本公开实施例涉及信息处理技术领域，具体而言，涉及一种信息处理方法、一种信息处理系统、一种计算机设备及一种计算机可读存储介质。
背景技术：
共享经济中预约拼车是非常重要的出行方式，对于同一个订单，约车平台可能存在多种分配方式。例如，以最快的速度单独分配一辆空车，以最低的成本去分配已经载人的车辆(但是耗时较长)，等等。若对所有订单都以最低的成本去分配已经载人的车辆，势必降低用户体验，对平台造成不良影响，影响平台的长远收益；但以最快的速度单独分配一辆空车时，平台的收益并不能得到保证，而与后续能否与新订单拼车成功紧密相关。因此，对于平台而言，如何分配订单以使得订单为平台产生最大的收益是本领域需要解决的问题。
技术实现要素：
本公开实施例旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本公开实施例的第一方面在于，提出一种信息处理方法。
本公开实施例的第二方面在于，提出一种信息处理系统。
本公开实施例的第三方面在于，提出一种计算机设备。
本公开实施例的第四方面在于，提出一种计算机可读存储介质。
有鉴于此，根据本公开实施例的第一方面，提供了一种信息处理方法，包括：接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；获取竞争车辆数量和匹配乘客数量；根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；查询与第一待拼车订单信息相匹配的匹配拼车订单信息；计算派发承载匹配拼车订单信息的车辆时的第二平台收益；根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
本公开实施例提供的信息处理方法，在接收到第一待拼车订单信息时，通常有两种拼车方案，一是直接派发一辆空车，二是寻找已经载人的车辆进行拼车。对于第一种方案，通过结合其拼车信息和历史订单汇集而成的大数据，可预测出其第一平台收益；对于第二种方案，则在已经进行中的订单里查询可与待拼车订单匹配的匹配拼车订单，查询到匹配订单后，则会产生明确的行程路线，可根据现有的收益计算方法计算其产生的收益作为第二平台收益。通过比较第一平台收益和第二平台收益，则可确定最有利于平台的拼车方案，从而既可以不影响用户体验，又提高了平台收益和运输车辆的使用效率。
另外，根据本公开实施例提供的上述技术方案中的信息处理方法，还可以具有如下附加技术特征：
在上述技术方案中，优选地，获取竞争车辆数量的操作包括：接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；获取指定地理区域内的司机端的拼车订单信息，拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，指定地理区域是指定地点周围的第一预设地理区域，指定地点为拼车起点和/或行程中的任意点；若拼车订单信息与第一待拼车订单信息的匹配度大于等于第一阈值，则将与拼车订单信息相对应的司机端标记为竞争司机端；统计竞争司机端的数量，作为竞争车辆数量。
在该技术方案中，具体限定了如何获取竞争车辆数量。首先根据需要获取拼车起点和/或行程中的任意点周围合理范围内的司机端的拼车订单信息，其中包括相关联的拼车乘客信息和拼车路线信息，继而计算其与第一待拼车订单信息的匹配度，具体而言，根据拼车乘客信息确定数量上能否进一步载人，若可以，则计算其规划的拼车路线与第一待拼车订单信息的行程路线的重合度，若重合度较高，则表明二者构成竞争关系，对应的司机端为竞争司机端，进而统计竞争司机端的数量即可得到竞争车辆数量。相应地，竞争司机端承载的拼车订单信息可记为竞争拼车订单信息。
在上述任一技术方案中，优选地，获取匹配乘客数量的操作包括：获取在指定地理区域内发出的第二待拼车订单信息；若第二待拼车订单信息与第一待拼车订单信息的匹配度大于等于第二阈值，则将发出第二待拼车订单信息的乘客端标记为匹配乘客端；统计匹配乘客端的数量，作为匹配乘客数量。
在该技术方案中，具体限定了如何获取匹配乘客数量。首先根据需要获取乘客端在拼车起点和/或行程中的任意点周围合理范围内的发出的第二待拼车订单信息，其中包括其拼车起点、拼车终点和拼车时刻，若其行程与第一待拼车订单信息的匹配度大于等于第二阈值，则表明该乘客端是潜在的拼车对象，将其标记为匹配乘客端，进而统计匹配乘客端的数量即可得到匹配乘客数量。
在上述任一技术方案中，优选地，在获取竞争车辆数量和匹配乘客数量的操作之后，还包括：获取从拼车起点到拼车终点的拼车行程；将所在的地理区域整体划分为多个网格，拼车行程经过的网格标记为行程网格；获取同时满足在预设时间范围内发出、拼车行程经过指定的行程网格、且与第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将历史待拼车订单信息标记为与对应的行程网格相关的参考历史订单；计算每个行程网格的参考拼成率，参考拼成率是参考历史订单中在对应的行程网格内拼车成功的订单所占的比例；根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车的第一平台收益的步骤包括：根据第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率预测第一平台收益。
在该技术方案中，进一步限定了获取参考拼成率。由于拼车成功与否对第一平台收益有关键影响，通过获取相关地理范围(即行程网格)中预设时间范围内的参考历史订单的统计信息(即参考拼成率)，使得在预测第一平台收益时可结合参考拼成率，提高预测的准确度。由于每个待拼车订单的行程往往或多或少存在差异，难以直接比较，通过将统计区域划分为固定的若干个网格，预测时只需使用行程所涉及的网格，便于归纳总结历史待拼车订单在行程中的拼车情况，从而借助历史数据提高预测准确度。参考历史订单的行程首先应经过行程网络，此外还需与第一待拼车订单信息高度匹配，方才具备参考价值。参考拼成率中涉及的拼车成功的订单是在对应的行程网络内拼车成功的，具体而言，是新上车乘客的上车地点在行程网格内，从而可避免统计途经行程网格却在行程网格之外拼车成功的订单，因为此类订单拼车成功的结果对于待拼车订单而言是无法实现的，且避免了同一订单在不同行程网络内被重复统计，提高了参考拼成率的参考价值。
在上述任一技术方案中，优选地，在接收第一待拼车订单信息的操作之前，还包括：根据历史订单信息建立概率预测模型和概率收益映射表，概率预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，概率预测模型的目标参数是拼车成功概率；根据第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率预测派发空车时的第一平台收益的步骤包括：将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入概率预测模型，以计算拼车成功概率；查找概率收益映射表，以获取拼车成功概率对应的第一平台收益。
在该技术方案中，具体限定了如何预测第一平台收益的一个方案。首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以拼车成功概率作为目标参数，建概率预测模型，再根据概率预测模型计算各历史订单的拼车成功概率，并统计拼车成功概率与第一平台收益的关系，得到概率收益映射表，继而在预测时将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的概率预测模型中，即可预测其拼车成功概率，再查找概率收益映射表即可获取到对应的第一平台收益。该方案将拼车成功概率作为中间桥梁，充分考虑了拼车成功与否对第一平台收益的影响，提高了预测的准确性。
在上述任一技术方案中，优选地，在接收第一待拼车订单信息的操作之前，还包括：根据历史订单信息建立收益预测模型，收益预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，收益预测模型的目标参数是第一平台收益；根据第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率预测派发空车时的第一平台收益的步骤包括：将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入收益预测模型，以计算第一平台收益。
在该技术方案中，具体限定了如何预测第一平台收益的另一个方案。首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以第一平台收益作为目标参数，建立收益预测模型，继而在预测时将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的收益预测模型中，即可输出其第一平台收益。该方案并不具体产生拼车成功概率，而是直接根据第一待拼车订单信息及相关信息得到第一平台收益，可缩短计算时间，提高了运行效率。
在上述任一技术方案中，优选地，计算派发承载匹配拼车订单信息的车辆时的第二平台收益的步骤包括：当匹配拼车订单信息的数量为至少一个时，计算派发承载匹配拼车订单信息的至少一台车辆时的至少一个平台收益，将至少一个平台收益中的最大值作为第二平台收益。
在该技术方案中，限定了查询到至少一个匹配拼车订单信息时的处理方案。若查询到一个匹配拼车订单，则直接将其第二平台收益与第一平台收益进行对比，其具体比较方案可参见前述各实施例；当查询到至少两个匹配拼车订单信息时，则可产生相应的拼车行程，进而分别计算产生的平台收益，由于选择不同的匹配拼车订单信息对用户而言体验差异不大，故直接将平台收益的最大值作为第二平台收益，并与第一平台收益进行比较，以选择收益最佳的拼车方案，即选择将第一待拼车订单信息派发给哪台车辆。
在上述任一技术方案中，优选地，计算派发承载匹配拼车订单信息的车辆时的第二平台收益的步骤包括：规划派发承载匹配拼车订单信息的车辆时的至少一条行车路线；分别计算采用至少一条行车路线时的至少一个第二平台收益。
在该技术方案中，针对一个匹配拼车订单信息，规划的行车路线可能为一条，也可能为多条，为一条时可直接计算第二平台收益，其具体比较方案可参见前述各实施例；为多条时则需针对每条行车路线分别计算第二平台收益，并与第一平台收益进行比较，以选择收益最佳的拼车方案。此处并未直接将多条行车路线对应的平台收益的最大值作为第二平台收益，是因为可能存在行车路线过长，即过度绕路的现象，会降低用户体验。
根据本公开实施例的第二方面，提供了一种信息处理系统，包括：接收单元，用于接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；获取单元，用于获取竞争车辆数量和匹配乘客数量；预测单元，用于根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；查询单元，用于查询与第一待拼车订单信息相匹配的匹配拼车订单信息；计算单元，用于计算派发承载匹配拼车订单信息的车辆时的第二平台收益；决策单元，用于根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
本公开实施例提供的信息处理系统，接收单元在接收到第一待拼车订单信息时，通常有两种拼车方案，一是直接派发一辆空车，二是寻找已经载人的车辆进行拼车。对于第一种方案，预测单元基于接收单元接收的第一待拼车订单信息及获取单元获取的相关信息，预测出派发空车时平台所能获得的第一平台收益；对于第二种方案，则由查询单元在已经进行中的订单里查询可与第一待拼车订单信息匹配的匹配拼车订单信息，查询到匹配拼车订单信息后，则会由拼车起点和拼车终点产生明确的行车路线，计算单元可根据现有的收益计算方法计算其产生的收益作为第二平台收益。决策单元通过比较第一平台收益和第二平台收益，则可确定最有利于平台的拼车方案，从而既可以不影响用户体验，又提高了平台收益和运输车辆的使用效率。
另外，根据本公开实施例提供的上述技术方案中的信息处理系统，还可以具有如下附加技术特征：
在上述技术方案中，优选地，获取单元具体用于：获取指定地理区域内的司机端的拼车订单信息，拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，指定地理区域是指定地点周围的第一预设地理区域，指定地点为拼车起点和/或行程中的任意点；若拼车订单信息与第一待拼车订单信息的匹配度大于等于第一阈值，则将与拼车订单信息相对应的司机端标记为竞争司机端；统计竞争司机端的数量，作为竞争车辆数量。
在该技术方案中，具体限定了获取单元如何获取竞争车辆数量。首先根据需要获取拼车起点和/或行程中的任意点周围合理范围内的司机端的拼车订单信息，其中包括相关联的拼车乘客信息和拼车路线信息，继而计算其与第一待拼车订单信息的匹配度，具体而言，根据拼车乘客信息确定数量上能否进一步载人，若可以，则计算其规划的拼车路线与第一待拼车订单信息的行程路线的重合度，若重合度较高，则表明二者构成竞争关系，对应的司机端为竞争司机端，进而统计竞争司机端的数量即可得到竞争车辆数量。相应地，竞争司机端承载的拼车订单信息可记为竞争拼车订单信息。
在上述任一技术方案中，优选地，获取单元具体还用于：获取在指定地理区域内发出的第二待拼车订单信息；若第二待拼车订单信息与第一待拼车订单信息的匹配度大于等于第二阈值，则将发出第二待拼车订单信息的乘客端标记为匹配乘客端；统计匹配乘客端的数量，作为匹配乘客数量。
在该技术方案中，具体限定了获取单元如何获取匹配乘客数量。首先根据需要获取乘客端在拼车起点和/或行程中的任意点周围合理范围内的发出的第二待拼车订单信息，其中包括其拼车起点、拼车终点和拼车时刻，若其行程与第一待拼车订单信息的匹配度大于等于第二阈值，则表明该乘客端是潜在的拼车对象，将其标记为匹配乘客端，进而统计匹配乘客端的数量即可得到匹配乘客数量。
在上述任一技术方案中，优选地，获取单元还用于：获取从拼车起点到拼车终点的拼车行程；将所在的地理区域整体划分为多个网格，拼车行程经过的网格标记为行程网格；获取同时满足在预设时间范围内发出、拼车行程经过指定的行程网格、且与第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将历史待拼车订单信息标记为与对应的行程网格相关的参考历史订单；计算每个行程网格的参考拼成率，参考拼成率是参考历史订单中在对应的行程网格内拼车成功的订单所占的比例；预测单元具体用于根据第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率预测第一平台收益。
在该技术方案中，进一步限定了获取单元还用于获取参考拼成率。由于拼车成功与否对第一平台收益有关键影响，通过获取相关地理范围(即行程网格)中预设时间范围内的参考历史订单的统计信息(即参考拼成率)，使得在预测第一平台收益时可结合参考拼成率，提高预测的准确度。由于每个待拼车订单的行程往往或多或少存在差异，难以直接比较，通过将统计区域划分为固定的若干个网格，预测时只需使用行程所涉及的网格，便于归纳总结历史待拼车订单在行程中的拼车情况，从而借助历史数据提高预测准确度。参考历史订单的行程首先应经过行程网络，此外还需与第一待拼车订单信息高度匹配，方才具备参考价值。参考拼成率中涉及的拼车成功的订单是在对应的行程网络内拼车成功的，具体而言，是新上车乘客的上车地点在行程网格内，从而可避免统计途经行程网格却在行程网格之外拼车成功的订单，因为此类订单拼车成功的结果对于待拼车订单而言是无法实现的，且避免了同一订单在不同行程网络内被重复统计，提高了参考拼成率的参考价值。
在上述任一技术方案中，优选地，还包括：第一模型建立单元，用于根据历史订单信息建立概率预测模型和概率收益映射表，概率预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，概率预测模型的目标参数是拼车成功概率；预测单元具体用于：将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入概率预测模型，以计算拼车成功概率；查找概率收益映射表，以获取拼车成功概率对应的第一平台收益。
在该技术方案中，具体限定了预测单元预测第一平台收益的一个方案。第一模型建立单元首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以拼车成功概率作为目标参数，建概率预测模型，再根据概率预测模型计算各历史订单的拼车成功概率，并统计拼车成功概率与第一平台收益的关系，得到概率收益映射表，预测单元继而将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的概率预测模型中，即可预测其拼车成功概率，再查找概率收益映射表即可获取到对应的第一平台收益。该方案将拼车成功概率作为中间桥梁，充分考虑了拼车成功与否对第一平台收益的影响，提高了预测的准确性。
在上述任一技术方案中，优选地，还包括：第二模型建立单元，用于根据历史订单信息建立收益预测模型，收益预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，收益预测模型的目标参数是第一平台收益；预测单元具体用于将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入收益预测模型，以计算第一平台收益。
在该技术方案中，具体限定了预测单元预测第一平台收益的另一个方案。第二模型建立单元首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以第一平台收益作为目标参数，建立收益预测模型，预测单元继而将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的收益预测模型中，即可输出其第一平台收益。该方案并不具体产生拼车成功概率，而是直接根据第一待拼车订单信息及相关信息得到第一平台收益，可缩短计算时间，提高了运行效率。
在上述任一技术方案中，优选地，计算单元具体用于：当匹配拼车订单信息的数量为至少一个时，计算派发承载匹配拼车订单信息的至少一台车辆时的至少一个平台收益，将至少一个平台收益中的最大值作为第二平台收益。
在该技术方案中，限定了查询单元查询到至少一个匹配拼车订单信息时计算单元的处理方案。若查询单元查询到一个匹配拼车订单，则计算单元直接将其第二平台收益与第一平台收益进行对比，决策单元的具体比较方案可参见前述各实施例；当查询单元查询到至少两个匹配拼车订单信息时，则可产生相应的拼车行程，计算单元进而分别计算产生的平台收益，由于选择不同的匹配拼车订单信息对用户而言体验差异不大，故直接将平台收益的最大值作为第二平台收益，并与第一平台收益进行比较，以供决策单元选择收益最佳的拼车方案，即选择将第一待拼车订单信息派发给哪台车辆。
在上述任一技术方案中，优选地，计算单元具体用于：规划派发承载匹配拼车订单信息的车辆时的至少一条行车路线；分别计算采用至少一条行车路线时的至少一个第二平台收益。
在该技术方案中，针对查询单元查询到的一个匹配拼车订单信息，规划的行车路线可能为一条，也可能为多条，为一条时计算单元可直接计算第二平台收益，决策单元的具体比较方案可参见前述各实施例；为多条时计算单元则需针对每条行车路线分别计算第二平台收益，并由决策单元将之与第一平台收益进行比较，以选择收益最佳的拼车方案。此处计算单元并未直接将多条行车路线对应的平台收益的最大值作为第二平台收益，是因为可能存在行车路线过长，即过度绕路的现象，会降低用户体验。
根据本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一技术方案所述的方法的步骤。
本公开实施例提供的计算机设备，处理器在执行存储器上存储的计算机程序时，可实现上述任一技术方案所述的方法的步骤，因而具有上述信息处理方法的全部有益技术效果，在此不再赘述。
根据本公开实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一技术方案所述的方法的步骤。
本公开实施例提供的计算机可读存储介质，其上存储的计算机程序被处理器执行时可实现上述任一技术方案所述的方法的步骤，因而具有上述信息处理方法的全部有益技术效果，在此不再赘述。
本公开实施例的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开实施例的实践了解到。
附图说明
本公开实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1示出了根据本公开实施例的第一个实施例的信息处理方法的示意流程图；
图2示出了根据本公开实施例的第二个实施例的信息处理方法的示意流程图；
图3示出了根据本公开实施例的第三个实施例的信息处理方法的示意流程图；
图4示出了根据本公开实施例的第四个实施例的信息处理方法的示意流程图；
图5示出了根据本公开实施例的第五个实施例的信息处理方法的示意流程图；
图6示出了根据本公开实施例的第六个实施例的信息处理方法的示意流程图；
图7示出了根据本公开实施例的第七个实施例的信息处理方法的示意流程图；
图8示出了根据本公开实施例的第八个实施例的信息处理方法的示意流程图；
图9示出了根据本公开实施例的第一个实施例的信息处理系统的示意框图；
图10示出了根据本公开实施例的第二个实施例的信息处理系统的示意框图；
图11示出了根据本公开实施例的第三个实施例的信息处理系统的示意框图；
图12示出了根据本公开实施例的一个实施例的计算机设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开实施例的上述目的、特征和优点，下面结合附图和具体实施方式对本公开实施例进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开实施例，但是，本公开实施例还可以采用其他不同于在此描述的其他方式来实施，因此，本公开实施例的保护范围并不受下面公开的具体实施例的限制。
本公开实施例第一方面的实施例提供了一种信息处理方法。
图1示出了根据本公开实施例的第一个实施例的信息处理方法的示意流程图。
如图1所示，本公开实施例的第一个实施例的信息处理方法包括：
s102，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s104，获取竞争车辆数量和匹配乘客数量；
s106，根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；
s108，查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
s110，计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
s112，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
本公开实施例提供的信息处理方法，在接收到第一待拼车订单信息时，通常有两种拼车方案，一是直接派发一辆空车，二是寻找已经载人的车辆进行拼车。对于第一种方案，基于当前接收的第一待拼车订单信息及其相关信息，预测出派发空车时平台所能获得的第一平台收益；对于第二种方案，则在已经进行中的订单里查询可与第一待拼车订单信息匹配的匹配拼车订单信息，查询到匹配拼车订单信息后，则会由拼车起点和拼车终点产生明确的行车路线，可根据现有的收益计算方法计算其产生的收益作为第二平台收益。通过比较第一平台收益和第二平台收益，则可确定最有利于平台的拼车方案，从而既可以不影响用户体验，又提高了平台收益和运输车辆的使用效率。可选地，可选择第一平台收益和第二平台收益中收益较多的一方对应的拼车方案；也可在第一平台收益高于第二平台收益一定值时才选择派发空车，即优选第二种方案，优先保证已经载人的车辆可以拼到新订单，保证拼成率；还可在第一平台收益低于第二平台收益一定值时才选择与已经载人的车辆拼车，即优选第一种方案，以保证用户体验，只要不脱离本公开实施例的设计构思，则均属于本公开实施例的保护范围内。具体地，对于第二种方案，当没有查询到匹配拼车订单信息时，可等待预定时长后再次查询或保持查询直到查询成功，也可直接跳转至第一种情况或在预定时长后仍没有查询到匹配拼车订单信息时跳转至第一种方案，即派发空车，以确保用户体验。
进一步地，待拼车订单信息还包括拼车时刻，直接发出的待拼车订单信息，拼车时刻即为当前时刻，预约拼车时，拼车时刻为预约的时刻，便于接单司机按照预约的时刻接乘客。计算第一平台收益和第二平台收益时也应以拼车时刻为准，以提高计算的准确度。
具体地，查询匹配拼车订单信息时，可先获取拼车起点周围可进一步载客的车辆(即已经载客且载客数未达上限的车辆)以及这些车辆所承载的拼车订单信息，进而分析为这些车辆规划的行程是否与第一待拼车订单信息的行程匹配，若匹配，则将当前分析的拼车订单信息划定为匹配拼车订单信息。其中，具体匹配算法不在本公开实施例的限定范围之内，可参考本领域中的相关技术，在此不加赘述。
此外，约车平台在获取约车订单信息后通常会进行一定的淘汰，可以通过本公开实施例提供的信息处理方法中计算第一平台收益的方法计算被淘汰订单可以为平台贡献的价值(例如计费比)，当算得的价值大于预定的阈值时，可以将被淘汰的订单取回，重新进行拼车服务，既满足了用户需求，又提高了平台收益和运输车辆的使用效率。
图2示出了根据本公开实施例的第二个实施例的信息处理方法的示意流程图。
如图2所示，本公开实施例的第二个实施例的信息处理方法包括：
s202，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s204，获取指定地理区域内的司机端的拼车订单信息，拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，指定地理区域是指定地点周围的第一预设地理区域，指定地点为拼车起点和/或行程中的任意点；
s206，若拼车订单信息与第一待拼车订单信息的匹配度大于等于第一阈值，则将与拼车订单信息相对应的司机端标记为竞争司机端；
s208，统计竞争司机端的数量，作为竞争车辆数量；
s210，获取匹配乘客数量；
s212，根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；
s214，查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
s216，计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
s218，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，具体限定了如何获取竞争车辆数量。首先根据需要获取拼车起点和/或行程中的任意点周围合理范围内的司机端的拼车订单信息，其中包括相关联的拼车乘客信息和拼车路线信息，继而计算其与第一待拼车订单信息的匹配度，具体而言，根据拼车乘客信息确定数量上能否进一步载人，若可以，则计算其规划的拼车路线与第一待拼车订单信息的行程路线的重合度，若重合度较高，则表明二者构成竞争关系，对应的司机端为竞争司机端，进而统计竞争司机端的数量即可得到竞争车辆数量。相应地，竞争司机端承载的拼车订单信息可记为竞争拼车订单信息。
可以理解的是，竞争拼车订单信息与计算第二平台收益时涉及的匹配拼车订单信息的主要区别在于，前者针对的是指定地理区域内的订单信息，而后者针对的是在拼车时刻(或拼车时刻附近一定时间范围内)可以到达拼车起点的订单信息，承载匹配拼车订单信息的车辆属于匹配车辆。
具体地，竞争拼车订单信息的界定方式可以有很多，例如可以是与第一待拼车订单信息的行程重合度超过阈值的拼车订单信息，也可以是拼车终点与第一待拼车订单信息的拼车终点邻近的拼车订单。获取竞争拼车订单信息的数量时可先获取指定地理区域内发出的全部拼车订单信息，再分析这些拼车订单信息是否为竞争拼车订单信息，最后统计这些拼车订单信息中竞争拼车订单信息的数量。
针对指定地理区域，是以指定地点为中心辐射预设半径而得到的区域，指定地点的数量越多，指定地理区域的面积就越大，采集到的信息量就越大，预测也就越准确，当指定地点包括行程中多个连续点时，指定地理区域就近似对应一条由多个连续圆形区域叠加而成的具有一定宽度的曲线。其中，当指定地点为拼车起点时，就对应着在派发一辆空车后又在拼车起点拼车成功的情况，通过获取拼车起点和行程中的所有点对应的指定地理区域内的竞争拼车订单的数量和匹配车辆的数量(在拼车终点拼车成功的情况不记入当前的待拼车订单)，可以得到待拼车订单在全程中拼车成功的概率，有助于提高预测的准确度。
图3示出了根据本公开实施例的第三个实施例的信息处理方法的示意流程图。
如图3所示，本公开实施例的第三个实施例的信息处理方法包括：
s302，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s304，获取指定地理区域内的司机端的拼车订单信息，拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，指定地理区域是指定地点周围的第一预设地理区域，指定地点为拼车起点和/或行程中的任意点；
s306，若拼车订单信息与第一待拼车订单信息的匹配度大于等于第一阈值，则将与拼车订单信息相对应的司机端标记为竞争司机端；
s308，统计竞争司机端的数量，作为竞争车辆数量；
s310，获取在指定地理区域内发出的第二待拼车订单信息；
s312，若第二待拼车订单信息与第一待拼车订单信息的匹配度大于等于第二阈值，则将发出第二待拼车订单信息的乘客端标记为匹配乘客端；
s314，统计匹配乘客端的数量，作为匹配乘客数量；
s316，根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；
s318，查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
s320，计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
s322，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，具体限定了如何获取匹配乘客数量。首先根据需要获取乘客端在拼车起点和/或行程中的任意点周围合理范围内的发出的第二待拼车订单信息，其中包括其拼车起点、拼车终点和拼车时刻，若其行程与第一待拼车订单信息的匹配度大于等于第二阈值，则表明该乘客端是潜在的拼车对象，将其标记为匹配乘客端，进而统计匹配乘客端的数量即可得到匹配乘客数量。
图4示出了根据本公开实施例的第四个实施例的信息处理方法的示意流程图。
如图4所示，本公开实施例的第四个实施例的信息处理方法包括：
s402，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s404，获取竞争车辆数量和匹配乘客数量；
s406，获取从拼车起点到拼车终点的拼车行程；
s408，将所在的地理区域整体划分为多个网格，拼车行程经过的网格标记为行程网格；
s410，获取同时满足在预设时间范围内发出、拼车行程经过指定的行程网格、且与第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将历史待拼车订单信息标记为与对应的行程网格相关的参考历史订单；
s412，计算每个行程网格的参考拼成率，参考拼成率是参考历史订单中在对应的行程网格内拼车成功的订单所占的比例；
s414，根据第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率预测第一平台收益；
s416，查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
s418，计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
s420，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，进一步限定了获取参考拼成率。由于拼车成功与否对第一平台收益有关键影响，通过获取相关地理范围(即行程网格)中预设时间范围内的参考历史订单的统计信息(即参考拼成率)，使得在预测第一平台收益时可结合参考拼成率，提高预测的准确度。由于每个待拼车订单的行程往往或多或少存在差异，难以直接比较，通过将统计区域划分为固定的若干个网格，预测时只需使用行程所涉及的网格，便于归纳总结历史待拼车订单在行程中的拼车情况，从而借助历史数据提高预测准确度。可选地，将统计区域(例如整个城市)划分为600m×600m的网格。参考历史订单的行程首先应经过行程网络，此外还需与第一待拼车订单信息高度匹配，方才具备参考价值。可选地，第三阈值等于第二阈值。参考拼成率中涉及的拼车成功的订单是在对应的行程网络内拼车成功的，具体而言，是新上车乘客的上车地点在行程网格内，从而可避免统计途经行程网格却在行程网格之外拼车成功的订单，因为此类订单拼车成功的结果对于待拼车订单而言是无法实现的，且避免了同一订单在不同行程网络内被重复统计，提高了参考拼成率的参考价值。
可选地，将预设时间范围设定为第一待拼车订单信息中的拼车时刻的前一天或上一周，使得参考拼成率随着时间的推进相应变化，充分参考了最新的历史数据；进一步地，将一天中的24小时划分为不同的时段，可每隔固定时长划分一个时段，也可分为高峰时段和平常时段，如早上7点至9点为早高峰时段，下午5点到8点是晚高峰时段，其余时段是平常时段，预设时间范围则设定为前一天或上一周的相同时段。
图5示出了根据本公开实施例的第五个实施例的信息处理方法的示意流程图。
如图5所示，本公开实施例的第五个实施例的信息处理方法包括：
s502，根据历史订单信息建立概率预测模型和概率收益映射表，预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，概率预测模型的目标参数是拼车成功概率；
s504，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s506，获取竞争车辆数量和匹配乘客数量；
s508，获取从拼车起点到拼车终点的拼车行程；
s510，将所在的地理区域整体划分为多个网格，拼车行程经过的网格标记为行程网格；
s512，获取同时满足在预设时间范围内发出、拼车行程经过指定的行程网格、且与第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将历史待拼车订单信息标记为与对应的行程网格相关的参考历史订单；
s514，计算每个行程网格的参考拼成率，参考拼成率是参考历史订单中在对应的行程网格内拼车成功的订单所占的比例；
s516，将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入概率预测模型，以计算拼车成功概率；
s518，查找概率收益映射表，以获取拼车成功概率对应的第一平台收益；
s520，查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
s522，计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
s524，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，具体限定了如何预测第一平台收益的一个方案。首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以拼车成功概率作为目标参数，建概率预测模型，再根据概率预测模型计算各历史订单的拼车成功概率，并统计拼车成功概率与第一平台收益的关系，得到概率收益映射表，继而在预测时将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的概率预测模型中，即可预测其拼车成功概率，再查找概率收益映射表即可获取到对应的第一平台收益。该方案将拼车成功概率作为中间桥梁，充分考虑了拼车成功与否对第一平台收益的影响，提高了预测的准确性。
进一步地，当没有查询到匹配拼车订单信息时，可以借助拼车成功概率做决策，若拼车成功概率超过一个预设值，则派发空车并等待拼车，否则等待预定时长后再次查询，可保持查询直到查询成功，也可在查询的同时继续预测拼车成功概率，并在拼车成功概率超过预设值时派发空车。
此外，对于一个约车订单，目前平台往往会同时在拼车和约车(如快车)两个平台上进行匹配，由于拼车可以更好地利用运力，因此希望可以尽可能促成拼车的实现。而拼车时就会出现前述的两种方案，其中第一种方案和快车均为派发一辆空车，若第一种方案下后续拼车不成功，而其收费又低于快车，就会造成平台收益的损失，此时平台可根据待拼车订单的拼车信息，利用本公开实施例提供的信息处理方法计算拼车成功概率，当拼车成功概率大于一个预设值的时候，优先将该订单作为待拼车订单进行匹配。
图6示出了根据本公开实施例的第六个实施例的信息处理方法的示意流程图。
如图6所示，本公开实施例的第六个实施例的信息处理方法包括：
s602，根据历史订单信息建立收益预测模型，收益预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，收益预测模型的目标参数是第一平台收益；
s604，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s606，获取竞争车辆数量和匹配乘客数量；
s608，获取从拼车起点到拼车终点的拼车行程；
s610，将所在的地理区域整体划分为多个网格，拼车行程经过的网格标记为行程网格；
s612，获取同时满足在预设时间范围内发出、拼车行程经过指定的行程网格、且与第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将历史待拼车订单信息标记为与对应的行程网格相关的参考历史订单；
s614，计算每个行程网格的参考拼成率，参考拼成率是参考历史订单中在对应的行程网格内拼车成功的订单所占的比例；
s616，将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入收益预测模型，以计算第一平台收益；
s618，查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
s620，计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
s622，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，具体限定了如何预测第一平台收益的另一个方案。首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以第一平台收益作为目标参数，建立收益预测模型，继而在预测时将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的收益预测模型中，即可输出其第一平台收益。该方案并不具体产生拼车成功概率，而是直接根据第一待拼车订单信息及相关信息得到第一平台收益，可缩短计算时间，提高了运行效率。
图7示出了根据本公开实施例的第七个实施例的信息处理方法的示意流程图。
如图7所示，本公开实施例的第七个实施例的信息处理方法包括：
s702，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s704，获取竞争车辆数量和匹配乘客数量；
s706，根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；
s708，查询与第一待拼车订单信息相匹配的至少一个匹配拼车订单信息；
s710，计算派发承载匹配拼车订单信息的至少一台车辆时的至少一个平台收益，将至少一个平台收益中的最大值作为第二平台收益；
s712，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，限定了查询到至少一个匹配拼车订单信息时的处理方案。若查询到一个匹配拼车订单，则直接将其第二平台收益与第一平台收益进行对比，其具体比较方案可参见前述各实施例；当查询到至少两个匹配拼车订单信息时，则可产生相应的拼车行程，进而分别计算产生的平台收益，由于选择不同的匹配拼车订单信息对用户而言体验差异不大，故直接将平台收益的最大值作为第二平台收益，并与第一平台收益进行比较，以选择收益最佳的拼车方案，即选择将第一待拼车订单信息派发给哪台车辆。
图8示出了根据本公开实施例的第八个实施例的信息处理方法的示意流程图。
如图8所示，本公开实施例的第八个实施例的信息处理方法包括：
s802，接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
s804，获取竞争车辆数量和匹配乘客数量；
s806，根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；
s808，查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
s810，规划派发承载匹配拼车订单信息的车辆时的至少一条行车路线；
s812，分别计算采用至少一条行车路线时的至少一个第二平台收益；
s814，根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，针对一个匹配拼车订单信息，规划的行车路线可能为一条，也可能为多条，为一条时可直接计算第二平台收益，其具体比较方案可参见前述各实施例；为多条时则需针对每条行车路线分别计算第二平台收益，并与第一平台收益进行比较，以选择收益最佳的拼车方案。此处并未直接将多条行车路线对应的平台收益的最大值作为第二平台收益，是因为可能存在行车路线过长，即过度绕路的现象，会降低用户体验。为此，可选地，按照行车时长由短到长为多条行车线路排序，先保留行车时长较短的几条行车线路(例如排在前70％的行车线路，或彼此间差值不大于一个设定值的多个行车时长对应的行车路线)，以确保用户体验，再在其中选择最大的第二平台收益，以供进一步与第一平台收益对比。只要不脱离本公开实施例的设计构思，则均属于本公开实施例的保护范围内。
进一步地，对于某一个特定的订单，平台可能产生多个匹配方案，包括不同的司机端(即车辆)、每个司机端不同的行车路线，因此可将该实施例与第七个实施例相结合，根据每个匹配方案的行车路线，估算平台产生的收益，以选择收益最佳的匹配方案。
本公开实施例第二方面的实施例提供了一种信息处理系统。
图9示出了根据本公开实施例的第一个实施例的信息处理系统的示意框图。
如图9所示，本公开实施例的第一个实施例的信息处理系统100包括：
接收单元102，用于接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
获取单元104，用于获取竞争车辆数量和匹配乘客数量；
预测单元106，用于根据第一待拼车订单信息、竞争车辆数量和匹配乘客数量预测派发空车时的第一平台收益；
查询单元108，用于查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
计算单元110，用于计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
决策单元112，用于根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
本公开实施例提供的信息处理系统100，接收单元102在接收到第一待拼车订单信息时，通常有两种拼车方案，一是直接派发一辆空车，二是寻找已经载人的车辆进行拼车。对于第一种方案，预测单元106基于接收单元102接收的第一待拼车订单信息及获取单元104获取的相关信息，预测出派发空车时平台所能获得的第一平台收益；对于第二种方案，则由查询单元108在已经进行中的订单里查询可与第一待拼车订单信息匹配的匹配拼车订单信息，查询到匹配拼车订单信息后，则会由拼车起点和拼车终点产生明确的行车路线，计算单元110可根据现有的收益计算方法计算其产生的收益作为第二平台收益。决策单元112通过比较第一平台收益和第二平台收益，则可确定最有利于平台的拼车方案，从而既可以不影响用户体验，又提高了平台收益和运输车辆的使用效率。可选地，决策单元112可选择第一平台收益和第二平台收益中收益较多的一方对应的拼车方案；也可在第一平台收益高于第二平台收益一定值时才选择派发空车，即优选第二种方案，优先保证已经载人的车辆可以拼到新订单，保证拼成率；还可在第一平台收益低于第二平台收益一定值时才选择与已经载人的车辆拼车，即优选第一种方案，以保证用户体验，只要不脱离本公开实施例的设计构思，则均属于本公开实施例的保护范围内。具体地，对于第二种方案，当查询单元108没有查询到匹配拼车订单信息时，可等待预定时长后再次查询或保持查询直到查询成功，决策单元112也可直接跳转至第一种情况或在预定时长后仍没有查询到匹配拼车订单信息时跳转至第一种方案，即派发空车，以确保用户体验。
进一步地，待拼车订单信息还包括拼车时刻，直接发出的待拼车订单信息，拼车时刻即为当前时刻，预约拼车时，拼车时刻为预约的时刻，便于接单司机按照预约的时刻接乘客。计算第一平台收益和第二平台收益时也应以拼车时刻为准，以提高计算的准确度。
具体地，查询单元108查询匹配拼车订单信息时，可先获取拼车起点周围可进一步载客的车辆(即已经载客且载客数未达上限的车辆)以及这些车辆所承载的拼车订单信息，进而分析为这些车辆规划的行程是否与第一待拼车订单信息的行程匹配，若匹配，则将当前分析的拼车订单信息划定为匹配拼车订单信息。其中，具体匹配算法不在本公开实施例的限定范围之内，可参考本领域中的相关技术，在此不加赘述。
此外，约车平台在获取约车订单信息后通常会进行一定的淘汰，可以通过本公开实施例提供的预测单元106计算第一平台收益的方法计算被淘汰订单可以为平台贡献的价值(例如计费比)，当算得的价值大于预定的阈值时，可以将被淘汰的订单取回，重新进行拼车服务，既满足了用户需求，又提高了平台收益和运输车辆的使用效率。
在本公开实施例的一个实施例中，优选地，获取单元104具体用于：获取指定地理区域内的司机端的拼车订单信息，拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，指定地理区域是指定地点周围的第一预设地理区域，指定地点为拼车起点和/或行程中的任意点；若拼车订单信息与第一待拼车订单信息的匹配度大于等于第一阈值，则将与拼车订单信息相对应的司机端标记为竞争司机端；统计所述竞争司机端的数量，作为所述竞争车辆数量。
在该实施例中，具体限定了获取单元104如何获取竞争车辆数量。首先根据需要获取拼车起点和/或行程中的任意点周围合理范围内的司机端的拼车订单信息，其中包括相关联的拼车乘客信息和拼车路线信息，继而计算其与第一待拼车订单信息的匹配度，具体而言，根据拼车乘客信息确定数量上能否进一步载人，若可以，则计算其规划的拼车路线与第一待拼车订单信息的行程路线的重合度，若重合度较高，则表明二者构成竞争关系，对应的司机端为竞争司机端，进而统计竞争司机端的数量即可得到竞争车辆数量。相应地，竞争司机端承载的拼车订单信息可记为竞争拼车订单信息。
可以理解的是，竞争拼车订单信息与计算第二平台收益时涉及的匹配拼车订单信息的主要区别在于，前者针对的是指定地理区域内的订单信息，而后者针对的是在拼车时刻(或拼车时刻附近一定时间范围内)可以到达拼车起点的订单信息，承载匹配拼车订单信息的车辆属于匹配车辆。
具体地，竞争拼车订单信息的界定方式可以有很多，例如可以是与第一待拼车订单信息的行程重合度超过阈值的拼车订单信息，也可以是拼车终点与第一待拼车订单信息的拼车终点邻近的拼车订单。获取竞争拼车订单信息的数量时可先获取指定地理区域内发出的全部拼车订单信息，再分析这些拼车订单信息是否为竞争拼车订单信息，最后统计这些拼车订单信息中竞争拼车订单信息的数量。
针对指定地理区域，是以指定地点为中心辐射预设半径而得到的区域，指定地点的数量越多，指定地理区域的面积就越大，采集到的信息量就越大，预测也就越准确，当指定地点包括行程中多个连续点时，指定地理区域就近似对应一条由多个连续圆形区域叠加而成的具有一定宽度的曲线。其中，当指定地点为拼车起点时，就对应着在派发一辆空车后又在拼车起点拼车成功的情况，通过获取拼车起点和行程中的所有点对应的指定地理区域内的竞争拼车订单的数量和匹配车辆的数量(在拼车终点拼车成功的情况不记入当前的待拼车订单)，可以得到待拼车订单在全程中拼车成功的概率，有助于提高预测的准确度。
在本公开实施例的一个实施例中，优选地，获取单元104具体还用于：获取指定地理区域内的司机端的拼车订单信息，拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，指定地理区域是指定地点周围的第一预设地理区域，指定地点为拼车起点和/或行程中的任意点；若拼车订单信息与第一待拼车订单信息的匹配度大于等于第一阈值，则将与拼车订单信息相对应的司机端标记为竞争司机端；统计所述竞争司机端的数量，作为所述竞争车辆数量。
在该实施例中，具体限定了获取单元104如何获取匹配乘客数量。首先根据需要获取乘客端在拼车起点和/或行程中的任意点周围合理范围内的发出的第二待拼车订单信息，其中包括其拼车起点、拼车终点和拼车时刻，若其行程与第一待拼车订单信息的匹配度大于等于第二阈值，则表明该乘客端是潜在的拼车对象，将其标记为匹配乘客端，进而统计匹配乘客端的数量即可得到匹配乘客数量。
在本公开实施例的一个实施例中，优选地，获取单元104具体还用于：获取从拼车起点到拼车终点的拼车行程；将所在的地理区域整体划分为多个网格，拼车行程经过的网格标记为行程网格；获取同时满足在预设时间范围内发出、拼车行程经过指定的行程网格、且与第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将历史待拼车订单信息标记为与对应的行程网格相关的参考历史订单；计算每个行程网格的参考拼成率，参考拼成率是参考历史订单中在对应的行程网格内拼车成功的订单所占的比例；预测单元106具体用于根据第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率预测第一平台收益。
在该实施例中，进一步限定了获取单元104还用于获取参考拼成率。由于拼车成功与否对第一平台收益有关键影响，通过获取相关地理范围(即行程网格)中预设时间范围内的参考历史订单的统计信息(即参考拼成率)，使得在预测第一平台收益时可结合参考拼成率，提高预测的准确度。由于每个待拼车订单的行程往往或多或少存在差异，难以直接比较，通过将统计区域划分为固定的若干个网格，预测时只需使用行程所涉及的网格，便于归纳总结历史待拼车订单在行程中的拼车情况，从而借助历史数据提高预测准确度。可选地，将统计区域(例如整个城市)划分为600m×600m的网格。参考历史订单的行程首先应经过行程网络，此外还需与第一待拼车订单信息高度匹配，方才具备参考价值。可选地，第三阈值等于第二阈值。参考拼成率中涉及的拼车成功的订单是在对应的行程网络内拼车成功的，具体而言，是新上车乘客的上车地点在行程网格内，从而可避免统计途经行程网格却在行程网格之外拼车成功的订单，因为此类订单拼车成功的结果对于待拼车订单而言是无法实现的，且避免了同一订单在不同行程网络内被重复统计，提高了参考拼成率的参考价值。
可选地，将预设时间范围设定为第一待拼车订单信息中的拼车时刻的前一天或上一周，使得参考拼成率随着时间的推进相应变化，充分参考了最新的历史数据；进一步地，将一天中的24小时划分为不同的时段，可每隔固定时长划分一个时段，也可分为高峰时段和平常时段，如早上7点至9点为早高峰时段，下午5点到8点是晚高峰时段，其余时段是平常时段，预设时间范围则设定为前一天或上一周的相同时段。
图10示出了根据本公开实施例的第二个实施例的信息处理系统的示意框图。
如图10所示，本公开实施例的第二个实施例的信息处理系统200包括：
第一模型建立单元202，用于根据历史订单信息建立概率预测模型和概率收益映射表，预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，概率预测模型的目标参数是拼车成功概率；
接收单元204，用于接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
获取单元206，用于获取竞争车辆数量和匹配乘客数量；
预测单元208，用于将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入概率预测模型，以计算拼车成功概率；查找概率收益映射表，以获取拼车成功概率对应的第一平台收益；
查询单元210，用于查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
计算单元212，用于计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
决策单元214，用于根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，具体限定了预测单元208预测第一平台收益的方案。第一模型建立单元202首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以拼车成功概率作为目标参数，建概率预测模型，再根据概率预测模型计算各历史订单的拼车成功概率，并统计拼车成功概率与第一平台收益的关系，得到概率收益映射表，预测单元208继而将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的概率预测模型中，即可预测其拼车成功概率，再查找概率收益映射表即可获取到对应的第一平台收益。该方案将拼车成功概率作为中间桥梁，充分考虑了拼车成功与否对第一平台收益的影响，提高了预测的准确性。
进一步地，当没有查询到匹配拼车订单信息时，可以借助拼车成功概率做决策，若拼车成功概率超过一个预设值，则派发空车并等待拼车，否则等待预定时长后再次查询，可保持查询直到查询成功，也可在查询的同时继续预测拼车成功概率，并在拼车成功概率超过预设值时派发空车。
此外，对于一个约车订单，目前平台往往会同时在拼车和约车(如快车)两个平台上进行匹配，由于拼车可以更好地利用运力，因此希望可以尽可能促成拼车的实现。而拼车时就会出现前述的两种方案，其中第一种方案和快车均为派发一辆空车，若第一种方案下后续拼车不成功，而其收费又低于快车，就会造成平台收益的损失，此时平台可根据待拼车订单的拼车信息，利用本公开实施例提供的预测单元208计算拼车成功概率，当拼车成功概率大于一个预设值的时候，优先将该订单作为待拼车订单进行匹配。
图11示出了根据本公开实施例的第三个实施例的信息处理系统的示意框图。
如图11所示，本公开实施例的第三个实施例的信息处理系统300包括：
第二模型建立单元302，用于根据历史订单信息建立收益预测模型，收益预测模型的训练参数包括历史订单信息中的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息，拼车结果信息包括拼车成功信息和拼车失败信息，收益预测模型的目标参数是第一平台收益；
接收单元304，用于接收第一待拼车订单信息，第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
获取单元306，用于获取竞争车辆数量和匹配乘客数量；
预测单元308，用于将第一待拼车订单信息、竞争车辆数量、匹配乘客数量和参考拼成率输入收益预测模型，以计算第一平台收益；
查询单元310，用于查询与第一待拼车订单信息相匹配的匹配拼车订单信息；
计算单元312，用于计算派发承载匹配拼车订单信息的车辆时的第二平台收益；
决策单元314，用于根据第一平台收益和第二平台收益确定第一待拼车订单信息的拼车方案。
在该实施例中，具体限定了预测单元308预测第一平台收益的方案。第二模型建立单元302首先进行机器学习，利用历史订单的拼车起点、拼车终点、拼车时刻、竞争车辆数量、匹配乘客数量和拼车结果信息作为训练参数、以第一平台收益作为目标参数，建立收益预测模型，预测单元308继而将第一待拼车订单信息及其竞争车辆数量、匹配乘客数量和参考拼成率输入建立的收益预测模型中，即可输出其第一平台收益。该方案并不具体产生拼车成功概率，而是直接根据第一待拼车订单信息及相关信息得到第一平台收益，可缩短计算时间，提高了运行效率。
在本公开实施例的一个实施例中，优选地，计算单元具体用于：当匹配拼车订单信息的数量为至少一个时，计算派发承载匹配拼车订单信息的至少一台车辆时的至少一个平台收益，将至少一个平台收益中的最大值作为第二平台收益。
在该实施例中，限定了查询单元查询到至少一个匹配拼车订单信息时计算单元的处理方案。若查询单元查询到一个匹配拼车订单，则计算单元直接将其第二平台收益与第一平台收益进行对比，决策单元的具体比较方案可参见前述各实施例；当查询单元查询到至少两个匹配拼车订单信息时，则可产生相应的拼车行程，计算单元进而分别计算产生的平台收益，由于选择不同的匹配拼车订单信息对用户而言体验差异不大，故直接将平台收益的最大值作为第二平台收益，并与第一平台收益进行比较，以供决策单元选择收益最佳的拼车方案，即选择将第一待拼车订单信息派发给哪台车辆。
在本公开实施例的一个实施例中，优选地，计算单元具体用于：规划派发承载匹配拼车订单信息的车辆时的至少一条行车路线；分别计算采用至少一条行车路线时的至少一个第二平台收益。
在该实施例中，针对查询单元查询到的一个匹配拼车订单信息，规划的行车路线可能为一条，也可能为多条，为一条时计算单元可直接计算第二平台收益，决策单元的具体比较方案可参见前述各实施例；为多条时计算单元则需针对每条行车路线分别计算第二平台收益，并由决策单元将之与第一平台收益进行比较，以选择收益最佳的拼车方案。此处计算单元并未直接将多条行车路线对应的平台收益的最大值作为第二平台收益，是因为可能存在行车路线过长，即过度绕路的现象，会降低用户体验。为此，可选地，计算单元按照行车时长由短到长为多条行车线路排序，先保留行车时长较短的几条行车线路(例如排在前70％的行车线路，或彼此间差值不大于一个设定值的多个行车时长对应的行车路线)，以确保用户体验，再在其中选择最大的第二平台收益，以供进一步与第一平台收益对比。只要不脱离本公开实施例的设计构思，则均属于本公开实施例的保护范围内。
进一步地，对于某一个特定的订单，平台可能产生多个匹配方案，包括不同的司机端(即车辆)、每个司机端不同的行车路线，因此可将该实施例与第七个实施例相结合，计算单元根据每个匹配方案的行车路线，分别估算平台产生的收益，以选择收益最佳的匹配方案。
本公开实施例限定的“单元”是功能单元，可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在计算机可读存储介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“计算机可读存储介质”可以包括能够存储或传输信息的任何介质。计算机可读存储介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本公开实施例第三方面的实施例提供了一种计算机设备，如图12所示，计算机设备4包括存储器42、处理器44及存储在存储器42上并可在处理器44上运行的计算机程序，处理器44执行计算机程序时实现如上述任一实施例所述的方法的步骤。
本公开实施例提供的计算机设备4，处理器44在执行存储器42上存储的计算机程序时，可实现上述任一实施例所述的方法的步骤，因而具有上述信息处理方法的全部有益技术效果，在此不再赘述。
本公开实施例第四方面的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例所述的方法的步骤。
本公开实施例提供的计算机可读存储介质，其上存储的计算机程序被处理器执行时可实现上述任一实施例所述的方法的步骤，因而具有上述信息处理方法的全部有益技术效果，在此不再赘述。
以上结合附图详细说明了本公开实施例的技术方案，本公开实施例提出了一种信息处理方案，解决了难以判断不同拼车方案下的平台收益的问题，通过机器学习，结合历史订单构成的大数据建立预测模型，从而将待拼车订单信息导入预测模型中，以预测其对应的第一平台收益，并计算与已经载人的车辆拼车所产生的第二平台收益，进而比较第一平台收益和第二平台收益以确定最有利于平台的拼车方案，从而既可以不影响用户体验，又提高了平台收益和运输车辆的使用效率。
以上所述仅为本公开实施例的优选实施例而已，并不用于限制本公开实施例，对于本领域的技术人员来说，本公开实施例可以有各种更改和变化。凡在本公开实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开实施例的保护范围之内。
1.一种信息处理方法，其特征在于，包括：
接收第一待拼车订单信息，所述第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
获取竞争车辆数量和匹配乘客数量；
根据所述第一待拼车订单信息、所述竞争车辆数量和所述匹配乘客数量预测派发空车时的第一平台收益；
查询与所述第一待拼车订单信息相匹配的匹配拼车订单信息；
计算派发承载所述匹配拼车订单信息的车辆时的第二平台收益；
根据所述第一平台收益和所述第二平台收益确定所述待拼车订单的拼车方案。
2.根据权利要求1所述的信息处理方法，其特征在于，所述获取竞争车辆数量的操作包括：
获取指定地理区域内的司机端的拼车订单信息，所述拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，所述指定地理区域是指定地点周围的第一预设地理区域，所述指定地点为所述拼车起点和/或行程中的任意点；
若所述拼车订单信息与所述第一待拼车订单信息的匹配度大于等于第一阈值，则将与所述拼车订单信息相对应的所述司机端标记为竞争司机端；
统计所述竞争司机端的数量，作为所述竞争车辆数量。
3.根据权利要求2所述的信息处理方法，其特征在于，所述获取匹配乘客数量的操作包括：
获取在所述指定地理区域内发出的第二待拼车订单信息；
若所述第二待拼车订单信息与所述第一待拼车订单信息的匹配度大于等于第二阈值，则将发出所述第二待拼车订单信息的乘客端标记为匹配乘客端；
统计所述匹配乘客端的数量，作为所述匹配乘客数量。
4.根据权利要求1所述的信息处理方法，其特征在于，
在所述获取竞争车辆数量和匹配乘客数量的操作之后，还包括：
获取从所述拼车起点到所述拼车终点的拼车行程；
将所在的地理区域整体划分为多个网格，所述拼车行程经过的所述网格标记为行程网格；
获取同时满足在预设时间范围内发出、拼车行程经过指定的所述行程网格、且与所述第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将所述历史待拼车订单信息标记为与对应的所述行程网格相关的参考历史订单；
计算每个所述行程网格的参考拼成率，所述参考拼成率是所述参考历史订单中在对应的所述行程网格内拼车成功的订单所占的比例；
所述根据所述第一待拼车订单信息、所述竞争车辆数量和所述匹配乘客数量预测派发空车时的第一平台收益的步骤包括：
根据所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率预测所述第一平台收益。
5.根据权利要求4所述的信息处理方法，其特征在于，
在所述接收第一待拼车订单信息的操作之前，还包括：
根据历史订单信息建立概率预测模型和概率收益映射表，所述概率预测模型的训练参数包括所述历史订单信息中的所述拼车起点、所述拼车终点、所述拼车时刻、所述竞争车辆数量、所述匹配乘客数量和拼车结果信息，所述拼车结果信息包括拼车成功信息和拼车失败信息，所述概率预测模型的目标参数是拼车成功概率；
所述根据所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率预测派发空车时的第一平台收益的步骤包括：
将所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率输入所述概率预测模型，以计算所述拼车成功概率；
查找所述概率收益映射表，以获取所述拼车成功概率对应的所述第一平台收益。
6.根据权利要求4所述的信息处理方法，其特征在于，在所述接收第一待拼车订单信息的操作之前，还包括：
根据历史订单信息建立所述收益预测模型，所述收益预测模型的训练参数包括所述历史订单信息中的所述拼车起点、所述拼车终点、所述拼车时刻、所述竞争车辆数量、所述匹配乘客数量和拼车结果信息，所述拼车结果信息包括拼车成功信息和拼车失败信息，所述收益预测模型的目标参数是所述第一平台收益；
所述根据所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率预测派发空车时的第一平台收益的步骤包括：
将所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率输入所述收益预测模型，以计算所述第一平台收益。
7.根据权利要求1至6中任一项所述的信息处理方法，其特征在于，所述计算派发承载所述匹配拼车订单信息的车辆时的第二平台收益的步骤包括：
当所述匹配拼车订单信息的数量为一个时，计算派发承载所述匹配拼车订单信息的车辆时的所述第二平台收益；
当所述匹配拼车订单信息的数量为多个时，分别计算派发承载所述匹配拼车订单信息的多台车辆时的多个平台收益，将所述多个平台收益中的最大值作为所述第二平台收益。
8.根据权利要求1至6中任一项所述的信息处理方法，其特征在于，所述计算派发承载所述匹配拼车订单信息的车辆时的第二平台收益的步骤包括：
规划派发承载所述匹配拼车订单信息的车辆时的至少一条行车路线；
分别计算采用所述至少一条行车路线时的至少一个所述第二平台收益。
9.一种信息处理系统，其特征在于，包括：
接收单元，用于接收第一待拼车订单信息，所述第一待拼车订单信息包括拼车起点、拼车终点和拼车时刻；
获取单元，用于获取竞争车辆数量和匹配乘客数量；
预测单元，用于根据所述第一待拼车订单信息、所述竞争车辆数量和所述匹配乘客数量预测派发空车时的第一平台收益；
查询单元，用于查询与所述第一待拼车订单信息相匹配的匹配拼车订单信息；
计算单元，用于计算派发承载所述匹配拼车订单信息的车辆时的第二平台收益；
决策单元，用于根据所述第一平台收益和所述第二平台收益确定所述第一待拼车订单信息的拼车方案。
10.根据权利要求9所述的信息处理系统，其特征在于，所述获取单元具体用于：
获取指定地理区域内的司机端的拼车订单信息，所述拼车订单信息包括相关联的拼车乘客信息和拼车路线信息，所述指定地理区域是指定地点周围的第一预设地理区域，所述指定地点为所述拼车起点和/或行程中的任意点；
若所述拼车订单信息与所述第一待拼车订单信息的匹配度大于等于第一阈值，则将与所述拼车订单信息相对应的所述司机端标记为竞争司机端；
统计所述竞争司机端的数量，作为所述竞争车辆数量。
11.根据权利要求10所述的信息处理系统，其特征在于，所述获取单元具体还用于：
获取在所述指定地理区域内发出的第二待拼车订单信息；
若所述第二待拼车订单信息与所述第一待拼车订单信息的匹配度大于等于第二阈值，则将发出所述第二待拼车订单信息的乘客端标记为匹配乘客端；
统计所述匹配乘客端的数量，作为所述匹配乘客数量。
12.根据权利要求9所述的信息处理系统，其特征在于，所述获取单元还用于：
获取从所述拼车起点到所述拼车终点的拼车行程；
将所在的地理区域整体划分为多个网格，所述拼车行程经过的所述网格标记为行程网格；
获取同时满足在预设时间范围内发出、拼车行程经过指定的所述行程网格、且与所述第一待拼车订单信息的匹配度大于等于第三阈值的历史待拼车订单信息，并将所述历史待拼车订单信息标记为与对应的所述行程网格相关的参考历史订单；
计算每个所述行程网格的参考拼成率，所述参考拼成率是所述参考历史订单中在对应的所述行程网格内拼车成功的订单所占的比例；
所述预测单元具体用于根据所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率预测所述第一平台收益。
13.根据权利要求12所述的信息处理系统，其特征在于，还包括：
第一模型建立单元，用于根据历史订单信息建立概率预测模型和概率收益映射表，所述概率预测模型的训练参数包括所述历史订单信息中的所述拼车起点、所述拼车终点、所述拼车时刻、所述竞争车辆数量、所述匹配乘客数量和拼车结果信息，所述拼车结果信息包括拼车成功信息和拼车失败信息，所述概率预测模型的目标参数是拼车成功概率；
所述预测单元具体用于：
将所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率输入所述概率预测模型，以计算所述拼车成功概率；
查找所述概率收益映射表，以获取所述拼车成功概率对应的所述第一平台收益。
14.根据权利要求12所述的信息处理系统，其特征在于，还包括：
第二模型建立单元，用于根据历史订单信息建立收益预测模型，所述收益预测模型的训练参数包括所述历史订单信息中的所述拼车起点、所述拼车终点、所述拼车时刻、所述竞争车辆数量、所述匹配乘客数量和拼车结果信息，所述拼车结果信息包括拼车成功信息和拼车失败信息，所述收益预测模型的目标参数是所述第一平台收益；
所述预测单元具体用于将所述第一待拼车订单信息、所述竞争车辆数量、所述匹配乘客数量和所述参考拼成率输入所述收益预测模型，以计算所述第一平台收益。
15.根据权利要求9至14中任一项所述的信息处理系统，其特征在于，所述计算单元具体用于：
当所述匹配拼车订单信息的数量为一个时，计算派发承载所述匹配拼车订单信息的车辆时的所述第二平台收益；
当所述匹配拼车订单信息的数量为多个时，分别计算派发承载所述匹配拼车订单信息的多台车辆时的多个平台收益，将所述多个平台收益中的最大值作为所述第二平台收益。
16.根据权利要求9至14中任一项所述的信息处理系统，其特征在于，所述计算单元具体用于：
规划派发承载所述匹配拼车订单信息的车辆时的至少一条行车路线；
分别计算采用所述至少一条行车路线时的至少一个所述第二平台收益。
17.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述方法的步骤。
18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
技术总结