中,当乘客使用自己的第一用户设备触发打车订单,该打车订单的订单信息会被发送给聚合服务商的第一服务器,聚合服务商在接收到上述打车订单后,会将打车订单的订单信息发送给全部或部分网约车服务商的第二服务器,通常为了能够获得更多可选的司机资源,会发送多个约车服务商的第二服务器,网约车服务商的第二服务器将会根据自身设定的召回策略进行司机召回,召回可用的司机,并将上述召回的可用司机反馈给第一服务器,以在第一服务器上实现最终与打车订单绑定的司机的选择。
待完成司机选择后,将会将打车订单与司机绑定,将绑定结果通知到发起打车订单的用户,同时,将绑定结果也通知到第二服务器,以由第二服务器将绑定打车订单的消息通知给司机,具体的可以发送订单绑定成功消息给司机的第二用户设备。
通过上述方法绑定打车订单和司机,并同步给用户和司机后,即可以进一步使用户在指定位置上车和完成订单。
本公开实施例提供了一种打车订单的绑定方法,可以由如图2所示的系统架构中的用户设备和服务器的相互配合实现,图2中,第一用户设备为有乘车需求的用户所持的电子设备,并且在第一用户设备上可以安装乘客端应用程度或小程序,用户通过操作应用程度或小程序的界面触发打车订单;第二用户设备为能够提供乘车服务的司机所持有的电子设备,并且在该第二用户设备上安装有司机端应用程序或小程序。上述的应用程序或小程序仅为一种示例,也可以是其他形式,本公开实施例对此不作限制。
相对于现有技术中是基于网约车服务商反馈司机的响应时间早晚确定与打车订单绑定的司机。本公开实施例提供的方案中,在第一服务器商上预先配置了概率预估模型,具体方案参见如下介绍:
首先,用户基于网约车界面触发打车订单,第一用户设备将打车订单发送给第一服务器,由第一服务器将打车订单的订单信息发送给第二服务器,由第二服务器根据订单信息召回候选司机,并将候选司机的信息发送给第一服务器,进而第一服务器能够基于打车订单的订单信息、与打车订单关联的候选司机的信息,利用预先训练的概率预估模型确定每个候选司机对应的取消概率,进而基于每个候选司机对应的取消概率,选择与打车订单绑定的司机,之后第一服务器将打车订单绑定的司机发送给第一用户设备,由第一用户设备在网约车界面上展示与打车订单绑定的司机,第一服务器还向第二服务器发送用于通知与打车订单绑定的司机的订单绑定通知消息,由第二服务器基于订单绑定通知消息向第二用户设备发送订单派送通知消息,第二用户设备在接收到订单派送通知消息后在网约车界面展示关联的打车订单。
其中,概率预估模型可以预先训练得到,在取得司机以及服务商许可的前提下,在初始时,获取司机的档案信息、接单情况和取消订单情况、司机的接驾时间等信息,利用获取的信息作为训练数据,对初始模型进行训练,直至模型收敛,得到训练好的概率预估模型。并且,随着时间的推移,可以不断地获取新的数据,并利用新获取的数据对概率预估模型进行优化,使得概率预估模型的准确度越来越高。本公开实施例中,概率预估模型预测的是订单被取消的概率值,该概率值的范围是0~1,取消概率用于表征订单的取消概率,取消概率越小,表明该订单被取消的概率越低。本领域内技术人员可以理解,取消概率和成功概率是一个相对的概念,二者之和为1,若概率预估模型预测出来的直接结果是订单未被取消,即成功的概率值时,也相当于预测得到了取消概率,直接基于上述成功的概率值和基于换算得到的取消概率本质上是相同技术方案,也属于本公开实施例的保护范围。
本方案中,第一服务器在选择司机时,通过概率预估模型给出的各候选司机的取消概率来进行司机选择,可以提供更优选的司机,提高司乘双方的满意度,从而降低订单绑单后,司乘双方取消订单的概率,有利于提高订单成交率。
接下来针对图2中的各个设备对应执行的方法实施例分别进行解释说明。
图3为本公开实施例提供的一种打车订单的绑定方法的流程示意图,该方法应用于第一用户设备,如图3所示,本公开实施例提供的打车订单的绑定方法可以包括:
S101、接收用户基于网约车界面触发的打车订单。
其中,网约车界面,是指用户在第一用户设备中乘客端应用程度或小程序的界面。
聚合服务商为用户提供约车服务,当用户选择使用网约车出行时,可以通过聚合服务商下单进行约车出行。用户下单时,可以在网约车界面中输入始发地、目的地、出行时间等信息,还可以从聚合服务商提供的所有网约车服务商中,选择希望提供服务的网约车服务商。
示例性地,图4为本公开实施例提供的用户通过网约车界面触发打车订单的界面示例图。如图4所示,用户可以在网约车界面中输入出行的起点(始发地)和终点(目的地),以及出行时间。网约车界面中还显示有聚合服务商所支持的多个网约车服务商供用户选择,用户可以从多个网约车服务商中选择全部或部分网约车服务商。另外,对应每个网约车服务商,第一服务器可以根据用户本次输入的起点和终端,结合网约车服务商提供的优惠策略和/或聚合服务商自身提供的优惠策略,计算出本次出行的优惠信息以及优惠后的预估费用,并将优惠信息与预估费用显示在对应网约车服务商处,以使用户可以根据自身需求从多个网约车服务商中选择部分或全部的网约车服务商来获取服务。用户选择好后,点击图4中所示的“同时呼叫”,则下单完成,生成打车订单,第一用户设备接收该打车订单。
S102、向第一服务器发送打车订单的订单信息。
本公开实施例中,第一用户设备接收到用户基于网约车界面触发的打车订单后,可以向第一服务器发送打车订单的订单信息。
其中,打车订单的订单信息可以包括但不限于订单中包含的起点和终点、本次行程的时间、距离、出行时间、用户选择的服务商等。
S103、接收所述第一服务器反馈的与所述打车订单绑定的司机,所述与所述打车订单绑定的司机由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到。
本公开实施例中,第一服务器接收到打车订单的订单信息后,会根据打车订单的订单信息、各个第二服务器反馈的候选司机的信息,利用概率预估模型确定出各个候选司机对应的取消概率,并根据各个司机对应的取消概率,从候选司机中选择出与打车订单绑定的司机,并将选中的司机反馈给第一用户设备,第一用户设备接收第一服务器反馈的与打车订单绑定的司机。
需要说明的是,第一服务器选择与打车订单绑定的司机的具体实现过程,将在后续第一服务器执行的方法实施例中进行详细说明,此处不作赘述。
S104、在所述网约车界面上展示所述与所述打车订单绑定的司机。
本公开实施例中,第一用户设备接收到第一服务器反馈的与打车订单绑定的司机后,可以将与打车订单绑定的司机显示在网约车界面上。
示例性地,可以在网约车界面中展示与打车订单绑定的司机的车牌号、驾龄、综合评分等信息。
本公开实施例中,通过将打车订单的订单信息发送给第一服务器,由第一服务器基于订单信息、候选司机的信息,使用训练好的概率预估模型来确定各个候选司机的取消概率,进而基于每个候选司机对应的取消概率来选择与打车订单绑定的司机,并将选择的司机反馈给第一用户设备,第一用户设备在网约车界面上展示与打车订单绑定的司机,使得用户能够方便地获知提供服务的司机的信息,由于与打车订单绑定的司机是第一服务器通过评估每个候选司机对应的取消概率,基于取消概率确定的,提高了为用户匹配高服务质量的司机的概率,有利于降低订单绑单后,司乘双方取消订单的概率,进而有利于提高订单成交率。
图5为本公开实施例提供的一种打车订单的绑定方法的流程示意图,可以适用于第一服务器接收到用户的打车订单时,为用户提供高接单率的司机的情况。该打车订单的绑定方法可以由打车订单的绑定装置执行,该装置可以采用软件和/或硬件实现,并可集成在第一服务器上。
如图5所示,本公开实施例提供的打车订单的绑定方法可以包括:
S201、获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机。
本公开实施例中,打车订单的订单信息由用户所持的第一用户设备发送给第一服务器,与打车订单关联的至少一个候选司机由第二服务器反馈给第一服务器。
第一服务器接收到打车订单的订单信息后,向用户下单时选择的网约车服务商的第二服务器发送订单请求,等待第二服务器回调可用司机。第二服务器接收到第一服务器的订单请求后,根据自身的召回策略,获取可用的司机,并把可用的司机的信息回调至第一服务器。第一服务器接收第二服务器召回的司机的信息,并将上述司机确定为与接收的打车订单关联的候选司机。
S202、基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率。
其中,司机的信息可以包括但不限于司机的历史订单取消概率、司机的接驾时间等。
本公开实施例中,第一服务器获取到第二服务器反馈的候选司机之后,可以将订单信息、候选司机的信息输入至预先训练的概率预估模型,由概率预估模型输出与每个候选司机对应的取消概率。其中,概率预估模型输出的取消概率,是该订单被绑定给每个候选司机时,该订单被取消的概率值。概率预估模型的相关描述已在前文中给出,此处不再赘述。
S203、基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。
本公开实施例中,由概率预估模型确定每个候选司机对应的取消概率之后,可以基于每个候选司机对应的取消概率,选择与接收到的打车订单绑定的司机。
示例性地,可以比较每个候选司机对应的取消概率,从中选择取消概率最低的候选司机作为与打车订单绑定的司机。由于取消概率表征的是司机的接单成功率,取消概率越低,表明司机的接单成功率越高,从而,选择取消概率最低的候选司机作为与打车订单绑定的司机,使得向打车订单绑定的司机是各第二服务器提供的可用司机中接单成功率最高的司机,保证了提供给用户的司机质量,有利于保证司乘之间的满意度,从而有利于降低订单绑单后,司乘双方取消订单的概率,提高了订单成交率。
进而,确定了与打车订单绑定的司机之后,可以将该司机与乘客进行绑单,并通知乘客订单被接单以及接单信息。之后,司机和乘客根据第一服务器提供的信息完成碰面上车,到达目的地之后,订单完成。
在本公开实施例中,首先,获取打车订单的订单信息,以及与打车订单关联的至少一个候选司机,接着,基于订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率,进而基于每个候选司机对应的取消概率,选择与打车订单绑定的司机。本公开实施例中,取消概率用于评估司机的接单成功率,取消概率越低的司机其接单成功率越高,从而,通过评估每个候选司机对应的取消概率,基于取消概率确定与打车订单绑定的司机,能够从至少一个候选司机中选择出接单成功率高的司机为用户提供服务,进而有利于降低订单绑单后,司乘双方取消订单的概率,有利于提高订单成交率。
在本公开的一种可选实施方式中,打车订单的订单信息是由第一用户设备发送的,候选司机是由第二服务器召回并反馈给第一服务器的,从而,所述获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机,包括:
接收第一用户设备发送的打车订单的订单信息;
向至少一个第二服务器发送所述打车订单的订单信息;
接收所述第二服务器推荐的与所述打车订单关联的至少一个候选司机。
其中,第二服务器是用户在触发打车订单时选择的网约车服务商对应的服务器。
本公开实施例中,第一服务器将接收的打车订单的订单信息发送给至少一个第二服务器,由第二服务器根据订单信息召回可用司机,并将召回的可用司机反馈给第一服务器。第一服务器接收第二服务器推荐的至少一个候选司机,并确定每个候选司机对应的取消概率,进而基于每个候选司机对应的取消概率来选择与打车订单绑定的司机。
之后,第一服务器可以向推荐与打车订单绑定的司机的第二服务器发送订单绑定通知消息,以使第二服务器向司机的第二用户设备发送订单派送通知消息。
其中,第二用户设备是与打车订单绑定的司机对应的电子设备。
在本公开实施例中,通过向第二服务器发送订单绑定通知消息,由第二服务器根据订单绑定通知消息向绑定司机的第二用户设备发送订单派送通知消息,使得绑定的司机能够获知接单信息,以便及时为用户提供出行服务。
通常,取消订单可以由司机取消,也可以由乘客取消。如果是司机取消订单,则可以获取司机信息和订单信息作为训练样本,训练得到概率预估模型,如果是乘客取消订单,还可以获取乘客信息作为训练样本。也就是说,本公开实施例的概率预估模型,还可以是利用订单信息、乘客信息和绑单的司机信息作为训练样本训练得到的。从而,在本公开的一种可选实施方式中,第一服务器还可以获取所述打车订单的乘客信息,所述基于所述订单信息、所述候选司机的信息,以及预先训练的概率预估模型,确定与每个候选司机对应的取消概率,包括:
基于所述订单信息、所述乘客信息、所述候选司机的信息,以及预先训练的概率预估模型,确定与每个候选司机信息对应的取消概率。
其中,乘客信息可以包括但不限于乘客对接驾时间的忍耐度、乘客的用户画像等。
本公开实施例中,乘客信息可以是打车订单的下单用户的信息,用户注册时填写一些基本信息,第一服务器存储用户的信息并在接收到用户触发打车订单时调用这些信息。乘客信息可以在获得用户许可的情况下获取,比如,可以在用户下单时,通过弹窗的形式向用户显示“为了向您提供更优质的服务,是否授权平台获取您的个人信息?”的提示信息,在获得用户授权后,第一服务器可以获取用户的个人信息用于预估候选司机的取消概率。另外,在用户许可的情况下,第一服务器还可以获取用户的打车记录,根据用户的打车记录,确定用户对接驾时间的忍耐度等信息,将用户对接驾时间的忍耐度、基本信息等作为乘客信息,用于预估候选司机的取消概率。
在本公开实施例中,通过获取打车订单的乘客信息,将订单信息、乘客信息和候选司机的信息输入预先训练的概率预估模型,由概率预估模型确定与每个候选司机信息对应的取消概率,实现了在预估候选司机的取消概率时,不仅依据订单信息和司机信息,还考虑了乘客信息,有利于提高取消概率计算的准确性,从而有利于更准确地为乘客绑定司机。
图6为本公开实施例提供的另一种打车订单的绑定方法的流程示意图,如图6所示,该打车订单的绑定方法可以包括以下步骤:
S301、获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机。
S302、基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率。
本公开实施例中,对步骤S301~S302的描述,可以参见前述实施例中对步骤S201~S202的描述,此处不再赘述。
S303、针对依次由预先训练的概率预估模型确定的与每个候选司机对应的取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机。
本公开实施例中,依次将每个候选司机的信息和订单信息输入至概率预估模型中,以获取每个候选司机对应的取消概率,并将每个候选司机对应的取消概率进行对比,从中确定出取消概率最低的候选司机作为与打车订单绑定的司机。
在本公开的一种可选实施方式中,所述针对依次由预先训练的概率预估模型确定的与每个候选司机对应的取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机,包括:
使用预先训练的概率预估模型依次确定与候选司机对应的取消概率;
判断所述与候选司机对应的取消概率与当前优选司机对应的取消概率的大小关系;
若所述与候选司机对应的取消概率小于当前优选司机对应的取消概率,则使用所述与候选司机对应的取消概率替换所述当前优选司机对应的取消概率。
本公开实施例中,第一服务器可以使用概率预估模型来确定各个候选司机对应的取消概率,对于第一个确定出的取消概率,将该取消概率对应的候选司机确定为当前优选司机。继续获取下一个候选司机对应的取消概率,并将该取消概率与当前优选司机的取消概率进行比较,如果该候选司机的取消概率小于当前优选司机的取消概率,则将该候选司机确定为新的当前优选司机,使用与该候选司机对应的取消概率替换当前优选司机对应的取消概率;如果该候选司机的取消概率等于当前优选司机的取消概率,则将该候选司机和当前优选司机作为新的当前优选司机。继续获取下一个候选司机对应的取消概率,重复上述判断过程,直至最后一个候选司机的取消概率比较完成,将最终确定的当前优选司机确定为与打车订单绑定的司机。
此外,如果最终确定的当前优选司机不止一个,则可以结合其他因素,比如当前优选司机所属网约车服务商给出的优惠条件、当前优选司机距离乘客的远近等信息,从多个当前优选司机中确定出一个作为与打车订单绑定的司机。
在本公开实施例中,通过将候选司机对应的取消概率与当前优选司机对应的取消概率进行比较,并将取消概率小于当前优选司机对应的取消概率的司机确定为新的当前优选司机,保证了最终确定的优选司机是候选司机中取消概率最低的司机,从而有利于提高订单成交率。
进一步地,在本公开的一种可选实施方式中,在判断与候选司机对应的取消概率与当前优选司机对应的取消概率的大小关系之前,还可以先判断与候选司机对应的取消概率是否小于第一阈值,确定与候选司机对应的取消概率小于第一阈值时,该候选司机对应的取消概率才与当前优选司机对应的取消概率进行大小比较。
其中,第一阈值可以在初始化时预先设定,第一阈值比如可以设置为0.5、0.3等。
能够理解的是,第一阈值越小,进入与当前优选司机对应的取消概率进行大小比较流程的取消概率就越少,第一服务器需要比较的取消概率越少,数据处理量越少,最终确定出绑定的司机的速度越快。
在本公开实施例中,通过在判断与候选司机对应的取消概率与当前优选司机对应的取消概率的大小关系之前,先确定与候选司机对应的取消概率小于第一阈值,由此,设置了司机准入条件,满足取消概率小于第一阈值的候选司机才进入优选司机的选择流程,能够降低平台的数据处理量,提高司机绑定速度。
为了节省司机绑定时间,避免接单时间较长而影响用户的使用体验,对于接单成功率足够高的司机,可以提前将该司机与打车订单绑定。从而,在本公开的一种可选实施方式中,对于概率预估模型确定的各候选司机对应的取消概率,可以将各候选司机对应的取消概率与第二阈值比较,若与候选司机对应的取消概率小于第二阈值,则直接确定该候选司机为与打车订单绑定的司机。
其中,第二阈值可以在初始化时预先设定,第二阈值比如可以设置为0.1、0.08等,本公开对此不作限制。
在本公开实施例中,通过在与某个候选司机对应的取消概率小于第二阈值时,直接确定该候选司机为与打车订单绑定的司机,实现了提前优选绑单,使得接单成功率足够高的司机无需等待较长的时间即可接单成功,也避免了乘客等待较长的时间,提升了用户体验。
对于当前获取的候选司机均不是优先的情况,可以重新获取新的候选司机并确定取消概率,基于新确定的候选司机对应的取消概率确定与打车订单绑定的司机。从而,在本公开的一种可选实施方式中,当前确定的候选司机的最低取消概率大于第三阈值时,所述方法还可以包括以下步骤:
获取预设时间段内的与所述打车订单关联的至少一个新的候选司机;
基于所述订单信息、所述新的候选司机的信息,由预先训练的概率预估模型确定与每个新的候选司机对应的取消概率;
针对依次由预先训练的概率预估模型确定的与每个新的候选司机对应的取消概率,以及所述当前确定的候选司机的最低取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机。
其中,预设时间段可以预先设定,比如设置为2秒。第三阈值可以在初始化时预先设定,第三阈值比如可以设置为0.5、0.6等,本公开对此不作限制。
本公开实施例中,针对当前确定的候选司机,如果各候选司机对应的取消概率中,最低取消概率仍大于第三阈值,则表明该批次的候选司机的质量不太好,这种情况下,可以获取预设时间段内与打车订单关联的至少一个新的候选司机,并将订单信息、新的候选司机的信息输入至预先训练的概率预估模型中,由概率预估模型输出与每个新的候选司机对应的取消概率,并将新的候选司机对应的取消概率与当前确定的候选司机的最低取消概率进行对比,如果新的候选司机对应的最低取消概率小于当前确定的候选司机的最低取消概率,则将新的候选司机中取消概率最低的新候选司机确定为与打车订单绑定的司机,否则,将当前确定的候选司机中最低取消概率对应的候选司机确定为与打车订单绑定的司机。
能够理解的是,当前确定的候选司机的最低取消概率小于或等于第三阈值时,则将最低取消概率对应的候选司机确定为与打车订单绑定的司机,无需获取新的候选司机。
在本公开实施例中,通过在当前确定的候选司机的最低取消概率大于第三阈值时,获取预设时间段内与打车订单关联的至少一个新的候选司机,并基于订单信息、新的候选司机的信息,由预先训练的概率预估模型确定与每个新的候选司机对应的取消概率,进而将每个新的候选司机对应的取消概率与当前确定的候选司机的最低取消概率进行对比,确定取消概率最低的候选司机作为与打车订单绑定的司机,实现了司机的二轮优选,在一轮没有较优的司机的情况下,适当延长时间用于等待更优秀的司机,以提供更好的服务体验,能够提高提供给用户的司机质量,降低订单绑单后取消订单的概率,从而提高订单成交率。
在本公开实施例中,通过获取打车订单的订单信息,以及与打车订单关联的至少一个候选司机,基于订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率,进而针对依次由预先训练的概率预估模型确定的与每个候选司机对应的取消概率进行对比,确定取消概率最低的候选司机作为与打车订单绑定的司机,由于取消概率越低的司机通常能够提供更高的服务质量,从而,将取消概率作为评价司机服务质量的参考因素,通过评估每个候选司机对应的取消概率,确定取消概率最低的候选司机作为与打车订单绑定的司机,能够从至少一个候选司机中选择出接单成功率高的司机为用户提供服务,进而有利于降低订单绑单后,司乘双方取消订单的概率,有利于提高订单成交率。
图7为本公开一具体实施例提供的一种打车订单的绑定方法的流程示意图,如图7所示,该方法可以分为初始化阶段、优选阶段、任务回调阶段和优选胜出处理阶段。其中,在初始化阶段,主要是设置优选阶段所需的相关信息,比如前述实施例中所述的第一阈值、第二阈值、第三阈值和预设时间段等信息;在优选阶段,取消概率接收部分从概率预估模型获取各候选司机对应的取消概率,取消概率比对部分对回调的候选司机进行取消概率的比对,取消概率低的胜出,胜出的取消概率及对应的候选司机被保留在回调池中,并将胜出的取消概率进行优选提前结束判断,取消概率低于第二阈值(例如10%)的候选司机提前绑单,取消概率比对失败的,通知对应的第二服务器取消订单;在任务回调阶段,触发预设时长(比如3秒)的定时任务,并在预设时长后结束优选任务,取回调池中的胜出运力进行优选胜出处理;在优选胜出处理阶段,使用上一阶段胜出的候选司机进行绑单。
下面结合附图8和附图9分别对图7中所示的优选阶段和任务回调阶段进行详细说明。
图8为本公开一具体实施例提供的取消概率比对的流程示意图,该流程由运力回调触发,每个运力的回调都会触发一次图8所示的逻辑。如图8所示,在优选窗口期内,请求概率预估模型来获取候选司机的取消概率,并判断取消概率是否小于Y(即前述实施例所述的第一阈值),该条件为司机准入条件,只有候选司机的取消概率小于Y值时,候选司机才有资格进入优选。如果候选司机的取消概率不小于Y,则进一步判断是否命中取消概率保护规则,并在未命中取消概率保护规则时,执行拒单改派操作,其中,取消概率保护规则最多只能命中两次;在候选司机的取消概率小于Y值,或者,命中取消概率保护规则时,将取消概率与当前最低取消概率比较。如果候选司机的取消概率不低于当前的最低取消概率,则比对失败,取消该候选司机的取消概率,并结束本次比对流程;如果候选司机的取消概率低于当前的最低取消概率,则比对胜出,将该候选司机的取消概率确定为新的最低取消概率,来替代当前的最低取消概率,并判断该取消概率是否小于X(即前述实施例所述的第二阈值),如果小于X则直接绑单,并结束整个优选,也无需获取后续候选司机的取消概率;如果大于X,则判断该候选司机是否为第一个进入优选的司机,如果是则触发3秒的定时任务,进入到任务回调流程。
图9为本公开一具体实施例提供的任务回调流程的示意图,如图9所示,在该流程中,从回调池获取当前胜出的取消概率,并比较该取消概率是否大于Z(即前述实施例所述的第三阈值),如果该取消概率小于Z值,则直接绑单,将该取消概率对应的候选司机与打车订单绑定;如果该取消概率大于或等于Z值,则开启第二次优选任务,在第二次优选任务中,获取预设时间段内与打车订单关联的至少一个新的候选司机,并确定新的候选司机对应的取消概率,将新的候选司机对应的取消概率与当前胜出的取消概率进行对比,从中确定出取消概率最低的候选司机与打车订单进行绑定。本公开实施例中,对于第一个进入候选的取消概率,开启3秒的定时任务,以等待后续的最低取消概率,在等待过程中,继续获取后续候选司机对应的取消概率并进行取消概率的比对,最低取消概率被保留在回调池中,回调池中存储的是最低取消概率,从而,在等待过程中,从回调池中获取的当前胜出的取消概率,是最低取消概率,在该最低取消概率小于Z值时,直接绑单,在该最低取消概率大于或等于Z值时,进行二轮优选,重新获取新的候选司机,实现了在第一轮没有较优的司机的情况下,适当延长时间用于等待更优选的司机,能够提高提供给用户的司机质量。
图10为本公开实施例提供的又一种打车订单的绑定方法的流程示意图,该方法应用于第二服务器,如图10所示,本公开实施例提供的打车订单的绑定方法可以包括以下步骤:
S401、接收第一服务器发送的打车订单的订单信息。
S402、基于预设的召回策略召回与所述打车订单关联的至少一个候选司机。
本公开实施例中,第一服务器接收到第一用户设备发送的打车订单的订单信息后,将打车订单的订单信息发送给第二服务器。第二服务器接收到第一服务器发送的打车订单的订单信息后,可以基于预设的召回策略,召回与打车订单关联的至少一个候选司机。
其中,召回策略比如可以是召回当前空闲的司机、召回与订单信息中的始发地之间的距离在预设距离内的司机,等等。
S403、向所述第一服务器推荐与所述打车订单关联的至少一个候选司机,以由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与所述打车订单绑定的司机。
本公开实施例中,第二服务器召回与打车订单关联的至少一个候选司机之后,可以将召回的候选司机推荐给第一服务器,由第一服务器基于订单信息、候选司机的信息和预先训练好的概率预估模型,来确定各个候选司机对应的取消概率,以根据各候选司机对应的取消概率确定与打车订单绑定的司机。
需要说明的是,本公开实施例中,第一服务器确定与打车订单绑定的司机的具体实现过程,可以参见前述实施例中的相关描述,此处不再赘述。
在本公开实施例中,第二服务器接收第一服务器发送的打车订单的订单信息,并召回与打车订单关联的候选司机推荐给第一服务器,为第一服务器进行司机选择提供了支持。
在本公开的一种可选实施方式中,第二服务器还可以接收第一服务器发送的用于通知与打车订单绑定的司机的订单绑定通知消息,进而向司机对应的第二用户设备发送订单派送通知消息,用于通知司机已与打车订单绑定。
其中,订单绑定通知消息中可以包括用户的联系信息、打车订单的始发地和目的地、与打车订单绑定的司机的信息,等等。
本公开实施例中,第一服务器选择好与打车订单绑定的司机之后,可以根据打车订单的订单信息、绑定的司机的信息等,生成订单绑定通知消息,并将订单绑定通知消息发送给第二服务器。第二服务器接收到订单绑定通知消息之后,可以从订单绑定通知消息中提取出与打车订单绑定的司机,并向该司机对应的第二用户设备发送订单派送通知消息,以通知该司机已与打车订单绑定,其中,订单派送通知消息中可以包括打车订单的订单信息、用户的联系信息等。
在本公开实施例中,通过接收第一服务器发送的订单绑定通知消息,并向打车订单绑定的司机对应的第二用户设备发送订单派送通知消息,可以使第二服务器获知自己已获得该打车订单,并及时将该打车订单派送给绑定的司机,以使绑定的司机及时响应打车订单,提高订单响应速度。
图11为本公开实施例提供的再一种打车订单的绑定方法的流程示意图,该方法应用于第二用户设备,如图11所示,本公开实施例提供的打车订单的绑定方法可以包括以下步骤:
S501、接收第二服务器发送的订单派送通知消息,所述订单派送通知消息用于通知司机已与打车订单绑定,所述订单派送通知消息为所述第二服务器在接收到第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息后发送,所述第一服务器用于基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与打车订单绑定的司机。
需要说明的是,本公开实施例中,有关订单派送通知消息、订单绑定通知消息的说明,以及第一服务器确定与打车订单绑定的司机的具体实现过程,可以参见前述实施例中的相关描述,此处不再赘述。
S502、在网约车界面展示所述打车订单。
本公开实施例中,第二用户设备接收到第二服务器发送的订单派送通知之后,可以从订单派送通知中获取打车订单,并在网约车界面中展示打车订单。
其中,网约车界面是指第二用户设备中展示的司机端应用程序或小程序界面。
可选地,在获得用户允许的情况下,网约车界面中还可以显示触发打车订单的用户的联系信息,以便在司机找不到用户时能够与用户取得联系。
在本公开实施例中,第二用户设备通过接收第二服务器发送的订单派送通知消息,并在网约车界面展示打车订单,使得司机能够及时获知绑定的打车订单的信息,以便根据打车订单及时与用户完成碰面上车,提高服务质量。
图12为本公开实施例提供的一种打车订单的绑定装置的结构示意图,该装置可以采用软件和/或硬件实现,并可集成在第一用户设备上,第一用户设备为用户对应的电子设备。
如图12所示,本公开实施例提供的打车订单的绑定装置600可以包括第一接收模块601、第一发送模块602、第二接收模块603和第一展示模块604,其中:
第一接收模块601,用于接收用户基于网约车界面触发的打车订单;
第一发送模块602,用于向第一服务器发送打车订单的订单信息;
第二接收模块603,用于接收所述第一服务器反馈的与所述打车订单绑定的司机,所述与所述打车订单绑定的司机由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到;
第一展示模块604,用于在所述网约车界面上展示所述与所述打车订单绑定的司机。
图13为本公开实施例提供的另一种打车订单的绑定装置的结构示意图,该装置可以采用软件和/或硬件实现,并可集成在第一服务器上。
如图13所示,本公开实施例提供的打车订单的绑定装置700可以包括获取模块701、估计模块702和选择模块703,其中:
获取模块701,用于获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机;
估计模块702,用于基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率;
选择模块703,用于基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。
在本公开的一种可选实施方式中,所述打车订单的绑定装置700还包括:
乘客信息获取模块,用于获取所述打车订单的乘客信息。
从而,本实施例中,估计模块702还用于:
基于所述订单信息、所述乘客信息、所述候选司机的信息,以及预先训练的概率预估模型,确定与每个候选司机信息对应的取消概率。
在本公开的一种可选实施方式中,选择模块703具体用于:
针对依次由预先训练的概率预估模型确定的与每个候选司机对应的取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机。
在本公开的一种可选实施方式中,选择模块703还用于:
使用预先训练的概率预估模型依次确定与候选司机对应的取消概率;
判断所述与候选司机对应的取消概率与当前优选司机对应的取消概率的大小关系;
若所述与候选司机对应的取消概率小于当前优选司机对应的取消概率,则使用所述与候选司机对应的取消概率替换所述当前优选司机对应的取消概率。
在本公开的一种可选实施方式中,所述打车订单的绑定装置700还包括:
第一确定模块,用于确定所述与候选司机对应的取消概率小于第一阈值。
在本公开的一种可选实施方式中,所述打车订单的绑定装置700还包括:
第二确定模块,用于在所述与候选司机对应的取消概率小于第二阈值的情况下,直接确定所述候选司机为与所述打车订单绑定的司机。
在本公开的一种可选实施方式中,在当前确定的候选司机的最低取消概率大于第三阈值的情况下,所述打车订单的绑定装置700还包括:
新司机获取模块,用于获取预设时间段内的与所述打车订单关联的至少一个新的候选司机;
所述估计模块702,还用于:基于所述订单信息、所述新的候选司机的信息,由预先训练的概率预估模型确定与每个新的候选司机对应的取消概率;
第三确定模块,用于针对依次由预先训练的概率预估模型确定的与每个新的候选司机对应的取消概率,以及所述当前确定的候选司机的最低取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机。
在本公开的一种可选实施方式中,所述获取模块701,还用于:
接收第一用户设备发送的打车订单的订单信息;
向至少一个第二服务器发送所述打车订单的订单信息;
接收所述第二服务器推荐的与所述打车订单关联的至少一个候选司机;
所述打车订单的绑定装置700还包括:
第二发送模块,用于向推荐所述与打车订单绑定的司机的第二服务器发送订单绑定通知消息,以使所述第二服务器向所述司机的第二用户设备发送订单派送通知消息。
图14为本公开实施例提供的又一种打车订单的绑定装置的结构示意图,该装置可以采用软件和/或硬件实现,并可集成在第二服务器上。
如图14所示,本公开实施例提供的打车订单的绑定装置800可以包括第三接收模块801、召回模块802和推荐模块803,其中:
第三接收模块801,用于接收第一服务器发送的打车订单的订单信息;
召回模块802,用于基于预设的召回策略召回与所述打车订单关联的至少一个候选司机;
推荐模块803,用于向所述第一服务器推荐与所述打车订单关联的至少一个候选司机,以由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与所述打车订单绑定的司机。
在本公开的一种可选实施方式中,所述打车订单的绑定装置800还包括:
第五接收模块,用于接收所述第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息;
第三发送模块,用于向所述司机对应的第二用户设备发送订单派送通知消息,用于通知司机已与所述打车订单绑定。
图15为本公开实施例提供的再一种打车订单的绑定装置的结构示意图,该装置可以采用软件和/或硬件实现,并可集成在第二用户设备上,第二用户设备为打车订单绑定的司机对应的电子设备。
如图15所示,本公开实施例提供的打车订单的绑定装置900可以包括第四接收模块901和第二展示模块902,其中:
第四接收模块901,用于接收第二服务器发送的订单派送通知消息,所述订单派送通知消息用于通知司机已与打车订单绑定,所述订单派送通知消息为所述第二服务器在接收到第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息后发送,所述第一服务器用于基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与打车订单绑定的司机;
第二展示模块902,用于在网约车界面展示所述打车订单。
本公开实施例所提供的打车订单的绑定装置,可执行本公开实施例所提供的任意打车订单的绑定方法,具备执行方法相应的功能模块和有益效果。本公开装置实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
图16为本公开实施例提供的一种电子设备的结构示意图,用于对实现本公开实施例中任意打车订单的绑定方法的电子设备进行示例性说明,不应理解为对本公开实施例的具体限定。
如图16所示,电子设备110可以包括处理器(例如CPU、图形处理器等)111,其可以根据存储在只读存储器(ROM)112中的程序或者从存储装置118加载到随机访问存储器(RAM)113中的程序而执行各种适当的动作和处理。在RAM 113中,还存储有电子设备110操作所需的各种程序和数据。处理器111、ROM 112以及RAM 113通过总线114彼此相连。输入/输出(I/O)接口115也连接至总线114。
通常,以下装置可以连接至I/O接口115:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置116;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置117;包括例如磁带、硬盘等的存储装置118;以及通信装置119。通信装置119可以允许电子设备110与其他设备进行无线或有线通信以交换数据。虽然示出了具有各种装置的电子设备110,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置119从网络上被下载和安装,或者从存储装置118被安装,或者从ROM 112被安装。在该计算机程序被处理器111执行时,可以执行本公开实施例提供的任意打车订单的绑定方法中限定的功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务端可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机;基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率;基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。
在本公开实施例中,可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在计算机上执行、部分地在计算机上执行、作为一个独立的软件包执行、部分在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端上执行。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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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、或代码的一部分,该模块、程序段、或代码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。也应当注意,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,两个接连地表示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操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,计算机可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。计算机可读介质可以是计算机可读信号介质或计算机可读储存介质。计算机可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。计算机可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (19)
1.一种打车订单的绑定方法,应用于第一用户设备,包括:
接收用户基于网约车界面触发的打车订单;
向第一服务器发送打车订单的订单信息;
接收所述第一服务器反馈的与所述打车订单绑定的司机,所述与所述打车订单绑定的司机由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到;
在所述网约车界面上展示所述与所述打车订单绑定的司机。
2.一种打车订单的绑定方法,应用于第一服务器,包括:
获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机;
基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率;
基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。
3.根据权利要求2所述的方法,其中,还包括获取所述打车订单的乘客信息;
所述基于所述订单信息、所述候选司机的信息,以及预先训练的概率预估模型,确定与每个候选司机对应的取消概率,包括:
基于所述订单信息、所述乘客信息、所述候选司机的信息,以及预先训练的概率预估模型,确定与每个候选司机信息对应的取消概率。
4.根据权利要求2所述的方法,其中,所述基于所述每个候选司机的信息对应的取消概率,选择与所述打车订单绑定的司机,包括:
针对依次由预先训练的概率预估模型确定的与每个候选司机对应的取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机。
5.根据权利要求4所述的方法,其中,所述针对依次由预先训练的概率预估模型确定的与每个候选司机对应的取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机,包括:
使用预先训练的概率预估模型依次确定与候选司机对应的取消概率;
判断所述与候选司机对应的取消概率与当前优选司机对应的取消概率的大小关系;
若所述与候选司机对应的取消概率小于当前优选司机对应的取消概率,则使用所述与候选司机对应的取消概率替换所述当前优选司机对应的取消概率。
6.根据权利要求5所述的方法,其中,所述判断与候选司机对应的取消概率与当前优选司机对应的取消概率的大小关系之前,还包括:
确定所述与候选司机对应的取消概率小于第一阈值。
7.根据权利要求5所述的方法,其中,还包括:
若所述与候选司机对应的取消概率小于第二阈值,则直接确定所述候选司机为与所述打车订单绑定的司机。
8.根据权利要求4所述的方法,其中,若当前确定的候选司机的最低取消概率大于第三阈值时,所述方法还包括:
获取预设时间段内的与所述打车订单关联的至少一个新的候选司机;
基于所述订单信息、所述新的候选司机的信息,由预先训练的概率预估模型确定与每个新的候选司机对应的取消概率;
针对依次由预先训练的概率预估模型确定的与每个新的候选司机对应的取消概率,以及所述当前确定的候选司机的最低取消概率进行对比,确定取消概率最低的候选司机作为与所述打车订单绑定的司机。
9.根据权利要求2所述的方法,其中,所述获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机,包括:
接收第一用户设备发送的打车订单的订单信息;
向至少一个第二服务器发送所述打车订单的订单信息;
接收所述第二服务器推荐的与所述打车订单关联的至少一个候选司机;
所述基于每个候选司机对应的取消概率,选择与所述打车订单绑定的司机之后,还包括:
向推荐所述与打车订单绑定的司机的第二服务器发送订单绑定通知消息,以使所述第二服务器向所述司机的第二用户设备发送订单派送通知消息。
10.一种打车订单的绑定方法,应用于第二服务器,包括:
接收第一服务器发送的打车订单的订单信息;
基于预设的召回策略召回与所述打车订单关联的至少一个候选司机;
向所述第一服务器推荐与所述打车订单关联的至少一个候选司机,以由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与所述打车订单绑定的司机。
11.根据权利要求10所述的方法,其中,所述方法还包括:
接收所述第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息;
向所述司机对应的第二用户设备发送订单派送通知消息,用于通知司机已与所述打车订单绑定。
12.一种打车订单的绑定方法,应用于第二用户设备,包括:
接收第二服务器发送的订单派送通知消息,所述订单派送通知消息用于通知司机已与打车订单绑定,所述订单派送通知消息为所述第二服务器在接收到第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息后发送,所述第一服务器用于基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与打车订单绑定的司机;
在网约车界面展示所述打车订单。
13.一种打车订单的绑定装置,包括:
第一接收模块,用于接收用户基于网约车界面触发的打车订单;
第一发送模块,用于向第一服务器发送打车订单的订单信息;
第二接收模块,用于接收所述第一服务器反馈的与所述打车订单绑定的司机,所述与所述打车订单绑定的司机由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到;
第一展示模块,用于在所述网约车界面上展示所述与所述打车订单绑定的司机。
14.一种打车订单的绑定装置,包括:
获取模块,用于获取所述打车订单的订单信息,以及与所述打车订单关联的至少一个候选司机;
估计模块,用于基于所述订单信息、所述候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率;
选择模块,用于基于所述每个候选司机对应的取消概率,选择与所述打车订单绑定的司机。
15.一种打车订单的绑定装置,包括:
第三接收模块,用于接收第一服务器发送的打车订单的订单信息;
召回模块,用于基于预设的召回策略召回与所述打车订单关联的至少一个候选司机;
推荐模块,用于向所述第一服务器推荐与所述打车订单关联的至少一个候选司机,以由所述第一服务器基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与所述打车订单绑定的司机。
16.一种打车订单的绑定装置,包括:
第四接收模块,用于接收第二服务器发送的订单派送通知消息,所述订单派送通知消息用于通知司机已与打车订单绑定,所述订单派送通知消息为所述第二服务器在接收到第一服务器发送的用于通知与所述打车订单绑定的司机的订单绑定通知消息后发送,所述第一服务器用于基于所述打车订单的订单信息、候选司机的信息,由预先训练的概率预估模型确定与每个候选司机对应的取消概率后,基于所述每个候选司机对应的取消概率,选择得到与打车订单绑定的司机;
第二展示模块,用于在网约车界面展示所述打车订单。
17.一种电子设备,所述电子设备包括:
处理器;
存储器,用于存储所述处理器可执行指令;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现权利要求1-12中任一所述的打车订单的绑定方法。
18.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行权利要求1-12中任一所述的打车订单的绑定方法。
19.一种计算机程序产品,所述计算机程序产品用于执行权利要求1-12中任一所述的打车订单的绑定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111570231.2A CN114820098A (zh) | 2021-12-21 | 2021-12-21 | 打车订单的绑定方法、装置、电子设备和计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111570231.2A CN114820098A (zh) | 2021-12-21 | 2021-12-21 | 打车订单的绑定方法、装置、电子设备和计算机程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820098A true CN114820098A (zh) | 2022-07-29 |
Family
ID=82527920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111570231.2A Pending CN114820098A (zh) | 2021-12-21 | 2021-12-21 | 打车订单的绑定方法、装置、电子设备和计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820098A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131113A (zh) * | 2022-09-01 | 2022-09-30 | 中航信移动科技有限公司 | 一种订单信息的生成方法、存储介质及电子设备 |
-
2021
- 2021-12-21 CN CN202111570231.2A patent/CN114820098A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131113A (zh) * | 2022-09-01 | 2022-09-30 | 中航信移动科技有限公司 | 一种订单信息的生成方法、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI696977B (zh) | 用於提供運輸服務的方法和系統 | |
US20230075585A1 (en) | Determining matches using dynamic provider eligibility model | |
US10567520B2 (en) | Multi-user requests for service and optimizations thereof | |
CN108876156B (zh) | 拼车及用户订单处理方法、系统及所适用的设备 | |
US20170169366A1 (en) | Systems and Methods for Adjusting Ride-Sharing Schedules and Routes | |
JP6535713B2 (ja) | 車両の配車を管理するためのシステム、方法、及びプログラム | |
AU2016250168A1 (en) | Fare determination system for on-demand transport arrangement service | |
CN109673162A (zh) | 用于提供运输服务信息的方法和设备 | |
CA3007343A1 (en) | Providing information about a proposed service for a user based on user-specific location information | |
CN110633815A (zh) | 一种拼车方法和装置、电子设备、存储介质 | |
US20160248914A1 (en) | Telephone Call Placement | |
US20240013264A1 (en) | Dynamic rideshare service behavior based on past passenger experience data | |
JP2021521549A (ja) | 走行サービスを推奨するためのシステムおよび方法 | |
CN114820098A (zh) | 打车订单的绑定方法、装置、电子设备和计算机程序产品 | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
US20200410405A1 (en) | Organized carpools provided by rideshare service | |
CN106558159B (zh) | 一种拼车方法和装置 | |
US20220188958A1 (en) | Network system for controlling communications based on user context | |
JP2021157438A (ja) | 情報処理装置、プログラム、及び評価方法 | |
US20210382732A1 (en) | Pre-generating data for user interface latency improvement | |
CN114757732A (zh) | 拼车订单的处理方法、电子设备及存储介质 | |
JP7295720B2 (ja) | 配車管理装置及び配車管理方法 | |
CN113191512A (zh) | 车辆预约方法及装置 | |
CN112288115B (zh) | 生成预约服务信息的方法、装置、设备以及存储介质 | |
US20230169411A1 (en) | Information processing device, information processing system, and information processing method |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240313 Address after: # 03-06, Lai Zan Da Building 1, 51 Belarusian Road, Singapore Applicant after: Alibaba Innovation Co. Country or region after: Singapore Address before: Room 01, 45th Floor, AXA Building, 8 Shanton Road, Singapore Applicant before: Alibaba Singapore Holdings Ltd. Country or region before: Singapore |