预约用车派单方法及系统、设备和介质技术方案

本发明专利技术提供一种预约用车派单方法及系统、设备和介质，该方法包括：获取数据集；将数据集输入至单层感知机网络模型，训练得到权重模型，权重模型以每一特征所对应的权重为输出；获取待派订单信息以及待派订单所对应的待派订单候选司机信息；基于待派订单信息和待派订单候选司机信息以及权重，计算得到待派订单候选司机的总得分；将总得分最高的待派订单候选司机设置为待派订单的接单司机。本发明专利技术通过获取数据集，基于数据集训练得到权重，避免了由人工设定和验证权重，减少了人力花费，提高了工作效率，提高了准确性，更加精准地体现了各个特征的重要度，从而使得候选司机在待派订单下的总得分更加准确，更能反映实际情况，提升了客户体验。

【技术实现步骤摘要】
预约用车派单方法及系统、设备和介质
本专利技术涉及预约用车
，尤其涉及一种预约用车派单方法及系统、设备和介质。
技术介绍
预约用车指司机在乘客预约的指定时间和指定地点提供用车服务。预约用车与立即用车不同的是，接收预约用车订单的司机在乘客预约的时间点准时到达指定地点为乘客提供用车服务即可，其余时间可由司机自由支配。预约用车派单系统是各大旅游平台或者出行平台提供预约用车(出行)服务最重要的部分，而预约用车派单算法是预约用车派单系统的核心。预约用车派单系统根据乘客请求生成的预约用车订单及司机信息，计算服务该预约用车订单的最优司机。目前，预约用车派单系统的一种实现方式是利用基于特征得分的用车派单算法实现，具体为：基于人为定义的特征，计算在待派订单下候选的每位司机在各特征的得分，并结合各特征所对应的人为预先设定的权重，通过各特征的得分加权求和得到候选的每位司机在待派订单下的总得分，最终选取总得分最高的司机作为待派订单的接单司机。各特征所对应的权重需要依赖经验由人工设定和验证，人力花费多，工作效率低，准确性低。
技术实现思路
本专利技术要解决的技术问题是为了克服现有技术中各特征所对应的权重需要依赖经验由人工设定和验证，人力花费多，工作效率低，准确性低的缺陷，提供一种预约用车派单方法及系统、设备和介质。本专利技术是通过下述技术方案来解决上述技术问题：本专利技术提供一种预约用车派单方法，所述预约用车派单方法包括以下步骤：获取数据集，所述数据集包括：与历史订单对应的至少一个候选司机、多个用于表征司机服务质量的特征、每一所述候选司机的每一所述特征所对应的得分以及所述候选司机的标签，所述标签用于表示所述候选司机是否为接单司机，其中，对于每一所述历史订单，只有一个候选司机为接单司机，其他的候选司机为非接单司机；将所述数据集输入至单层感知机网络模型，训练得到权重模型，所述权重模型以每一所述特征所对应的权重为输出；获取待派订单信息以及待派订单所对应的待派订单候选司机信息；基于所述待派订单信息和所述待派订单候选司机信息以及所述权重，计算得到待派订单候选司机的总得分；将所述总得分最高的待派订单候选司机设置为所述待派订单的接单司机。较佳地，所述预约用车派单方法还包括以下步骤：获取历史订单信息，所述历史订单信息包括所述历史订单、候选司机和接单司机；获取所述历史订单所对应的接单司机信息和候选司机信息；基于所述历史订单信息和所述接单司机信息，利用遗传算法(GA，geneticalgorithm)计算得到达到预设优化目标的历史订单优化结果，所述历史订单优化结果用于表征所述历史订单下接单司机更新为优化后的接单司机；基于所述历史订单信息、所述候选司机信息和所述历史订单优化结果生成数据集。较佳地，所述基于所述待派订单信息和所述待派订单候选司机信息以及所述权重，计算得到待派订单候选司机的总得分的步骤具体包括：基于所述待派订单信息和所述待派订单候选司机信息，计算待派订单候选司机的特征所对应的得分；基于所述待派订单候选司机的特征所对应的得分以及所述权重，计算得到待派订单候选司机的总得分。较佳地，所述将所述数据集输入至单层感知机网络模型，训练得到权重模型，所述权重模型以每一所述特征所对应的权重为输出的步骤具体包括：将所述数据集输入至单层感知机网络模型，如果达到预设停止条件则停止训练并得到权重模型；所述预设停止条件包括训练迭代的次数大于等于第一阈值，或，所述单层感知机网络模型的损失函数包括pairwiseloss(成对的损失函数)，所述预设停止条件包括基于所述损失函数得到的损失值在连续预设次数的迭代中保持不变。本专利技术还提供一种预约用车派单系统，所述预约用车派单系统包括：数据集获取模块、权重模型训练模块、待派订单获取模块、待派订单总得分计算模块和接单司机设置模块；所述数据集获取模块用于获取数据集，所述数据集包括：与历史订单对应的至少一个候选司机、多个用于表征司机服务质量的特征、每一所述候选司机的每一所述特征所对应的得分以及所述候选司机的标签，所述标签用于表示所述候选司机是否为接单司机，其中，对于每一所述历史订单，只有一个候选司机为接单司机，其他的候选司机为非接单司机；所述权重模型训练模块用于将所述数据集输入至单层感知机网络模型，训练得到权重模型，所述权重模型以每一所述特征所对应的权重为输出；所述待派订单获取模块用于获取待派订单信息以及待派订单所对应的待派订单候选司机信息；所述待派订单总得分计算模块用于基于所述待派订单信息和所述待派订单候选司机信息以及所述权重，计算得到待派订单候选司机的总得分；所述接单司机设置模块用于将所述总得分最高的待派订单候选司机设置为所述待派订单的接单司机。较佳地，所述预约用车派单系统还包括：历史订单信息获取模块、司机信息获取模块、接单司机优化模块和数据集生成模块；所述历史订单信息获取模块用于获取历史订单信息，所述历史订单信息包括所述历史订单、候选司机和接单司机、接单司机优化模块和数据集生成模块；所述司机信息获取模块用于获取所述历史订单所对应的接单司机信息和候选司机信息；所述接单司机优化模块用于基于所述历史订单信息和所述接单司机信息，利用遗传算法计算得到达到预设优化目标的历史订单优化结果，所述历史订单优化结果用于表征所述历史订单下接单司机更新为优化后的接单司机；所述数据集生成模块用于基于所述历史订单信息、所述候选司机信息和所述历史订单优化结果生成数据集。较佳地，所述待派订单总得分计算模块包括：单项特征得分计算单元和总得分计算单元；所述单项特征得分计算单元用于基于所述待派订单信息和所述待派订单候选司机信息，计算待派订单候选司机的特征所对应的得分；所述总得分计算单元用于基于所述待派订单候选司机的特征所对应的得分以及所述权重，计算得到待派订单候选司机的总得分。较佳地，所述权重模型训练模块具体用于将所述数据集输入至单层感知机网络模型，如果达到预设停止条件则停止训练并得到权重模型；所述预设停止条件包括训练迭代的次数大于等于第一阈值，或，所述单层感知机网络模型的损失函数包括pairwiseloss，所述预设停止条件包括基于所述损失函数得到的损失值在连续预设次数的迭代中保持不变。本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述的预约用车派单方法。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述的预约用车派单方法。本专利技术的积极进步效果在于：通过获取数据集，基于数据集训练得到各个特征所对应的权重，避免了由人工设定和验证权重，减少了人力花费，提高了工作效率，提高了准确性，更加精准地体现了各个特征的重要度，从而使得候选的每位司机在待派订单下的总得分更加准确，更能反映本文档来自技高网...

【技术保护点】
1.一种预约用车派单方法，其特征在于，所述预约用车派单方法包括以下步骤：/n获取数据集，所述数据集包括：与历史订单对应的至少一个候选司机、多个用于表征司机服务质量的特征、每一所述候选司机的每一所述特征所对应的得分以及所述候选司机的标签，所述标签用于表示所述候选司机是否为接单司机，其中，对于每一所述历史订单，只有一个候选司机为接单司机，其他的候选司机为非接单司机；/n将所述数据集输入至单层感知机网络模型，训练得到权重模型，所述权重模型以每一所述特征所对应的权重为输出；/n获取待派订单信息以及待派订单所对应的待派订单候选司机信息；/n基于所述待派订单信息和所述待派订单候选司机信息以及所述权重，计算得到待派订单候选司机的总得分；/n将所述总得分最高的待派订单候选司机设置为所述待派订单的接单司机。/n

【技术特征摘要】
1.一种预约用车派单方法，其特征在于，所述预约用车派单方法包括以下步骤：
获取数据集，所述数据集包括：与历史订单对应的至少一个候选司机、多个用于表征司机服务质量的特征、每一所述候选司机的每一所述特征所对应的得分以及所述候选司机的标签，所述标签用于表示所述候选司机是否为接单司机，其中，对于每一所述历史订单，只有一个候选司机为接单司机，其他的候选司机为非接单司机；
将所述数据集输入至单层感知机网络模型，训练得到权重模型，所述权重模型以每一所述特征所对应的权重为输出；
获取待派订单信息以及待派订单所对应的待派订单候选司机信息；
基于所述待派订单信息和所述待派订单候选司机信息以及所述权重，计算得到待派订单候选司机的总得分；
将所述总得分最高的待派订单候选司机设置为所述待派订单的接单司机。


2.如权利要求1所述的预约用车派单方法，其特征在于，所述预约用车派单方法还包括以下步骤：
获取历史订单信息，所述历史订单信息包括所述历史订单、候选司机和接单司机；
获取所述历史订单所对应的接单司机信息和候选司机信息；
基于所述历史订单信息和所述接单司机信息，利用遗传算法计算得到达到预设优化目标的历史订单优化结果，所述历史订单优化结果用于表征所述历史订单下接单司机更新为优化后的接单司机；
基于所述历史订单信息、所述候选司机信息和所述历史订单优化结果生成数据集。


3.如权利要求1所述的预约用车派单方法，其特征在于，所述基于所述待派订单信息和所述待派订单候选司机信息以及所述权重，计算得到待派订单候选司机的总得分的步骤具体包括：
基于所述待派订单信息和所述待派订单候选司机信息，计算待派订单候选司机的特征所对应的得分；
基于所述待派订单候选司机的特征所对应的得分以及所述权重，计算得到待派订单候选司机的总得分。


4.如权利要求1所述的预约用车派单方法，其特征在于，所述将所述数据集输入至单层感知机网络模型，训练得到权重模型，所述权重模型以每一所述特征所对应的权重为输出的步骤具体包括：
将所述数据集输入至单层感知机网络模型，如果达到预设停止条件则停止训练并得到权重模型；
所述预设停止条件包括训练迭代的次数大于等于第一阈值，或，所述单层感知机网络模型的损失函数包括pairwiseloss，所述预设停止条件包括基于所述损失函数得到的损失值在连续预设次数的迭代中保持不变。


5.一种预约用车派单系统，其特征在于，所述预约用车派单系统包括：数据集获取模块、权重模型训练模块、待派订单获取模块、待派订单总得分计算模块和接单司机设置模块；
所述数据集获取模块用于获取数据集，所述数据集包括：与历史订单对应的至少一个候选司机、多个用于表征司机服务质量的特征、每一所述候选司机的每一所述特征所对应的得分以及...

【专利技术属性】
技术研发人员：刘典智，李健，
申请(专利权)人：携程旅游网络技术上海有限公司，
类型：发明
国别省市：上海;31