[发明专利]网约车异常订单的接单率预测方法及系统

权利要求书

1.一种网约车异常订单的接单率预测方法，包括：

数据获取步骤，获取订单样本数据集，包括乘客端APP和司机端APP的数据库数据；

确定入模特征步骤，基于所述订单样本数据集，标记标签，确定所述入模特征，包括所述入模特征的筛选；

训练模型步骤，通过训练和评估，获得接单率预测模型；

模型应用步骤，将需要预测的订单信息输入到所述接单率预测模型中，输出所述订单接单率的预测，根据所述预测结果，优化决策风险防范措施。

2.根据权利要求1所述的网约车异常订单的接单率预测方法，其特征在于，在所述数据获取步骤中，所述乘客端APP和司机端APP的数据库数据包括以下信息的一种或多种：目标订单属性信息、用户历史行为信息、周边司机信息、环境信息。

3.根据权利要求1所述的网约车异常订单的接单率预测方法，其特征在于，所述确定入模特征步骤包括：

在所述样本数据集中根据接单结果的特定情形给接单标记标签；

根据目标订单相关信息确定所述入模特征，所述目标订单相关信息包括目标订单属性信息、用户历史行为信息、周边司机信息、环境信息等；

基于相关指标进行所述入模特征的筛选。

4.根据权利要求3所述的网约车异常订单的接单率预测方法，其特征在于：所述在所述样本数据集中根据接单结果的特定情形给接单形标记标签的步骤中，如果出现第一特定情形，即目标用户在下单后，订单被司机接单且后续无撤单行为，则对该所述订单在对应的样本数据集中标记为0；如果出现第二特定情形，即所述目标用户在下单后未成单，即所述订单未被所述司机接单或所述订单被所述司机接单后发生撤单行为，则对该所述订单在所述对应的样本数据集中标记为1。

5.根据权利要求3所述的接单率预测方法，其特征在于：所述相关指标包括可得性指标、可解释性指标、信息量指标、相关性指标和稳定性指标。

6.根据权利要求5述的网约车异常订单的接单率预测系统，其特征在于：

所述可得性指标，用于评估该特征在线上能否复现开发；

所述可解释性，用于评估标该特征对最终的结果能否解释；

所述相关性指标为计算特征的皮尔逊相关系数，用于评估所述特征间的相关性；

所述信息量指标为计算特征的信息量IV，用于评估所述特征的预测能力；

所述稳定性指标为计算特征的群体稳定性指标PSI，用于评估所述特征的稳定性。

7.根据权利要求1所述的网约车异常订单的接单率预测方法，其特征在于：所述训练模型步骤包括：

根据筛选后得到的入模特征，采用机器学习算法，训练所述接单率预测模型；

评估所述接单率预测模型，判断所述接单率预测模型预测订单是否成单的正确率。

8.根据权利要求7所述的接单率预测方法，其特征在于：所述筛选后得到的入模特征包括：订单特征、用户特征、司机数据、交通状况和天气特征。

9.根据权利要求7所述的网约车异常订单的接单率预测方法，其特征在于：所述机器学习算法，可以是随机森林算法、XGBoost算法或决策树算法。

10.如权利要求7所述的网约车异常订单的接单率预测方法，其特征在于：在所述训练模型步骤中，将所述订单样本数据集根据预设比例划分为训练集和验证集；对所述训练集的数据根据筛选后的所述入模特征，采用所述机器学习算法，进行所述接单率预测模型的训练；所述验证集的数据用于对训练好的所述接单率预测模型进行输出结果的验证，以判断所述训练好的所述接单率预测模型是否符合预设要求。

11.一种网约车异常订单的接单率预测系统，所述系统执行权利要求1至10的方法，包括：

订单样本数据集获取模块，获取订单样本数据集；

样本数据集标记标签模块，在所述订单样本数据集中按照特定情形对各订单标记接单标签；

特征设计与开发模块，根据所述订单样本数据集中的目标订单属性信息、用户历史行为信息、周边司机信息、环境信息等数据，进行入模特征的设计与开发；

特征筛选模块，根据入模特征和已标记标签的订单样本数据集，基于以下物业指标中的一种或多种：可得性指标、可解释性指标、信息量指标、相关性指标和稳定性指标，进行所述入模特征的筛选；

接单率预测模型训练模块，将所述订单样本数据集根据预设比例划分为训练集与验证集，然后根据筛选后的所述入模特征，采用机器学习算法，进行接单率预测模型的训练，并对所述接单率预测模型的参数进行优化，最终得到接单率预测模型；

接单率预测模型评估模块，使用所述订单样本数据集所划分的所述验证集对训练好的所述接单率预测模型的输出结果进行验证，判断所述接单率预测模型对各类风险用户的识别正确率是否达到预设阈值；

优化异常订单处罚决策模块，根据所述接单率预测模型的预测结果，优化决策风险防范措施。