[发明专利]用车类型的预测方法及装置

说明书

本发明提供的用车类型的预测方法及装置，通过采用获取用户的历史订单信息，根据该历史订单信息中的各用车类型的用车时间和/或用车地点等信息建立预测模型，并根据预测模型对当前时间和/或当前地点下的用车类型进行预测，从而可获得预测的用车类型。由于该用户类型是利用预测模型和历史订单信息获取的，其相对于现有技术来说，预测的准确率得到了有效提升，进而使得叫车平台利用该预测获得的用车类型所切换的下单界面与用户的实际需求匹配，缩减用户发单时间，提高发单效率。

技术领域

本发明涉及互联网技术领域，尤其涉及一种用车类型的预测方法及装置。

背景技术

随着互联网技术的发展，利用智能终端进行线上叫车成为发展潮流。而根据用车类型的不同，叫车平台为每一叫车类型提供相应的下单端口，以供用户在相应的下单界面进行下单。

在现有技术中，为了便于用户快速发单，叫车平台会对用户本次所需的用车类型进行预测，并将界面跳转至相应的下单界面，以缩减用户在切换下单界面所花费的时间。

但是，现有的对用车类型的预测是根据用户上一订单中的用车类型确定的，在实际应用中，这样的预测方式的准确率偏低。一旦预测不准，用户还需要对当前下单界面进行切换，发单时间反而有所增加。

发明内容

针对上述提及的现有技术中对用车类型预测的准确率低，从而造成的发单效率低的问题，本发明提供了一种用车类型的预测方法及装置。

一方面，本发明提供的一种用车类型的预测方法，包括：

获取用户的历史订单信息，其中所述历史订单信息中包括有用户的各用车类型的用车时间和/或用车地点；

根据所述历史订单信息建立预测模型，并根据所述预测模型对当前时间和/或当前地点下的用车类型进行预测。

在其中一种可选的实施方式中，所述根据所述历史订单信息建立预测模型，并根据所述预测模型对当前时间和/或当前地点下的用车类型进行预测，包括：

对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型；

根据各混合高斯模型，确定当前时间和/或当前地点下的各用车类型的概率密度值；

根据所述各用车类型的概率密度值预测用车类型。

在其中一种可选的实施方式中，根据所述各用车类型的概率密度值预测用车类型，包括：

根据预设的贝叶斯模型和所述各用车类型的概率密度值，计算各用车类型的第一概率；

将各第一概率中概率值最高的用车类型作为预测获得的用车类型。

在其中一种可选的实施方式中，所述将各第一概率中概率值最高的用车类型作为预测获得的用车类型包括：

确定各第一概率中概率值最高的用车类型，并判断该用车类型的概率值是否大于等于第一预设阈值；

若是，则将该用车类型作为预测获得的用车类型并输出。

在其中一种可选的实施方式中，所述对所述历史订单信息中的每一用车类型，分别根据对应的用车时间和/或各用车地点进行聚类分解，获得各用车类型对应的混合高斯模型之前，还包括：

统计历史订单信息中的每一用车类型的次数，并建立马尔科夫模型；

将历史订单信息中的上一次用车类型输入至所述马尔科夫模型，获得各用车类型的第二概率；

确定各第二概率中概率值最高的用车类型，并判断该用车类型的概率值是否大于等于第二预设阈值；