拼车请求订单匹配方法及装置与流程

本公开涉及计算机处理技术领域，具体涉及一种拼车请求订单匹配方法及装置。

背景技术：

随着运输类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。例如拼车过程中，先叫车用户上车后，服务提供者继续去接其他拼车用户，然后服务提供者按照该运输类软件提供的路径将后面用户送到目的地，最后送第一个用户，这样会使后面的乘客上班迟到，或者送其他乘客顺序不合理导致绕路等问题，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，本公开提供一种拼车请求订单匹配方法及装置，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，导致先上车用户乘车耗时较长，甚至导致先上车乘车上班迟到而引起的用户拼车体验低的问题。

第一方面，本公开提供了一种拼车请求订单匹配方法，所述方法包括：

获取第一用户的起点与终点以生成第一乘车路径，且完成所述第一乘车路径所用时间为第一预估时间；

获取服务提供者终端的第一位置以生成第一位置到所述第一用户的起点的第二乘车路径，且完成所述第二乘车路径所用时间为第二预估时间；

获取第二用户的起点与终点以生成第三乘车路径，且获取与所述第二用户拼车时所述第一用户到达终点时所用时间为第三预估时间；其中，拼车时，所述第一用户先于所述第二用户到达终点时，所述第一用户的终点在所述第三乘车路径上，或者，所述第一用户后于所述第二用户到达终点时，所述第一用户经过所述第三乘车路径；

获取所述服务提供者终端的第二位置到所述第二用户的起点的第四乘车路径，且完成所述第四乘车路径所用时间为第四预估时间；

计算所述第三预估时间与所述第四预估时间之和与所述第一预估时间与所述第二预估时间之和的比值，若所述比值小于预设值，则所述第一用户与所述第二用户的拼车请求订单匹配成功。

可选地，所述第一预估时间、所述第二预估时间、所述第三预估时间和所述第四预估时间采用时间预估模型获取。

可选地，所述时间预估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匹配成功的历史数据；

利用所述历史数据对线性回归模型进行训练以获取所述时间预估模型。

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

式中，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。

第二方面，本公开实施例还提供了一种拼车请求订单匹配装置，包括：

第一预估时间获取模块，用于获取第一用户的起点与终点以生成第一乘车路径，且完成所述第一乘车路径所用时间为第一预估时间；

第二预估时间获取模块，用于获取服务提供者终端的第一位置以生成第一位置到所述第一用户的起点的第二乘车路径，且完成所述第二乘车路径所用时间为第二预估时间；

第三预估时间获取模块，用于获取第二用户的起点与终点以生成第三乘车路径，且获取与所述第二用户拼车时所述第一用户到达终点时所用时间为第三预估时间；其中，拼车时，所述第一用户先于所述第二用户到达终点时，所述第一用户的终点在所述第三乘车路径上，或者，所述第一用户后于所述第二用户到达终点时，所述第一用户经过所述第三乘车路径；

第四预估时间获取模块，用于获取所述服务提供者终端的第二位置到所述第二用户的起点的第四乘车路径，且完成所述第四乘车路径所用时间为第四预估时间；

订单匹配模块，用于计算所述第三预估时间与所述第四预估时间之和与所述第一预估时间与所述第二预估时间之和的比值，若所述比值小于预设值，则所述第一用户与所述第二用户的拼车请求订单匹配成功。

可选地，所述拼车请求订单匹配装置还包括时间预估模型模块，所述时间预估模型模块用于为所述第一预估时间获取模块、所述第二预估时间获取模块、所述第三预估时间获取模块以及所述第四预估时间获取模块计算完成对应的路径所需的预估时间。

可选地，所述时间预估模型模块通过以下步骤获取时间预估模型，包括：

获取预设时间段内拼车请求订单匹配成功的历史数据；

利用所述历史数据对线性回归模型进行训练以获取所述时间预估模型。

可选地，所述时间预估模型模块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，所述时间预估模型模块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，本公开实施例通过第一用户的起点与终点，获取服务提供者去接第一用户所用第一预估时间以及第一用户到终点所用第二预估时间；同样，获取服务提供者去接第二用户所用第四预估时间以及接到第二用户后第一用户到达终点所用第三预估时间；然后根据计算所述第三预估时间与所述第四预估时间之和与所述第一预估时间与所述第二预估时间之和的比值，若所述比值小于预设值，则所述第一用户与所述第二用户的拼车请求订单匹配成功。本公开使服务提供者只接在预估时间范围内的拼车用户，这样可以减少第一用户乘车所用时间，从而避免或者减少先上车用户乘车耗时较长的问题，进而提供拼车用户的拼车体验。

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是本公开一实施例提供的一种拼车请求订单匹配方法流程框图；

图2是本公开一实施例提供的一种拼车请求订单匹配方法示意图；

图3是本公开另一实施例提供的一种拼车请求订单匹配装置结构框图。

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拼车请求订单匹配方法，如图1所示，所述方法包括：

s11、获取第一用户的起点与终点以生成第一乘车路径，且完成所述第一乘车路径所用时间为第一预估时间。

本公开实施例中，以其中一个请求拼车的用户即第一用户为例进行说明。如图2所示，服务器获取第一用户的请求拼车的起点与终点，以该起点与终点生成第一乘车路径；然后计算完成该第一乘车路径时所有时间为第一预估时间。

需要说明的是，本公开实施例中第一乘车路径是指，服务器根据现有的路径生成策略生成。实际应用中，第一乘车路径可能为多条，例如耗时最短的第一乘车路径、路径最短的第一乘车路径、红绿灯最少的第一乘车路径、道路畅通的第一乘车路径(可以避免堵车)等情况。由于本公开实施例中主要考虑解决乘车耗时问题，因此首选耗时最短的第一乘车路径提供给第一用户参考。当然，也可以将上述几种比较优选的方案提供给第一用户，根据第一用户所选择的方案作为最终的第一乘车路径。

需要说明的是，本公开实施例中，第一预估时间可以根据服务器中历史数据获取该第一乘车路径中车辆行驶的平均速度获取，也可以按照车辆行驶的最低速度获取。优选地，本公开实施例中该第一乘车路径采用时间预估模型获取。进一步地，本公开实施例中该时间预估模型通过以下步骤获取，包括：

s111、获取预设时间段内拼车请求订单匹配成功的历史数据；

s112、利用所述历史数据对线性回归模型进行训练以获取所述时间预估模型。

优选地，本步骤s112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。可理解的是，本领域技术人员也可以选定例如拟合方法得到本公开实施例中的线性回归模型，或者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获取第一预估时间的方案，本公开不作限定。

为提高预估时间的可信度，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的预估时间为预测变量，多个用户的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()表示拼车请求订单匹配成功的概率；目标变量y＝1表示两个拼车请求订单匹配成功，目标变量y＝0表示两个拼车请求订单匹配失败；x＝x表示输入变量为第一用户的乘车耗时满足要求。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。

上述历史数据是指，按照本公开实施例提供的拼车请求订单匹配方法进行成功匹配拼车请求订单的历史数据。可以理解的是，随着历史数据的增多，本公开实施例中的时间预估模型越准确。

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，即获取预估时间段内拼车请求订单的历史数据进行训练一次，后续将该时间预估模型进行线上应用。为保证该时间预估模型的准确度以及训练速度，本申请中采用一段时间内即预设时间段的历史数据对上述逻辑回归模型进行训练。通过查看该逻辑回归模型的运行时间是否到达预设时间段，若到达预设时间段则进行训练。

需要说明的是，上述预设时间段为一天、一周或者一月。本公开一实施例中设置为一周。本公开实施例中还可以调整预估时间段的长度，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时间预估模型进行重新训练，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。

s12、获取服务提供者终端的第一位置以生成第一位置到所述第一用户的起点的第二乘车路径，且完成所述第二乘车路径所用时间为第二预估时间。

本公开实施例中获取服务提供者终端的第一位置，生成该第一位置到第一用户的起点的第二乘车路径，计算该服务提供者完成第二乘车路径到达第一用户身边所用时间为第二预估时间。该第一位置是指，第一用户还未上车时，服务提供者终端的当前位置。

如图2所示，服务提供者驾驶车辆到第一用户身边所用第二预估时间为pickup1。该第二预估时间的获取方法参见步骤s11，在此不再赘述。

s13、获取第二用户的起点与终点以生成第三乘车路径，且获取与所述第二用户拼车时所述第一用户到达终点时所用时间为第三预估时间。

本公开实施例中获取第二用户的起点与终点，服务器根据上述起点与终点生成第三乘车路径。利用步骤s11提供的时间预估模型获取完成第三乘车路径所需要的第三预估时间。详细说明请见步骤s11，在此不再赘述。

需要说明的是，在拼车时第一用户有可能先于第二用户下车，或者后于第二用户下车。当第一用户有可能先于第二用户下车时，第一用户的终点有可能位于第三乘车路径上，也有可以不在第三乘车路径上，不管哪种情况，第一用户都未完成第三乘车路径。当第一用户后于第二用户下车时，此时第一用户完成第三乘车路径。由此可知，第三预设时间是指，第一用户与第二用户拼车后从第二用户的起点到达第一用户的终点所用时间。

可理解的是，本步骤s13中第三预估时间的获取方法与步骤s11的相同，在此不再赘述。

s14、获取所述服务提供者终端的第二位置到所述第二用户的起点的第四乘车路径，且完成所述第四乘车路径所用时间为第四预估时间。

本公开实施例中当第一用户上车后，如果第二用户的拼车请求比较晚，则随着车辆的移动，车辆的当前位置到第二用户的起点位置的距离是不断减少的，因此本步骤s14中需要获取服务提供者终端的第二位置即当前位置。从而可以理解，第四乘车路径是指，从服务提供者终端的第二位置到所述第二用户(参见图2pickup2)。当然，对于第一用户来讲，该第四预估时间的最大值即是从第一用户的起点到第二用户的起点所用时间。

可理解的是，本步骤s14中第四预估时间的获取方法与步骤s11的相同，在此不再赘述。

s15、计算所述第三预估时间与所述第四预估时间之和与所述第一预估时间与所述第二预估时间之和的比值，若所述比值小于预设值，则所述第一用户与所述第二用户的拼车请求订单匹配成功。

本公开实施例中计算第三预估时间与第四预估时间之和与第一预估时间与第二预估时间之和的比值。若该比值小于预设值，则说明所增加的时间在第一用户的可承受范围之内，则第一用户与第二用户的拼车请求订单匹配成功。

优选地，本公开实施例中上述预设值的取值范围为[1,1.5]。需要说明的是，上述预设值可以根据具体情况合理设置，本公开不作限定。

本公开实施例介绍了基于第一用户的拼车请求订单匹配方法，如果第二用户与第一用户的拼车请求订单未匹配，则重新获取第二用户的拼车请求订单。或者同时获取多个第二用户的拼车请求订单依次比较，选择几个可能的拼车请求订单进行匹配。当然，也可以选取多个第一用户与多个第二用户同时匹配，以提高订单匹配效率。本领域技术人员可以根据具体使用情况合理设置，本公开不作限定。

第二方面，本公开实施例还提供了一种拼车请求订单匹配装置，如图3所示，包括：

第一预估时间获取模块m11，用于获取第一用户的起点与终点以生成第一乘车路径，且完成所述第一乘车路径所用时间为第一预估时间；

第二预估时间获取模块m12，用于获取服务提供者终端的第一位置以生成第一位置到所述第一用户的起点的第二乘车路径，且完成所述第二乘车路径所用时间为第二预估时间；

第三预估时间获取模块m13，用于获取第二用户的起点与终点以生成第三乘车路径，且获取与所述第二用户拼车时所述第一用户到达终点时所用时间为第三预估时间；其中，拼车时，所述第一用户先于所述第二用户到达终点时，所述第一用户的终点在所述第三乘车路径上，或者，所述第一用户后于所述第二用户到达终点时，所述第一用户经过所述第三乘车路径；

第四预估时间获取模块m14，用于获取所述服务提供者终端的第二位置到所述第二用户的起点的第四乘车路径，且完成所述第四乘车路径所用时间为第四预估时间；

订单匹配模块m15，用于计算所述第三预估时间与所述第四预估时间之和与所述第一预估时间与所述第二预估时间之和的比值，若所述比值小于预设值，则所述第一用户与所述第二用户的拼车请求订单匹配成功。

可选地，所述拼车请求订单匹配装置还包括时间预估模型模块，所述时间预估模型模块用于为所述第一预估时间获取模块m11、所述第二预估时间获取模块m12、所述第三预估时间获取模块m13以及所述第四预估时间获取模块m14计算完成对应的路径所需的预估时间。

可选地，所述时间预估模型模块通过以下步骤获取时间预估模型，包括：

获取预设时间段内拼车请求订单匹配成功的历史数据；

利用所述历史数据对线性回归模型进行训练以获取所述时间预估模型。

可选地，所述时间预估模型模块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，所述时间预估模型模块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

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。