[go: up one dir, main page]

CN111881227B - 一种确定拼车订单访问地图的方法和系统 - Google Patents

一种确定拼车订单访问地图的方法和系统 Download PDF

Info

Publication number
CN111881227B
CN111881227B CN202010437553.9A CN202010437553A CN111881227B CN 111881227 B CN111881227 B CN 111881227B CN 202010437553 A CN202010437553 A CN 202010437553A CN 111881227 B CN111881227 B CN 111881227B
Authority
CN
China
Prior art keywords
order
map
orders
service provider
carpooling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010437553.9A
Other languages
English (en)
Other versions
CN111881227A (zh
Inventor
李源
刘养彪
罗明珊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010437553.9A priority Critical patent/CN111881227B/zh
Publication of CN111881227A publication Critical patent/CN111881227A/zh
Application granted granted Critical
Publication of CN111881227B publication Critical patent/CN111881227B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Managing shopping lists, e.g. compiling or processing purchase lists
    • G06Q30/0635—Managing shopping lists, e.g. compiling or processing purchase lists replenishment orders; recurring orders
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例公开了一种确定拼车订单访问地图的方法和系统。所述方法包括：获取至少两个待拼车订单；获取与所述至少两个待拼车订单相关的特征参数；利用识别模型处理与所述至少两个待拼车订单相关的特征参数中的至少一部分，确定所述待拼车订单是否需要访问地图。本申请通过识别模型筛选出明显不能拼成的待拼车订单，有效降低了拼车场景下访问地图的订单量，提高了地图访问效率，从而避免了服务器过负荷或崩溃的情况出现，提高了用户的体验。

Description

一种确定拼车订单访问地图的方法和系统
技术领域
本申请涉及共享出行领域，特别涉及一种确定拼车订单访问地图方法和系统。
背景技术
在共享出行领域，由于网约车行业的迅猛发展，网约车服务平台的访问量也越来越多。在拼车场景下，如果所有的订单都需要访问地图服务器(例如，去往北京和去往哈尔滨的明显不能拼车成功的订单)，才能确定是否满足拼车条件，会增加服务器的负荷。在一些情况下，如果大量的用户同时发出订单需要访问地图服务器，可能导致地图服务器的访问量过大、计算时间延长、用户界面长时间不响应，从而造成不好的用户体验。
因此，有必要提供一种确定拼车订单访问地图的方法，以确定明显不能拼成的待拼车订单，来降低拼车场景下地图服务器的访问量，从而避免了服务器过负荷或崩溃的情况出现，进而提高了用户的使用体验。
发明内容
本申请的一个方面提供一种确定拼车订单访问地图的方法。所述方法包括：获取至少两个待拼车订单；获取与所述至少两个待拼车订单相关的特征参数；利用识别模型处理与所述至少两个待拼车订单相关的特征参数中的至少一部分，确定所述待拼车订单是否需要访问地图。
在一些实施例中，与所述至少两个待拼车订单相关的特征参数包括以下至少一个：下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息和服务请求者或服务提供者对服务的订制要求。
在一些实施例中，所述识别模型包括分类模型。
在一些实施例中，所述识别模型包括决策树模型、贝叶斯分类法、随机森林、支持向量机或神经网络。
在一些实施例中，所述识别模型通过以下方法获得：获取历史拼车订单样本；其中，访问地图的至少两个拼车订单作为一个样本标记为正样本，未访问地图的至少两个拼车订单作为一个样本标记为负样本；获取与所述历史拼车订单相关的特征参数；基于所述特征参数及标记结果，训练初始模型得到所述识别模型。
在一些实施例中，与所述历史拼车订单相关的特征参数包括以下至少一个：下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息、服务请求者者对服务的订制要求和订单是否访问地图。
在一些实施例中，所述需要访问地图的待拼车订单为明显拼不成订单以外的订单。
在一些实施例中，所述明显拼不成订单包括起终点信息不匹配、绕路时间长、接驾时间长、共乘时间短或用户容忍度低的订单。
在一些实施例中，还包括基于所述访问地图的确定结果，允许需要访问地图的待拼车订单访问地图。
本申请的另一方面提供一种确定拼车订单访问地图的系统。所述系统包括：订单获取模块、特征参数获取模块和访问地图确定模块；其中：所述订单获取模块，用于获取至少两个待拼车订单；所述特征参数获取模块，用于获取与所述至少两个待拼车订单相关的特征参数；所述访问地图确定模块，用于利用识别模型处理与所述至少两个待拼车订单相关的特征参数中的至少一部分，确定所述待拼车订单是否需要访问地图。
在一些实施例中，与所述至少两个待拼车订单相关的特征参数包括以下至少一个：下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息和服务请求者者对服务的订制要求。
在一些实施例中，所述识别模型包括分类模型。
在一些实施例中，所述识别模型包括决策树模型、贝叶斯分类法、随机森林、支持向量机或神经网络。
在一些实施例中，还包括识别模型训练模块，所述识别模型训练模块用于：获取历史拼车订单样本；其中，访问地图的至少两个拼车订单作为一个样本标记为正样本，未访问地图的至少两个拼车订单作为一个样本标记为负样本；获取与所述历史拼车订单相关的特征参数；基于所述特征参数及标记结果，训练初始模型得到所述识别模型。
在一些实施例中，与所述历史拼车订单相关的特征参数包括以下至少一个：下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息、服务请求者者对服务的订制要求和订单是否访问地图。
在一些实施例中，所述需要访问地图的待拼车订单为明显拼不成订单以外的订单。
在一些实施例中，所述明显拼不成订单包括起终点信息不匹配、绕路时间长、接驾时间长、共乘时间短或用户容忍度低的订单。
在一些实施例中，所述系统还包括访问地图实施模块，其中：所述访问地图实施模块，用于基于所述访问地图的确定结果，允许需要访问地图的待拼车订单访问地图。
本申请的另一方面提供一种确定拼车订单访问地图的装置，所述装置包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当所述至少一个处理器执行所述指令时，实现本申请任一实施例所述的方法。
本申请的另一方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述存储介质中的所述计算机指令后，所述计算机执行本申请任一实施例所述的方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请的一些实施例所示的订单访问地图确定系统的应用场景示意图。
图2是根据本申请的一些实施例所示的示例性计算设备的示意图。
图3是根据本申请的一些实施例所示的示例性移动设备的示例性硬件和/或软件组件的示意图。
图4是根据本申请的一些实施例所示的拼车订单访问地图确定系统的模块图；
图5是根据本申请的一些实施例所示的拼车订单访问地图确定方法的示例性流程图。
图6是根据本申请的一些实施例所示的识别模型训练方法的示例性流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的运输系统，例如，出租车、专车、顺风车、巴士、代驾等。本申请描述的“乘客”、“乘客端”、“用户终端”、“顾客”、“需求者”、“服务需求者”、“消费者”、“消费方”、“使用需求者”等是可以互换的，是指需要或者订购服务的一方，可以是个人，也可以是工具。同样地，本申请描述的“司机”、“司机端”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的，是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外，本申请描述的“用户”可以是需要或者订购服务的一方，也可以是提供服务或者协助提供服务的一方。
图1是根据本申请的一些实施例所示的订单访问地图确定系统100的应用场景示意图。订单访问地图确定系统100可以确定拼车订单是否需要访问地图，避免明显无法拼车的订单的访问地图，从而减少订单访问地图的访问量。订单访问地图确定系统100可以是用于互联网或者其它网络的服务平台。例如，订单访问地图确定系统100可以是为交通运输提供服务的线上服务平台。在一些实施例中，订单访问地图确定系统100可以应用于网约车服务，例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务、司机雇佣和接送服务等。在一些实施例中，订单访问地图确定系统100还可以应用于代驾、快递、外卖等。在另一些实施例中，订单访问地图确定系统100还可以应用于家政服务、出行(如旅游)服务、教育(如线下教育)服务等领域。订单访问地图确定系统100可以包括一个服务器110、一个或一个以上服务请求者终端120、存储设备130、一个或一个以上服务提供者终端140、网络150和信息源160。服务器110可以包括处理引擎112。
在一些实施例中，服务器110可以是一个单个的服务器或者一个服务器群组。所述服务器群可以是集中式的或分布式的(例如，服务器110可以是一个分布式的系统)。在一些实施例中，服务器110可以是本地的或远程的。例如，服务器110可以通过网络150访问存储在存储设备130、服务请求者终端120中的信息和/或数据。再例如，服务器110可以直接连接到存储设备130、服务请求者终端120以访问存储的信息和/或数据。在一些实施例中，服务器110可以在一个云平台上实现。仅仅举个例子，所述云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或上述举例的任意组合。在一些实施例中，服务器110可以在与本申请图2或图3所示的计算设备上实现。例如，服务器110可以在如图2所示的一个计算设备200上实现，包括计算设备200中的一个或多个部件。再例如，服务器110可以在如图3所示的一个移动设备300上实现，包括计算设备300中的一个或多个部件。在一些实施例中，处理引擎112可处理与服务请求有关的数据和/或信息以执行一个或多个本申请中描述的功能。例如，处理引擎112可以基于识别模型对所获取的数据进行处理以确定该订单是否需要访问地图，并根据确定结果允许需要访问地图的待拼车订单访问地图。在一些实施例中，处理引擎112可以获取至少两个待拼车订单。在一些实施例中，处理引擎112可以获取与所述至少两个待拼车订单相关的特征参数。在一些实施例中，处理引擎112可以利用识别模型处理所述特征参数中的至少一部分，确定所述待拼车订单是否需要访问地图。在一些实施例中，处理引擎112可以基于所述访问地图的确定结果，允许需要访问地图的待拼车订单访问地图。
在一些实施例中，服务请求者终端120的使用者可以是服务请求者本人。在一些实施例中，服务请求者终端120的使用者可以是除服务请求者以外的其他人。例如，在网约车服务中，服务请求者终端120的使用者可以是乘车人本人，也可以是乘车人的亲戚、朋友等帮乘车人下单的人。又例如，在外卖服务中，服务请求者终端120的使用者可以是外卖送达的目标对象，也可以是帮助目标对象点外卖的人。再例如，在家政服务中，服务请求者终端120的使用者可以是家政服务的实际需求人，也可以是帮助该需求人购买家政服务的人。
在一些实施例中，服务提供者终端140的使用者可以是服务提供者本人。在一些实施例中，服务提供者终端140的使用者可以是除服务提供者以外的其他人。例如，在网约车服务中，服务提供者终端140的使用者可以是司机本人，也可以是帮助司机接单的人。又例如，在外卖服务中，服务提供者终端140的使用者可以是外卖派送员本人，也可以是帮助派送员接单的人。再例如，在家政服务中，服务提供者终端140的使用者可以是家政服务的实际服务人员(如维修员、清洁员等)，也可以是帮助服务人员接单的人。
在一些实施例中，服务请求者终端120可以包括但不限于台式电脑120-1、笔记本电脑120-2，车载内置设备120-3、移动设备120-4等或其任意组合。在一些实施例中，车载内置设备120-3可以包括但不限于个车载电脑、车载抬头显示(HUD)、车载自动诊断系统(OBD)等或其任意组合。在一些实施例中，移动设备120-4可以包括但不限于智能手机、个人数码助理(Personal Digital Assistance，PDA)、平板电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备、显示增强设备等或其任意组合。在一些实施例中，服务请求者终端120可以将运输服务需求发送至订单访问地图确定系统100中的一个或多个设备中。例如，服务请求者终端120可以将运输服务需求发送至服务器110进行处理。
在一些实施例中，服务提供者终端140可以是与服务请求者终端120类似或相同的装置。在一些实施例中，服务提供者终端140可以是一带有定位技术的装置，以确定服务提供者和/或服务提供者终端140的位置。在一些实施例中，服务请求者终端120和/或服务提供者终端140可与其他定位装置通讯以确定服务请求者、服务请求者终端120、服务提供者、或服务提供者终端140的位置。在一些实施例中，服务请求者终端120和/或服务提供者终端140可将定位信息发送至服务器110。
存储设备130可以存储数据和/或指令。在一些实施例中，存储设备130可以存储从服务请求者终端120获得的数据。在一些实施例中，存储设备130可以存储供服务器110执行或使用的数据和/或指令，服务器110可以通过执行或使用所述数据和/或指令以实现本申请描述的示例性方法。在一些实施例中，存储设备130可以与网络150连接以实现与订单访问地图确定系统100中的一个或多个部件(例如，服务器110、服务请求者终端120等)之间的通信。订单访问地图确定系统100的一个或多个部件可以通过网络150访问存储在存储设备130中的数据或指令。在一些实施例中，存储设备130可以直接与订单访问地图确定系统100的一个或多个部件(例如，服务器110、服务请求者终端120等)连接或通信。在一些实施例中，存储设备130可以是服务器110的一部分。
网络150可以促进信息和/或数据的交换。在一些实施例中，订单访问地图确定系统100中的一个或多个部件(例如，服务器110、存储设备130、和服务请求者终端120等)可以通过网络150向订单访问地图确定系统100中的其他部件发送信息和/或数据。例如，服务器110可以通过网络150从服务请求者终端120获取/得到数据信息。在一些实施例中，网络150可以是有线网络或无线网络中的任意一种，或其组合。例如，网络150可以包括电缆网络、有线网络、光纤网络、远程通信网络、内联网、互联网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或上述举例的任意组合。在一些实施例中，网络150可以包括一个或多个网络接入点。例如，网络150可能包括有线或无线网络接入点，如基站和/或互联网交换点150-1、150-2等等。通过接入点，订单访问地图确定系统100的一个或多个部件可能连接到网络150以交换数据和/或信息。
信息源160是为订单访问地图确定系统100提供其他信息的一个源。信息源160可以用于为系统提供与订单信息相关的信息，例如，服务时间、服务地点、法律法规信息、新闻信息、生活资讯、生活指南信息等。信息源160可以是一个单独的中央服务器的形式存在，也可以是以多个通过网络连接的服务器的形式存在，还可以是以大量的个人设备形式存在。当信息源160以大量个人设备形式存在时，这些设备可以通过一种用户生成内容(user-generated contents)的方式，例如向云端服务器上传文字、语音、图像、视频等，从而是云端服务器连通与其连接的众多个人设备一起组成信息源160。
图2是根据本申请的一些实施例所示的示例性计算设备200的示意图。服务器110和存储设备130可以在计算设备200上实现。例如，处理引擎112可以在计算设备200上实现并被配置为实现本申请中所披露的功能。
计算设备200可以包括用来实现本申请所描述的系统的任意部件。例如，处理引擎112可以在计算设备200上通过其硬件、软件程序、固件或其组合实现。为了方便起见图中仅绘制了一台计算机，但是本申请所描述的与订单访问地图确定系统100相关的计算功能可以以分布的方式、由一组相似的平台所实施，以分散系统的处理负荷。
计算设备200可以包括与网络连接的通讯端口250，用于实现数据通信。计算设备200可以包括一个处理器(例如，CPU)220，可以以一个或多个处理器的形式执行程序指令。示例性的电脑平台可以包括一个内部总线210、不同形式的程序存储器和数据存储器包括，例如，硬盘270、只读存储器(ROM)230或随机存取存储器(RAM)240，用于存储由计算机处理和/或传输的各种各样的数据文件。示例性的计算设备可以包括存储在只读存储器230、随机存取存储器240和/或其他类型的非暂时性存储介质中的由处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200也包括输入/输出部件260，用于支持电脑与其他部件之间的输入/输出。计算设备200也可以通过网络通讯接收本披露中的程序和数据。
为理解方便，图2中仅示例性绘制了一个处理器。然而，需要注意的是，本申请中的计算设备200可以包括多个处理器，因此本申请中描述的由一个处理器实现的操作和/或方法也可以共同地或独立地由多个处理器实现。例如，如果在本申请中，计算设备200的处理器执行步骤1和步骤2，应当理解的是，步骤1和步骤2也可以由计算设备200的两个不同的处理器共同地或独立地执行(例如，第一处理器执行步骤1，第二处理器执行步骤2，或者第一和第二处理器共同地执行步骤1和步骤2)。
图3所示为根据本申请的一些实施例所示的示例性移动设备的示例性硬件和/或软件组件的示意图。
如图3所示，移动设备300可以包括通信单元310、显示单元320、图形处理单元(GPU)330、中央处理单元(CPU)340、输入/输出350、内存360、存储器370和传感器380。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未显示)，亦可包括于移动设备300内。
在一些实施例中，移动操作系统362(例如，IOSTM、AndroidTM、Windows PhoneTM等)和一个或多个应用程序364可以从存储器370加载到内存360中以便由CPU340执行。应用程序364可以包括浏览器或任何其他合适的移动应用程序，用于发送与交通运输服务相关联的数据/信息，并接收和呈现来自订单访问地图确定系统100的处理或其他相关的信息。例如，应用程序364可以是在线网约车出行平台(例如，滴滴出行TM)，用户(例如，服务请求者)可以通过应用程序364请求交通运输服务，并将请求信息发送至后台服务器端。用户与信息流的交互可以经由输入/输出350来实现并且经由网络150被提供给服务器110和/或订单访问地图确定系统100的其他组件。
为了实现本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本申请中所描述的一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端装置。若计算机被适当的程序化，计算机亦可充当系统。
图4是根据本申请的一些实施例所示的拼车订单访问地图确定系统的模块图。如图4所示，该订单访问地图确定系统400可以包括订单获取模块410、特征参数获取模块420、访问地图确定模块430和访问地图实施模块440。在一些实施例中，订单获取模块410、特征参数获取模块420、访问地图确定模块430和访问地图实施模块440可以包含在图1所示的处理引擎112中。
订单获取模块410可以用于获取拼车订单。在一些实施例中，待拼车订单可以包括网约车服务订单(如，出租车拼车、私家车拼车、公交拼车、大巴拼车等订单)。在一些实施例中，待拼车订单可以是当前正在执行的订单。在一些实施例中，订单获取模块410可以从存储设备130中获取待拼车订单，订单获取模块410还可以直接从服务请求者终端120中获取当前待拼车订单。
特征参数获取模块420还可以用于获取与至少两个待拼车订单相关的特征参数。在一些实施例中，与拼车订单相关的特征参数至少反映以下多种信息中的至少一个：下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息和服务请求者或服务提供者对服务的订制要求。关于特征参数的更多描述可以在本申请的其他地方(如流程图5及其相关描述中)找到，在此不作赘述。
访问地图确定模块430可以用于利用识别模型处理特征参数中的至少一部分，确定待拼车订单是否需要访问地图。
在一些实施例中，识别模型可以是分类模型。例如，决策树模型、贝叶斯分类法、随机森林、支持向量机、神经网络等模型。在一些实施例中，决策树模型可以包括但不限于分类及回归树(Classification And Regression Tree，CART)、迭代二叉树三代(IterativeDichotomiser 3，ID3)、C4.5算法、随机森林(RandomForest)、卡方自动交互检测(Chisquared Automatic Interaction Detection，CHAID)、多元自适应回归样条(Multivariate Adaptive Regression Splines，MARS)以及梯度推进机(GradientBoosting Machine，GBM)等或其任意组合。在一些实施例中，需要访问地图的待拼车订单可以是明显拼不成订单以外的订单。在一些实施例中，不需要访问地图的待拼车订单可以是明显拼不成订单的订单。具体的，明显拼不成订单可以包括订单起终点信息(如，经纬度)不匹配、行程绕路时间长、服务提供者接驾时间长、多个服务请求者共乘时间(同时在车上的时间)短、用户容忍度低(服务提供者或服务请求者定制要求高)的订单等。在一些实施例中，访问的地图可以是拼车系统的地图服务器。
如图4所示，订单访问地图确定系统400可以进一步包括识别模型训练模块450。识别模型训练模块450可以用于获得识别模型。具体的，识别模型训练模块450可以获取历史拼车订单样本；其中，访问地图的至少两个拼车订单作为一个样本标记为正样本，未访问地图的至少两个拼车订单作为一个样本标记为负样本；获取与历史拼车订单相关的特征参数；基于特征参数及标记结果，训练初始模型得到识别模型。
在一些实施例中，与历史拼车订单相关的特征参数可以包括下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息、服务请求者或服务提供者对服务的订制要求和订单是否访问地图等。关于特征参数的更多描述可以在本申请的其他地方(如流程图5及其相关描述中)找到，在此不作赘述。
访问地图实施模块440可以用于基于访问地图的确定结果，允许需要访问地图的待拼车订单访问地图。
在一些实施例中，访问地图的确定结果可以包括“访问地图订单”或“不需访问地图订单”。在一些实施例中，访问地图实施模块440可以允许需要访问地图的待拼车订单访问地图，不需要访问地图的待拼车订单则不允许其访问地图。
应当理解，图4所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要注意的是，以上对于订单访问地图系统及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，订单获取模块410和特征参数获取模块420可以为同一个模块，订单获取模块410可以同时获取至少两个待拼车订单和与至少两个待拼车订单相关的特征参数。诸如此类的变形，均在本申请的保护范围之内。
图5是根据本申请的一些实施例所示的拼车订单访问地图确定方法的示例性流程图。在一些实施例中，流程500可以通过处理逻辑来执行，该处理逻辑可以包括硬件(例如，电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。图5所示的用于确定拼车订单访问地图的流程500中的一个或多个操作可以通过图1所示的订单访问地图确定系统100实现。例如，流程500可以以指令的形式存储在存储设备130中，并由处理引擎112执行调用和/或执行(例如，图2所示的计算设备200的处理器220、图3所示的移动设备300的中央处理器340)。
在步骤510中，可以获取至少两个待拼车订单。具体的，步骤510可以由订单获取模块410执行。
在一些实施例中，待拼车订单可以包括网约车服务订单(如，出租车拼车、私家车拼车、公交拼车、大巴拼车等订单)。在一些实施例中，待拼车订单可以包括至少两个待拼车订单。具体的，至少两个待拼车订单可以是当前正在执行的拼车订单和等待拼车的订单，也可以是两个订单执行时间(乘客上车的时间)相近的等待拼车的订单。在一些实施例中，拼车订单可以包括拼车订单信息。具体的，拼车订单信息可以包括服务请求者的个人信息(如，昵称、性别和联系方式等)、服务请求者提出服务需求的时间、服务地点、服务提供者的个人信息(如，昵称、性别和联系方式等)等。在一些实施例中，服务请求者终端120可以通过网络150上传待拼车订单并存储在存储设备130中。在一些实施例中，订单获取模块410可以从存储设备130中获取待拼车订单，订单获取模块410还可以直接从服务请求者终端120中获取当前待拼车订单。
在步骤520中，可以获取与至少两个待拼车订单相关的特征参数。具体的，步骤520可以由特征参数获取模块420执行。
在一些实施例中，与至少两个待拼车订单相关的特征参数至少反映以下多种信息中的至少一个：下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息和服务请求者或服务提供者对服务的订制要求。在一些实施例中，下单时间可以是向服务器提交服务请求的时间，订单执行时间可以是乘客上车的时间。例如，乘客的下单时间是上午7:00，订单执行时间为上午9:00。
在一些实施例中，订单起终点的经纬度可以包括服务请求者(如，乘客)请求拼车的订单起点和终点的经纬度信息。在一些实施例中，订单起点和终点的经纬度可以通过GPS定位点从地图坐标系中获取。在一些实施例中，地图坐标系中经纬度与GPS定位点的对应关系可以存储在存储设备130中由特征参数获取模块420获取。在一些实施例中，可以基于起点和终点的经纬度计算起终点的直线距离以及起终点直线距离在地图坐标系中的角度。在一些实施例中，该角度可以为起终点直线与正北方向的角度，该角度可以从正北方向沿顺时针旋转的角度。例如，该角度可以为30°或210°。在一些实施例中，还可以基于起终点的直线距离和车辆行驶速度预估执行该订单的行驶时间。在一些实施例中，上述计算起终点的直线距离、起终点直线距离在地图坐标系中的角度、车辆行驶速度和预估执行订单的行驶时间等数据和算法可以存储在存储设备130中，特征参数获取模块420可以获取上述数据和算法以进行计算。在一些实施例中，执行该订单的行驶时间可以包括执行该订单的行驶时长和行驶时间段。例如，乘客A在清华大学发送去往北京市昌平区的拼车订单请求，1min后，乘客B在清华大学发送去往北京市房山区的拼车订单请求，可以通过GPS定位点获取乘客A和乘客B起点的经纬度都为(116.33，40.0)、乘客A终点的经纬度为(116.20，40.22)、乘客B终点的经纬度为(115.98，39.72)，特征参数获取模块420可以计算出乘客A订单的直线距离为26.6km，该直线距离以起点为原点在地图坐标中的角度为100°；乘客B订单的直线距离为33km，该直线距离以起点为原点在地图坐标中的角度为240°；若特征参数获取模块420获取车辆行驶速度为40km/h，执行乘客A的拼车订单的预估行驶时间约为40min，执行乘客B的拼车订单的预估行驶时间约为49.5min。
在一些实施例中，服务请求者或服务提供者的历史记录可以为服务请求者或服务提供者在平台上的操作行为。在一些实施例中，服务请求者或服务提供者在平台上的操作行为可以包括一定时间范围内服务请求者或服务提供者的取消订单频率、取消订单的时机、修改订单等操作。例如，乘客或者司机在一天内取消订单的频率，或司机在10分钟内连续抢单后又取消订单的频率。在一些实施例中服务请求者或服务提供者的历史记录还可以为一定时间范围内服务请求者或服务提供者的完单量或总完单量。例如，乘客或司机在一个月内完成订单的数量。
在一些实施例中，服务请求者或服务提供者的个人信息可以包括服务请求者或服务提供者的性别、服务请求者或服务提供者的注册时间、服务请求者或服务提供者的住址置信度、服务请求者或服务提供者的工作地点置信度、服务请求者或服务提供者的借贷情况、服务请求者或服务提供者的受教育程度、一定时间范围内服务请求者或服务提供者被投诉次数、一定时间范围内服务请求者或服务提供者的被评价情况。在一些实施例中，服务请求者或服务提供者的住址置信度、服务请求者或服务提供者的工作地点置信度可以根据用户常去地点的置信度确定。
在一些实施例中，借贷情况可以包括但不限于借贷次数、借款数额、借款期限、还款情况。在一些实施例中，特征参数获取模块420可以从第三方数据库中获取该订单发起者的借贷情况。第三方数据库包括但不限于银行数据库、社保机构数据库、信用评估机构数据库、p2p网络借贷平台数据库。
在一些实施例中，受教育程度可以用离散数值表示。例如小学文化表示为0，初中文化表示为1，高中文化表示为2，本科及以上表示为3。在一些实施例中，受教育程度可以用二值表示，如受教育程度的学历为本科以上，则受教育程度用1表示，本科以下，则受教育程度用0表示。
在一些实施例中，服务请求者或服务提供者的个人信息可以包括一定时间范围内服务请求者或服务提供者被投诉次数和/或一定时间范围内服务请求者或服务提供者的被评价情况。例如，可以统计一个月内，服务请求者或服务提供者被投诉的次数。在一些实施例中，服务请求者或服务提供者之间可以进行互评，满分为五个星，最差可以没有星或一颗星；或是直接给好评或差评来进行互评。例如，可以统计一个月内，服务请求者或服务提供者收到的差评的数量，服务请求者或服务提供者收到的好评的数量；或是一个月内收到的一颗星评价的订单数量，收到五星评价的订单数量。
在一些实施例中，服务请求者或服务提供者对服务的订制要求可以包括服务请求者对服务工具的订制要求或对服务提供者的订制要求，还可以包括服务请求者或服务提供者对对方的定制要求。例如，乘客对司机的性别的要求、对司机好评数量的要求、对车辆的品牌的要求、对车型的要求或对车辆价格的要求等。又例如，司机或乘客对对方个人习惯(如，不抽烟)的要求。
在步骤530中，可以利用识别模型处理与所述至少两个拼车订单相关的特征参数中的至少一部分，确定待拼车订单是否需要访问地图。具体的，步骤530可以由访问地图确定模块430执行。
在一些实施例中，识别模型可以是分类模型。例如，决策树模型、贝叶斯分类法、随机森林、支持向量机、神经网络等模型。在一些实施例中，决策树模型可以包括但不限于分类及回归树(Classification And Regression Tree，CART)、迭代二叉树三代(IterativeDichotomiser 3，ID3)、C4.5算法、随机森林(Random Forest)、卡方自动交互检测(Chisquared Automatic Interaction Detection，CHAID)、多元自适应回归样条(Multivariate Adaptive Regression Splines，MARS)以及梯度推进机(GradientBoosting Machine，GBM)等或其任意组合。在一些实施例中，需要访问地图的待拼车订单可以是明显拼不成订单以外的订单。在一些实施例中，不需要访问地图的待拼车订单可以是明显拼不成订单的订单。具体的，明显拼不成订单可以包括订单起终点信息(如，经纬度)不匹配、行程绕路时间长、服务提供者接驾时间长、多个服务请求者共乘时间(同时在车上的时间)短、用户容忍度低(服务提供者或服务请求者定制要求高)的订单等。在一些实施例中，访问的地图可以是拼车系统的地图服务器。以网约车服务为例，订单C的执行时间为4月30日上午10:00点，订单C的执行时间为4月30日下午15:00点时，上述两个订单的订单执行时间相差较大，为明显拼不成订单，故订单C和订单D不需要访问拼车系统的地图服务器。又例如，从北京市出发的两个订单，订单E的终点为沈阳市沈河区，经纬度为(123.45，41.80)；订单F的终点为郑州大学，经纬度为(113.381523，34.443624)，上述两个订单终点的经纬度相距较远，为明显拼不成订单，故订单E和订单F不需要访问拼车系统的地图数据库。在一些实施例中，可以将上述下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的的历史记录、服务请求者或服务提供者的个人信息或服务请求者对服务的订制要求等特征参数输入识别模型中，得到最终的识别结果。在一些实施例中，识别结果可以是“访问地图订单”或“不需访问地图订单”的结果。在一些实施例中，识别结果可以是输出不同的数值，例如，“1”代表“需访问地图的订单”，“0”代表“不需访问地图的订单”。
在步骤540中，可以基于访问地图的确定结果，允许需要访问地图的待拼车订单访问地图。具体的，该步骤540可以由访问地图实施模块440执行。
在一些实施例中，访问地图的确定结果可以包括“访问地图订单”或“不需访问地图订单”。在一些实施例中，访问地图实施模块440可以允许需要访问地图的待拼车订单访问地图，不需要访问地图的待拼车订单则不允许其访问地图。
应当注意的是，上述有关流程500的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程500进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，步骤510和步骤520可以合并成一个步骤，订单获取模块410可以同时获取至少两个待拼车订单和与至少两个待拼车订单相关的特征参数。
图6是根据本申请的一些实施例所示的识别模型训练方法的示例性流程图。在一些实施例中，流程600可以通过处理逻辑来执行，该处理逻辑可以包括硬件(例如，电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。图6所示的用于识别模型训练的流程600中的一个或多个操作可以通过图1所示的订单访问地图确定系统100实现。例如，流程600可以以指令的形式存储在存储设备130中，并由处理引擎112执行调用和/或执行(例如，图2所示的计算设备200的处理器220、图3所示的移动设备300的中央处理器340)。
在步骤610中，可以获取历史拼车订单样本。具体的，该步骤610可以由识别模型训练模块450执行。
在一些实施例中，历史拼车订单样本可以包括一段时间内的历史拼车订单。例如，一个星期的历史订单、一个月的历史订单等。在一些实施例中，历史订单可以包括是已完成的订单。具体的，已完成的订单可以包括拼车成功的订单和未拼车成功的订单。在一些实施例中，识别模型训练模块450可以从订单访问地图确定系统100(如，存储设备130)中获取历史订单。例如，模型训练单元431可以从存储设备130中获取2019年1月1日至1月7日的历史拼车订单，作为识别模型训练的样本。
在一些实施例中，识别模型训练模块450还可以对获取的历史拼车订单样本进行标注。具体的，可以将访问地图的至少两个拼车订单作为一个样本标记为正样本，将未访问地图的至少两个拼车订单作为一个样本标记为负样本。在一些实施例中，可以将正样本用数字“1”表示，将负样本用数字“0”表示。
在步骤620中，可以获取与历史拼车订单相关的特征参数。具体的，该步骤620可以由识别模型训练模块450执行。
在一些实施例中，与历史拼车订单相关的特征参数可以包括下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录、服务请求者或服务提供者的个人信息、服务请求者或服务提供者对服务的订制要求和订单是否访问地图等。关于特征参数的更多描述可以在本申请的其他地方(如流程图5及其相关描述中)找到，在此不作赘述。在一些实施例中，识别模型训练模块450可以获取与历史拼车订单相关的特征参数。
在步骤630中，可以基于特征参数及标记结果，训练初始模型得到识别模型。
在一些实施例中，每个样本包括两个或以上拼车订单的特征信息，对拼车订单样本进行标记可以是将该两个或以上拼车订单作为一个样本进行标记。在一些实施例中，训练识别模型的输出识别结果可以是“访问地图的订单”或“不访问地图的订单”，分别对应步骤610中标记的正样本和负样本。在一些实施例中，识别结果可以是输出不同的数值，例如，“1”代表“需访问地图的订单”，对应于历史订单中的正样本；“0”代表“不需访问地图的订单”，对应于历史订单中的负样本。
在一些实施例中，识别模型可以是分类模型。例如，决策树模型、贝叶斯分类法、随机森林、支持向量机、神经网络等模型。在一些实施例中，决策树模型可以包括但不限于分类及回归树(Classification And Regression Tree，CART)、迭代二叉树三代(IterativeDichotomiser 3，ID3)、C4.5算法、随机森林(Random Forest)、卡方自动交互检测(Chisquared Automatic Interaction Detection，CHAID)、多元自适应回归样条(Multivariate Adaptive Regression Splines，MARS)以及梯度推进机(GradientBoosting Machine，GBM)等或其任意组合。
在一些实施例中，可以将历史拼车订单样本中的特征参数以及标记结果，输入初始模型中进行训练，得到训练好的识别模型。通过该识别模型可以对待拼车订单进行识别，以确定该待拼车订单是否需要访问地图。
在一些实施例中，在训练过程中，可以利用验证集对模型进行验证，并根据验证结果(例如，模型处于欠拟合和/或过拟合状态)对模型参数进行调整以使模型达到最佳状态。所述验证集中的数据与所述初始模型的训练数据独立同分布，且没有交集。在一些实施例中，当满足预设条件时，可以停止模型训练，并将最终的模型作为所需要的机器学习模型输出。在一些实施例中，可以采用贪心算法对模型进行优化。在一些实施例中，可以通过极大似然估计法确定模型中的特征参数。在一些实施例中，可以采用对数似然函数，即 计算。应当注意的是，上述有关流程600的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对流程600进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，步骤610和步骤620可以合并成一个步骤，在获取历史拼车订单的同时获取与所述历史拼车订单相关的特征参数。又例如，在步骤610中，可以将访问地图的至少两个拼车订单作为一个样本标记为负样本，未访问地图的至少两个拼车订单作为一个样本标记为正样本。
本申请实施例可能带来的有益效果包括但不限于：(1)无需依赖地图即可通过机器学习模型筛选出明显不能拼成的待拼车订单，有效降低了拼车场景下访问地图的订单量，提高了地图访问效率；(2)避免了大量拼车订单同时访问地图，导致服务器过负荷或崩溃的情况出现，提高了用户的体验。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (11)

1.一种确定拼车订单访问地图的方法，其特征在于，包括：
获取至少两个待拼车订单；
获取与所述至少两个待拼车订单相关的特征参数，所述与所述至少两个待拼车订单相关的特征参数包括服务请求者或服务提供者的个人信息和服务请求者或服务提供者对服务的订制要求中的至少一个，所述服务请求者或服务提供者的个人信息包括服务请求者或服务提供者被投诉次数、服务请求者或服务提供者的被评价情况；
利用识别模型处理与所述至少两个待拼车订单相关的特征参数中的至少一部分，确定所述待拼车订单是否需要访问地图，所述识别模型为机器学习模型；
所述识别模型通过以下方法获得：
获取历史拼车订单样本；其中，访问地图的至少两个拼车订单作为一个样本标记为正样本，未访问地图的至少两个拼车订单作为一个样本标记为负样本；
获取与所述历史拼车订单相关的特征参数，所述与所述历史拼车订单相关的特征参数包括服务请求者或服务提供者的个人信息和服务请求者或服务提供者对服务的订制要求中的至少一个，所述服务请求者或服务提供者的个人信息包括服务请求者或服务提供者被投诉次数、服务请求者或服务提供者的被评价情况；
基于与所述历史拼车订单相关的特征参数及标记结果，训练初始模型得到所述识别模型。
2.根据权利要求1所述的方法，其特征在于，所述与所述至少两个待拼车订单相关的特征参数还包括以下至少一个：
下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间和服务请求者或服务提供者的历史记录。
3.根据权利要求1所述的方法，其特征在于，所述识别模型包括分类模型。
4.根据权利要求1所述的方法，其特征在于，所述识别模型包括决策树模型、贝叶斯分类法、随机森林、支持向量机或神经网络。
5.根据权利要求1所述的方法，其特征在于，所述与所述历史拼车订单相关的特征参数包括以下至少一个：
下单时间、订单执行时间、订单起终点的经纬度、基于经纬度的起终点直线距离、基于直线距离的角度、基于直线距离预估的行驶时间、服务请求者或服务提供者的历史记录和订单是否访问地图。
6.根据权利要求1所述的方法，其特征在于，所述需要访问地图的待拼车订单为明显拼不成订单以外的订单。
7.根据权利要求6所述的方法，其特征在于，所述明显拼不成订单包括起终点信息不匹配、绕路时间长、接驾时间长、共乘时间短或用户容忍度低的订单。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述访问地图的确定结果，允许需要访问地图的待拼车订单访问地图。
9.一种确定拼车订单访问地图的系统，其特征在于，包括订单获取模块、特征参数获取模块、访问地图确定模块和识别模型训练模块；其中：
所述订单获取模块，用于获取至少两个待拼车订单；
所述特征参数获取模块，用于获取与所述至少两个待拼车订单相关的特征参数，所述与所述至少两个待拼车订单相关的特征参数包括服务请求者或服务提供者的个人信息和服务请求者或服务提供者对服务的订制要求中的至少一个，所述服务请求者或服务提供者的个人信息包括服务请求者或服务提供者被投诉次数、服务请求者或服务提供者的被评价情况；
所述访问地图确定模块，用于利用识别模型处理与所述至少两个待拼车订单相关的特征参数中的至少一部分，确定所述待拼车订单是否需要访问地图，所述识别模型为机器学习模型；
所述识别模型训练模块，用于获取历史拼车订单样本；其中，访问地图的至少两个拼车订单作为一个样本标记为正样本，未访问地图的至少两个拼车订单作为一个样本标记为负样本；获取与所述历史拼车订单相关的特征参数，所述与所述历史拼车订单相关的特征参数包括服务请求者或服务提供者的个人信息和服务请求者或服务提供者对服务的订制要求中的至少一个，所述服务请求者或服务提供者的个人信息包括服务请求者或服务提供者被投诉次数、服务请求者或服务提供者的被评价情况；基于与所述历史拼车订单相关的特征参数及标记结果，训练初始模型得到所述识别模型。
10.一种确定拼车订单访问地图的装置，其特征在于，所述装置包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当所述至少一个处理器执行所述指令时，实现如权利要求1～8中任一项所述的方法。
11.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述存储介质中的所述计算机指令后，所述计算机执行如权利要求1～8中任一项所述的方法。
CN202010437553.9A 2020-05-21 2020-05-21 一种确定拼车订单访问地图的方法和系统 Active CN111881227B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010437553.9A CN111881227B (zh) 2020-05-21 2020-05-21 一种确定拼车订单访问地图的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010437553.9A CN111881227B (zh) 2020-05-21 2020-05-21 一种确定拼车订单访问地图的方法和系统

Publications (2)

Publication Number Publication Date
CN111881227A CN111881227A (zh) 2020-11-03
CN111881227B true CN111881227B (zh) 2024-11-01

Family

ID=73154386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010437553.9A Active CN111881227B (zh) 2020-05-21 2020-05-21 一种确定拼车订单访问地图的方法和系统

Country Status (1)

Country Link
CN (1) CN111881227B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724495B (zh) * 2021-08-09 2022-07-01 东南大学 一种城市共享出行的流量预测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107230091A (zh) * 2016-03-23 2017-10-03 滴滴（中国）科技有限公司 拼车请求订单匹配方法及装置
CN107767322A (zh) * 2016-08-22 2018-03-06 平安科技（深圳）有限公司 拼车方法和装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062865B (zh) * 2016-11-08 2022-09-16 北京嘀嘀无限科技发展有限公司 停车方向提示方法及装置
CN108734361B (zh) * 2017-04-18 2021-12-03 北京嘀嘀无限科技发展有限公司 拼车订单处理方法和装置
CN107527105B (zh) * 2017-08-11 2021-03-12 杨志伟 一种拼车组单方法
CN107682419B (zh) * 2017-09-20 2021-01-05 汉海信息技术(上海)有限公司 拼车路线的提供方法、客户端、服务器及拼车系统
US11734618B2 (en) * 2017-12-15 2023-08-22 Google Llc Multi-modal directions with a ride service segment in a navigation application
CN108805411A (zh) * 2018-05-18 2018-11-13 北京嘀嘀无限科技发展有限公司 网约车订单分配方法、装置、服务器、终端和可读存储介质
CN110619402A (zh) * 2019-08-13 2019-12-27 杭州飞步科技有限公司 一种派车方法和装置、电子设备、存储介质
CN110766531A (zh) * 2019-11-05 2020-02-07 朱馗 一种网约顺风车系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107230091A (zh) * 2016-03-23 2017-10-03 滴滴（中国）科技有限公司 拼车请求订单匹配方法及装置
CN107767322A (zh) * 2016-08-22 2018-03-06 平安科技（深圳）有限公司 拼车方法和装置

Also Published As

Publication number Publication date
CN111881227A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
US20200269851A1 (en) System and method for determining safety score of driver
US20180174265A1 (en) Systems and methods for determining a target vehicle/provider
EP3754583A1 (en) Systems and methods for carpooling
CN112236787B (zh) 用于生成个性化目的地推荐的系统和方法
CN110839346A (zh) 用于分配服务请求的系统和方法
US20200300650A1 (en) Systems and methods for determining an estimated time of arrival for online to offline services
WO2022001902A1 (zh) 一种推荐上车点的方法和系统
CN110291544A (zh) 用于确定用户之间亲密度的系统和方法
WO2017088828A1 (en) Systems and methods for allocating sharable orders
US10963830B2 (en) Systems and methods for determining an optimal strategy
JP2020533713A (ja) 少なくとも１つの保険会社を推奨するための人口知能システムおよび方法
CN111859173A (zh) 一种上车点推荐方法和系统
CN111881225B (zh) 一种修正上车点名称的方法和系统
CN111861619A (zh) 一种共享车辆的推荐方法和系统
CN111932341A (zh) 一种确定拼车订单的方法和系统
CN111858868B (zh) 一种客服应答模型训练方法和系统
US20200167812A1 (en) Systems and methods for determining a fee of a service request
US20190147540A1 (en) Method and apparatus for outputting information
CN111881227B (zh) 一种确定拼车订单访问地图的方法和系统
CN111881369B (zh) 一种推荐上车点名称准确性检测方法和系统
US20230336633A1 (en) Computing system implementing local context resolution and evaluation for network latency reduction
CN111859168A (zh) 一种兴趣点确定方法及系统
WO2019153944A1 (en) Systems and methods for secured communication of service information
US20210327598A1 (en) Automated data verification
CN111859059B (zh) 一种地理信息特征提取方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TG01 Patent term adjustment
TG01 Patent term adjustment