[发明专利]一种订单类型的预测方法、预测装置及可读存储介质

说明书

本申请提供了一种订单类型的预测方法、预测装置及可读存储介质，通过从预先构建好的多关系异质信息模型图中，获取订单中的出行始发地的第一关系特征向量和出行目的地的第二关系特征向量；基于出行始发地信息和第一关系特征向量，确定出行始发地的第一预测特征向量，基于出行目的地信息和第二关系特征向量，确定出行目的地的第二预测特征向量；基于第一预测特征向量和第二预测特征向量，确定订单的订单类型。这样，不仅可以减少预测过程中处理的数据量，而且多关系异质信息模型图中出行始发地以及出行目的地的预测特征向量可以表征彼此之间出行关系的关联，包含丰富的多维特征，有助于提高对订单类型预测的效率，提高订单预测结果的准确率。

技术领域

本申请涉及出行订单预测技术领域，具体而言，涉及一种订单类型的预测方法、预测装置及可读存储介质。

背景技术

随着科技的逐步发展，人们生活水平的日益提高，如今，人们出行时大多会选择通过出行软件进行打车服务，目前在乘客输入起点和终点等用车信息进行车辆预约从而生成出行订单后，一般会对所述出行订单的类别进行识别，这样可以提前判断订单类别，如识别出行订单是否是醉酒订单、代驾订单或者低质量订单等，以便提供不同的出行服务，有助于进一步优化系统调度，降低安全风险，从而提升司乘体验。

现阶段，在对于出行订单进行订单类型预测时，大多是通过与出行订单相关的出行信息，甚至结合历史出行信息，分别对起点和终点进行特征统计，以分别得到起点和终点的特征，但是，无论是通过机器学习还是人工专家来进行地点特征挖掘，需要消耗大量人力物力，而且只能获得单独表征各个特征地点本身属性的特征，导致订单预测时使用特征孤立，预测效率差，准确率低。

发明内容

有鉴于此，本申请的目的在于提供一种订单类型的预测方法、预测装置及可读存储介质，能够通过使用多关系异质信息模型图中聚集的出行始发地以及出行目的地的预测特征向量，来预测订单类型，不仅可以减少预测过程中处理的数据量，而且多关系异质信息模型图中出行始发地以及出行目的地的预测特征向量可以表征彼此之间出行关系的关联，包含丰富的多维特征，有助于提高对订单类型预测的效率，提高订单预测结果的准确率。

根据本申请的第一方面，提供了一种订单类型的预测方法，所述预测方法包括：

从获取到的待预测订单的订单信息中，确定出所述待预测订单的出行始发地和出行目的地；

从预先构建好的、包括所述出行始发地和所述出行目的地的出行区域的多关系异质信息模型图中，获取所述出行始发地的第一关系特征向量和所述出行目的地的第二关系特征向量；

基于所述订单信息中指示的出行始发地信息和所述第一关系特征向量，确定所述出行始发地的第一预测特征向量，并基于所述订单信息中指示的出行目的地信息和所述第二关系特征向量，确定所述出行目的地的第二预测特征向量；

基于所述第一预测特征向量和所述第二预测特征向量，确定所述待预测订单的订单类型。

在本申请的一些实施例中，通过以下步骤确定所述多关系异质信息模型图：

从出行平台存储的出行数据中，确定包括所述出行始发地和所述出行目的地的出行区域中的多种出行关系；

确定所述出行区域中的多个特征预测地点，其中，所述多个特征预测地点包括所述出行始发地和所述出行目的地；

基于所述多个特征预测地点和所述多种出行关系，确定出多个出行样本，其中，每个出行样本包括样本出发地、样本目的地和所述样本出发地与所述样本目的地之间的样本关系；

分别将每个出行样本输入至构建好的神经网络模型中进行训练，直至所述神经网络模型的目标函数的变化值小于预设阈值，得到每个样本出发地的预测特征向量和每个样本目的地的预测特征向量；