[发明专利]网约车订单分配方法、装置及计算机存储介质在审

专利信息
申请号: 202110505137.2 申请日: 2021-05-10
公开(公告)号: CN113159353A 公开(公告)日: 2021-07-23
发明(设计)人: 杨磊;盛小双 申请(专利权)人: 上海钧正网络科技有限公司
主分类号: G06Q10/02 分类号: G06Q10/02;G06Q10/06;G06Q30/06;G06Q50/30
代理公司: 上海唯源专利代理有限公司 31229 代理人: 汪家瀚
地址: 201199 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 网约车 订单 分配 方法 装置 计算机 存储 介质
【权利要求书】:

1.一种网约车订单分配方法,其特征在于,包括:

获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;

根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;

根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。

2.如权利要求1所述的网约车订单分配方法,其特征在于,所述根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数,包括:

将所述第一画像信息、第二画像信息以及所述订单信息输入到行程危险指数模型,得到所述行程危险指数。

3.如权利要求2所述的网约车订单分配方法,其特征在于,所述方法还包括:

从数据库中获取预设时间段内的历史订单特征,所述历史订单特征包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;

将所述乘客画像信息、所述司机画像信息以及所述历史订单信息作为输入,将所述乘客满意度作为输出,采用深度学习模型,训练并得到所述行程危险指数模型。

4.如权利要求1-3任一项所述的网约车订单分配方法,其特征在于,

所述第一画像信息包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量;

所述第二画像信息包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名;

所述订单信息包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。

5.一种网约车订单分配装置,其特征在于,包括:获取单元和处理单元;

所述获取单元,用于获取发起目标订单的乘客的第一画像信息、欲匹配到所述目标订单的司机的第二画像信息以及所述目标订单的订单信息;

所述处理单元,用于根据所述第一画像信息、第二画像信息以及所述订单信息,确定将所述目标订单匹配到所述司机后的行程危险指数;并根据所述行程危险指数对应的危险等级对所述司机采取相应处理措施,所述处理措施包括:禁止将所述目标订单匹配到所述司机、延迟将所述目标订单匹配到所述司机的时间、向所述司机发送服务警示信息以及正常匹配所述目标订单。

6.如权利要求5所述的网约车订单分配装置,其特征在于,所述处理单元具体用于:将所述第一画像信息、第二画像信息以及所述订单信息输入到行程危险指数模型,得到所述行程危险指数。

7.如权利要求6所述的网约车订单分配装置,其特征在于,所述获取单元,还用于从数据库中获取预设时间段内的历史订单特征,所述历史订单特征包括乘客画像信息、司机画像信息、历史订单信息以及乘客满意度;

所述处理单元还用于将所述乘客画像信息、所述司机画像信息以及所述历史订单信息作为输入,将所述乘客满意度作为输出,采用深度学习模型,训练并得到所述行程危险指数模型。

8.如权利要求5-7任一项所述的网约车订单分配装置,其特征在于,

所述第一画像信息包括以下至少一项:基础画像、挑剔程度、主动评价数量排名、历史被差评数量、历史被拉黑数量、历史被在线投诉数量、历史被热线投诉数量;

所述第二画像信息包括以下至少一项:基础画像、出勤率排名、日均接单频次排名、历史完单率排名、被动负面排名;

所述订单信息包括以下至少一项:订单是否跨城、订单价格、订单距离、订单是否拼单、出发时间、出发地点。

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上海钧正网络科技有限公司,未经上海钧正网络科技有限公司许可,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/202110505137.2/1.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