一种基于司机特征的车辆匹配推荐方法技术

本发明专利技术公开一种基于司机特征的车辆匹配推荐方法，应用于数据处理领域或物流调度领域，针对目前的物流车辆调度不能有效提升物流调度效率的问题，本发明专利技术通过建立多维司机特征数据模型、多层次的特征筛选以及高可用性的推荐缓存方法，当系统中有新的有运输需求的货源时，可以根据建立的特征数据模型，快速响应，实时推荐出符合要求、更易达成订单交易的司机车辆列表，这种个性化和精准化的方式能够有效的提高交易成交几率、减少用户的等待时间及订单交涉的时间，实现提升用户体验的目标。

A Vehicle Matching Recommendation Method Based on Driver's Characteristics

【技术实现步骤摘要】
一种基于司机特征的车辆匹配推荐方法
本专利技术属于数据处理领域或物流调度领域，特别涉及一种车辆推荐匹配技术。
技术介绍
随着移动互联网的快速发展，诸如快递、配送、外卖等物流业务逐渐成为人们生活中不可缺少的一部分，为人们的生活消费提供便利。在一种应用场景下，用户通过终端订购运输服务，用户的订单会通过系统推送至可以接单的司机群体，最终由司机选择自己所要完成的订单。在这一情况中，为了快速完成订单目标，现行的技术一般是由系统将距离司机较近的订单推送给司机，这样订单被司机选择的可能性较高。但在实际的配送过程中，司机作为任务的接受方所考虑的问题并不仅仅是能否快速的得到订单，订单的距离、将前往的城市、路线情况等等因素都会影响司机的选择。这表明司机作为订单的实际完成人员，其自身的行为特征将会对订单能否快速完成、平台能否收到更好的回报有着至关重要的作用。例如：部分司机不擅长远距离运输，如果系统频繁给予这类司机远距离订单会导致订单接受率降低，最终影响整个系统的订单完成情况，使得司机利用率低下、系统运转缓慢。申请号为201711433479.8的《一种订单分配方法及装置、电子设备》提出了根据订单特征信息和当前可提供服务的司机特征信息，采用不同的订单分配策略将订单分配给司机，根据每个订单分配策略下所有司机的评价指标综合来进行订单的分配；但是该专利是以司机的最大收益作为订单分配策略的决策方法，并不能提升物流调度的效率。
技术实现思路
为了解决上述技术问题，本专利技术提出一种基于司机特征的车辆匹配推荐方法，以司机对订单的选择性与完成后的反馈作为订单分配策略的方法，最大程度地提升物流调度效率。本专利技术采用的技术方案为：一种基于司机特征的车辆匹配推荐方法，包括：S1、读取数据库中的司机历史信息，将与司机特征相关的原始数据清洗后存放在关系型数据库中；S2、通过对每个司机不同维度特征进行分析，建立多维司机特征数据模型，根据多维司机特征数据模型生成各个司机不同维度的初始数据；S3、根据运输需求，对司机特征进行多层赋权筛选，得到司机车辆初选列表；S4、根据实时定位，额外获取与司机初选列表数量相同的在运输订单的货源附近的司机车辆；S5、将步骤S4得到的司机车辆与步骤S3的司机车辆初选列表，进行分层排序，得到司机推荐列表，将司机推荐列表推荐给用户；S6、根据用户反馈进行修正；S7、将请求过的运输订单信息与对应的步骤S5得到的司机推荐列表建立双向缓冲；具体包括：对每个运输订单建立司机缓存，对每个司机建立运输订单缓存；所述司机缓存用于存储该运输订单可以推荐的司机车辆信息；所述运输订单缓存用于存储该司机可接受的运输订单信息。进一步地，步骤S2所述多维司机特征数据，具体包括：货主与司机之间的熟车关系、司机喜爱的接单时间倾向、司机的驾驶经验、司机的接单价格倾向、车辆的基本信息、司机运输活跃区域、司机实时状态。进一步地，步骤S3具体包括以下分步骤：S31、根据车辆的基本信息以及系统生成的司机黑名单记录筛选与运输订单的货源最匹配的若干司机车辆；所述车辆的基本信息包括：车型、总里程、实时状态；S32、在步骤S31筛选得到的车辆范围内，根据司机与货主之间的熟车关系、司机偏好接单时间、司机活跃地区这三个特征数据进行再次筛选，筛选得到的司机车辆数目为步骤S31筛选得到司机车辆数目的60％；S33、通过司机特征关联度值计算方法，计算得到司机与运输订单的货源的关联度值；S34、在步骤S32筛选得到的车辆范围内，根据车辆平均里程、司机的接单价格倾向这两个特征数据与步骤S33计算得到的关联度值结合，再次进行筛选，最终筛选得到的司机车辆数目为步骤S32筛选得到的司机车辆总数的10％，根据当前筛选得到的司机车辆生成推荐司机的初选列表。更进一步地，步骤S33的关联度值计算过程为：A1、通过获取司机用户对历史订单的评价，生成关联度矩阵为：M＝P·Q其中，M表示司机与运输订单的关联度，P表示司机用户矩阵，Q表示运输订单的特征矩阵；A2、引入如下偏置部分：bij＝μ+bi+bj其中，μ表示训练集中所有评分记录的全局平均数，bi表示用户的选择偏向，bj表示运输订单被选择的可能；A3、根据历史数据对目标函数进行训练；其中，λ表示目标函数学习率，pi表示矩阵P中的元素，qj表示矩阵Q中的元素；A4、根据步骤A3的训练得到矩阵P、Q；A5、有运输需求的货源信息转化为特征矩阵，通过计算该特征矩阵与Q矩阵的余弦相似度矩阵的最大值，得到最大值下标i对应的Qi，A6、通过将步骤A5得到的Qi与步骤A4得到的矩阵P作点积，得到所有司机与运输订单的关联度值。进一步地，步骤S5具体为：若步骤S4得到的司机车辆与步骤S3得到的司机车辆初选列表，存在有相同的车辆，则将相同的车辆按先后顺序排在推荐列表的第一部分，剩余的步骤S3得到的司机车辆排在推荐列表的第二部分，剩余的步骤S4得到的司机车辆排在推荐列表的第三部分；若步骤S4得到的司机车辆与步骤S3得到的司机车辆初选列表，没有相同的司机车辆，则将步骤S3得到的司机车辆的前50％排在推荐列表的第一部分，步骤S4得到的司机车辆的前50％排在推荐列表的第二部分，步骤S3得到的司机车辆的后50％排在推荐列表的第三部分，步骤S4得到的司机车辆的后50％排在推荐列表的第四部分。进一步地，步骤S7具体为：S71、判断运输订单是否被接受，若未被接受则建立司机车辆缓存；S72、将推荐的司机车辆加入缓存，再次请求司机车辆时则直接从司机车辆缓存中读取数据；S73、对每个司机用户建立订单缓存，当有运输订单请求时，则将运输订单加入运输订单缓存；S74、司机查看可用运输订单时，根据缓存中的运输订单状态，显示还未被接受的运输订单。本专利技术的有益效果：本专利技术通过对司机的不同维度特征进行分析，建立多维司机特征数据模型，当系统中有新的有运输需求的货源时，可以根据建立的特征数据模型，快速响应，实时推荐出符合要求、更易达成订单交易的司机车辆列表，这种个性化和精准化的方式能够有效的提高交易成交几率、减少用户的等待时间及订单交涉的时间，实现提升用户体验的目标；本专利技术具备以下优点：1、提出了司机特征关联度值计算方法，来获取物流订单与司机车辆之间的关联关系；2、采用了三层筛选来确保司机接受订单的可能性；第一层主要考虑了司机画像特征，通过对司机进行画像建模可以有效得出司机的行车特征，例如路线选择、区域熟悉度等，其目的主要在于通过司机对订单的兴趣程度来确保订单建立；第二层为保障订单的被选择率，加入距离订单最近的司机，这一步与传统的方式相同，考虑到了很多司机会优先选择距离自己近的订单；第三层筛选是一个修正形式的筛选，主要对车辆信息、用户黑名单等硬性要求进行筛选，防止出现订单与用户要求不一致；3、对每个运输订单建立司机缓存，对每个司机建立运输订单缓存；司机用户查看订单时，系统首先直接从缓存中获得曾经推送过的订单，然后更新订单接受状态，重新推荐给司机，避免了每次都需要进行关联度计算带来的大额开销；而订单发布方在发布订单后，若未被第一时间接受需要再次推送时，也不用再去计算，而是从缓存中拉取可以推荐的司机用户，判断司机在岗状态进行再次推送。附图说明图1为本专利技术的方案流程图。具体实施方式为便于本领域技术人员理解本专利技术的
技术实现思路
，本文档来自技高网...

【技术保护点】
1.一种基于司机特征的车辆匹配推荐方法，其特征在于，包括：S1、读取数据库中的司机历史信息，将与司机特征相关的原始数据清洗后存放在关系型数据库中；S2、通过对每个司机不同维度特征进行分析，建立多维司机特征数据模型，根据多维司机特征数据模型生成各个司机不同维度的初始数据；S3、根据运输需求，对司机特征进行多层赋权筛选，得到司机车辆初选列表；S4、根据实时定位，额外获取与司机初选列表数量相同的在运输订单的货源附近的司机车辆；S5、将步骤S4得到的司机车辆与步骤S3的司机车辆初选列表，进行分层排序，得到司机推荐列表，将司机推荐列表推荐给用户；S6、根据用户反馈进行修正；S7、将请求过的运输订单信息与对应的步骤S5得到的司机推荐列表建立双向缓冲；具体包括：对每个运输订单建立司机缓存，对每个司机建立运输订单缓存；所述司机缓存用于存储该运输订单可以推荐的司机车辆信息；所述运输订单缓存用于存储该司机可接受的运输订单信息。

【技术特征摘要】
1.一种基于司机特征的车辆匹配推荐方法，其特征在于，包括：S1、读取数据库中的司机历史信息，将与司机特征相关的原始数据清洗后存放在关系型数据库中；S2、通过对每个司机不同维度特征进行分析，建立多维司机特征数据模型，根据多维司机特征数据模型生成各个司机不同维度的初始数据；S3、根据运输需求，对司机特征进行多层赋权筛选，得到司机车辆初选列表；S4、根据实时定位，额外获取与司机初选列表数量相同的在运输订单的货源附近的司机车辆；S5、将步骤S4得到的司机车辆与步骤S3的司机车辆初选列表，进行分层排序，得到司机推荐列表，将司机推荐列表推荐给用户；S6、根据用户反馈进行修正；S7、将请求过的运输订单信息与对应的步骤S5得到的司机推荐列表建立双向缓冲；具体包括：对每个运输订单建立司机缓存，对每个司机建立运输订单缓存；所述司机缓存用于存储该运输订单可以推荐的司机车辆信息；所述运输订单缓存用于存储该司机可接受的运输订单信息。2.根据权利要求1所述的一种基于司机特征的车辆匹配推荐方法，其特征在于，步骤S2所述多维司机特征数据，具体包括：货主与司机之间的熟车关系、司机喜爱的接单时间倾向、司机的驾驶经验、司机的接单价格倾向、车辆的基本信息、司机运输活跃区域、司机实时状态。3.根据权利要求2所述的一种基于司机特征的车辆匹配推荐方法，其特征在于，步骤S3具体包括以下分步骤：S31、根据车辆的基本信息以及系统生成的司机黑名单记录筛选与运输订单的货源最匹配的若干司机车辆；所述车辆的基本信息包括：车型、总里程、实时状态；S32、在步骤S31筛选得到的车辆范围内，根据司机与货主之间的熟车关系、司机偏好接单时间、司机活跃地区这三个特征数据进行再次筛选，筛选得到的司机车辆数目为步骤S31筛选得到司机车辆数目的60％；S33、通过司机特征关联度值计算方法，计算得到司机与运输订单的货源的关联度值；S34、在步骤S32筛选得到的车辆范围内，根据车辆平均里程、司机的接单价格倾向这两个特征数据与步骤S33计算得到的关联度值结合，再次进行筛选，最终筛选得到的司机车辆数目为步骤S32筛选得到的司机车辆总数的10％，根据当前筛选得到的司机车辆...

【专利技术属性】
技术研发人员：蒲岍岍，庭治宏，施甘图，李贞昊，侯巍，
申请(专利权)人：宏图物流股份有限公司，拉货宝网络科技有限责任公司，
类型：发明
国别省市：四川,51