一种基于大数据的出租车派单系统及方法技术方案

本发明专利技术提出一种基于大数据的出租车派单系统及方法，获取打车订单的订单数据，并从订单数据中获取打车用户的用户信息和行程信息；获取无人驾驶出租车的车辆信息；根据用户信息计算用户权重值u；根据车辆信息计算车辆权重值w；根据行程信息计算行程权重值v；将打车订单按照u*v*t的值进行倒序排序得到用户队列顺序；获取打车用户与出租车的距离d；将无人驾驶出租车按w/d的值进行倒序排序得到车辆队列顺序；按照车辆队列顺序，对用户队列顺序中的每个打车订单依次进行派车。本方发明专利技术案可以实现打车订单在无人驾驶出租车间有序且智能地派发。发。发。

【技术实现步骤摘要】
一种基于大数据的出租车派单系统及方法


[0001]本专利技术涉及大数据
，具体涉及一种基于大数据的出租车派单系统及方法。

技术介绍

[0002]随着移动互联的发展与普及，目前用户出行大都通过智能移动终端上打车应用进行打车，在用户端发起打车订单后，订单会到达服务器，再推送给司机端，由司机端确定是否接单。随着无人驾驶技术的发展，无人驾驶出租车开始进入市场，但是目前的无人驾驶出租车的派单系统不够完善，智能化程度不高。

技术实现思路

[0003]本专利技术正是基于上述问题，提出了一种基于大数据的出租车派单系统及方法，通过本方专利技术案可以实现打车订单在无人驾驶出租车间有序且智能地派发。
[0004]有鉴于此，本专利技术的一方面提出了一种基于大数据的出租车派单系统，包括：云服务器、物联网服务器、物联网终端；
[0005]所述云服务器被配置为：
[0006]获取打车订单的订单数据，并从所述订单数据中获取打车用户的用户信息和行程信息；
[0007]获取无人驾驶出租车的车辆信息；
[0008]根据所述用户信息计算所述打车用户的用户权重值u；
[0009]根据所述车辆信息计算所述无人驾驶出租车的车辆权重值w；
[0010]根据所述行程信息计算所述打车用户的行程权重值v；
[0011]将所有所述打车订单按照u*v*t的值进行倒序排序得到用户队列顺序，其中，t为用户订单等待时间；
[0012]获取所述打车用户与所述无人驾驶出租车的距离d；
>[0013]将所有所述无人驾驶出租车按w/d的值进行倒序排序得到车辆队列顺序；
[0014]按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车。
[0015]可选地，所述根据所述用户信息计算所述打车用户的用户权重值u的步骤中，所述云服务器被配置为：
[0016]从所述用户信息中获取订单量、平均分、平台注册时长、驾驶资质值、驾驶年限值、驾驶技能值；
[0017]通过以下公式计算所述用户权重值u：
[0018]u＝a1*ud+a2*us+a3*ut+a4*dr+a5*dy+a6*dt；
[0019]其中，a1、a2、a3、a4、a5、a6为权重系数，ud为订单量，us为平均分，ut为平台注册时长，dr为驾驶资质值，dy为驾驶年限值，dt为驾驶技能值；
[0020]所述根据所述车辆信息计算所述无人驾驶出租车的车辆权重值w的步骤，包括：
[0021]从所述车辆信息中获取接单量、平均响应时间、服务时长、平均评分、行驶里程、行驶路况值、车辆故障/维修值、人工辅助等级值；
[0022]通过以下公式计算所述车辆权重值w：
[0023]w＝b1*wd+b2*wt+b3*wst+b4*ws+b5*wr+b6*wp+b7*wq+b8*wx；
[0024]其中，b1、b2、b3、b4、b5、b6、b7、b8为权重系数；wd为接单量、wt为平均响应时间、wst为服务时长、ws为平均评分、wr为行驶里程、wp为行驶路况值、wq为车辆故障/维修值、wx为人工辅助等级值；
[0025]所述基于大数据的出租车派单方法还包括：
[0026]建立所述打车用户和所述无人驾驶出租车的历史数据仓库；
[0027]根据所述无人驾驶出租车所投放的地域的人员特征和地域特征，确定第一预设周期；
[0028]从所述历史数据仓库提取最近一个所述第一预设周期内产生的全部相关数据作为第一数据；
[0029]根据预设的权重算法，对有关于用车用户与出租车的数据进行并行计算，分别得到用于计算用户权重值u和车辆权重值w的第一权重系数；
[0030]利用深度学习模型，从所述历史数据仓库中选取第二数据和第三数据分别进行训练得到用户权重系数调整模型和车辆权重系数调整模型；
[0031]将所述第一数据进行前期处理后分别输入所述用户权重系数调整模型和所述车辆权重系数调整模型，得到用于计算用户权重值u和车辆权重值w的第二权重系数；
[0032]将所述第二权重系数和所述第一权重系数按预设规则进行融合，分别得到用于计算用户权重值u和车辆权重值w的综合权重系数；
[0033]将所述综合权重系数用于本周期派单。
[0034]可选地，所述按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车的步骤，所述云服务器被配置为：
[0035]根据所述行程信息，确定用户行程是否包含需要人工辅助的第一类特殊环境；
[0036]从所述打车订单中将包含了所述第一类特殊环境的第一用户行程对应的订单作为第一类特殊订单；
[0037]根据所述第一类特殊环境确定对应的第一人工辅助等级；
[0038]从所述车辆队列顺序中选择出满足所述第一人工辅助等级的第一无人驾驶出租车；
[0039]将所述第一类特殊订单派发至所述第一无人驾驶出租车。
[0040]可选地，所述按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车的步骤，所述云服务器被配置为：
[0041]从所述打车订单中剥离所述第一类特殊订单，得到第一打车订单子集；
[0042]从所述第一打车订单子集中选择用户行程满足第一预设行程条件的第二用户行程对应的订单作为第二类特殊订单；
[0043]将所述第二类特殊订单派发至所述第一无人驾驶出租车；
[0044]所述第一无人驾驶出租车根据所述第一类特殊订单与所述第二类特殊订单规划
行驶任务方案。
[0045]可选地，所述按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车的步骤，所述云服务器被配置为：
[0046]确定所述打车订单对应的用户行程中是否包含数据待验证路段；
[0047]若是，则根据所述待验证路段的长度、所述待验证路段与用户行程起点的距离、出发时间，确定调整系数z，其中，z为小于1的正数；
[0048]将所述打车订单中包含所述待验证路段的用户行程对应的订单按照u*v*t*z的值进行调整后，得到第一用户队列顺序；
[0049]对所述第一用户队列顺序中的每个所述打车订单依次进行派车。
[0050]本专利技术的另一方面提供一种基于大数据的出租车派单方法，应用于一种基于大数据的出租车派单系统，所述基于大数据的出租车派单系统包括云服务器、物联网服务器、物联网终端，所述基于大数据的出租车派单方法包括：
[0051]所述云服务器获取打车订单的订单数据，并从所述订单数据中获取打车用户的用户信息和行程信息；
[0052]所述云服务器获取无人驾驶出租车的车辆信息；
[0053]所述云服务器根据所述用户信息计算所述打车用户的用户权重值u；
[0054]所述云服务器根据所述车辆信息计算所述无人驾驶出租车的车辆权重值w；
[0055]所述云服务器根据所述行程信息计算所述打车用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的出租车派单系统，其特征在于，包括：云服务器、物联网服务器、物联网终端；所述云服务器被配置为：获取打车订单的订单数据，并从所述订单数据中获取打车用户的用户信息和行程信息；获取无人驾驶出租车的车辆信息；根据所述用户信息计算所述打车用户的用户权重值u；根据所述车辆信息计算所述无人驾驶出租车的车辆权重值w；根据所述行程信息计算所述打车用户的行程权重值v；将所有所述打车订单按照u*v*t的值进行倒序排序得到用户队列顺序，其中，t为用户订单等待时间；获取所述打车用户与所述无人驾驶出租车的距离d；将所有所述无人驾驶出租车按w/d的值进行倒序排序得到车辆队列顺序；按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车。2.根据权利要求1所述的基于大数据的出租车派单系统，其特征在于，所述根据所述用户信息计算所述打车用户的用户权重值u的步骤中，所述云服务器被配置为：从所述用户信息中获取订单量、平均分、平台注册时长、驾驶资质值、驾驶年限值、驾驶技能值；通过以下公式计算所述用户权重值u：u＝a1*ud+a2*us+a3*ut+a4*dr+a5*dy+a6*dt；其中，a1、a2、a3、a4、a5、a6为权重系数，ud为订单量，us为平均分，ut为平台注册时长，dr为驾驶资质值，dy为驾驶年限值，dt为驾驶技能值；所述根据所述车辆信息计算所述无人驾驶出租车的车辆权重值w的步骤，包括：从所述车辆信息中获取接单量、平均响应时间、服务时长、平均评分、行驶里程、行驶路况值、车辆故障/维修值、人工辅助等级值；通过以下公式计算所述车辆权重值w：w＝b1*wd+b2*wt+b3*wst+b4*ws+b5*wr+b6*wp+b7*wq+b8*wx；其中，b1、b2、b3、b4、b5、b6、b7、b8为权重系数；wd为接单量、wt为平均响应时间、wst为服务时长、ws为平均评分、wr为行驶里程、wp为行驶路况值、wq为车辆故障/维修值、wx为人工辅助等级值；所述基于大数据的出租车派单方法还包括：建立所述打车用户和所述无人驾驶出租车的历史数据仓库；根据所述无人驾驶出租车所投放的地域的人员特征和地域特征，确定第一预设周期；从所述历史数据仓库提取最近一个所述第一预设周期内产生的全部相关数据作为第一数据；根据预设的权重算法，对有关于用车用户与出租车的数据进行并行计算，分别得到用于计算用户权重值u和车辆权重值w的第一权重系数；利用深度学习模型，从所述历史数据仓库中选取第二数据和第三数据分别进行训练得到用户权重系数调整模型和车辆权重系数调整模型；
将所述第一数据进行前期处理后分别输入所述用户权重系数调整模型和所述车辆权重系数调整模型，得到用于计算用户权重值u和车辆权重值w的第二权重系数；将所述第二权重系数和所述第一权重系数按预设规则进行融合，分别得到用于计算用户权重值u和车辆权重值w的综合权重系数；将所述综合权重系数用于本周期派单。3.根据权利要求2所述的基于大数据的出租车派单系统，其特征在于，所述按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车的步骤，所述云服务器被配置为：根据所述行程信息，确定用户行程是否包含需要人工辅助的第一类特殊环境；从所述打车订单中将包含了所述第一类特殊环境的第一用户行程对应的订单作为第一类特殊订单；根据所述第一类特殊环境确定对应的第一人工辅助等级；从所述车辆队列顺序中选择出满足所述第一人工辅助等级的第一无人驾驶出租车；将所述第一类特殊订单派发至所述第一无人驾驶出租车。4.根据权利要求3所述的基于大数据的出租车派单系统，其特征在于，所述按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车的步骤，所述云服务器被配置为：从所述打车订单中剥离所述第一类特殊订单，得到第一打车订单子集；从所述第一打车订单子集中选择用户行程满足第一预设行程条件的第二用户行程对应的订单作为第二类特殊订单；将所述第二类特殊订单派发至所述第一无人驾驶出租车；所述第一无人驾驶出租车根据所述第一类特殊订单与所述第二类特殊订单规划行驶任务方案。5.根据权利要求4所述的基于大数据的出租车派单系统，其特征在于，所述按照所述车辆队列顺序，对所述用户队列顺序中的每个所述打车订单依次进行派车的步骤，所述云服务器被配置为：确定所述打车订单对应的用户行程中是否包含数据待验证路段；若是，则根据所述待验证路段的长度、所述待验证路段与用户行程起点的距离、出发时间，确定调整系数z，其中，z为小于1的正数；将所述打车订单中包含所述待验证路段的用户行程对应的订单按照u*v*t*z的值进行调整后，得到第一用户队列顺序；对所述第一用户队列顺序中的每个所述打车订单依次进行派车。6.一种基于大数据的出租车派单方法，其特征在于，应用于一种基于大数据的出租车派单系统，所述基...

【专利技术属性】
技术研发人员：曹坚，唐俊伟，金会勇，
申请(专利权)人：深圳友浩车联网股份有限公司，
类型：发明
国别省市：