用于代驾订单调配的预测模型训练方法及相关装置制造方法及图纸

本申请涉及一种用于代驾订单调配的预测模型训练方法及相关装置，该方法包括以下步骤：获取时段划分和区域划分，并计算每个区域在每个时段的订单量和司机的位置数据；获取各时段和区域的同一司机的后续连续订单以生成订单流，提取各类订单的变化因子和订单流的变化因子，训练预测模型，其中，预测模型用于获取订单池内的订单信息并将订单池内的订单生成新订单流和优化已有订单流。本申请能够优化预测模型，使其更加适应代驾行业的需求，从而为代驾司机生成工作流，减少等待时间，并提高订单调度效率。单调度效率。单调度效率。

【技术实现步骤摘要】
用于代驾订单调配的预测模型训练方法及相关装置


[0001]本申请涉及大数据分析的领域，尤其是涉及一种用于代驾订单调配的预测模型训练方法及相关装置。

技术介绍

[0002]随着社会对安全意识的日益关注，"酒后不开车"的观念已经被广泛接受。这促使了代驾服务的兴起，不仅普及了代驾服务，还在很大程度上预防了因酒后驾驶引发的交通事故。据估计，每年代驾服务可以避免超过300万起酒驾事故。因此，代驾已经成为一种新兴的经济领域，有效地解决了酒驾问题，并降低了交通事故的发生率。
[0003]在移动互联网迅速发展的背景下，智能手机已经成为日常生活中不可或缺的工具。这为代驾行业铺平了一种标准化的服务流程，人们使用智能手机叫代驾，代驾平台分配订单，代驾司机接单。作为连接用户和司机的关键纽带，这些平台必须能够快速响应用户需求，同时确保司机有机会接受更多订单，获得更高的收入。
[0004]针对代驾行业的特点，需要考虑一种更为合适的预测模型。因为代驾司机通常兼职，其上班的时间随机性较大，不容易确定。传统预测模型关注各网格司机数量变化趋势和实时更新司机状态，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于代驾订单调配的预测模型训练方法，其特征在于，包括以下步骤：S1.获取时段划分和区域划分，并计算每个区域在每个时段的订单量和司机的位置数据；S2.获取各时段和区域的同一司机的后续连续订单以生成订单流，提取各类订单的变化因子和订单流的变化因子，训练预测模型，其中，预测模型用于获取订单池内的订单信息并将订单池内的订单生成新订单流和优化已有订单流。2.根据权利要求1所述的用于代驾订单调配的预测模型训练方法，其特征在于，所述的S1的子步骤，包括：S11.进行时段预划分和区域预划分，并计算每个区域在每个时段的订单量和司机的位置数据；S12.获得网格中忙碌的司机和空闲的司机的数量，将司机与其订单信息关联；S13.进行订单相似度分析并聚类，得到基准时段划分和基准区域划分。3.根据权利要求2所述的用于代驾订单调配的预测模型训练方法，其特征在于，所述S11的子步骤，包括：S111.根据历史订单数据，统计各个时间段的订单数量，确定高峰时段和低峰时段；S112.将代驾区域划分为多个网格，并依据订单地点和司机位置信息计算各网格内的订单量和司机数量，其中，网格基于交通条件划定。4.根据权利要求3所述的用于代驾订单调配的预测模型训练方法，其特征在于，所述S13的子步骤，包括：S131.提取订单的时间特征和地理特征，并组合成特征向量；S132.计算订单间的特征向量相似度；S133.设置相似度阈值，将相似度大于阈值的订单划分为相似订单，生成相似订单列表；S134.对相似度订单列表结果进行聚类分析，得到不同的订单群；S135.基于聚类结果，确定各个基准时段和基准区域。5.根据权利要求4所述的用于代驾订单调配的预测模型训练方法，其特征在于，所述S2的子步骤，包括：S21.基于司机ID、订单时间和订单地点对订单进行关联，形成代驾司机的订单序列；S...

【专利技术属性】
技术研发人员：姚英杰，
申请(专利权)人：上海安师傅汽车服务股份有限公司，
类型：发明
国别省市：