通常，计算机还将包括一个或多个海量
[0116] 存储设备以便存储数据，或者该计算机在操作上耦合以从海量存储设备接收或向 海量存储设备传送数据或者二者，该海量存储设备例如是磁盘、磁光盘或者光盘。然而，计 算机不需要具有这样的设备。此外，计算机可以嵌入在另一设备中，该另一设备例如为移动 电话、个人数字助理（PDA)、移动音频播放器、全球定位系统（GPS)接收器等。适合存储计 算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设 备，包括例如：半导体存储器设备，如EPROM、EEPROM和闪存设备；磁盘，如内置硬盘或可移 除盘；磁光盘；以及⑶ROM和DVD-ROM盘。该处理器和存储器可以用专用逻辑电路来补充 或者并入该专用逻辑电路中。
[0117] 为了提供与用户的交互，本公开的实现可以在具有用于向用户显示信息的显示设 备（例如CRT(阴极射线管）或LCD(液晶显示器）监视器）以及键盘和定点设备（例如 鼠标或跟踪球，通过其用户可以向计算机提供输入）的计算机上来实现。也可以使用其他 种类的设备来提供与用户的交互；例如，向用户提供的反馈可以是任何形式的感觉反馈，例 如视觉反馈、听觉反馈或者触觉反馈；并且来自用户的输入可以以任何形式来接收，包括听 觉、语音或触觉输入。
[0118] 虽然本公开包括一些细节，然而不应当将这些细节理解为对本公开或者要求保护 的内容的范围的限制，而是应当被理解为对本公开的示例实现的特征的描述。本公开中在 单独实现的情境中描述的某些特征还可以与单个实现组合来提供。相反地，在单个实现的 情境中描述的各个特征也可以分别在多个实现中来提供或者在任何合适的子组合中来提 供。此外，虽然以上可以将特征描述为以某种组合来执行并且甚至初始就要求这样保护，然 而在一些情况下可以从组合中去掉来自要求保护的组合的一个或多个特征，并且要求保护 的组合可以涉及子组合或子组合的变化。
[0119] 类似地，虽然在附图中按照特定顺序来描绘操作，然而这不应当被理解为要求这 样的操作按照所示的特定顺序或者按照相继顺序来执行，或者要求所有图示操作都被执 行，以实现期望的结果。在一些
[0120] 境况下，多任务和并行处理可能是有利的。此外，以上描述的实现中的各种系统部 件的分离不应当被理解为在所有实现中都要求这样的分离，而且应当理解，所描述的程序 部件和系统通常可以在单个软件产品中集成在一起或者被封装成多个软件产品。
[0121] 以上实施方式仅适于说明本发明，而并非对本发明的限制，有关技术领域的普通 技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有 等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
【主权项】
1. 一种订单的分配方法，其特征在于，该方法包括： 在接收UE发送的打车请求之后，获取所述UE的坐标信息和该坐标信息的预设范围内 的各个终端，以及每一终端的坐标信息； 根据UE所属城市的交通地图信息、该UE的坐标信息和每一终端的坐标信息，获取所述 UE到每一终端的路面距离； 根据每一终端对应的路面距离和该终端的在预设时间段内的历史订单的相关特征信 息预测该终端的订单抢单概率； 根据每一终端的订单抢单概率，向终端分配所述打车请求对应的订单。2. 根据权利要求1所述的方法，其特征在于，根据每一终端对应的路面距离和该终端 的在预设时间段内的历史订单的相关特征信息预测该终端的订单抢单概率，包括： 采用预先建立的预测模型，预测所述每一终端的订单抢单概率； 其中，所述预测模型为根据所述终端的在预设时间段内的历史订单的相关特征信息建 立的，所述路面距离为所述预测模型的预测变量，终端的订单抢单概率为所述预测模型的 目标变量。3. 根据权利要求2所述的方法，其特征在于，在采用预先建立的预测模型，预测所述每 一终端的订单抢单概率之前，所述方法还包括： 获取每一终端在预设时间段内的历史订单的相关特征信息和每一历史订单中所述终 端对应的路面距离； 将历史订单的相关特征信息和每一历史订单中所述终端对应的路面距离作为训练数 据，采用线性回归模型对所述训练数据进行训练，得到订单抢单概率的预测模型。4. 根据权利要求3所述的方法，其特征在于，所述线性回归模型为逻辑斯特回归模型 或支持向量机模型。5. 根据权利要求3所述的方法，其特征在于，所述方法还包括： 根据线上实时获取的订单的相关特征信息和相应订单中所述终端对应的路面距离，采 用机器学习算法，对所述预先建立的预测模型进行优化。6. 根据权利要求1所述的方法，其特征在于，所述根据每一终端的订单抢单概率，向终 端分配所述打车请求对应的订单，具体包括： 选取所述订单抢单概率中大于预设阈值的订单抢单概率，向选取的每一订单抢单概率 对应的终端分配所述打车请求对应的订单。7. 根据权利要求1所述的方法，其特征在于，所述方法还包括： 根据预设时间周期更新所述UE所属城市的交通地图信息。8. -种订单的分配装置，其特征在于，该装置包括： 坐标信息获取单元，用于在接收UE发送的打车请求之后，获取所述UE的坐标信息和该 坐标信息的预设范围内的各个终端，以及每一终端的坐标信息； 路面距离获取单元，用于根据UE所属城市的交通地图信息、该UE的坐标信息和每一终 端的坐标信息，获取所述UE到每一终端的路面距离； 抢单概率预测单元，用于根据每一终端对应的路面距离和该终端的在预设时间段内的 历史订单的相关特征信息预测该终端的订单抢单概率； 订单分配单元，用于根据所述抢单概率预测单元预测出的每一终端的订单抢单概率， 向终端分配所述打车请求对应的订单。9. 根据权利要求8所述的装置，其特征在于，所述抢单概率预测单元，具体用于采用预 先建立的预测模型，预测所述每一终端的订单抢单概率； 其中，所述预测模型为根据所述终端的在预设时间段内的历史订单的相关特征信息建 立的，所述路面距离为所述预测模型的预测变量，终端的订单抢单概率为所述预测模型的 目标变量。10. 根据权利要求9所述的装置，其特征在于，所述装置还包括： 历史数据获取单元，用于在所述抢单概率预测单元采用预先建立的预测模型，预测所 述每一终端的订单抢单概率之前，获取每一终端在预设时间段内的历史订单的相关特征信 息和每一历史订单中所述终端对应的路面距离； 预测模型建立单元，用于将所述历史数据获取单元获取的历史订单的相关特征信息和 每一历史订单中所述终端对应的路面距离作为训练数据，采用线性回归模型对所述训练数 据进行训练，得到订单抢单概率的预测模型。11. 根据权利要求10所述的装置，其特征在于，所述线性回归模型为逻辑斯特回归模 型或支持向量机模型。12. 根据权利要求10所述的装置，其特征在于，所述预测模型建立单元，还用于根据线 上实时获取的订单的相关特征信息和相应订单中所述终端对应的路面距离，采用机器学习 算法，对所述预先建立的预测模型进行优化。13. 根据权利要求8所述的装置，其特征在于，所述订单分配单元，具体用于选取所述 订单抢单概率中大于预设阈值的订单抢单概率，向选取的每一订单抢单概率对应的终端分 配所述打车请求对应的订单。14. 根据权利要求8所述的装置，其特征在于，所述装置还包括： 地图信息更新单元，用于根据预设时间周期更新所述UE所属城市的交通地图信息。
【专利摘要】本发明提供了一种订单的分配方法，包括：获取UE的坐标信息和该坐标信息的预设范围内的各个终端，以及每一终端的坐标信息；根据UE所属城市的交通地图信息、该UE的坐标信息和每一终端的坐标信息，获取UE到每一终端的路面距离；根据每一终端对应的路面距离和该终端的在预设时间段内的历史订单的相关特征信息预测该终端的订单抢单概率；根据每一终端的订单抢单概率，向终端分配所述打车请求对应的订单。本发明还提供了一种订单的分配装置，包括：坐标信息获取单元、路面距离获取单元、抢单概率预测单元和订单分配单元。本发明通过将终端与UE的路面距离作为影响排序的因素，有效地减少司机空驶里程和乘客等待时间，从而提升用户打车体验。
【IPC分类】G06Q50/30
【公开号】CN105118013
【申请号】CN201510456730
【发明人】叶勇, 杨平, 邓晓琳, 张雨
【申请人】北京嘀嘀无限科技发展有限公司
【公开日】2015年12月2日
【申请日】2015年7月29日