判断车辆承运范围的系统、方法、计算机设备、存储介质与流程

本发明涉及互联网无车承运人平台的车货匹配，具体为判断车辆承运范围的系统、方法、计算机设备、存储介质。

背景技术：

1、在互联网上的无车承运人平台，有着非常多的运输车辆和运输司机进行货源的查询，下单，承运。因为平台需要对货主发布的货源订单智能匹配合适的司机，并给司机进行匹配消息发送，就需要比较精准的判断司机及名下车辆的运输范围。目前业界采用的方法大体概括为：通过车型进行范围的判断，或者根据司机的承运记录进行判断，这两种方法要么比较宽泛，准确性不足，要么依赖历史记录，范围和效率不高。

2、专利“一种物流运输匹配方法”(专利申请号cn201810740187.7)包括车辆信息输入系统、货物信息输入系统及运输匹配系统；在此发明方法中需要车主在物流运输匹配平台登录并发布车辆求货信息，托运人在物流运输匹配平台登录并发布货物求车信息，物流运输匹配平台中的运输匹配系统根据车辆求货信息、货物求车信息对车辆和货物进行车辆适合运输范围的判断；此发明方法在判断时需要依赖司机和货主进行大量数据的维护，通过输入的信息进行车辆适合运输范围的判断，没有考虑到互联网平台，司机高质量如实填写车辆信息的可能性以及填写不实数据的可维护性，这样就很难对于互联网平台大量的订单和司机车辆进行精准的匹配。

技术实现思路

1、本发明的目的在于提供判断车辆承运范围的系统、方法、计算机设备、存储介质，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：判断车辆承运范围的方法，方法包括：

3、步骤s100：通过在物流平台上埋点对物流平台中的司机用户历史行为进行捕捉提取生成第一司机用户行为数据集；对司机用户行为数据集进行数据预处理得到第二司机用户行为数据集；司机用户历史行为包括不同司机用户对不同货物的点击行为、不同司机用户对不同货物的承运行为、不同司机用户对不同货物承运完成的行为；

4、步骤s200：在经过数据预处理后的司机用户行为数据集中进行数据量化处理得到每一个司机用户u对货物i的偏好得分结果集a{aui}；

5、步骤s300：基于每一个司机用户u对货物i的偏好得分结果集a{aui}和第二司机用户行为数据集对每一个司机用户u与相似司机用户v之间进行相似度计算，对每一个货物i与相似货物j之间进行相似度计算；

6、步骤s400：基于步骤s300得到的相似度数据获得每一个司机u对相似货物j的偏好得分集；

7、步骤s500：针对每一个司机用户u，对步骤s400中得到的偏好得分集进行排序得到司机用户u的最大货物承运范围数据。

8、进一步的，步骤s100中数据预处理包括：

9、步骤s101：将司机用户行为数据集中的数据按照用户id、操作时间两个维度进行数据合并生成司机用户行为日志数据集；

10、步骤s102：将司机用户行为日志数据集中的数据根据时间区间对各个司机用户点击货物的次数、各个司机用户承运货物的次数、各个司机用户完成承运货物的次数进行数据统计和划分；

11、本发明对于司机的互联网行为和实际业务承运行为进行了处理，形成了用户完整的行为路径数据，为司机的偏好提供了完整的数据。

12、进一步的，步骤s200包括

13、步骤s201：预设货物偏好打分规则，货物偏好打分规则如下：若司机用户u对货物i进行了一次点击行为，记司机用户u对货物i的偏好得分au,i为a；若司机u用户对货物i进行了一次承运行为，记司机用户u对货物i的偏好得分au,i为b；若司机用户u对货物i完成了一次承运行为，记司机用户u对货物i的偏好得分au,i为c；其中，a、b、c之间满足a<b<c；

14、步骤s202：按照货物偏好打分规则对第二司机用户行为数据集内数据进行打分处理得到每一个司机用户u对每一个货物i的偏好度得分au,i；

15、步骤s203：对偏好度得分au,i进行归一化处理得到每一个司机用户u对货物i的偏好得分结果集a{aui}。

16、进一步的，步骤s300包括：

17、步骤s301：针对每一个司机用户u，在第二司机用户行为数据集中，将司机用户u与其他司机用户v之间进行行为相似度得分wu,v计算，行为相似度得分wu,v的计算公式为：

18、

19、其中，n(u)表示司机用户u的偏好货物集合，n(v)表示司机用户v的偏好货物集合；

20、步骤s302：按照行为相似度得分wu,v的高低进行排序，将大于行为相似度阈值的行为相似度得分wu,v所对应的司机用户v进行汇集生成司机用户u的相似用户集k；

21、步骤s303：针对每一个货物i，在第二司机用户行为数据集中，将货物i与货物j之间进行货物相似度得分qi,j计算，货物相似度得分qi,j的计算公式为：

22、

23、其中，n(i)表示不同司机用户对货物i的偏好得分集合，n(j)表示不同司机用户对货物j的偏好得分集合；

24、步骤s304：按照货物相似度得分qi,j的高低进行排序，将大于货物相似度阈值的货物相似度得分qi,j对应的货物j进行汇集生成货物i相似货物集t；

25、本发明通过司机和司机之间的关系，将司机显性的偏好货物和隐性的偏好货物都识别出来，并按权重进行排序，为后期一系列的智能匹配，精准推送等智能化物流平台应用提供核心数据。

26、进一步的，步骤s400包括：

27、步骤s401：针对每一个司机用户u，获取司机用户u的相似用户集k，将相似用户集k内所有司机的所有偏好货物进行获取；并将所获取的偏好货物按照品类进行罗列得到货物品类列表和相似用户的偏好货物得分数据集；将货物品类列表作为司机用户u的货物品类列表；

28、步骤s402：针对每一个货物i，获取货物i的相似货物集t，将对相似货物集t内货物存在偏好的司机进行获取，并将获取的所有司机进行罗列得到司机列表；

29、步骤s403：针对每一个司机u，基于司机u与相似司机v的相似度得分wu,v和相似用户的偏好货物得分数据集，根据如下公式获得司机u对相似货物的偏好得分；公式为：

30、

31、其中，au,j表示司机u对货物j的偏好得分；wu,v为司机u与司机v的相似度得分；rv,j为司机v对货物j的偏好得分；s(u,k)为司机用户u和司机用户u的相似用户集k组成的司机用户集；n(j)为对货物j存在偏好的司机列表；

32、本发明从司机的行为进行潜在偏好的分析，能够充分的将相同车辆的不同运输范围识别出来，比常规利用车型来判断运力范围的方法更加精准。

33、为更好的实现上述方法还提出了一种判断车辆承运范围的方法的系统，其特征在于，系统包括：数据采集模块、预处理模块、数据处理模块、数据计算模块、数据存储模块；

34、数据采集模块，用于采集司机用户的用户历史行为数据；

35、预处理模块，用于对数据采集模块中采集到的司机用户的用户历史行为数据进行数据预处理；预处理模块包括数据合并单元、数据统计划分单元；数据合并单元，用于对数据采集模块中采集到的数据按照用户id、操作时间两个维度进行数据合并；数据统计划分单元，用于接收数据合并单元中的数据，并对数据合并单元中的数据进行数据统计和划分；

36、数据处理模块用于对经过数据预处理模块处理后的数据进行清洗、打分、归一化处理；

37、数据计算模块，用于对计算司机之间的行为相似度得分和货物之间的货物相似度以及司机的最大货物承运范围数据；

38、数据存储模块，用于存储数据采集模块、预处理模块、数据处理模块、数据计算模块的数据。

39、进一步的，数据处理模块包括偏好规则设定单元、偏好得分评定单元、归一化处理单元；数据计算模块包括行为相似度计算单元、货物相似度计算单元；

40、偏好规则设定单元，用于对货物偏好打分规则进行预设，设置不同偏好行为的权重；偏好得分评定单元，用于根据偏好规则设定单元中预设的偏好打分规则对经过预处理模块处理后的相关司机用户对不同货物之间的偏好进行打分；归一化处理单元，用于对偏好得分评定单元中的评分数据进行归一化处理；行为相似度计算单元，用于计算司机与其他司机在对货物行为上的相似度；货物相似度计算单元，基于不同司机对货物的行为进行货物与货物之间的相似度计算。

41、为更好的实现上述方法还提出了一种判断车辆承运范围的存储介质，存储介质上存储有计算机指令，计算机指令被处理器执行时，可实现本发明中判断车辆承运范围的方法。

42、为更好的实现上述方法还提出了一种判断车辆承运范围的计算机设备，计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器运行计算机程序时，可实现本发明中判断车辆承运范围的方法。

43、与现有技术相比，本发明所达到的有益效果是：发明对司机用户行为信息进行了采集和存储，通过系统事先设置的相似度算法及偏好度计算规则得到司机车辆自身的承运货物范围和潜在的承运货物范围，最后提供给物流平台进行多种智能化无车承运应用场景，如车货匹配，精准推送，返程货源等等。不仅能帮助司机快速获取平台适合订单信息，而且促进了物流信息的及时运转，返程货源的及时推送，极大的降低了运输的成本，提高了司机的收入。该系统在解决物流信息过载和提高司机查询信息效率方面具有极大优势。