[发明专利]一种订单派发方法及装置

权利要求书

1.一种订单派发方法，其特征在于，包括：

获取每一车辆实时的司乘信息；其中，所述司乘信息包括：司机信息和乘客订单信息；所述司机信息包括：接单距离信息、车辆位置信息以及司机服务等级信息；所述乘客订单信息包括：订单起始位置信息、订单终点位置信息以及订单价格信息；

将所述实时的司乘信息输入至已训练神经网络模型，输出与所述司乘信息对应的各司乘对价值；其中，所述已训练神经网络模型是基于样本集训练得到的，所述样本集包括：历史的司乘信息；

根据各司乘对价值，采用二分图的最佳匹配KM算法，对所有的司乘进行司乘匹配，得到与所述乘客订单匹配度最高的司机，以向所述与所述乘客订单匹配度最高的司机所在的车辆派发订单。

2.如权利要求1所述的方法，其特征在于，采用如下步骤，训练得到已训练神经网络模型：

获取服务区内每一车辆历史的司乘信息；

将历史的司乘信息输入至待训练神经网络中，输出与历史的司乘信息相对应的各司乘对价值估计值；

基于最小化司乘对价值估计值与司乘对价值目标值的差值为训练目标，构建损失函数，所述的司乘对价值目标值是由接单距离值、订单价格值、订单终点车辆需求量以及司机服务等级值计算得到的；

判断所述损失函数是否低于预设阀值；

若损失函数不低于预设阀值，调整待训练神经网络的参数，得到调整后神经网络；

使用调整后神经网络更新待训练神经网络，返回所述将历史的司乘信息输入至待训练神经网络中，输出与历史的司乘信息相对应的各司乘对价值估计值的步骤，直至损失函数低于预设阀值，得到训练好的神经网络模型；

其中，采用如下公式，确定所述司乘对价值目标值：

y＝R_p+λ₁R_d+λ₂R_h+λ₃R_v

其中，y为司乘对价值目标值，R_d为接单距离对应的奖励值，R_h为订单终点车辆需求量的奖励值，R_v为司机服务等级奖励值，R_d为接单距离的相反数，R_h与订单终点需求量成正比，

λ₁为接单距离对应的奖励值的比例，λ₂为订单终点车辆需求量的奖励值的比例，λ₃为司机服务等级奖励值的比例。

3.如权利要求1所述的方法，其特征在于，在所述将历史的司乘信息输入至待训练神经网络中，输出与历史的司乘信息相对应的各司乘对价值估计值之后，所述方法还包括：

将所述最小化司乘对价值估计值与司乘对价值目标值的差值，历史的司乘信息，以及各司乘对价值估计值，作为经验样本，存储到样本池中；

从所述样本池中，抽取批量经验样本；

在所述若损失函数不低于预设阀值，调整待训练神经网络的参数，得到调整后神经网络之后，所述方法还包括：

使用调整后神经网络更新待训练神经网络，使用所述批量经验样本更新历史的司乘信息，返回所述将历史的司乘信息输入至待训练神经网络中，输出与历史的司乘信息相对应的各司乘对价值估计值的步骤，直至损失函数低于预设阀值，得到训练好的神经网络模型。

4.如权利要求3所述的方法，其特征在于，所述从所述样本池中，抽取批量经验样本，包括：

根据司乘对价值估计值与司乘对价值目标值的差值，计算所述经验样本的权重概率密度函数；

根据所述权重概率密度函数，对所述样本池中的经验样本进行批量抽样，得到批量样本。

5.如权利要求1至4任一项所述的方法，其特征在于，所述将所述实时的司乘信息输入至已训练神经网络模型，输出各司乘对价值，包括：

将所述司乘信息输入至所述已训练神经网络模型中，所述已训练神经网络模型根据所述司乘信息中接单距离信息、订单价格信息、订单终点位置信息以及司机服务等级信息，通过所述已训练神经网络模型的输出层神经元，输出与所述司乘信息对应的各司乘对价值，其中，所述神经网络模型输出层神经元个数为一个，所述神经网络模型的输入层神经元个数由所述司乘信息的维度决定。