距離，按照預設的出行條件對所有單一出行方式及所有組合出行方式進行排序；
[0049]其中，所述預設的出行條件包括:預設的行走距離范圍、預設的費用及預設的耗時中的一個或多個。
[0050]由上述技術方案可知，本發(fā)明提供了一種出行方式的規(guī)劃方法及裝置，由打車軟件平臺綜合多方面信息獲得多條推薦出行方式，多條推薦出行方式包括單一出行方式及組合出行方式；并將多條推薦出行方式按照預設的排序方式進行排序，如按照費用、耗時或行走距離由少到多進行排序，以供乘客選擇，從而有效提升訂單成交率，節(jié)省打車時間或費用，優(yōu)化乘客打車體驗。
【附圖說明】
[0051]為了更清楚地說明本公開實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本公開的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些圖獲得其他的附圖。
[0052]圖1是本公開一實施例提供的一種出行方式的規(guī)劃方法的流程示意圖；
[0053]圖2是本公開一實施例提供的一種出行方式的規(guī)劃裝置的結構示意圖。
【具體實施方式】
[0054]下面將結合本公開實施例中的附圖，對本公開實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本公開一部分實施例，而不是全部的實施例?；诒竟_中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本公開保護的范圍。
[0055]以下對本公開實施例中提及的部分詞語進行舉例說明。
[0056]本領域技術人員應當理解，本公開實施例中提及的用戶設備(User Equipment，簡稱UE)是指安裝有打車軟件乘客端的任何終端，是呼叫服務方，可以包括任何類型的用戶設備，諸如手持式計算機、個人數(shù)字助理PDA、蜂窩電話、網絡家電、智能電話、增強型通用分組無線業(yè)務(EGPRS)移動電話、媒體播放器、導航設備或者這些數(shù)據(jù)處理設備或其他數(shù)據(jù)處理設備中的任何兩個或多個的組合。
[0057]本領域技術人員應當理解，本公開實施例中提及的出行方式的規(guī)劃方法的執(zhí)行主體、出行方式的規(guī)劃裝置均可以為業(yè)務服務器，是提供服務方，業(yè)務服務器既可以代表如計算機服務器的單個服務器，也可以代表一起工作以執(zhí)行功能的多個服務器，例如云服務器hadoopo
[0058]如圖1所示，為本公開一實施例提供的一種出行方式的規(guī)劃方法的流程示意圖，該方法包括如下步驟:
[0059]S1:接收用戶設備UE發(fā)送的打車請求，并獲取所述打車請求的相關特征信息和基礎信息。
[0060]其中，所述基礎信息包括:出發(fā)時間、出發(fā)地及目的地信息。
[0061]S2:根據(jù)所述相關特征信息、基礎信息，確定各單一出行方式對應于所述打車請求的出行信息。
[0062]其中，所述出行信息可包括訂單成交率、耗時、費用及行走距離等。則單一出行方式對應于所述打車請求的出行信息是指:基于該打車請求，每種出行方式的訂單成交率、耗時、費用及行走距離等。
[0063]具體來說，服務端接收到打車請求，分析出發(fā)地、目的地對應的興趣點(Point ofInterest，簡稱P0I)信息，如分析其是否為醫(yī)院、小區(qū)、商圈等。進一步地，針對每種出行方式，根據(jù)實時交通、時間、起終點以及周邊司機信息對訂單成交率進行預估。而對于存在小費的出行方式，可輸出一個訂單成交率的預估值以及建議小費值，該建議小費值用于提高訂單成交率。進一步地，針對每種出行方式，根據(jù)路線規(guī)劃結果形成的路線對應的路面距離、行程時間、擁堵程度給出費用、耗時及行走距離的預估，并將該費用和消費之相加得到總費用。從而得到多個單一出行方式的出行信息。
[0064]S3:根據(jù)各單一出行方式的出行信息，采用全局優(yōu)化算法確定組合出行方式，并獲得所述組合出行方式對應于所述打車請求的出行信息。
[0065]本實施例中，全局優(yōu)化算法可為貪心算法等。舉例來說，將多個單一出行方式進行綜合，采用貪心算法找出最合適的組合出行方式。而組合出行方式對應于所述打車請求的出行信息是指:基于該打車請求，每種組合出行方式的訂單成交率、耗時、費用及行走距離等。
[0066]S4:根據(jù)所述各單一出行方式的出行信息、所述組合出行方式的出行信息，將所有單一出行方式、組合出行方式按照預設的出行條件進行排序并發(fā)送至所述UE。
[0067]具體來說，本步驟主要是對多種單一出行方式、組合出行方式進行綜合排序，按照用戶輸入或者系統(tǒng)默認的出行條件或排序方式排序。
[0068]進一步地，該方法還包括如下步驟:
[0069]所述UE接收按序排列的各單一出行方式及組合出行方式并顯示，以供用戶對出行方式進行選擇。
[0070]由此可見，本實施例利用打車軟件后臺服務器的全局數(shù)據(jù)以及地理信息系統(tǒng)的知識，主動幫助乘客找到最適合的出行方式。比如后臺發(fā)現(xiàn)乘客當前周邊訂單的出租車成交率非常低，而乘客的訂單質量也并不是很高，也就是說該乘客發(fā)出租車訂單失敗的幾率會非常高；而此時，系統(tǒng)后臺發(fā)現(xiàn)專車成交率相對高很多，可以優(yōu)先推薦使用專車。又或者后臺發(fā)現(xiàn)乘客目前正處于一個大巴站后周邊，5分鐘后會有一輛合適的大巴經過，可以將乘客拉到離目的地非常近的位置。這樣后臺可以為乘客推薦使用大巴出行，并告知大巴到達時間。再或者后臺可以綜合利用大巴車或者出租車，先通過大巴將乘客拉往一個成交率非常高的位置，那里的訂單相對少而司機也相對更喜歡當前乘客的這種訂單。因此最終后臺會給出多種推薦出行方式，并給出乘客的預估價格，預估時間，再由乘客自己選擇出行方式。
[0071]本實施例中，所述打車請求的相關特征信息包括:出發(fā)地及目的地Ρ0Ι信息、實時路況信息、各出行方式對應的司機偏好信息、預設范圍內各出行方式對應的空閑司機數(shù)量、路面距離等。
[0072]相應地，步驟S2，具體包括如下子步驟:
[0073]S21:根據(jù)所述出發(fā)地及目的地信息，分別確定所述出發(fā)地及目的地對應的興趣點Ρ0Ι {目息。
[0074]S22:針對每種出行方式，根據(jù)所述出發(fā)地Ρ0Ι信息、目的地Ρ0Ι信息、出發(fā)時間、實時路況信息、該出行方式對應的司機偏好信息、空閑司機數(shù)量，對該出行方式的訂單成交率進行估計。
[0075]具體來說，該步驟可通過如下方式實現(xiàn):采用預先建立的預測模型，預測各出行方式對所述打車請求的訂單成交率。
[0076]其中，所述預測模型為根據(jù)各出行方式在預設時間段內的歷史訂單的相關特征信息建立的預測模型，將所述打車請求的相關特征信息為所述預測模型的預測變量，各出行方式對所述打車請求的訂單成交率為所述預測模型的目標變量。
[0077]S23:根據(jù)所述出發(fā)地、目的地及出行方式進行出行路線規(guī)劃，獲得路面距離、行程時間及擁堵程度，以對總費用、行走距離及耗時進行估計。
[0078]進一步地，步驟S22中對該出行方式的訂單成交率進行估計之后，該方法還包括:
[0079]A01、根據(jù)多個預設的附加金額值，確定每個預設的附加金額值對應的訂單成交率及乘客對該預設的附加金額值的接受率。
[0080]其中，附加金額值即為小費。通過對多個預設的消費值對應的訂單成交率和乘客的接受率進行預測，從而選取其中最佳的小費值。
[0081]可理解的是，本步驟也可通過如步驟S22中建立預測模型的方式，獲取訂單成交率及乘客對預設的附加金額值的接受率。其中，附加金額值為預測模型中的一個特性數(shù)據(jù)。
[0082]A02、根據(jù)每個預設的附加金額值對應的訂單成交率及乘客的接受率，獲取最佳附加金額值，并將所述最佳附加金額值對應的訂單成交率作為最終的訂單成交率。
[0083]通過上述步驟，可得到多種單一出行方式的小費、訂單成交率、總費用、行走距離及耗時等出行信息。
[0084]本實施例中，步驟S3具體包括如下步驟:
[0085]S31:根據(jù)各單一出行方式的訂單