[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
【说明书】:

发明公开了一种网约车订单分配方法、装置及计算机存储介质,涉及网约车监管技术领域,解决了在网约车场景下司乘的安全性较低、投诉率较高的技术问题。该网约车订单分配方法包括: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。

技术领域

本发明涉及网约车监管技术领域,尤其涉及一种网约车订单分配方法、装置及计算机存储介质。

背景技术

目前,通过网约车出行已经成为人们常用的出行方式之一。网约车平台在接收到用户提交的出行订单后,可以从请求接单的司机中选择一位司机,并将该出行订单匹配给该司机。

现有技术中,网约车平台通常是从乘客所处位置的预设范围内寻找空闲车辆。然而这种方式虽然可以保证用户的出行效率,却不能保证司乘关系的和谐性,而不和谐的司乘关系会严重影响行程的安全性,并提高网约车平台上的投诉率。

因此,本领域的技术人员致力于开发一种可以提高网约车场景下司乘的安全性并降低投诉率的网约车订单分配方法、装置及计算机存储介质。

发明内容

有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是:如何提高网约车场景下司乘的安全性并降低投诉率。

为实现上述目的,本发明采用如下技术方案:

第一方面,本发明提供了一种网约车订单分配方法,该网约车订单分配方法包括: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。

本发明实施例中,可以获取乘客画像、司机画像和订单信息,并根据这些信息确定行程危险指数,以及根据行程危险指数对应的危险等级对司机采取相应处理措施。通过该方案,由于可以根据行程危险指数对司机进行监管,因此可以避免将乘客的订单匹配给不合适的司机或者通过警示司机达到促进司乘关系和谐的效果,从而可以提高司乘的安全性并降低乘客与司机之间的投诉率,减少客服平台压力的同时,还可以促进网约车平台的可持续发展。

在本发明的较佳实施方式中,上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。

在本发明的较佳实施方式中,上述方法还包括: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。

在本发明的较佳实施方式中,上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;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;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/202110505137.2/2.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