[发明专利]预估司机接单行为的方法、装置、设备及存储介质在审

专利信息
申请号: 201710304973.8 申请日: 2017-05-03
公开(公告)号: CN106971279A 公开(公告)日: 2017-07-21
发明(设计)人: 王超;李岩岩 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;G06Q50/30
代理公司: 北京品源专利代理有限公司11332 代理人: 孟金喆,胡彬
地址: 100085 北京市*** 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: 预估 司机 行为 方法 装置 设备 存储 介质
【权利要求书】:

1.一种预估司机接单行为的方法,其特征在于,包括:

根据在线叫车服务发起的订单请求确定订单信息,所述订单信息中包含乘车起点;

获取距离所述乘车起点预设区域范围内的司机作为候选司机,并获取所述候选司机的司机信息;

根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。

2.根据权利要求1所述的方法,其特征在于,根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机包括:

将所述订单信息和所述司机信息输入司机接单行为识别器中进行学习;

根据所述司机接单行为识别器输出的司机接单概率,从所述候选司机中选出会接单的司机。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:

获取至少一条历史订单的订单信息,各条历史订单的订单信息中包含历史乘车起点;

针对每条历史订单,获取距离所述历史乘车起点预设区域范围内的司机作为历史候选司机,并获取所述历史候选司机的司机信息及司机接单情况;

针对每条历史订单,根据所述司机接单情况对历史订单进行标记,并将标记后的历史订单的订单信息和司机信息作为训练数据;

采用机器学习方法对所述训练数据进行训练,得到所述司机接单行为识别器。

4.根据权利要求3所述的方法,其特征在于,采用机器学习方法对所述训练数据进行训练,得到所述司机接单行为识别器包括:

采用以下至少一种算法:决策树算法、随机森林Random Forest算法、迭代决策树GBDT算法和支持向量机算法,对所述训练数据进行训练,得到所述司机接单行为识别器。

5.根据权利要求1-4任一项所述的方法,其特征在于,所述订单信息中还包含以下至少一项信息:乘车终点、乘车起点和/或乘车终点是否为用户的家庭地址、乘车起点和/或乘车终点是否为用户的工作单位,乘车起点和/或乘车终点是否为商圈、乘车起点和/或乘车终点是否为交通枢纽、订单发起城市、订单发起时间、车辆类型、乘车起点和乘车终点之间的距离、预计价格、预计价格与订单发起城市中订单平均价格比、预计行驶时间、预计行驶速度与订单发起城市中订单平均行驶速度比、是否穿越拥堵区域和用户性别。

6.根据权利要求1-4任一项所述的方法,其特征在于,所述司机信息包含以下至少一项信息:司机性别、车辆类型、当前移动速度、当前位置、接人行驶距离、预期接人行驶时间、历史推单接单比、预设时间段内的推单接单比,历史平均在线时长、预设时间段内的平均在线时长、预设时间段内的被推单次数和预设时间段内的接单次数。

7.根据权利要求5所述的方法,其特征在于,所述订单发起时间包含以下至少一项信息:是否上午、是否下午、是否晚上、是否夜里、星期、小时和是否周末。

8.一种预估司机接单行为的装置,其特征在于,包括:

订单信息确定模块,用于根据在线叫车服务发起的订单请求确定订单信息,所述订单信息中包含乘车起点;

司机信息确定模块,用于获取距离所述乘车起点预设区域范围内的司机作为候选司机,并获取所述候选司机的司机信息;

接单司机预估模块,用于根据所述订单信息和所述司机信息从所述候选司机中选出会接单的司机。

9.根据权利要求8所述的装置,其特征在于,所述接单司机预估模块具体用于:

将所述订单信息和所述司机信息输入司机接单行为识别器中进行学习;根据所述司机接单行为识别器输出的司机接单概率,从所述候选司机中选出会接单的司机。

10.根据权利要求9所述的装置,其特征在于,所述装置还包括:

训练数据获取模块,用于获取至少一条历史订单的订单信息,各条历史订单的订单信息中包含历史乘车起点;针对每条历史订单,获取距离所述历史乘车起点预设区域范围内的司机作为历史候选司机,并获取所述历史候选司机的司机信息及司机接单情况;针对每条历史订单,根据所述司机接单情况对历史订单进行标记,并将标记后的历史订单的订单信息和司机信息作为训练数据;

司机接单行为识别器训练模块,用于采用机器学习方法对所述训练数据进行训练,得到所述司机接单行为识别器。

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/201710304973.8/1.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