一种数据处理方法、装置和服务器制造方法及图纸

本公开实施例提供的一种数据处理方法、装置和服务器，涉及计算机技术领域，所述方法包括：获取用户提交的提供车辆运输服务的第一订单的信息；根据所述第一订单的信息，确定用于分配所述第一订单的司机；根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率；根据所述司机的接单概率确定对应的补贴金额。应用本公开实施例，可以实现提高性价比不高的订单的接单率。

Data processing method, device and server

A data processing method, apparatus and server provided in the present disclosure, relating to the field of computer technology, includes: obtaining information on a first order submitted by a user for providing vehicle transport services; determining a driver for allocating the first order based on information on the first order; and according to the said method. The order information and the driver's information are used to calculate the acceptance probability of the driver by machine learning model, and the corresponding subsidy amount is determined according to the acceptance probability of the driver. By applying the public embodiment, the order rate of the order with low cost performance can be improved.

【技术实现步骤摘要】
一种数据处理方法、装置和服务器
本公开实施例涉及计算机
，尤其涉及一种数据处理方法、装置和服务器。
技术介绍
随着出行应用的不断推广，使用出行应用出行的用户以及使用出行应用接单的司机越来越多。出行应用可以提供用户和司机之间的信息交流渠道，使得用户在家就可以预约出行，减少了用户等待的时间；司机也可以及时获知哪里有需要运输服务的用户，提高了司机的运力。一般的，为了鼓励司机接更多的订单，特别是鼓励司机去接一些性价比不高的订单(例如路程较远、目的地比较偏僻、乘客离得很远等情况)，出行应用的运营方会采用补贴的方式。司机每完成一个订单，不仅可以收到用户支付的费用，还可以额外收到运营方给的补贴。现有技术中，补贴金额通常是由运营人员设置的，而且对于所有的司机都是相同的。这样，就会导致司机依然趋向于接性价比较高的订单，而性价比较低的订单的接单率提升效果不明显。
技术实现思路
本公开实施例提供的数据处理方法及装置，以解决现有技术中存在的性价比较低的订单接单率较低的问题。根据本公开实施例提供的一种数据处理方法，所述方法包括：获取用户提交的提供车辆运输服务的第一订单的信息；根据所述第一订单的信息，确定用于分配所述第一订单的司机；根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率；根据所述司机的接单概率确定对应的补贴金额。可选的，所述第一订单的信息，包括：总路程，预估价格，当前时间段中的至少一种；其中，所述总路程表示根据所述第一订单的起点位置与终点位置规划得出的运输路径的总路程；所述预估价格表示根据所述总路程得出的价格；所述当前时间段表示所述订单的生成时刻所对应的预设时间区间。可选的，所述司机的信息，包括：司机的实时数据和/或司机的历史数据。可选的，所述司机的实时数据，包括：接单路程、总司机数、空闲司机数中的至少一种；其中，所述接单路程表示根据所述司机当前位置和所述第一订单的起点位置规划得出的接单路径的总路程；所述空闲司机数表示所述第一订单的起点位置所处的预设区域内空闲司机的数量；所述总司机数表示所述第一订单的起点位置所处的预设区域内所有司机的数量。可选的，所述司机的历史数据，包括：接单次数，接单区域，接单价格，订单路程中的至少一种；其中，所述接单次数表示所述司机历史完成过的订单数量；所述接单区域表示所述司机历史完成过的订单所在区域；所述接单价格表示所述司机历史完成过的订单的价格；所述订单路程表示所述司机历史完成过的订单的路程。可选的，在所述根据所述第一订单的信息，确定用于分配所述第一订单的司机之后，所述方法还包括：获取当前的天气信息；相应地，所述根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率，具体包括：根据所述第一订单的信息、所述司机的信息和所述天气信息，利用机器学习模型计算所述司机的接单概率。可选的，所述当前天气信息，包括：是否下雨，是否下雪，室外温度、空气湿度、风速中的至少一种。可选的，在所述根据所述第一订单的信息，确定用于分配所述第一订单的司机之后，所述方法还包括：获取当前的路况信息；相应地，所述根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率，具体包括：根据所述第一订单的信息、所述司机的信息和所述路况信息，利用机器学习模型计算所述司机的接单概率。可选的，所述路况信息，包括接单路径是否拥堵，和/或，运输路径是否拥堵；其中，所述接单路径表示根据所述司机位置和所述第一订单的起点位置规划的接单路径；所述运输路径表示根据所述第一订单的起点位置和终点位置规划的运输路径。可选的，在所述根据所述司机的接单概率确定对应的补贴金额之后，所述方法还包括：将所述补贴金额以及所述第一订单的信息发送给所述司机。可选的，所述机器学习模型利用逻辑回归算法、神经网络算法或深度学习算法训练得到。可选的，所述训练是离线进行的。根据本公开实施例提供的一种数据处理装置，所述装置包括：获取单元，获取用户提交的提供车辆运输服务的第一订单的信息；分配单元，根据所述第一订单的信息，确定用于分配所述第一订单的司机；计算单元，根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率；确定单元，根据所述司机的接单概率确定对应的补贴金额。可选的，所述第一订单的信息，包括：总路程、预估价格、当前时间段中的至少一种；其中，所述总路程表示根据所述第一订单的起点位置与终点位置规划得出的运输路径的总路程；所述预估价格表示根据所述总路程得出的价格；所述当前时间段表示所述订单的生成时刻所对应的预设时间区间。可选的，所述司机的信息，包括：司机的实时数据和/或司机的历史数据。可选的，所述司机的实时数据，包括：接单路程、总司机数、空闲司机数中的至少一种；其中，所述接单路程表示根据所述司机当前位置和所述第一订单的起点位置规划得出的接单路径的总路程；所述空闲司机数表示所述第一订单的起点位置所处的预设区域内空闲司机的数量；所述总司机数表示所述第一订单的起点位置所处的预设区域内所有司机的数量。可选的，所述司机的历史数据，包括：接单次数，接单区域，接单价格，订单路程的任意组合。其中，所述接单次数表示所述司机历史完成过的订单数量；所述接单区域表示所述司机历史完成过的订单所在区域；所述接单价格表示所述司机历史完成过的订单的价格；所述订单路程表示所述司机历史完成过的订单的路程。可选的，在所述分配单元之后，所述装置还包括：第二获取单元，获取当前的天气信息；所述计算单元，具体包括：根据所述第一订单的信息、所述司机的信息和所述天气信息，利用机器学习模型计算所述司机的接单概率。可选的，所述当前天气信息，包括：是否下雨，是否下雪，室外温度、空气湿度、风速中的至少一种。可选的，在所述分配单元之后，所述装置还包括：第三获取单元，获取当前的路况信息；相应地，所述计算单元，具体包括：根据所述第一订单的信息、所述司机的信息和所述路况信息，利用机器学习模型计算所述司机的接单概率。可选的，所述路况信息，包括接单路径是否拥堵，和/或，运输路径是否拥堵；其中，所述接单路径表示根据所述司机位置和所述第一订单的起点位置规划的接单路径；所述运输路径表示根据所述第一订单的起点位置和终点位置规划的运输路径。可选的，在所述确定单元之后，所述装置还包括：发送单元，将所述补贴金额以及所述第一订单的信息发送给所述司机。可选的，所述机器学习模型利用逻辑回归算法、神经网络算法或深度学习算法训练得到。可选的，所述训练是离线进行的。根据本公开实施例提供的一种服务器，包括：处理器以及用于存储处理器可执行指令的存储器；所述处理器被配置为：获取用户提交的提供车辆运输服务的第一订单的信息；根据所述第一订单的信息，确定用于分配所述第一订单的司机；根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率；根据所述司机的接单概率确定对应的补贴金额。本公开实施例中，根据第一订单的信息和司机的信息，从多个维度来计算出司机的接单概率，并对于不同的接单概率，确定不同的补贴金额。通过差异化的补贴金额，针对性价比不高的订单，由于计算得出的接单概率较低，可以确定一个较高的补贴金额，从而调动司机的接单积极性，从而实现提高性价比不高的订单的接单率本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：获取用户提交的提供车辆运输服务的第一订单的信息；根据所述第一订单的信息，确定用于分配所述第一订单的司机；根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率；根据所述司机的接单概率确定对应的补贴金额。

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取用户提交的提供车辆运输服务的第一订单的信息；根据所述第一订单的信息，确定用于分配所述第一订单的司机；根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率；根据所述司机的接单概率确定对应的补贴金额。2.根据权利要求1所述的方法，其特征在于，所述第一订单的信息，包括：总路程，预估价格，当前时间段中的至少一种；其中，所述总路程表示根据所述第一订单的起点位置与终点位置规划得出的运输路径的总路程；所述预估价格表示根据所述总路程得出的价格；所述当前时间段表示所述订单的生成时刻所对应的预设时间区间。3.根据权利要求1所述的方法，其特征在于，所述司机的信息，包括：司机的实时数据和/或司机的历史数据。4.根据权利要求3所述的方法，其特征在于，所述司机的实时数据，包括：接单路程，空闲司机数，总司机数中的至少一种；其中，所述接单路程表示根据所述司机当前位置和所述第一订单的起点位置规划得出的接单路径的总路程；所述空闲司机数表示所述第一订单的起点位置所处的预设区域内空闲司机的数量；所述总司机数表示所述第一订单的起点位置所处的预设区域内所有司机的数量。5.根据权利要求3所述的方法，其特征在于，所述司机的历史数据，包括：接单次数，接单区域，接单价格，订单路程中的至少一种；其中，所述接单次数表示所述司机历史完成过的订单数量；所述接单区域表示所述司机历史完成过的订单所在区域；所述接单价格表示所述司机历史完成过的订单的价格；所述订单路程表示所述司机历史完成过的订单的路程。6.根据权利要求1所述的方法，其特征在于，在所述根据所述第一订单的信息，确定用于分配所述第一订单的司机之后，所述方法还包括：获取当前的天气信息；相应地，所述根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率，具体包括：根据所述第一订单的信息、所述司机的信息和所述天气信息，利用机器学习模型计算所述司机的接单概率。7.根据权利要求6所述的方法，其特征在于，所述天气信息，包括：是否下雨，是否下雪，室外温度、空气湿度，风速中的至少一种。8.根据权利要求1所述的方法，其特征在于，在所述根据所述第一订单的信息，确定用于分配所述第一订单的司机之后，所述方法还包括：获取当前的路况信息；相应地，所述根据所述第一订单的信息和所述司机的信息，利用机器学习模型计算所述司机的接单概率，具体包括：根据所述第一订单的信息、所述司机的信息和所述路况信息，利用机器学习模型计算所述司机的接单概率。9.根据权利要求8所述的方法，其特征在于，所述路况信息，包括接单路径是否拥堵，和/或，运输路径是否拥堵；其中，所述接单路径表示根据所述司机位置和所述第一订单的起点位置规划的接单路径；所述运输路径表示根据所述第一订单的起点位置和终点位置规划的运输路径。10.根据权利要求1所述的方法，其特征在于，在所述根据所述司机的接单概率确定对应的补贴金额之后，所述方法还包括：将所述补贴金额以及所述第一订单的信息发送给所述司机。11.根据权利要求1所述的方法，其特征在于，所述机器学习模型利用逻辑回归算法、神经网络算法或深度学习算法训练得到。12.根据权利要求11所述的方法，其特征在于，所述训练是离线进行的。13.一种数据处理装置，其特征在于，所述装置包括：获取单元，获取用户提交的提供车辆运输...

【专利技术属性】
技术研发人员：杨平，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京,11