一种提高拼车准确率的匹配策略方法与流程

本发明属于拼车技术领域，特别涉及一种提高拼车准确率的匹配策略方法。

背景技术：

目前我们首约的网约车拼车流程是通过根据乘客选择上车地点后，筛选周围几公里内的拼车中的司机。然后决策出一个合适的司机服务该笔订单.

通过对已有技术的分析，在目前的拼车过程中，在一些场景下，会存在如下技术缺陷：

目前拼车系统很多会出现两单拼车的路程的顺路程度没有那么高,但是一些平台服务还是让这两单拼一起的情况。

技术实现要素：

针对相关技术中的上述技术问题，本发明提出一种提高拼车准确率的匹配策略方法，能够克服现有技术的上述不足。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种提高拼车准确率的匹配策略方法，该方法包括：

s1：将订单放入订单池，请求服务，计算路径蜂巢，并缓存路径蜂巢；

s2：如果派单时长大于后台配置阈值，调用派单系统，派单结束，否则进行步骤s3；

s3：根据条件从司机池中筛选司机，如果司机不存在，则进行步骤s7；

s4：对筛选出的司机主单和当前订单进行模糊匹配，其中，如果存在合适订单，进行步骤s5，否则进行步骤s7；

s5：对通过模糊匹配的司机主单和当前订单进行精确匹配，计算线路得分；

s6：针对通过精确匹配的司机进行绑定，其中，如果绑定成功，则派单结束；如果绑定失败，则进行步骤s7；

s7：订单池筛选派到司机的订单，其中，如果有派到司机的订单，进行步骤s8，否则进行步骤s10；

s8：对订单池筛选的订单和当前订单做模糊匹配，其中，如果模糊匹配成功，则进行步骤s5，否则进行步骤s9；

s9：订单池筛选未派到司机的订单，如果有未派到司机的订单，则进行步骤s10，否则进行步骤s12；

s10：对订单池筛选的订单和当前订单做模糊匹配，如果模糊匹配成功，进行步骤s11；否则进行步骤s12；

s11：对订单池筛选出的订单进行绑定，并选择订单池的订单调用派单系统,派单结束；

s12：将订单放入延迟队列，等待下一轮派单。

进一步的，所述模糊匹配采用正六边形蜂巢计算订单顺路度。

进一步的，所述模糊匹配采用正六边形蜂巢计算订单顺路度的计算包括：

找出若干订单起点和终点；

采用lbs请求订单的导航路径，得到订单的导航路径点集合；

求导航路径点集合中各点所属蜂巢，并计算重各点外延蜂巢的组合，标记蜂巢的数量，其中，蜂巢的数量包括单独蜂巢的数量、重合蜂巢的数量；

计算订单的线路匹配度，其中，若最大线路匹配度大于匹配度阈值，则进行下一步，否则不符合模糊匹配条件，返回；

计算匹配重合度，其中，若匹配重合度大于匹配重合度阈值，则符合模糊匹配条件，否则不符合模糊匹配条件，返回。

进一步的，所述精准匹配将模糊匹配的结果和订单进行分值计算，并规划接送乘客的顺序。

进一步的，所述精准匹配的计算过程，包括：

计算点顺序组合方式；

计算线路的直线距离；

计算线路的导航距离和导航时间；

计算线路的平台得分；

计算线路乘客得分。

进一步的，所述计算点顺序组合方式的步骤，包括：

将每种组合方式作为一条可通过的线路；

将司机点作为第一个点；

将订单起点和终点分别做组合；

将司机点、起点、终点做组合，得出点顺序组合方式。

进一步的，所述拼车订单池筛选司机的筛选条件为：

两订单预定上车点直线距离<拼车半径；

两订单预定城市id相同；

两订单预定上车点导航距离<拼车半径；

已配置渠道是否允许同其它渠道订单拼一起。

本发明的有益效果：通过具体的模糊匹配和精确匹配筛选出合理最优的订单作为拼单选择，解决了多单在匹配是否符合拼车时不太顺路的情况；通过层层递进筛选的方式，提高了拼成率，实现了个人和企业的双重成本优化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了根据本发明实施例的一种提高拼车准确率的匹配策略方法的流程框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种提高拼车准确率的匹配策略方法，该方法包括：

s1：将订单放入订单池，请求服务，计算路径蜂巢，并缓存路径蜂巢；

s2：如果派单时长大于后台配置阈值，调用派单系统，派单结束，否则进行步骤s3；

s3：根据条件从司机池中筛选司机，如果司机不存在，则进行步骤s7；

s4：对筛选出的司机主单和当前订单进行模糊匹配，其中，如果存在合适订单，进行步骤s5，否则进行步骤s7；

s5：对通过模糊匹配的司机主单和当前订单进行精确匹配，计算线路得分；

s6：针对通过精确匹配的司机进行绑定，其中，如果绑定成功，则派单结束；如果绑定失败，则进行步骤s7；

s7：订单池筛选派到司机的订单，其中，如果有派到司机的订单，进行步骤s8，否则进行步骤s10；

s8：对订单池筛选的订单和当前订单做模糊匹配，其中，如果模糊匹配成功，则进行步骤s5，否则进行步骤s9；

s9：订单池筛选未派到司机的订单，如果有未派到司机的订单，则进行步骤s10，否则进行步骤s12；

s10：对订单池筛选的订单和当前订单做模糊匹配，如果模糊匹配成功，进行步骤s11；否则进行步骤s12；

s11：对订单池筛选出的订单进行绑定，并选择订单池的订单调用派单系统,派单结束；

s12：将订单放入延迟队列，等待下一轮派单。

在本发明的一些实施例中，所述模糊匹配采用正六边形蜂巢计算订单顺路度。

在本发明的一些实施例中，所述模糊匹配采用正六边形蜂巢计算订单顺路度的计算包括：

找出若干订单起点和终点；

采用lbs请求订单的导航路径，得到订单的导航路径点集合；

求导航路径点集合中各点所属蜂巢，并计算重各点外延蜂巢的组合，标记蜂巢的数量，其中，蜂巢的数量包括单独蜂巢的数量、重合蜂巢的数量；

计算订单的线路匹配度，其中，若最大线路匹配度大于匹配度阈值，则进行下一步，否则不符合模糊匹配条件，返回；

计算匹配重合度，其中，若匹配重合度大于匹配重合度阈值，则符合模糊匹配条件，否则不符合模糊匹配条件，返回。

在本发明的一些实施例中，所述精准匹配将模糊匹配的结果和订单进行分值计算，并规划接送乘客的顺序。

在本发明的一些实施例中，所述精准匹配的计算过程，包括：

计算点顺序组合方式；

计算线路的直线距离；

计算线路的导航距离和导航时间；

计算线路的平台得分；

计算线路乘客得分。

在本发明的一些实施例中，所述计算点顺序组合方式的步骤，包括：

将每种组合方式作为一条可通过的线路；

将司机点作为第一个点；

将订单起点和终点分别做组合；

将司机点、起点、终点做组合，得出点顺序组合方式。

在本发明的一些实施例中，所述拼车订单池筛选司机的筛选条件为：

两订单预定上车点直线距离<拼车半径；

两订单预定城市id相同；

两订单预定上车点导航距离<拼车半径；

已配置渠道是否允许同其它渠道订单拼一起。

本发明为了彻底解决多单在匹配是否符合拼车时不太顺路,并从司乘双方考虑，设计了一个合理的拼车策略系统。

一、拼车过程

a.将订单放入mongodb订单池，并请求lbs(基于位置的服务)，计算路径蜂巢，并缓存；

b.如果派单时长大于后台配置阈值，直接调用【派单系统】，派单结束；否则进行【c】；

c.从司机池中根据条件筛选可用司机，如果司机不存在，则继续进行【g】；

d.对筛选出的司机主单和当前订单进行模糊匹配，如果存在合适订单，继续【e】，否则进行【g】；

e.对通过模糊匹配的司机主单和当前订单进行精确匹配，计算各条线路总得分；

f.针对通过精确匹配的司机进行绑定，绑定成功，派单结束，绑定失败，继续进行步骤【g】；

g.订单池筛选已派到司机的订单，如果有，继续【h】，否则继续【j】；

h.对订单池筛选的订单和当前订单做模糊匹配，如果存在，继续【e】，否则继续【i】；

i.订单池筛选未派到司机的订单，如果有，继续【j】，否则继续【l】；

j.对订单池筛选的订单和当前订单做模糊匹配，如果存在，继续【k】；否则继续【l】；

k.对订单池筛选出的可匹配的订单进行绑定，并选择最先进入订单池的订单调用【派单系统】,派单结束；

l.将订单放入延迟队列，等待下一轮派单。

二、拼车过程中关键点

1.搜索司机搜索条件：

m.司机在线，可服务；

n.司机已绑定拼车单；

o.司机距离乘客预定上车点距离小于后台配置拼车半径。

2.司乘关系过滤：

a.司机座位数过滤：司机身上订单、座位数配置要小于城市、车型的后台阈值配置，如北京：舒适型，3单4座；

b.司机距离乘客上车点的导航距离赢小于后台配置拼车半径；

c.已配置渠道是否允许同其他渠道订单拼一起。

3.模糊匹配：

模糊匹配利用正六边形蜂巢计算订单顺路度，以订单a(a1,a2)和订单b(b1,b2)为例，计算过程如下：

a.a订单起点a1,终点a2，b订单起点b1，终点b2；

b.利用lbs(基于位置服务)分别请求订单a和订单b的导航路径，得到a订单和b订单的导航路径点集合，分别记a`＝{pa1,pa2,pa3…}、b`＝{pb1,pb2,pb3…}；

c.分别求出a`和b`点集合中各个点所属蜂巢，并计算出其外延蜂巢的组合，其数量分别标记为numa和numb，其中重合蜂巢数量为numc；

d.分别计算订a和订单b的路线匹配度，分别记为a和b，其中a＝numc/numa，b＝numc/numb,若max(a,b)>匹配度阈值，进行e，否则不符合模糊匹配条件，返回；

e.计算匹配重合度c＝min(a,b)/max(a,b),如果c>匹配重合度阈值，则符合模糊匹配条件,否则不符合条件，返回。

通过具体的模糊匹配和精确匹配筛选出合理最优的订单作为拼单选择，解决了多单在匹配是否符合拼车时不太顺路的情况；通过层层递进筛选的方式：从附近司机——》订单池已经有司机的订单——》订单池无司机的订单——》派单，提高了拼成率，实现了个人和企业的双重成本优化。

尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。