预估乘客取消订单行为的方法、设备及存储介质技术

本发明专利技术实施例公开了一种预估乘客取消订单行为的方法、设备及存储介质。所述方法包括：根据在线叫车服务生成的订单的乘客账号，获取对应乘客的历史行为信息，并获取所述订单的订单信息，所述订单信息中包含乘车起点；将位于所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；分别为所述订单信息、所述历史行为信息和所述司机信息中包含的属性项进行赋值，生成属性向量；根据所述属性向量预估所述乘客针对所述候选司机是否会取消所述订单。本发明专利技术实施例在预估乘客针对候选司机是否会取消订单时，同时考虑到了乘客的历史行为信息、订单信息和司机信息，并将上述信息进行量化处理，可以提升在线叫车服务成功率。

【技术实现步骤摘要】
预估乘客取消订单行为的方法、设备及存储介质
本专利技术实施例涉及互联网
，尤其涉及一种预估乘客取消订单行为的方法、设备及存储介质。
技术介绍
随着互联网技术的高度发展以及智能设备的普及，传统的交通技术正在逐步进化为智能交通系统。现有技术中，乘客多使用在线叫车服务软件(例如滴滴、优步、神州、易道等)，通过手机等智能终端进行打车，使人、车、路之间的相互作用关系以新的方式呈现，与传统的打车方式相比，在一定程度上实现了较为准确、高效地出行。在线叫车服务(如专车，顺风车，快车等)中，大量的因素会导致乘客在叫车过程中取消订单，例如司机接客预期到达时间、单价、区域和交通状况等等，而且不同用户对不同因素的敏感程度还不一样。只有在派单过程中将用户订单派送给达到乘客预期的司机才能完成在线叫车服务。从而，正确的识别出乘客针对派单司机是否会取消订单具有重要意义。目前，只有通过司机和用户的距离来判断司机是否满足派送订单的要求，并没有考虑乘客的影响因素，从而导致在线叫车服务的成功率较低。
技术实现思路
本专利技术实施例提供一种预估乘客取消订单行为的方法、设备及存储介质，可以提升在线叫车服务成功率。第一方面，本本文档来自技高网...

【技术保护点】
一种预估乘客取消订单行为的方法，其特征在于，包括：根据在线叫车服务生成的订单的乘客账号，获取对应乘客的历史行为信息，并获取所述订单的订单信息，所述订单信息中包含乘车起点；将位于所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；分别为所述订单信息、所述历史行为信息和所述司机信息中包含的属性项进行赋值，生成属性向量；根据所述属性向量预估所述乘客针对所述候选司机是否会取消所述订单。

【技术特征摘要】
1.一种预估乘客取消订单行为的方法，其特征在于，包括：根据在线叫车服务生成的订单的乘客账号，获取对应乘客的历史行为信息，并获取所述订单的订单信息，所述订单信息中包含乘车起点；将位于所述乘车起点预设区域范围内的司机作为候选司机，并获取所述候选司机的司机信息；分别为所述订单信息、所述历史行为信息和所述司机信息中包含的属性项进行赋值，生成属性向量；根据所述属性向量预估所述乘客针对所述候选司机是否会取消所述订单。2.根据权利要求1所述的方法，其特征在于，根据所述属性向量预估所述乘客针对所述候选司机是否会取消所述订单包括：将所述属性向量输入乘客取消订单行为识别器中进行学习；根据所述乘客取消订单行为识别器输出的所述乘客针对所述候选司机取消订单的概率，确定所述乘客是否取消所述订单。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取至少一个乘客的历史订单的历史行为信息、订单信息及乘客取消订单情况，所述历史订单的订单信息中包含历史乘车起点；获取位于所述历史乘车起点预设区域范围内的司机作为历史候选司机，并获取所述历史候选司机的司机信息；根据所述乘客取消订单情况对所述历史订单进行标记，并分别为标记后的历史订单的历史行为信息、订单信息和司机信息进行赋值，生成历史属性向量；采用神经网络模型或逻辑回归模型对所述历史属性向量进行训练，得到所述乘客取消订单行为识别器。4.根据权利要求3所述的方法，其特征在于，分别为所述订单信息、所述历史行为信息和所述司机信息中包含的属性项进行赋值，生成属性向量包括：采用随机森林RandomForest算法或迭代决策树GBDT，分别为所述订单信息、所述历史行为信息和所述司机信息中包含的属性项进行赋值，生成属性向量。5.根据权利要求4所述的方法，其特征在于，采用随机森林RandomForest算法或迭代决策树GBDT，分别为所述订单信息、所述历史行为信息和所述司机信息中包含的属性项进行赋值，生成属性向量包括：采用随机森林RandomForest算法或迭代决策树GBDT，对所述订单信息、所述历史行为信息和所述司机信息中包含的属性项进行训练，得到N棵决策树，其中，N为自然数；为所述N棵决策树中的每颗树的叶子节点赋值，根据所述叶子节点的赋值生成属性向量。6.根据权利要求5所述的方法，其特征在于，为所述N棵决策树中的每颗树的叶子节点赋值，根据所述叶子节点的赋值生成属性向量包括：对N颗决策树中的每一颗树的叶子节点进行编号；根据所述编号为叶子节点赋值，生成属性向量。7.根据权利要求6所述的方法，其特征在于，根据所述编号为叶子节点赋值，生成属性向量包括：将输出取消订单结果的叶子节点赋值为第一预设值，将输出不取消订单结果的叶子节点赋值为第二预设值，将其余叶子节点赋值为第三预设值。8.根据权利要求6所述的方法，其特征在于，根据所述编号为叶子节点赋值，生成属性向量包括：根据N颗决策树中叶子节点数最多的决策树的叶子节点个数M，生成N*M维向量；为所述N*M维向量中的各位元素进行赋值，得到所述属性向量。9.根据权利要求8所述的方法，其特征在于，为所述N*M维向量中的各位元素进行赋值，得到所述属性向量包括：若第n棵树的第m个叶子节点赋值为第一预设值，则将所述N*M维向量中第((n-1)*M+m)位元素赋值为第一预设值，将不输出取消订单结果的叶子节点对应的元素赋值为第二预设值；对于叶子节点数低于M的决策树，将超出叶子节点个数的元素赋值为第三预设值。10.一种预估乘客取消订单行为的装置，其特征在于，包括：历史信息获取模块，用于根...

【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