[发明专利]一种用于识别网约用车场景的方法及系统

权利要求书

1.一种用于识别网约用车场景的方法，其特征在于，包括以下步骤：

获取网约车订单信息，所述网约车订单信息包括起终点名称、位置经纬度；

对网约车订单信息进行场景识别处理，所述场景识别处理包括起终点名称分类处理和地理围栏识别处理；

所述起终点名称分类处理为对起终点名称进行名称分类，获得分类结果；

所述地理围栏识别处理为利用地理围栏技术对所述位置经纬度进行大数据比对，获得地图围栏结果；

根据分类结果和地图围栏确定网约车订单的用车场景。

2.根据权利要求1所述的一种用于识别网约用车场景的方法，其特征在于，

所述步骤中对起终点名称进行名称分类，获得分类结果，具体为：

下载多家第三方地图服务数据，对多家第三方地图服务数据进行整合处理，得到地方分类结果数据；

所述整合处理包括数据处理与转换处理、子母层级分类合并处理、归一化处理和地图特有描述处理；

基于地方分类结果数据，构造“地址名称”和“属性分类”的数据对；

通过算法模型训练，得出起终点名称的分类结果。

3.根据权利要求2所述的一种用于识别网约用车场景的方法，其特征在于，

所述步骤中通过算法模型训练，得出起终点名称的分类结果，具体为：

基于预设的三方数据库，对所述起终点名称进行初步比对，得到地址关键词；

基于语言表征模型BERT，对所述地址关键词进行特征提取，获得关键词特征向量；

对所述关键词特征向量进行预判处理，获得至少一个场景分类器，其中，每个所述场景分类器对应一个分类属性；

基于所述场景分类器，对所述关键词特征向量进行概率计算，得到所述场景分类器对应的概率值，根据所述概率值的大小对所述场景分类器进行判断；

得出起终点名称的分类结果。

4.根据权利要求3所述的一种用于识别网约用车场景的方法，其特征在于，

所述步骤中基于所述场景分类器，对所述关键词特征向量进行概率计算，得到所述场景分类器对应的概率值，包括：

将所述关键词特征向量输入至基于Transformer的双向编码器表征BERT的地址解析模型中，获得概率值，根据所述概率值的大小对所述场景分类器进行判断；

其中，所述基于BERT的地址解析模型包括BERT输入层、双向长短时记忆循环神经网络Bilstm层、全连接层FC以及条件随机场CRF层；

若所述概率值大于预设阈值，则所述起终点名称匹配所述场景分类器，获取所述场景分类器对应的分类属性。

5.根据权利要求1所述的一种用于识别网约用车场景的方法，其特征在于，

所述步骤中利用地理围栏技术对所述位置经纬度进行大数据比对，获得地图围栏，具体为：

获取所述网约车订单信息中的所述位置经纬度，比对数据库内用户的家、公司围栏以及大型枢纽围栏，所述大型枢纽围栏包括机场、高铁站、火车站、轻轨站、汽车客运站、超市和商场；

结合优先级判断，得到所述位置经纬度是否在预设的地图围栏中的确定结果。

6.根据权利要求1所述的一种用于识别网约用车场景的方法，其特征在于，

所述场景识别处理还包括时间识别处理，所述网约车订单信息还包括出行时间，

所述时间识别处理为对所述出行时间进行大数据比对，判断本次网约车出行是否属于上下班高峰期或夜间出行。

7.根据权利要求1所述的一种用于识别网约用车场景的方法，其特征在于，

所述步骤中根据分类结果和地图围栏确定网约车订单的用车场景，包括：

确定网约车订单的用车场景后，对所述网约车订单的用户端发送兴趣点推荐信息。