订单分配方法及装置与流程

本公开涉及计算机处理技术领域，具体涉及一种订单分配方法及装置。

背景技术：

随着叫车软件深入人们的生活，随着出行频率升高，多数人在时间相对悠闲的时候更愿意选择共享出行。在共享出行时，第一个拼车用户在上车后在接后面几个拼友的过程中会遇到很多体验上的问题。如图1所示，比较典型的情况为掉头去接后面几个拼友，对于第一个拼车用户a来说，目的地在南边，但是上车后去被告知需要去北边接另一名拼车用户b，这会直接影响先上车拼车用户对共享出行的选择意愿，从而严重影响用户留存，也大大影响了拼成率。

技术实现要素：

针对现有技术中的缺陷，本公开提供一种订单分配方法及装置，可以解决现有技术中载有拼车用户的车辆去接驾另一个拼车乘客需要调头的问题，从而减轻先上车拼车乘客对时间的敏感度，提高拼车乘客的用户体验。

第一方面，本公开提供了一种订单分配方法，所述方法包括：

获取当前订单中终端的当前位置与终点位置，生成第一乘车路径；

获取拼车请求订单中乘客的起点位置与终点位置，生成第二乘车路径；

根据所述第一乘车路径与所述第二乘车路径利用预测模型判断车辆是否需要调头前往所述第二乘车路径的起点位置；所述调头是指，在订单匹配成功时车辆前往所述第二乘客的起点位置需要将方向盘旋转预设角度，或者连接左转或右转；

若不需要该车辆调头则当前订单与该拼车请求订单匹配成功，向所述终端以及客户发送拼车匹配成功消息。

可选地，所述方法还包括：当当前订单与该拼车请求订单匹配失败时，将所述拼车请求订单分配给符合条件且当前为空车状态的车辆，并向该当前为空车状态的车辆以及发起拼车请求的乘客发送拼车请求订单匹配成功消息。

可选地，所述预测模型通过以下步骤获取，包括：

获取预设时间段内拼车请求订单的历史数据；

利用所述历史数据对线性回归模型进行训练以获取拼车预测模型。

可选地，所述线性回归模型为逻辑回归模型、支持向量机模型和最小二乘法中的一种或者多种。

可选地，所述逻辑回归模型采用以下公式表示：

预测变量x＝x时，目标变量y＝1的概率如

预测变量x＝x时，目标变量y＝0的概率如

第二方面，本公开实施例还提供了一种订单分配装置，所述装置包括：

第一路径生成单元，用于获取当前订单中终端的当前位置与终点位置，生成第一乘车路径；

第二路径生成单元，用于获取拼车请求订单中乘客的起点位置与终点位置，生成第二乘车路径；

判断单元，用于根据所述第一乘车路径与所述第二乘车路径利用预测模型判断车辆是否需要调头前往所述第二乘车路径的起点位置；

分配单元，用于在当前订单与拼车请求订单匹配成功时，向所述 终端以及客户发送拼车匹配成功消息。

可选地，所述分配单元还用于在当前订单与拼车请求订单匹配不成功时，向符合条件且当前为空车状态的车辆以及发起拼车请求的乘客发送拼车请求订单匹配成功消息。

可选地，所述分配单元通过以下步骤获取所述预测模型，包括：

获取预设时间段内拼车请求订单的历史数据；

利用所述历史数据对线性回归模型进行训练以获取拼车预测模型。

可选地，所述分配单元中的线性回归模型为逻辑回归模型、支持向量机模型和最小二乘法中的一种或者多种

可选地，所述分配单元中的线性回归模型采用逻辑回归模型，且所述逻辑回归模型采用下式表示：

预测变量x＝x时，目标变量y＝1的概率如

预测变量x＝x时，目标变量y＝0的概率如

由上述技术方案可知，本公开实施例通过获取终端的当前位置生成第一乘车路径以及请求拼车的乘客的起点位置与终点位置生成第二乘车路径。根据第一乘车路径与第二乘车路径判断车辆是否需要调头前往所述第二乘车路径的起点位置，只有无需车辆调头时才将拼车请求订单分配给当前车辆。这样当前车辆在接其他乘客时不会反向，从而不会加重先上车乘客对时间的敏感度，提高了用户体验。

附图说明

通过参考附图会更加清楚的理解本公开的特征和优点，附图是示意性的而不应理解为对本公开进行任何限制，在附图中：

图1是现有技术中车辆需要调头去接请求拼车乘客的示意图；

图2是本公开一实施例提供的一种订单分配方法流程框图；

图3是本公开另一实施例提供的一种订单分配方法流程框图；

图4是本公开又一实施例提供的一种订单分配方法流程框图；

图5是本公开实施例提供的一种订单分配装置结构框图；

图6是本公开实施例提供的另一种订单分配装置结构框图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

应理解的是，虽然下文中主要针对打车/用车应用，但本公开的实施例并不限于此，其还可适用于其他交通工具(诸如，非机动车、私家车、船舶、飞行器等)的拼单提示，尤其是未来出现的家用或商用交通工具所述运输客体也并非限定于乘客，亦可包括快件、餐食等需要运输/运送物。

第一方面，本公开实施例提供了一种订单分配方法，如图2所示，所述方法包括：

s11、获取当前订单中终端的当前位置与终点位置，生成第一乘车路径。

第一乘客在起点乘坐车辆(出租车、顺风车、私家车等)，并将终点位置告知司机。此时可以通过第一乘客客户端(移动终端)、司机的移动终端，如手机或者车载终端将第一乘客的起点位置与终点位置上传于服务器。服务器获取数据库的内容，依据经验值生成第一乘车路径。

需要说明的是，该第一乘车路径并不是固定的。服务器还会根据 实时的交通拥堵情况(例如所用时间最短、距离最短、所经历的红绿灯最少等情况)生成最合适的第一乘车路径。通常情况下，用户会考虑选择所用时间最少的第一路径。

还需说明的是，本公开实施例中当乘客选择第一乘车路径后，该第一乘车路径被固定。但是随着车辆的移动，车辆的当前位置到终点位置的距离是不断减少的。因此在后文中都是以车辆的当前位置做参考的，此时就需要服务器采集该车辆的当前位置。

s12、获取拼车请求订单中乘客的起点位置与终点位置，生成第二乘车路径。本步骤与步骤s11相同，不再一一赘述。

s13、根据所述第一乘车路径与所述第二乘车路径利用预测模型判断车辆是否需要调头前往所述第二乘车路径的起点位置。

本公开实施例中在获取第一乘车路径与第二乘车路径以后，利用预测模型对当前订单与拼车请求订单进行匹配预测。匹配预测的一个主要考虑指标就是该车辆在接请求拼车的乘客时是否需要调头。本公开实施例中调头是指，若订单匹配成功车辆前往所述第二乘客的起点位置需要将方向盘旋转预设角度，或者至少连接左转或右转两次。

需要说明的是，本公开实施例中预设角度是指与180度的差值在预设范围内的角度，例如120度～240度。当然，本领域技术人员也可以根据具体的情况合理的设置该预设角度，本公开不作限定。

优选地，该预设角度为180度。需要说明的是，本公开实施例中在定义调头时第一种情况为将方向盘旋转180度。该情况下在如图1的情况下发生的，即请求拼车的乘客与车辆的当前位置在同一直线的马路上，或者乘客起点位置与车辆当前位置所处的马路是平行的。实际应用中，乘客起点位置与车辆当前位置所处的马路可能不平行，此时，方向盘旋转角度可以小于180度(例如可左转或者右转的人字路口、非正常十字路口等)，亦或大于180度(环岛、桥梁匝道等)。本领域技术人员在看到本公开实施例中180度能够清楚的得到上述几种方案，本公开不作限定。

优选地，本公开实施例中预测模型通过以下步骤获取：包括：

s131、获取预设时间段内拼车请求订单的历史数据。

需要说明的是，为避免由于主观因素或者客观因素的选择对预测结果带来的影响，本公开一实施例中直接使用预设时间段内的成功订单的历史数据作为依据。由于该预设时间段内的拼车请求订单数量是随机的且有效的，采用该历史数据可以比较客观的反映在拼车过程中由于调头对用户体验的影响的规律，因此可以提高后续预测过程的可信度。

需要说明的是，本公开实施例中预设时间段包含一定数量的自然天数或者计算周期构成的时间片段。自然天数即从每天的0点开始至24点结束，而计算周期则可以与自然天数相同，也可以以12个小时为计算周期。为说明方便，本公开中统一采用自然天数进行说明。本领域技术人员应该知道，该预设时间段可以包括多天、多周或者多月，可以根据具体的使用场景选择合适的计算周期，本公开不作限定。

s132、利用上述历史数据对线性回归模型进行训练以获取拼车预测模型。

本公开实施例中还需要选定线性回归模型。优选地，本公开实施例中线性回归模型为逻辑回归模型、支持向量机模型和最小二乘法中的一种或者多种。需要说明的是，本公开了所选定线性回归模型可以采用现有技术中的其他模型采用拟合方法得到，同样可以得到线性回归模型，本领域技术人员也可以选用具有与线性回归模型或者拟合方法具有相同效果的其他方法实现，本公开不作限定。

为提高预测过程的可信度，本公开实施例中采用了逻辑回归模型，该逻辑回归模型将车辆在接请求拼车的乘客时车辆是否会调头作为预测变量，当前订单与拼车请求订单是否匹配作为目标变量，公式如下：

预测变量x＝x时，目标变量y＝1的概率如

预测变量x＝x时，目标变量y＝0的概率如

式(1)与式(2)中，p()表示订单匹配成功的概率；目标变量y＝1表示两个订单匹配成功，目标变量y＝0表示两个订单匹配失败；x＝x表示输入变量为车辆在接请求拼车的乘客时是否需要调头。w是回归系数，是通过历史数据训练得到的参数值，w决定了这一特征的重要性。

实际应用中，本公开实施例所选用的逻辑回归模型训练一次即可，即获取预设时间段内拼车请求订单的历史数据进行训练一次，后续将该预测模型进行线上应用。本公开实施例中还可以调整预设时间段的长度，例如由原来的一周变为两周，或者一月变为两月，利用最近的拼车请求订单历史数据对预测模型进行重新训练，这样也可以提高预测变量的可信度。本领域技术人员可以根据具体使用场合进行选择，本公开不作限定。

s14、若不需要该车辆调头则当前订单与该拼车请求订单匹配成功，向所述终端以及客户发送拼车匹配成功消息。

本公开实施例中，若车辆无需调头去往请求拼车的乘客的起点位置，则匹配当前订单与拼车请求订单成功。此时由服务器向终端以及请求拼车的乘客客户端发送拼车成功的消息。

本公开实施例通过获取终端的当前位置生成第一乘车路径以及请求拼车的乘客的起点位置与终点位置生成第二乘车路径。根据第一乘车路径与第二乘车路径判断车辆是否需要调头前往所述第二乘车路径的起点位置，只有无需车辆调头时才将拼车请求订单分配给当前车辆。这样当前车辆在接其他乘客时不会反向，从而不会加重先上车乘客对时间的敏感度，提高了用户体验。

实际应用中，若只处理匹配成功的情况，会使请求拼车的乘客等待较长时间。如图3所示，本公开实施例还提供了一种订单分配方法， 图3中步骤s21、s22、s23以及s24与图1中的s11、s12、s13以及s14相同，在此不再赘述。图3还包括：s25、当当前订单与该拼车请求订单匹配失败时，将拼车请求订单分配给符合条件且当前为空车状态的车辆，并向该当前为空车状态的车辆以及发起拼车请求的乘客发送拼车请求订单匹配成功消息。这样可以减少请求拼车的乘客的等待时间，从而提高拼车用户的拼车体验。

实际应用中，若只以车辆是否调头来匹配当前订单与拼车请求订单，则有可能在第一乘车路径与第二乘车路径完全不重合的情况下匹配成功。如图4所示，本公开实施例又提供了一种订单分配方法，图4中步骤s31、s32、s33以及s34与图2中的步骤s11、s12、s13以及s14相同，步骤s35与图3中的步骤s25相同，在此不再赘述。图4还包括：

s36、判断第一乘车路径与第二乘车路径是否有重合部分；

若是，则执行步骤s34或者步骤s35。

本公开实施例通过增加步骤s36可以使先上车用户与请求拼车用户的乘车路径尽可能相同，这样可以减少拼车用户的乘车时间与费用，从而提高拼车用户的拼车体验。

第二方面，本公开实施例还提供了一种订单分配装置，如图5所示，所述装置包括：

第一路径生成单元m11，用于获取当前订单中终端的当前位置与终点位置，生成第一乘车路径；

第二路径生成单元m12，用于获取拼车请求订单中乘客的起点位置与终点位置，生成第二乘车路径；

判断单元m13，用于根据所述第一乘车路径与所述第二乘车路径利用预测模型判断车辆是否需要调头前往所述第二乘车路径的起点位置；

分配单元m14，用于在当前订单与拼车请求订单匹配成功时，向所述终端以及客户发送拼车匹配成功消息。

优选地，分配单元m14还用于在当前订单与拼车请求订单匹配不成功时，向符合条件且当前为空车状态的车辆以及发起拼车请求的乘客发送拼车请求订单匹配成功消息。

优选地，分配单元m14通过以下步骤获取所述预测模型，包括：

获取预设时间段内拼车请求订单的历史数据；

利用所述历史数据对线性回归模型进行训练以获取拼车预测模型。

优选地，m14分配单元中的线性回归模型为逻辑回归模型、支持向量机模型和最小二乘法中的一种或者多种。

优选地，所述分配单元中的线性回归模型采用逻辑回归模型，且所述逻辑回归模型采用下式表示：

预测变量x＝x时，目标变量y＝1的概率如

预测变量x＝x时，目标变量y＝0的概率如

如图6所示，本公开实施例还提供了一种订单分配装置，图6中单元21、22、23以及24与图5中的单元11、12、13以及14相同，在此不再赘述。图6还包括路径重合计算单元m25，用于判断第一乘车路径与第二乘车路径是否有重合部分。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

应当注意的是，在本实施例公开的装置的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本公开不受限于此，可以根据需要对各个部件进行重新划分或者组合，例如，可以将一些部件组合为单个部件，或者可以将一些部件进一步分解为更多的子部件。

本公开的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本公开实施例的系统中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是，上述实施例对本公开进行说明而不是对本公开进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上实施方式仅适于说明本公开，而并非对本公开的限制，有关技术领域的普通技术人员，在不脱离本公开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公开的范畴，本公开的专利保护范围应由权利要求限定。