一种基于多权值综合调节的接驾时长预估方法与流程

本发明涉及一种接驾时长预估方法，尤其涉及一种基于多权值综合调节的接驾时长预估方法，用于网约车平台。

背景技术：

随着互联网技术的发展，网上打车已经越来越成为人们生活中重要的组成部分了。在实际的打车过程中，乘客通过移动终端来预约周围提供出行服务的车辆，预约成功后app上就会显示出司机接驾的路线以及预估接驾时长等信息，而乘客就会根据提供的信息来最终决定是否预约该服务。但是，由于目前预估接驾时长的算法还不够完善且受到司机、天气和路况等多种因素影响，所以预估接驾时长与实际接驾时长往往存在一定的偏差，一方面会影响到乘客的出行服务体验，另一方面也有可能让司机承受非己原因造成的接驾迟到，所以对整体平台的利益也有不好的影响。

因此，为了解决预估接驾时长与实际接驾时长偏差对司机乘客利益带来损失的不足，有必要提供一种多权值综合调节的接驾时长预估方法。

技术实现要素：

本发明所要解决的技术问题是提供一种基于多权值综合调节的接驾时长预估方法，能够弥补了预估接驾时长和实际接驾时长偏差带来的乘客端和司机端的利益损失，提高了出行服务的质量，也提升了整体平台的综合利益。

本发明为解决上述技术问题而采用的技术方案是提供一种基于多权值综合调节的接驾时长预估方法，包括如下步骤：s1)通过网约车平台获取预估接驾时长和实际接驾时长的历史差值x1；s2)通过网约车平台获取历史单均取消时长x2；s3)通过网约车平台获取应答后乘客取消率x3；s4)基于多权值计算的预估接驾时长缓冲值y：y＝w0+λ1x1+λ2x2+λ3x3,λ1,λ2,λ3为权值系数。

上述的基于多权值综合调节的接驾时长预估方法，其中，当网约车客户端app下单后，所述权值系数λ1随着客户端app打开查看频率的增大而增大，并实时将修正后的预估接驾时长缓冲值推送至客户端app。

上述的基于多权值综合调节的接驾时长预估方法，其中，所述权值系数λ1的取值范围为[0,1]，所述权值系数λ1增大的值为：

上述的基于多权值综合调节的接驾时长预估方法，其中，所述权值系数λ1随着网约车平台上接单司机的信用度的提高而增大。

上述的基于多权值综合调节的接驾时长预估方法，其中，所述权值系数λ1的取值范围为[0,1]，所述权值系数λ1增大的值为：

上述的基于多权值综合调节的接驾时长预估方法，其中，所述权值系数λ1在出行高峰时段内增大10％～30％。

上述的基于多权值综合调节的接驾时长预估方法，其中，所述权值系数λ2和λ3随着网约车平台上下单乘客的信用度的降低而增大。

上述的基于多权值综合调节的接驾时长预估方法，其中，所述权值系数λ2和λ3的取值范围均为[0,1]，λ2和λ3增大的值为：

上述的基于多权值综合调节的接驾时长预估方法，其中，所述权值系数λ2和λ3在天气状况出现预警时增大10％～30％。

本发明对比现有技术有如下的有益效果：本发明提供的基于多权值综合调节的接驾时长预估方法，通过更科学的算法，用大量的数据规律分别建立预估接驾时间缓冲值(etabuffer)与预估接驾时长(eta)和实际接驾时长(ata)的差值、单均取消时长和应答后乘客取消率的关系，并将司机、乘客和平台的利益损失进行精确量化，从而方便地求出各方利益损失最小时的预估接驾时长缓冲值。

附图说明

图1为本发明基于多权值综合调节的接驾时长预估过程示意图；

图2为采用本发明基于多权值综合调节的接驾时长预估方法的实施流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的描述。

图1为本发明基于多权值综合调节的接驾时长预估过程示意图；图2为采用本发明基于多权值综合调节的接驾时长预估方法的实施流程示意图。

请参见图1和图2，本发明提供的基于多权值综合调节的接驾时长预估方法，包括步骤如下:

s1)通过网约车平台数据获得预估接驾时长(eta)和实际接驾时长(ata)的差值与预估接驾时长缓冲值(etabuffer)的相关关系，一般呈正相关关系；

s2)通过数据获得单均取消时长与预估接驾时长缓冲值(etabuffer)的相关关系，一般呈负相关关系；

s3)通过数据获得应答后乘客取消率与预估接驾时长缓冲值(etabuffer)的相关关系，一般呈正相关关系；

s4)从平台角度确定综合利益评价模型：

y＝w0+λ1x1+λ2x2+λ3x3

其中，y：单个订单利益损失值(用来求得最优的etabuffer值来让每个订单的利益损失值最小，从而更综合的维护平台、乘客和司机利益和体验)；

x1：预估接驾时长(eta)和实际接驾时长(ata)的差值；

x2：单均取消时长；

x3：应答后乘客取消率；

λ1：对应于eta和ata差值(x1)的权值系数，取值范围为[0，1]；

λ2：对应于单均取消时长(x2)的权值系数，取值范围为[0，1]；

λ3：对应于应答后乘客取消率(x3)的权值系数，取值范围为[0，1]；

在决定λ1、λ2、λ3这三个系数的时候，可以参考以下场景(但不仅限于以下场景)以及这些场景的组合：

场景一：乘客频繁打开app查看，说明乘客比较着急且取消订单的可能性比较大，此时利益应该倾向于乘客端，则可以增大x1对应的权值来调节整体的利益权衡，即增大λ1的值，λ1增大的值为：

场景二：司机的信用度较高(ata和eta差值的历史记录平均值小)，利益应该倾向于乘客端，则可以增大λ1的值，λ1增大的值为：

场景三：乘客信用度较低(经常取消订单)，则应该倾向于司机端的利益，则可以增大λ2和λ3的值，λ2和λ3增大的值为：

场景四：出行高峰时段内(乘客对于出行时间准确性要求较高)，则应该倾向于乘客端的利益，则可以增大λ1的值，增大的值为0.1；

场景五：天气状况不好出现预警(暴雨、龙卷风等)，司机端受限于客观条件可能无法按照预定时间接驾乘客，则应该倾向于司机端和平台的利益，增大λ2和λ3的值，增大的值为0.1。

本发明提供的基于多权值综合调节的接驾时长预估方法，具有如下优点：1)此算法不涉及人工智能算法，运算时间较短；2)此方法只是对预估接驾时间的增加，可以避免司机承担因非己原因造成的迟到责任；3)此算法会结合etabuffer对乘客取消率、取消时长的影响，综合考虑etabuffer的最优值，从而让乘客端、司机端和平台利益损失最少。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。