[发明专利]服务订单的处理方法及装置有效

专利信息
申请号: 201710000762.5 申请日: 2017-01-03
公开(公告)号: CN106651213B 公开(公告)日: 2020-11-20
发明(设计)人: 王超 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q30/06;G06Q50/30;G06K9/62
代理公司: 北京鸿德海业知识产权代理事务所(普通合伙) 11412 代理人: 袁媛
地址: 100085 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 服务 订单 处理 方法 装置
【权利要求书】:

1.一种服务订单的处理方法,其特征在于,包括:

获取指定营运车辆的营运数据和所述指定营运车辆的至少一个服务订单中每个服务订单的订单数据;

根据所述营运数据和所述每个服务订单的订单数据,利用预先创建的决策树和所述决策树的属性列表,获得所述指定营运车辆执行所述每个服务订单的属性收益向量;

根据所述指定营运车辆执行所述每个服务订单的属性收益向量,获得所述指定营运车辆的影响因素向量;其中,

所述根据所述指定营运车辆执行所述每个服务订单的属性收益向量,获得所述指定营运车辆的影响因素向量,包括:

根据所述指定营运车辆接受服务订单的属性收益向量和所述指定营运车辆接受服务订单的数量,获得所述指定营运车辆的接受因素向量;

根据所述指定营运车辆拒绝服务订单的属性收益向量和所述指定营运车辆拒绝服务订单的数量,获得所述指定营运车辆的拒绝因素向量;

根据所述指定营运车辆的接受因素向量和所述指定营运车辆的拒绝因素向量,获得所述指定营运车辆的影响因素向量。

2.根据权利要求1所述的方法,其特征在于,所述根据所述营运数据和所述每个服务订单的订单数据,利用预先创建的决策树和所述决策树的属性列表,获得所述指定营运车辆执行所述每个服务订单的属性收益向量之前,还包括:

获取指定时间范围所产生的至少一个服务订单中每个服务订单的订单数据;

获取所述每个服务订单所相关的营运车辆的营运数据;

将所述每个服务订单的订单数据和所述每个服务订单所相关的营运车辆的营运数据,作为训练数据;

利用所述训练数据,创建所述决策树。

3.根据权利要求1所述的方法,其特征在于,所述根据所述营运数据和所述每个服务订单的订单数据,利用预先创建的决策树和所述决策树的属性列表,获得所述指定营运车辆执行所述每个服务订单的属性收益向量,包括:

根据所述营运数据和所述每个服务订单的订单数据,利用预先创建的决策树和所述决策树的属性列表,获取所述指定营运车辆执行所述每个服务订单在所述决策树上的路径,以及所述路径上全部非叶子节点中每个非叶子节点的收益向量;

根据所述指定营运车辆执行所述每个服务订单在所述决策树上的路径,以及所述路径上全部非叶子节点中每个非叶子节点的收益向量,获得所述指定营运车辆执行所述每个服务订单的属性收益向量。

4.根据权利要求1~3任一权利要求所述的方法,其特征在于,所述决策树的数量为N,N为大于或等于1的整数。

5.一种服务订单的处理装置,其特征在于,包括:

获取单元,用于获取指定营运车辆的营运数据和所述指定营运车辆的至少一个服务订单中每个服务订单的订单数据;

收益单元,用于根据所述营运数据和所述每个服务订单的订单数据,利用预先创建的决策树和所述决策树的属性列表,获得所述指定营运车辆执行所述每个服务订单的属性收益向量;

影响单元,用于根据所述指定营运车辆执行所述每个服务订单的属性收益向量,获得所述指定营运车辆的影响因素向量;其中,

所述影响单元,具体用于

根据所述指定营运车辆接受服务订单的属性收益向量和所述指定营运车辆接受服务订单的数量,获得所述指定营运车辆的接受因素向量;

根据所述指定营运车辆拒绝服务订单的属性收益向量和所述指定营运车辆拒绝服务订单的数量,获得所述指定营运车辆的拒绝因素向量;以及

根据所述指定营运车辆的接受因素向量和所述指定营运车辆的拒绝因素向量,获得所述指定营运车辆的影响因素向量。

6.根据权利要求5所述的装置,其特征在于,所述收益单元,还用于

获取指定时间范围所产生的至少一个服务订单中每个服务订单的订单数据;

获取所述每个服务订单所相关的营运车辆的营运数据;

将所述每个服务订单的订单数据和所述每个服务订单所相关的营运车辆的营运数据,作为训练数据;以及

利用所述训练数据,创建所述决策树。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710000762.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top