一种用车服务推荐方法、装置以及设备制造方法及图纸

本说明书实施例公开了一种用车服务推荐方法、装置以及设备。方案包括：预先根据行车环境数据和历史服务数据建立服务模型，以及根据乘客定位数据和历史乘车数据建立乘客模型；当任意用户有用车需求时，可以利用服务模型，计算用户周边的可用车辆的服务预估数据，以及利用乘客模型，计算用户在当前出行场景的服务喜好数据，进而，通过将服务喜好数据与服务预估数据进行匹配，为用户推荐用车服务。

Vehicle service recommendation method, device and equipment

The embodiment of the manual discloses a vehicle service recommendation method, device and device. The scheme includes: establishing a service model according to the traffic environment data and historical service data in advance, and establishing the passenger model according to the passenger location data and the historical bus data. When any user is useful for the vehicle, the service model can be used to calculate the service prediction data of the available vehicles around the user, and the use of the passengers. The model calculates the user's service preference data in the current trip scene, and then matches the service preference data with the service prediction data to recommend the service for the user.

【技术实现步骤摘要】
一种用车服务推荐方法、装置以及设备
本说明书涉及计算机软件
，尤其涉及一种用车服务推荐方法、装置以及设备。
技术介绍
智能手机的使用普及给人们的生活带来了便利。通过使用智能手机上的各种应用，能够相应地获得各种服务，其中，用车服务是人们经常利用的一种服务，用车服务由专车公司或者出租车公司的车辆及其司机提供。在现有技术中，待用车用户可以在应用中请求用车服务，然后被动等待即可，周边有服务意愿的专车司机或者出租车司机可以自由接单，由先接到单的司机为待用车用户服务。基于现有技术，需要可靠的用车服务推荐方案。
技术实现思路
本说明书实施例提供一种用车服务推荐方法、装置以及设备，用以解决如下技术问题：需要可靠的用车服务推荐方案。为解决上述技术问题，本说明书实施例是这样实现的：本说明书实施例提供的一种用车服务推荐方法，包括：利用服务模型，计算待用车用户周边的可用车辆的服务预估数据，所述服务模型根据行车环境数据和历史服务数据建立；利用乘客模型，计算所述待用车用户在当前出行场景的服务喜好数据，所述乘客模型根据乘客定位数据和历史乘车数据建立；通过将所述服务喜好数据与所述服务预估数据进行匹配，为所述待用车用户推荐用车服务。本说明书实施例提供的一种用车服务推荐装置，包括：第一计算模块，利用服务模型，计算待用车用户周边的可用车辆的服务预估数据，所述服务模型根据行车环境数据和历史服务数据建立；第二计算模块，利用乘客模型，计算所述待用车用户在当前出行场景的服务喜好数据，所述乘客模型根据乘客定位数据和历史乘车数据建立；推荐模块，通过将所述服务喜好数据与所述服务预估数据进行匹配，为所述待用车用户推荐用车服务。本说明书实施例提供的一种用车服务推荐设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：利用服务模型，计算待用车用户周边的可用车辆的服务预估数据，所述服务模型根据行车环境数据和历史服务数据建立；利用乘客模型，计算所述待用车用户在当前出行场景的服务喜好数据，所述乘客模型根据乘客定位数据和历史乘车数据建立；通过将所述服务喜好数据与所述服务预估数据进行匹配，为所述待用车用户推荐用车服务。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：能够迎合待用车用户的喜好以及适配当前出行场景，为待用车用户推荐相对更合适的用车服务，从而能够改变待用车用户只能被动等待司机选择的现状，可靠性较好，有利于提高用户体验。附图说明为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本说明书的方案在一种实际应用场景下涉及的一种整体架构示意图；图2为本说明书实施例提供的一种用车服务推荐方法的流程示意图；图3为本说明书实施例提供的一种实际应用场景下，上述用车服务推荐方法的原理框图；图4a为本说明书实施例提供的一种实际应用场景下，服务模型的应用示意图；图4b为本说明书实施例提供的一种实际应用场景下，乘客模型的应用示意图；图4c为本说明书实施例提供的一种实际应用场景下，匹配推荐服务以及反馈修正模型的流程示意图；图5为本说明书实施例提供的对应于图2的一种用车服务推荐装置的结构示意图。具体实施方式本说明书实施例提供一种用车服务推荐方法、装置以及设备。为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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申请一部分实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本申请保护的范围。图1为本说明书的方案在一种实际应用场景下涉及的一种整体架构示意图。该整体架构中，主要涉及两类模型：服务模型、乘客模型；其中，利用服务模型能够对车辆及其司机提供的用车服务进行预估，利用乘客模型能够对乘客对于用车服务的喜好进行预估，在这些预估过程中，还考虑了行车场景、用车场景的差异化，从而有利于可靠地推荐用车服务。下面主要基于图1的架构，对本说明书的方案详细说明。图2为本说明书实施例提供的一种用车服务推荐方法的流程示意图。图2中的流程可以包括以下步骤：S202：利用服务模型，计算待用车用户周边的可用车辆的服务预估数据，所述服务模型根据行车环境数据和历史服务数据建立。S204：利用乘客模型，计算所述待用车用户在当前出行场景的服务喜好数据，所述乘客模型根据乘客定位数据和历史乘车数据建立。在本说明书实施例中，服务模型、乘客模型可以利用诸如大数据、机器学习等技术，预先构建并训练得到，这两类模型可以是相互独立的模型，也可以是包含在同一个大模型中的不同的关联模块；这两类模型可以位于同一设备，也可以位于不同设备，所述设备比如包括应用服务器、乘客所使用的终端、司机所使用的终端等。根据实际需求，服务模型、乘客模型也可以进一步地细分为多个子模型，各子模型分别具有对应父模型的部分功能。在本说明书实施例中，行车环境数据反映不同的行车场景。行车环境数据比如包括：不同的路段路况数据(交通限速情况、红绿灯数量和位置、车道数量、路宽、是否主干道、弯道情况等)、行车的其他外在影响因素数据(天气情况、是否节假日、是否上下班高峰、晚间还是白天、是否深夜等)，等等。历史服务数据可以包括不同的车辆以往在不同的行车场景下的服务数据。服务数据可以包括行车数据，行车数据可以由车辆自身或者相关应用进行记录分析得到；服务数据还可以包括车辆及其司机得到的评价数据；等等。需要说明的是，这里提到的车辆不限于专车公司和出租车公司的车辆，也可以包括其他任意在上述行车场景下行驶过的车辆。在待用车用户有用车需求时，利用服务模型，根据实时数据能够推定当前的行车场景，进而计算待用车用户周边的可用车辆在该行车场景的服务预估数据。在本说明书实施例中，乘客定位数据能够从行程方面反映出行场景，比如上班场景、下班场景、出游场景等。乘客定位数据还可以结合诸如对应的时间(时刻、日期等)、天气等其他相关数据，更精确地反映出行场景。历史乘车数据可以包括乘客以往乘车相关的一些主动行为数据，比如，对车辆及其司机的选择、评价等数据。一般地，这些主动行为在不同出行场景下有一致的部分(比如，某乘客可能均会选择档次最高的车辆，等等)，但也可能有差异较大的部分(比如，某乘客在上班场景可能均会选择车速最快的车辆，而在出游场景可能由于多个家人同行均会选择座位最多的车辆，等等)。历史乘车数据能够反映乘客的乘车习惯，若乘客是作为使用用车服务的用户，则该乘车习惯反映该用户的服务喜好。乘车习惯比如包括：时间优先(乘客重点希望车辆的速度越快越好、司机所选择的行车路线越短越好)、安全优先(乘客重点希望司机开车越稳越好、速度普通即可、司机驾龄越长越好)、费用优先(乘客重点希望服务费用越低越好)，等等。当然，历史乘车数据也可以包括乘客以往乘车的行程数据，相比于本文档来自技高网...

【技术保护点】
1.一种用车服务推荐方法，包括：利用服务模型，计算待用车用户周边的可用车辆的服务预估数据，所述服务模型根据行车环境数据和历史服务数据建立；利用乘客模型，计算所述待用车用户在当前出行场景的服务喜好数据，所述乘客模型根据乘客定位数据和历史乘车数据建立；通过将所述服务喜好数据与所述服务预估数据进行匹配，为所述待用车用户推荐用车服务。

【技术特征摘要】
1.一种用车服务推荐方法，包括：利用服务模型，计算待用车用户周边的可用车辆的服务预估数据，所述服务模型根据行车环境数据和历史服务数据建立；利用乘客模型，计算所述待用车用户在当前出行场景的服务喜好数据，所述乘客模型根据乘客定位数据和历史乘车数据建立；通过将所述服务喜好数据与所述服务预估数据进行匹配，为所述待用车用户推荐用车服务。2.如权利要求1所述的方法，所述为所述待用车用户推荐用车服务后，所述方法还包括：收集所述待用车用户使用所述用车服务而产生的：行车数据，和/或乘客评价数据，和/或司机评价数据；根据所述行程数据，和/或乘客评价数据，和/或司机评价数据，对所述服务模型和/或所述乘客模型进行修正。3.如权利要求1所述的方法，根据行车环境数据和历史服务数据建立所述服务模型，具体包括：收集行车环境数据，以建立不同的行车场景；收集不同车辆在所述不同的行车场景下的历史服务数据，并据此建立所述服务模型；其中，所述行车环境数据包括以下至少一类数据：路段及其路况、天气、时间。4.如权利要求3所述的方法，所述计算待用车用户周边的可用车辆的服务预估数据，具体包括：获取以下至少一种第一因子：所述待用车用户周边的可用车辆的近期服务数据、所述待用车用户周边的可用车辆对应于指定的行车环境数据的历史服务数据、对应于该行车环境数据的标准的服务数据；其中，所述指定的行车环境数据包括当前对应于待用车用户的行车环境数据；根据所述第一因子，计算所述待用车用户周边的可用车辆的服务预估数据。5.如权利要求1所述的方法，根据乘客定位数据和历史乘车数据建立所述乘客模型，具体包括：收集不同乘客的乘客定位数据以及对应的时间，以建立不同的出行场景；收集不同乘客的乘客在所述不同的出行场景的历史乘车数据，并据此建立所述乘客模型。6.如权利要求5所述的方法，所述计算所述待用车用户在当前出行场景的服务喜好数据，具体包括：获取所述待用车用户的历史乘车数据，以及以下至少一种第二因子：当前所述待用车用户的乘车时间、乘车起点、乘车目的地；根据所述第二因子，确定在当前出行场景的标准的服务喜好数据；根据所述待用车用户的历史乘车数据，以及所述标准的服务喜好数据，计算所述待用车用户在当前出行场景的服务喜好数据。7.一种用车服务推荐装置，包括：第一计算模块，利用服务模型，计算待用车用户周边的可用车辆的服务预估数据，所述服务模型根据行车环境数据和历史服务数据建立；第二计算模块，利用乘客模型，计算所述待用车用户在当前出行场景的服务喜好数据，所述乘客模型根据乘客定位数据和历史乘车数据建立；推荐模块，通过将所述服务喜好数据与所述...

【专利技术属性】
技术研发人员：朱建华，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY