【技术实现步骤摘要】
本专利技术涉及网约车订单匹配，具体为一种网约车订单响应跟进方法、系统及计算机设备。
技术介绍
1、网约车是一种通过在线平台提供的出行服务，用户可以通过手机应用程序或网站预订车辆，并选择出行目的地，然后由平台匹配附近可用的司机，完成乘车服务。
2、现有技术中，在对用户的订单分配网约车时，通常只采用简单的距离匹配或简单规则进行匹配，例如根据用户订单和网约车的基本属性，如起点、终点、距离等，而这些参数的采集和数据处理，获取的匹配方案并不准确，忽略了一些关键参数，比如车辆状态、用户等待时间和订单类型，因此当采集的参数不全面和不准确时，会造成订单匹配不及时或者匹配到不合适的司机，从而造成匹配精度和用户满意度下降。
3、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本专利技术的目的在于提供一种网约车订单响应跟进方法、系统及计算机设备，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种网约车订单响应跟进方法，具体步骤包括：
4、s1.采集同一区域范围内的用户订单的属性参数和网约车司机的相关参数，
5、其中，
6、用户订单的属性参数包括订单起点到终点距离、等待时间和订单类型；
7、网约车的属性参数包括车辆当前坐标和用户订单坐标的距离、车辆状态和车辆评分等级；>
8、s2.将订单类型分为即时订单和预约订单，且即时订单为1，预约订单为0，将车辆状态分为待客状态和服务中状态，且待客状态为1，服务中状态为0，依据乘客对车辆的评分，将车辆的评分分为3个等级，车辆的评分为一般等级时，等级系数为0.2，车辆的评分为良好等级时，等级系数为0.5，车辆的评分为优秀等级时，等级系数为0.8；
9、s3.将用户订单的属性参数进行数据处理和分析，生成用户订单的属性系数，将网约车的属性参数进行数据处理和分析，生成网约车的属性系数，将用户订单的属性系数和网约车的属性系数进行数据处理，获取用户订单的属性系数和网约车的属性系数的相似度，依据用户订单的属性系数和网约车的属性系数的相似度，获取用户订单和网约车之间的匹配系数；
10、s4.将用户订单和网约车之间的匹配系数和预先设定的匹配系数的阈值比较，确定匹配用户订单的车辆数；
11、s5.当匹配用户订单的车辆数超过1时，按照顺序先后匹配，当匹配用户订单的车辆数仅为1时，匹配该车辆，当用户订单匹配的车辆数为0时，重新设置阈值，匹配符合用户订单的车辆。
12、进一步地，将用户订单的订单起点到终点距离、等待时间和订单类型进行数据处理和分析，生成用户订单的属性系数，依据的公式如下：
13、
14、其中，p为用户订单的属性系数，n为用户订单的属性数量，包括订单起点到终点距离、等待时间和订单类型，wi为各订单属性的权重系数，包括w1、w2、w3，w1为订单起点到终点距离的权重系数，w2为等待时间的权重系数，w3为订单类型的权重系数，i∈{1,2,3}，fi为各订单属性的函数值，包括f1、f2、f3，f1为订单起点到终点距离，d为订单的实际起点到终点距离，dmin为订单起点到终点距离的最小值，dmax为订单起点到终点距离的最大值，f2为订单的等待时间，t为订单的实际等待时间，tmin为等待时间的最小值，tmin为等待时间的最大值，f3为订单类型，a为即时订单，b为预约订单。
15、进一步地，将车辆当前坐标和用户订单坐标的距离、车辆状态和车辆评分等级进行数据处理和分析，生成网约车的属性系数，依据的公式如下：
16、q＝c1·f1(x1-x2，y1-y2)+c2·f2(s)+c3·f3(r)
17、其中，q为网约车的属性系数，x1为车辆当前位置的经度坐标，x2为用户订单位置的经度坐标，y1为车辆当前位置的纬度坐标，y2为用户订单位置的纬度坐标，s为车辆状态，只有两种状态，即1表示待客状态，0表示服务中状态，r为车辆的评分等级，c1为位置坐标系数，c2为车辆状态系数，c3为车辆评分等级系数，f1(x1-x2，y1-y2)为位置坐标处理函数，f2(s)为车辆状态处理函数，f3(r)为车辆评分处理函数。
18、进一步地，获取位置坐标处理函数f1(x1-x2，y1-y2)的公式如下：
19、
20、f1(x1-x2，y1-y2)表示车辆当前坐标和用户订单坐标的距离；
21、获取车辆状态处理函数f2(s)的公式如下：
22、f2(s)＝1-s
23、上述函数用于将车辆的状态从0或1转换为权重，其中权重的取值范围是[0,1]；
24、当车辆处于待客状态时，1-s＝0，表示待客状态的车辆对属性系数没有影响；而当车辆处于服务中状态时，1-s＝1，表示服务中状态的车辆对属性系数有完全的影响；
25、获取车辆评分处理函数f3(r)的公式如下：
26、f3(r)＝0.2+0.3·(r-1)
27、上述函数用于将车辆的评分等级转换为权重；
28、当r＝1，表示一般等级，f3(r)＝0.2；
29、当r＝2，表示良好等级，f3(r)＝0.5；
30、当r＝3，表示优秀等级，f3(r)＝0.8；
31、f3(r)为线性函数，将车辆的评分等级转换为一个权重，评分等级越高，权重越大，反之亦然；
32、在获取位置坐标处理函数f1(x1-x2，y1-y2)、车辆状态处理函数f2(s)和车辆评分处理函数f3(r)后，获取网约车的属性系数q的公式，公式如下：
33、
34、网约车的属性系数q的取值范围为[0.2,1.3],较高的属性系数表示车辆被派单的顺序靠前，较低的属性系数则表示车辆被派单的顺序靠后。
35、进一步地，将用户订单的属性系数和网约车的属性系数进行数据处理，获取用户订单的属性系数和网约车的属性系数的相似度，依据的公式如下：
36、
37、其中，sim为用户订单的属性系数和网约车的属性系数的相似度，p为用户订单的属性系数向量，q为网约车的属性系数向量，·表示向量的点积，|p|和|q|分别表示向量p和q的模；
38、相似度的取值范围为[-1,1]，值越接近于1，表示两个向量之间的相似度越高，通过用户订单的属性系数和网约车的属性系数的相似度获取匹配系数，即将相似度值sim通过线性映射转换为匹配系数m，使其在[0,1]范围内，依据的公式如下：
39、
40、其中，m为匹配系数，min(sim)为相似度值的最小值，max(sim)为相似度值的最大值。
41、依据下列的表格，将用户订单的属性系数和网约车的属性系数的相似度值sim转换为匹配系数m本文档来自技高网...
【技术保护点】
1.一种网约车订单响应跟进方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的网约车订单响应跟进方法，其特征在于：将用户订单的订单起点到终点距离、等待时间和订单类型进行数据处理和分析，生成用户订单的属性系数，依据的公式如下：
3.根据权利要求2所述的网约车订单响应跟进方法，其特征在于：将车辆当前坐标和用户订单坐标的距离、车辆状态和车辆评分等级进行数据处理和分析，生成网约车的属性系数，依据的公式如下：
4.根据权利要求3所述的网约车订单响应跟进方法，其特征在于：获取位置坐标处理函数f1(x1-x2，y1-y2)的公式如下：
5.根据权利要求1所述的网约车订单响应跟进方法，其特征在于：将用户订单的属性系数和网约车的属性系数进行数据处理，获取用户订单的属性系数和网约车的属性系数的相似度，依据的公式如下：
6.一种网约车订单响应跟进系统，所述系统用于执行权利要求1-5任一所述的网约车订单响应跟进方法，其特征在于：包括：
7.一种计算机设备，其特征在于，
【技术特征摘要】
1.一种网约车订单响应跟进方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的网约车订单响应跟进方法，其特征在于：将用户订单的订单起点到终点距离、等待时间和订单类型进行数据处理和分析，生成用户订单的属性系数，依据的公式如下：
3.根据权利要求2所述的网约车订单响应跟进方法，其特征在于：将车辆当前坐标和用户订单坐标的距离、车辆状态和车辆评分等级进行数据处理和分析，生成网约车的属性系数，依据的公式如下：
4.根据权利要求3所述...
【专利技术属性】
技术研发人员：于志杰，董广宇，刘金龙，
申请(专利权)人：北京白龙马云行科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。