[发明专利]代驾订单预测方法和代驾运力调度方法

说明书

本发明公开代驾订单预测方法和代驾运力调度方法，可用于机场，代驾订单预测方法包括：建立各机场的历史订单数据库；根据订单变化相似度将机场进行区域聚类；对各区域类按照基础时间段内的订单量，将多个基础时间段进行时间段聚类，使每个区域类下形成不同的订单预测基准时间段；对每一区域类的每一订单预测基准时间段，提取相应的订单量和变化因子，采用BP神经网络进行非线性拟合，从而每一区域类的每一订单预测基准时间段都得到各自不同的订单预测模型；接收到订单预测请求时根据请求的区域类和订单预测基准时间段，选择对应的订单预测模型，结合变化因子预测出订单量。代驾运力调度方法根据上述订单预测结果来产生合理的司机分配方案。

技术领域

本发明涉及代驾智能设备技术领域，尤其涉及一种基于数据挖掘技术的代驾订单预测方法和代驾运力调度方法。

背景技术

现如今，越来越多的人选择自驾前往机场乘坐飞机出行，然而，自驾去机场时停车会遇到如下问题：

1、浪费时间：相较于乘坐地铁、的士等交通工具的人而言，需要花费停车过程的时间，尤其是机场客流量大、停车场时常处于饱和状态，导致停车过程会耽误预料之外的宝贵时间，甚至误机。返程回来时，还可能忘记车辆停放位置，给自驾车主带来很大的麻烦；

2、费用昂贵：由于机场停车场的独占性和垄断性，导致机场停车费用昂贵；

3、车辆无人照料：车辆停放于机场而车主出行的期间，车辆无人照料，同时还成为了一种闲置资源。

基于上述机场停车所存在的问题，机场代驾服务应运而生，自驾来机场的车主可以通过选择代驾，付出一点小费，以省去停车所耽误的宝贵时间，同时车辆还能得到很好的看护。最初的机场代驾服务大致是：自驾车主电话咨询代驾服务台，服务台向代驾司机播报需求信息，代驾司机接单后去给车主代驾。但这种方式一方面响应不及时，另一方面可能导致多个代驾司机重复接单甚至抢单的情况发生。

随着技术的不断发展，以及智能电子设备的普及，诸如智能导航设备、智能手机的普及，代驾模式也发生了较大的变革，从最初的电话咨询变为网络或移动终端APP咨询，衍生了许多代驾软件，例如e代驾、滴滴代驾、E都市等。但这些代驾软件存在下列问题：

1)大部分代驾软件对订单量的预估和分析做得不到位，导致司机分配不合理，并且，对代驾司机的动态调度算法仍存在缺陷，导致有些司机时常空闲而有些司机分配订单过多而耽误车主，导致顾客体验不佳，订单量下降，司机资源利用不合理。

2)大部分代驾软件都是面向全部城市群体，市场上缺少针对特定区域(例如机场、高铁站、码头渡口等)、特定方向的专门代驾服务。

发明内容

本发明的主要目的在于提出一种代驾订单预测方法，基于数据挖掘技术，对历史订单情况进行多维度分析，更准确地预测订单，以解决现有技术因对订单的预估和分析不到位而导致的代驾司机分配不合理的技术问题。

本发明解决上述技术问题的技术方案如下：

一种代驾订单预测方法，用于预定场所，包括以下步骤：

S1、分别获取多个预定场所在一历史期间内的代驾订单数据并进行数据预处理，以分别建立各预定场所的订单数据库；

S2、基于每个预定场所的所述订单数据库，将所述多个预定场所按照订单变化相似度进行区域聚类，使得所述多个预定场所归于不同的区域类；

S3、对于每个所述区域类，都执行以下操作：将一天均匀划分为多个基础时间段，从所述订单数据库中获取同一区域类中的预定场所在所述历史期间内的每一天的每一所述基础时间段中的订单量，根据各所述基础时间段内的订单量将所述多个基础时间段进行时间段聚类，以使所述多个基础时间段聚类至不同的订单预测基准时间段；