一种出行等候容忍时间预测方法、系统、装置及存储介质制造方法及图纸

本发明专利技术提供了一种出行等候容忍时间预测方法、系统、装置及存储介质。所述方法包括以下一个或一个以上操作。可以获取当前订单的订单数据，所述订单数据包括下单时间和下单地点。可以确定等候容忍时间预测模型，所述等候容忍时间预测模型基于历史取消订单数据和与所述历史取消订单数据相关的历史数据训练后获得。可以基于所述等候容忍时间预测模型和所述当前订单的订单数据，确定所述当前订单的出行等候容忍时间。本发明专利技术在出行等候容忍时间预测过程中将综合考虑历史取消订单和与历史取消订单相关的历史数据，能够个性化的生成出行订单的用户的等候容忍时间。

A travel waiting tolerance time prediction method, system, device and storage medium

【技术实现步骤摘要】
一种出行等候容忍时间预测方法、系统、装置及存储介质
本专利技术涉及按需服务领域，更具体的，涉及一种预测出行等候容忍时间的方法、系统、装置及存储介质。
技术介绍
当前，网约车服务已经变得越来越普遍，在某些供不应求的情况下例如，某一区域的运力无法满足该区域内的服务请求，系统后台可能会将该区域内的用车订单分配给距离该用车订单的发起者(即，乘客)的当前位置较远的司机。在这种情况下，乘客可能需要较长的时间等待司机接驾。当等待时间超过了乘客的容忍度时，乘客可能会取消用车订单，将导致订单取消比例上升，影响乘客乘车体验和订单成交量。目前，系统后台在进行订单分配时，未考虑乘客地域等候时间的容忍度。同时，不同乘客在不同时刻、不同出发地点对于等候时间的容忍度也有所不同。因此，在订单分配阶段综合考虑乘客的等候时间容忍度将成为影响乘客乘车体验以及提高订单成功率的重要因素。
技术实现思路
针对现有技术中对订单等候时间预测时不考虑乘客等候时间容忍度而导致预测准确率低的问题，本专利技术的在于提供一种预测出行等候容忍时间的方法、系统、装置及存储介质，采用基于历史取消订单数据以及与历史取消订单数据相关的历史数据训练后获得的预测模型，能够更加准确的进行等候容忍时间预测。为了达到上述专利技术的目的，本专利技术提供的技术方案如下：一种出行等候容忍时间预测方法。所述方法在可以在包括一个处理器和一个存储器的设备上实现。所述方法可以包括以下一个或一个以上操作。可以获取当前订单的订单数据，所述订单数据包括下单时间和下单地点。确定等候容忍时间预测模型，所述等候容忍时间预测模型基于历史取消订单数据和与所述历史取消订单数据相关的历史数据训练后获得。可以基于所述等候容忍时间预测模型和所述当前订单的订单数据，确定所述当前订单的出行等候容忍时间在本专利技术中，所述历史取消订单数据包括以下至少一个：历史取消订单下单时间，历史取消订单下单地点以及历史取消订单等候时间，所述历史取消订单等候时间为下单时间至订单取消时间之间的时间间隔。在本专利技术中，所述等候容忍时间预测模型基于以下训练方法获得。所述训练方法可以包括以下一个或一个以上操作。可以获取历史取消订单数据。可以获取与所述历史取消订单数据相关的历史数据。可以基于所述历史取消订单数据和所述历史取消订单数据相关的历史数据训练初始预测模型，确定所述等候容忍时间预测模型。在本专利技术中，所述基于所述等候容忍时间预测模型和所述当前订单的订单数据，确定所述当前订单的出行等候容忍时间，包括以下一个或一个以上操作。可以确定所述当前订单的用户类型。可以基于所述用户类型，获取用户历史订单数据。可以基于所述订单数据、所述用户历史订单数据和所述等候时间预测模型，确定所述当前订单的出行等候容忍时间。在本专利技术中，所述出行等候容忍时间预测方法可以进一步包括以下操作。可以基于所述出行等候容忍时间，分配所述当前订单。在本专利技术中，所述出行等候容忍时间预测方法可以进一步包括以下一个或一个以上的操作。可以每隔一个预设时间间隔，获取新的历史取消订单数据以及与所述新的历史取消订单数据相关的历史数据。可以利用所述新的历史取消订单数据以及与所述历史取消订单数据相关的历史数据，更新所述等候容忍时间预测模型。在本专利技术中，所述初始预测模型为回归模型。一种出行等候容忍时间预测系统。所述系统包括获取模块、训练模块以及等候容忍时间预测模块。所述获取模块用于获取当前订单的订单数据，所述订单数据包括下单时间和下单地点。所述训练模块，用于确定等候容忍时间预测模型，所述等候容忍时间预测模型基于历史取消订单数据和与所述历史取消订单数据相关的历史数据训练后获得。所述等候容忍时间预测模块，用于基于所述等候容忍时间预测模型和所述当前订单的订单数据，确定所述当前订单的出行等候容忍时间。一种出行等候容忍时间预测装置，所述装置包括处理器以及存储器；所述存储器用于存储指令，其特征在于，所述指令被所述处理器执行时，导致所述装置实现如上述任一项所述出行等候容忍时间预测方法对应的操作。一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如上述任意一项所述出行等候容忍时间预测方法。与现有技术相比，本专利技术的有益效果如下：利用历史取消订单数据以及与历史取消订单数据对应的历史数据训练模型，得到训练完成的等候容忍时间模型后可以预测新订单的用户的等候容忍时间，相较于现有技术，综合考虑了用户的等候时间容忍度，提高了用户乘车体验及订单成功率。附加的特征将在下面的描述中部分地阐述，并且对于本领域技术人员来说，通过查阅以下内容和附图将变得显而易见，或者可以通过实例的产生或操作来了解。本专利技术的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。附图说明根据示例性实施例可以进一步描述本申请。参考附图可以详细描述所述示例性实施例。所述实施例并非限制性的示例性实施例，其中相同的附图标记代表附图的几个视图中相似的结构，并且其中：图1是根据本专利技术的一些实施例所示的一个示例性按需服务系统的示意图；图2是根据本专利技术的一些实施例所示的一个示例性计算设备的示例性硬件组件和/或软件组件的示意图；图3是根据本专利技术的一些实施例所示的一个示例性移动设备的示例性硬件组件和/或软件组件的示意图；图4是根据本专利技术的一些实施例所示的一个示例性处理引擎的框图；图5是根据本专利技术的一些实施例所示的确定当前订单出行等候容忍时间的示例性流程图；图6是根据本专利技术的一些实施例所示的确定等候容忍时间预测模型的示例性流程图；图7是根据本专利技术的一些实施例所示的确定当前订单的出行等候容忍时间的示例性流程图。图8是根据本专利技术的一些实施例所述的更新所述等候容忍时间预测模型的示例性流程图。具体实施方式为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在车辆客户端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。本文档来自技高网...

【技术保护点】
1.一种出行等候容忍时间预测方法，其特征在于，所述方法包括：/n获取当前订单的订单数据，所述订单数据包括下单时间和下单地点；/n确定等候容忍时间预测模型，所述等候容忍时间预测模型基于历史取消订单数据和与所述历史取消订单数据相关的历史数据训练后获得；以及/n基于所述等候容忍时间预测模型和所述当前订单的订单数据，确定所述当前订单的出行等候容忍时间。/n

【技术特征摘要】
1.一种出行等候容忍时间预测方法，其特征在于，所述方法包括：
获取当前订单的订单数据，所述订单数据包括下单时间和下单地点；
确定等候容忍时间预测模型，所述等候容忍时间预测模型基于历史取消订单数据和与所述历史取消订单数据相关的历史数据训练后获得；以及
基于所述等候容忍时间预测模型和所述当前订单的订单数据，确定所述当前订单的出行等候容忍时间。


2.根据权利要求1所述的方法，其特征在于，所述历史取消订单数据包括以下至少一个：历史取消订单下单时间，历史取消订单下单地点以及历史取消订单等候时间，所述历史取消订单等候时间为下单时间至订单取消时间之间的时间间隔。


3.根据权利要求1所述的方法，其特征在于，所述等候容忍时间预测模型基于以下训练方法获得，所述训练方法包括：
获取历史取消订单数据；
获取与所述历史取消订单数据相关的历史数据；以及
基于所述历史取消订单数据和所述历史取消订单数据相关的历史数据训练初始预测模型，确定所述等候容忍时间预测模型。


4.根据权利要求1所述的方法，其特征在于，所述基于所述等候容忍时间预测模型和所述当前订单的订单数据，确定所述当前订单的出行等候容忍时间，包括：
确定所述当前订单的用户类型；
基于所述用户类型，获取用户历史订单数据；以及
基于所述订单数据、所述用户历史订单数据和所述等候容忍时间预测模型，确定所述当前订单的出行等候容忍时间。


5.根据权利要求1所述的方法，其特征在于，所述方法进一步...

【专利技术属性】
技术研发人员：王瑜，张多坤，李敏，叶舟，雷徽，钟国林，
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