网络约车订单分配方法和装置制造方法及图纸

本公开涉及网络约车技术领域，具体是关于网络约车订单分配方法，包括：确定等待被分配第一类型订单的车辆；若在预设等待时长内，所述车辆未被分配到第一类型订单，根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；根据预测结果，判断是否延长所述预设等待时长。根据本发明专利技术的实施例，根据预测模型和预测模型对应的特征数据可以更加准确地确定订单分配情况，进而保证根据预测结果准确地延长车辆等待被分配第一类型订单的预设等待时长，有利于保证车辆的驾驶员的收入。

Method and Device of Order Distribution for Network Car Appointment

【技术实现步骤摘要】
网络约车订单分配方法和装置
本专利技术实施例涉及网络约车
，尤其涉及网络约车订单分配方法、网络约车订单分配装置、电子设备和计算机可读存储介质。
技术介绍
网络约车订单的类型多种多样，以适应用户不同的需求。例如网络约车订单的类型包括快车、专车等，而快车又可以进一步细分为普通型和优享型等。针对上述不同类型的网络约车订单，相应的车型和价格也不同。例如专车对应的车型比快车对应的车型高级，价格也更高，优享型比普通型对应的车型高级，价格也更高。若某个类型网络约车订单的数量较少，而该类型网络约车订单对应的车辆又等待了较长的时间，那么为了避免车辆长时间等待，以及保证驾驶员的收入，现有技术中会判断车辆在未来预设时长内被分配相对应类型的网络约车订单的概率是否大于预设概率，如果该概率较大，那么会延长车辆等待的时间，如果该概率较小，则为车辆分配其他类型的网络约车订单。但是现有技术中所参考的预设时长和预设概率都是人为设定的，而且是固定的，然而在实际情况下，由于时间、地点等因素的影响，预设时间和预设概率并非一成不变。因此，根据现有技术中的方式来判断，由于判断依据并不准确，因此判断结果也不准确，继而可能导致根据判断结果延长车辆等待时间，或者为车辆分配其他类型的网络约车订单会造成驾驶员的收入下降。
技术实现思路
本公开的实施例提供网络约车订单分配方法、网络约车订单分配装置、电子设备和计算机可读存储介质，以解决相关技术中的不足。根据本专利技术实施例的第一方面，提供一种网络约车订单分配方法，包括：确定等待被分配第一类型订单的车辆；若在预设等待时长内，所述车辆未被分配到第一类型订单，根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；根据预测结果，判断是否延长所述预设等待时长。根据本专利技术实施例的第二方面，提供一种网络约车订单分配装置，包括：确定模块，用于确定等待被分配第一类型订单的车辆；预测模块，若在预设等待时长内，所述车辆未被分配到第一类型订单，用于根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；延长模块，用于根据预测结果，判断是否延长所述预设等待时长。根据本专利技术实施例的第三方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：确定等待被分配第一类型订单的车辆；若在预设等待时长内，所述车辆未被分配到第一类型订单，根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；根据预测结果，判断是否延长所述预设等待时长。根据本专利技术实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：确定等待被分配第一类型订单的车辆；若在预设等待时长内，所述车辆未被分配到第一类型订单，根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；根据预测结果，判断是否延长所述预设等待时长。根据本公开的实施例，由于车辆在所述预设等待时长结束时的订单分配情况，可以根据预测模型预测得到，而预测模型是通过对历史数据进行机器学习得到的，因此相对于根据人为主观设定的条件确定订单分配情况，根据预测模型和预测模型对应的特征数据可以更加准确地确定订单分配情况，进而保证根据预测结果准确地延长车辆等待被分配第一类型订单的预设等待时长，有利于保证车辆的驾驶员的收入。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1示出了根据本公开的实施例的一种网络约车订单分配方法的示意流程图。图2示出了根据本公开的实施例的另一种网络约车订单分配方法的示意流程图。图3示出了根据本公开的实施例的又一种网络约车订单分配方法的示意流程图。图4示出了根据本公开的实施例的又一种网络约车订单分配方法的示意流程图。图5示出了根据本专利技术实施例的又一种网络约车订单分配方法的示意流程图。图6示出了根据本公开的实施例的一种预测第一单位时间收益的示意流程图。图7示出了根据本公开的实施例的一种预测第二单位时间收益的示意流程图。图8示出了根据本公开的实施例的一种确定第一预设预测类型的示意流程图。图9示出了根据本公开的实施例的一种确定第二预设预测类型的示意流程图。图10示出了根据本公开的实施例的一种网络约车订单分配装置的示意框图。图11示出了根据本公开的实施例的另一种网络约车订单分配装置的示意框图。图12示出了根据本公开的实施例的一种延长模块的示意框图。图13示出了根据本公开的实施例的又一种网络约车订单分配装置的示意框图。图14示出了根据本公开的实施例的又一种网络约车订单分配装置的示意框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1示出了根据本专利技术实施例的一种网络约车订单分配方法的示意流程图，该方法可以适用于服务器，也可以适用于其他具备数据处理功能的设备，以下主要在该方法适用于网络约车服务器的情况下，对本专利技术的技术方案进行示例性说明。如图1所示，该方法包括以下步骤：步骤S1，确定等待被分配第一类型订单的车辆。在一个实施例中，不同类型的订单，可以分配给不同类型的车辆，例如可以被分配第一类型订单的车辆的型号，相对于可以被分配第二类型订单的车辆的型号要高级，可以预先建立车辆和订单类型之间的管理关系，以便确定可以被分配第一类型订单的车辆。在一个实施例中，针对可以被分配第一类型订单的车辆，若车辆处于空闲状态(也即未在执行订单的过程中)，或者车辆即将完成正在执行的订单(例如完成正在执行的订单所需的时间小于1分钟)，可以确定车辆为等待被分配第一类型订单的车辆。步骤S2，若在预设等待时长内，所述车辆未被分配到第一类型订单，根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系。在一个实施例中，根据预测模型进行预测时，可以通过采集特征数据输入到预测模型中进行预测，例如特征数据可以包括位置、时间、车辆的数量、第一类型订单的数量和第一类型订单的价格倍数中的一个或多个。其中，对于特征数据中的位置，服务器可以根据车辆设备上传的位置信息来确定，也可以根据驾驶员的终端上传的位置信息来确定。对于特征数据中的时间，服务器可以根据自身系统时间实时确定。对于特征数据中的车辆的数量，服务器可以根据在上述时间，车辆位置附近(例如以车辆的位置信息为中心，预设路面长度的范围内)其他的车辆的数本文档来自技高网...

【技术保护点】
1.一种网络约车订单分配方法，其特征在于，包括：确定等待被分配第一类型订单的车辆；若在预设等待时长内，所述车辆未被分配到第一类型订单，根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；根据预测结果，判断是否延长所述预设等待时长。

【技术特征摘要】
1.一种网络约车订单分配方法，其特征在于，包括：确定等待被分配第一类型订单的车辆；若在预设等待时长内，所述车辆未被分配到第一类型订单，根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；根据预测结果，判断是否延长所述预设等待时长。2.根据权利要求1所述的方法，其特征在于，所述根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测包括：根据第一预测模型预测车辆在第一预设时长内被分配到第一类型订单的第一概率；所述根据预测结果，判断是否延长所述预设等待时长包括：若所述第一概率大于概率阈值，延长所述预设等待时长。3.根据权利要求1所述的方法，其特征在于，所述根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测包括：根据第二预测模型预测车辆被分配到第一类型订单的概率达到第一预设概率所需的第一时长；所述根据预测结果，判断是否延长所述预设等待时长包括：若所述第一时长小于时长阈值，延长所述预设等待时长。4.根据权利要求2或3所述的方法，其特征在于，还包括：在所述车辆等待延长后的等待时长时，若未被分配所述第一类型订单，为所述车辆分配第二类型订单。5.根据权利要求2或3所述的方法，其特征在于，所述延长所述预设等待时长包括：预测所述车辆等待延长后的等待时长且被分配所述第一类型订单的情况下，所述车辆的第一单位时间收益，以及为所述车辆分配第二类型订单的情况下，所述车辆的第二单位时间收益；若所述第一收益大于所述第二收益，延长所述预设等待时长；若所述第一收益小于或等于所述第二收益，为所述车辆分配第二类型订单。6.根据权利要求5所述的方法，其特征在于，预测所述第一单位时间收益包括以下步骤：预测所述第一类型订单的第一平均价格和第一平均耗时；根据所述第一平均价格、所述第一平均耗时和延长后的等待时长，计算所述第一单位时间收益。7.根据权利要求5所述的方法，其特征在于，预测所述第二单位时间收益包括以下步骤：预测所述车辆被分配第二类型订单所需等待的第二时长，以及第二类型订单的第二平均价格和第二平均耗时；根据所述第二平均价格、所述第二平均耗时和所述第二时长，计算所述第二单位时间收益。8.根据权利要求2的方法，其特征在于，确定所述第一预测模型包括以下步骤：获取车辆在等待第一预设时长时被分配第一类型订单的历史概率，以及与所述历史概率相关联的至少一个第一历史特征数据，将所述第一历史特征数据和所述历史概率构成的训练数据作为第一训练集；通过机器学习算法，利用所述第一训练集学习得到所述第一预测模型。9.根据权利要求3的方法，其特征在于，确定所述第二预测模型包括以下步骤：获取车辆在被分配所述第一类型订单的概率达到第一预设概率的历史时长，以及与所述历史时长相关联的至少一个第二历史特征数据，将所述第二历史特征数据和所述历史时长构成的训练数据作为第二训练集；通过机器学习算法，利用所述第二训练集学习得到所述第二预测模型。10.根据权利要求8或9所述的方法，其特征在于，所述机器学习算法包括以下至少之一：线性回归算法、回归决策树算法、迭代决策树算法或随机森林算法。11.根据权利要求8或9所述的方法，其特征在于，所述第一历史特征数据和/或所述第二历史特征数据包括以下至少之一：位置、时间、车辆的数量、第一类型订单的数量和第一类型订单的价格倍数。12.一种网络约车订单分配装置，其特征在于，包括：确定模块，用于确定等待被分配第一类型订单的车辆；预测模块，若在预设等待时长内，所述车辆未被分配到第一类型订单，用于根据预测模型对所述车辆在所述预设等待时长结束时的订单分配情况进行预测，其中，所述订单分配情况包括：被分配到第一类型订单的概率以及继续等待时长之间的关系；延长模块，用于根据预测结果，判断是否延长所述预设等待时长。13.根据权利要求12所述的装置，其特征在于，所述预...

【专利技术属性】
技术研发人员：李隽钦，刘春阳，张丁水，徐哲，
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