提供叫车服务的方法和装置制造方法及图纸

本发明专利技术提出一种提供叫车服务的方法和装置，其中，该提供叫车服务的方法包括：根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，当前叫车请求包括订单信息；采用预先训练的接单预测模型，根据订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。本发明专利技术的提供叫车服务的方法，在预估接单概率的过程中，综合订单信息和司机信息准确预估出每个服务车辆的接单概率。

【技术实现步骤摘要】

本专利技术涉及互联网
，特别涉及一种提供叫车服务的方法和装置。
技术介绍
随着移动互联网的高速发展，在使用移动终端的过程中，用户可根据移动终端的叫车软件使用在线叫车服务。叫车软件在接收到叫车请求后，将消息被推送到叫车平台的服务器，叫车平台的服务器根据用户订单的起点附近的多个候选司机，然后，叫车平台的服务器相关技术预估司机的接单概率，并根据预估接单概率来进行派单。其中，只有将订单派送给愿意接单的司机时，用户的叫车服务才会成功。也就是说，正确预估出愿意接单的候选司机对叫车服务成功率具有重要意义。目前，相关技术中，通常通过用户接单数占浏览订单的比例或者司机距离订单起点的距离来预测司机是否接单。然而，司机是否会接单不仅仅与接单数占浏览订单比例或者司机距离订单起点的距离有关，还会受到其他多种因素影响，比如订单价格，司机状态，订单起终点位置和交通状况等因素影响，因此，相关的预测司机是否接单的方式的准确率低，影响了在线叫车服务的成功率。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术问题。为此，本专利技术的第一个目的在于提出一种提供叫车服务的方法，综合订单信息和司机信息准确预估出每个服务车辆的接单概率。本专利技术的第二个目的在于提出一种提供叫车服务的装置。为达上述目的，根据本专利技术第一方面实施例提出了一种提供叫车服务的方法，包括以下步骤：根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，所述当前叫车请求包括订单信息；采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。本专利技术实施例的提供叫车服务的方法，根据用户的当前叫车请求获取多个服务车辆的司机信息，并采用预先训练的接单预测模型，根据订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。由此，综合订单信息和司机信息准确预估出每个服务车辆的接单概率。为达上述目的，本专利技术第二方面实施例提出了一种提供叫车服务的装置，包括：获取模块，用于根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，所述当前叫车请求包括订单信息；预估模块，用于采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。本专利技术实施例的提供叫车服务的装置，根据用户的当前叫车请求获取多个服务车辆的司机信息，并采用预先训练的接单预测模型，根据订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。由此，综合订单信息和司机信息准确预估出每个服务车辆的接单概率。为实现上述目的，本专利技术第三方面实施例提出了一种提供叫车服务的装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，所述当前叫车请求包括订单信息；采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。为实现上述目的，本专利技术第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器被执行时，使得服务器能够执行一种提供叫车服务的方法，所述方法包括：根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，所述当前叫车请求包括订单信息；采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。为实现上述目的，本专利技术第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种提供叫车服务的方法，所述方法包括：根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，所述当前叫车请求包括订单信息；采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为根据本专利技术一个实施例的提供叫车服务的方法的流程图；图2根据本专利技术另一个实施例的提供叫车服务的方法的流程图；图3根据本专利技术再一个实施例的提供叫车服务的方法的流程图；图4为训练接单预测模型的流程图；图5为根据本专利技术一个实施例的提供叫车服务的装置的结构示意图；图6为根据本专利技术另一个实施例的提供叫车服务的装置的结构示意图；图7为根据本专利技术又一个实施例的提供叫车服务的装置的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，术语“多个”指两个或两个以上；术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。下面参考附图描述根据本专利技术实施例的提供叫车服务的方法和装置。图1为根据本专利技术一个实施例的提供叫车服务的方法的流程图。如图1所示，根据本专利技术实施例的提供叫车服务的方法，包括以下步骤。S11，根据用户的当前叫车请求获取多个服务车辆的司机信息。其中，当前叫车请求包括订单信息。其中，订单信息可以包括但不限于订单的起点位置、订单的终点位置、订单出发时间、订单的车辆类型、订单起点终点之间的距离、订单预计价格、订单预计价格与所有订单平均价格比、订单预计行驶时间、订单预计行驶速度与所有订单平均行驶速度比、是否穿越拥堵区域、用户性别等信息。其中，订单的起终点位置需要转化为区域编码，转化成区域编码的方式有多种，例如，可以是geohash(其中，geohash用一个字符串表示经度和纬度两个坐标)，也可以是按照经纬度划分为矩形或者六边形等形状的区块，然后分别对不同的区块赋予不同的标识id或者编码。其中，需要理解的是，订单的出发时间包含多个维度，包括是否上午，是否下午，是否晚上，是否后半夜，星期，小时，是否周末等。具体地，在服务器接收到用户的当前叫车请求后，获取距离订单起点位置一定范围内的多个服务车辆的司机信息。其中，需要理解的是，每个服务车辆的司机信息是相同独立的。其中，司机信息可以包括但不限司机性别、车辆类型、当前移动速度、当前位置、接人行驶距离、预期接人行驶时间、历史推单接单比、过去一周推单接单比、司机历史平均在线时长、司机过去一周平均在线时长、司机过去一周内推单次数、司机过去一周内接单次数等信息。S12，采用预先训练的接单预测模型，根据订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。其中，接单预测模型是根据大量包含订单信息和司机信息的训练数据和每条训练数据的订单结果预先训练的。具体地，在获取到每个服务车辆的司机信息后，可将订单信息和每个服务车辆的司机信息输入预先训练的接单预测模型中，接单预测模型将输出每个服务车辆的司机的接单概率。本专利技术实施例的提供叫车服务的方法，根据用户的当前叫车请求获取多个服务车辆的司机信息，并采用预先训练的接单预测模型，根据订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。由此，综合订单信息和司机信息准确预估出每个服务车辆的接单概率。图2为根据本专利技术另一个实施例的提供叫车服务的方法的流程图。如图本文档来自技高网...

【技术保护点】
一种提供叫车服务的方法，其特征在于，包括以下步骤：根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，所述当前叫车请求包括订单信息；采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。

【技术特征摘要】
1.一种提供叫车服务的方法，其特征在于，包括以下步骤：根据用户的当前叫车请求获取多个服务车辆的司机信息，其中，所述当前叫车请求包括订单信息；采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率。2.如权利要求1所述的方法，其特征在于，所述采用预先训练的接单预测模型，根据所述订单信息和每个服务车辆的司机信息预估每个服务车辆的接单概率，包括：根据所述订单信息和每个服务车辆的司机信息生成每个服务车辆的属性向量；根据预先训练的接单预测模型和每个服务车辆的属性向量预测每个服务车辆的接单概率。3.如权利要求2所述的方法，其特征在于，在所述根据预先训练的接单预测模型和每个服务车辆的属性向量预测每个服务车辆的接单概率之后，还包括：根据所述每个服务车辆的接单概率从所述多个服务车辆中选取目标服务车辆；将所述当前叫车请求派送给所述目标服务车辆。4.如权利要求3所述的方法，其特征在于，所述根据所述每个服务车辆的接单概率从所述多个服务车辆中选取目标服务车辆，包括：针对每个服务车辆，判断当前服务车辆的接单概率是否大于预设阈值；如果判断当前服务车辆的接单概率大于预设阈值，则确定所述当前服务车辆为所述目标服务车辆。5.如权利要求2所述的方法，其特征在于，所述根据所述订单信息和每个服务车辆的司机信息生成每个服务车辆的属性向量，包括：采用随机森林模型，根据所述订单信息和每个服务车辆的司机信息生成每个服务车辆的属性向量。6.如权利要求2所述的方法，其特征在于，所述根据所述订单信息和每个服务车辆的司机信息生成...

【专利技术属性】
技术研发人员：王超，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11