一种订单分配的方法及装置的制造方法
【技术领域】
[0001]本发明涉及计算机处理技术领域，尤其涉及一种订单分配的方法及装置。
【背景技术】
[0002]随着使用打车软件的司机和乘客数量日益增多，司机并不能百分百保证全天在线接单，很多时候司机由于临时有事只能放弃接单，从而行驶去某地处理自己的事情。
[0003]通过对司机的调研，可知针对上述情况，司机其实仍是有很强烈的欲望去接单的。虽然现有的抢单方式给了司机很广泛的选择权利，但是当出现上述状况时，司机仍很难遇到适合的订单，尤其是由抢单变为指派的时候，听单密度降低，司机更难遇到自己所需要的订单。
[0004]如何根据司机的接单意愿，实现司机与乘客的最佳订单匹配是一个急需解决的问题。
【发明内容】
[0005]针对现有技术的缺陷，本发明提供一种订单分配的方法及装置，通过在订单分配阶段，根据司机的接单意愿进行订单的筛选，保证订单分配的准确性，有效地减少司机空驶里程。
[0006]根据本发明的一个方面，提供了一种订单分配的方法，该方法包括:
[0007]根据终端对应的订单匹配条件对当前订单进行条件匹配，筛选出符合所述订单匹配条件的订单；所述当前订单为打车平台中待分配的订单；
[0008]针对筛选出的每一订单，根据预设策略确定该订单对应所述终端的顺路等级；以及
[0009]采用预先建立的抢单概率预估模型，根据该订单的顺路等级预测所述终端的订单抢单概率；
[0010]根据所述订单抢单概率，确定是否向所述终端分配筛选出的该订单。
[0011 ] 可选的，所述方法还包括:
[0012]获取终端对应的订单匹配条件；
[0013]所述订单匹配条件的获取方式，包括:
[0014]接收终端上传的订单匹配条件，或
[0015]基于所述终端当前的运动状态信息，根据预设规则确定所述终端对应的订单匹配条件。
[0016]可选的，所述根据预设策略确定该订单对应所述终端的顺路等级，包括:
[0017]获取筛选出的所述订单的始发地和目的地；
[0018]获取所述终端所属用户当前的目的地；
[0019]根据预设策略确定所述订单的始发地和目的地对应所述终端所属用户当前的目的地的顺路等级；
[0020]其中，所述顺路等级包括直达和间达。
[0021 ] 可选的，所述方法还包括:
[0022]获取终端在预定时间段内的历史订单数据；
[0023]将所述历史订单数据作为训练数据，采用线性回归模型对所述训练数据进行训练，得到所述抢单概率预估模型；
[0024]其中，所述历史订单数据中包括每一历史订单对应所述终端的顺路等级特征。
[0025]可选的，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。
[0026]可选的，所述方法还包括:
[0027]根据线上实时获取的订单数据，采用机器学习算法，对所述抢单概率预估模型进行优化；
[0028]所述实时获取的订单数据中包括该订单对应所述终端的顺路等级特征。
[0029]可选的，根据所述订单抢单概率，确定是否向所述终端分配筛选出的该订单，具体包括:
[0030]判断所述订单抢单概率是否大于预设阈值；
[0031]若所述订单抢单概率大于预设阈值，则确定该订单符合订单分配条件，并向所述终端分配筛选出的该订单。
[0032]可选的，当筛选出的订单中，存在多个符合订单分配条件的订单时，所述方法还包括:
[0033]按照订单抢单概率从大到小的顺序，向所述终端分配符合订单分配条件的订单。
[0034]根据本发明的另一个方面，提供了一种订单分配的装置，该装置包括:
[0035]订单筛选单元，用于根据终端对应的订单匹配条件对当前订单进行条件匹配，筛选出符合所述订单匹配条件的订单；所述当前订单为打车平台中待分配的订单；
[0036]顺路等级确定单元，用于针对所述订单筛选单元筛选出的每一订单，根据预设策略确定该订单对应所述终端的顺路等级；
[0037]抢单概率预测单元，用于采用预先建立的抢单概率预估模型，根据该订单的顺路等级预测所述终端的订单抢单概率；
[0038]订单分配单元，用于根据所述抢单概率预测单元预测出的订单抢单概率，确定是否向所述终端分配筛选出的该订单。
[0039]可选的，所述装置还包括:
[0040]匹配条件获取单元，用于获取终端对应的订单匹配条件；
[0041]所述匹配条件获取单元，包括:接收模块或判定模块；
[0042]所述接收模块，用于接收终端上传的订单匹配条件；
[0043]所述判定模块，用于基于所述终端当前的运动状态信息，根据预设规则确定所述终端对应的订单匹配条件。
[0044]可选的，所述顺路等级确定单元包括:
[0045]订单地址获取模块，用于获取筛选出的所述订单的始发地和目的地；
[0046]终端地址获取模块，用于获取所述终端所属用户当前的目的地；
[0047]顺路等级判定模块，用于根据预设策略确定所述订单的始发地和目的地对应所述终端所属用户当前的目的地的顺路等级；
[0048]其中，所述顺路等级包括直达和间达。
[0049]可选的，所述装置还包括:
[0050]历史数据获取单元，用于获取终端在预定时间段内的历史订单数据；
[0051]预测模型建立单元，用于将所述历史订单数据作为训练数据，采用线性回归模型对所述训练数据进行训练，得到所述抢单概率预估模型；
[0052]其中，所述历史订单数据中包括每一历史订单对应所述终端的顺路等级特征。
[0053]可选的，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。
[0054]可选的，所述预测模型建立单元，还用于根据线上实时获取的订单数据，采用机器学习算法，对所述抢单概率预估模型进行优化；
[0055]其中，所述实时获取的订单数据中包括该订单对应所述终端的顺路等级特征。
[0056]可选的，所述订单分配单元，包括:
[0057]判断模块，用于判断所述订单抢单概率是否大于预设阈值；
[0058]分配模块，用于当所述判断模块的判断结果为所述订单抢单概率大于预设阈值时，确定该订单符合订单分配条件，并向所述终端分配筛选出的该订单。
[0059]可选的，所述分配模块，还用于当筛选出的订单中，存在多个符合订单分配条件的订单时，按照订单抢单概率从大到小的顺序，向所述终端分配符合订单分配条件的订单。
[0060]由上述技术方案可知，本发明提供一种订单分配的方法及装置，通过司机对订单的匹配条件进行限定，根据司机的接单意愿在订单分配初期进行初步筛选，并针对初步筛选结果进行订单抢单概率预测，以基于订单抢单概率进行订单的分配，实现订单精准推送，有效减少司机空驶里程和乘客等待时间，从而提升用户体验。
【附图说明】
[0061]为了更清楚地说明本公开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简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，还可以根据这些图获得其他的附图。
[0062]图1是本公开一实施例提供的一种订单分配的方法的流程示意图；
[0063]图2是本公开另一实施例提供的一种订单分配的方法的流程示意图；
[0064]图3是本公开一实施例提供的一种订单分配的装置的结构示意图；
[0065]图4是本公开另一实施例提供的一种订单分配的装置的结构示意图。
【具体实施方式】
[0066]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，所描述的实施例仅仅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，都属于本公开保护的范围。