[发明专利]司机分类的方法、装置、设备以及存储介质

说明书

技术领域

本发明实施例涉及数据处理技术，尤其涉及一种司机分类的方法、装置、设备以及存储介质。

背景技术

用车业务发展到现在，已经展现出多种产品形态，比如专车、快车、顺风车、多人拼车、甚至是日租车、时租车等。乘客通过叫车产品将包括起终点的叫车订单发送至产品平台，平台向乘客周围的司机派送该叫车订单，司机通过平台获取想要的订单，来降低自己的空驶率，提升运营效率，对于社会而言则节约了沟通成本，减少了能源消耗。在线叫车服务中，司机接单行为是决定叫车成功与否的关键。由于在接单过程中考虑的因素不一样，不同的司机可能具有不同的接单行为。如何将具有类似行为的司机划分到同一类别对于分析司机的接单行为具有重要意义。

现有的方法中使用了司机的历史接单记录训练决策树模型，根据输入数据在训练完成的决策树模型中经过的路径中非叶子节点的属性收益向量生成决策向量以完成司机分类。

发明人在实现本发明的过程中发现：现有技术生成决策向量的方法计算量大，过程繁琐，耗时长。

发明内容

本发明实施例提供一种司机分类的方法、装置、设备以及存储介质，能够优化现有的司机分类方法，提高司机分类效率。

第一方面，本发明实施例提供了一种司机分类的方法，包括：

根据历史叫车订单的订单信息、与所述历史叫车订单关联的司机状态信息以及司机对所述历史叫车订单的接单情况构造训练样本；

使用所述训练样本对分类预测模型进行训练，生成司机接单预测模型，其中，所述司机接单预测模型中包括至少两个输出端；

将目标司机接收到的叫车订单的订单信息，以及与所述叫车订单关联的所述目标司机的司机状态信息输入至所述司机接单预测模型中，并根据所述司机接单预测模型中至少两个输出端的输出结果，生成与所述目标司机对应的司机行为向量；

根据与至少两个司机对应的司机行为向量，进行司机分类。

第二方面，本发明实施例还提供了一种司机分类的装置，包括：

训练样本构造模块，用于根据历史叫车订单的订单信息、与所述历史叫车订单关联的司机状态信息以及司机对所述历史叫车订单的接单情况构造训练样本；

接单预测模型生成模块，用于使用所述训练样本对分类预测模型进行训练，生成司机接单预测模型，其中，所述司机接单预测模型中包括至少两个输出端；

行为向量生成模块，用于将目标司机接收到的叫车订单的订单信息，以及与所述叫车订单关联的所述目标司机的司机状态信息输入至所述司机接单预测模型中，并根据所述司机接单预测模型中至少两个输出端的输出结果，生成与所述目标司机对应的司机行为向量；

司机分类模块，用于根据与至少两个司机对应的司机行为向量，进行司机分类。

第三方面，本发明实施例还提供了一种计算机设备，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程序时实现如本发明实施例中任一所述的司机分类的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的司机分类的方法。

本发明实施例提供了一种司机分类的方法、装置、设备以及存储介质，通过根据历史叫车订单的订单信息、与所述历史叫车订单关联的司机状态信息以及司机对所述历史叫车订单的接单情况构造训练样本训练生成司机接单预测模型；将目标司机接收到的叫车订单的订单信息，以及与所述叫车订单关联的所述目标司机的司机状态信息输入至所述司机接单预测模型中，并根据所述司机接单预测模型中至少两个输出端的输出结果，生成与所述目标司机对应的司机行为向量；根据与至少两个司机对应的司机行为向量，进行司机分类，实现了将司机的历史接单记录转化为一个司机行为向量，然后在司机行为向量的基础上进行司机分类，可以将历史接单记录中包括的多个不可量化因素基于所述司机接单预测模型中的多个输出端的输出结果，最终以一个标准的向量形式表示，提供了一种新的司机的向量表示法，方案实现简单，计算量小，处理速度快。

附图说明

图1是本发明实施例一中的一种司机分类的方法的流程图；

图2是本发明实施例二中的一种司机分类的方法的流程图；

图3是本发明实施例三中的一种司机分类的方法的流程图；

图4是本发明实施例四中的一种司机分类的装置的结构图；

图5是本发明实施例五中的一种计算机设备的结构示意图。

具体实施方式