基于决策树模型的拼车方法及其装置、电子设备与流程

1.本发明涉及金融科技领域或其他相关技术领域，具体而言，涉及一种基于决策树模型的拼车方法及其装置、电子设备。


背景技术：

2.拼车是指相同路线的几个人乘坐同一辆车上下班、上下学、长途旅行、旅游等，且车费由乘客平均分摊的出行方式，车主在自己出行时可以顺路带一些同路人，从而节省养车钱，也给他人(拼车的多个乘客)带来了方便。
3.相关技术中，在进行拼车时，主要集中在如下两种方案。方案一:当车辆需要从a点出发，途径b点抵达c点的情况下，计算车辆从a点到b点再到c点的最短路线规划；方案二：当乘客发起拼车需求时，系统检索附近拼车人员，指引拼车人员一起前往同一地点集合，计算所有人共同最近的集合地点的拼车路程规划。
4.但是上述两种拼车方案都存在明显的弊端，针对方案一，该方案需要让车辆依次抵达每个位置接送乘客，对驾驶车辆的时间和距离要求较高，降低了拼车运行效率，忽略了拼车行为中对于车主/驾驶员的潜在需求(如时间要求短、行驶里程短)。针对方案二，该方案单纯计算所有乘客的最短集合距离，可能造成乘客步行距离较远，降低了乘客的搭乘体验。
5.此外，目前方案在规划路线时，并没有考虑在众多人员提交拼车意图的情况下，如何筛选出合适的拼车人员，同时安排最好的拼车路线可以使得驾驶员和拼车人员的接送距离最短的情况。
6.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

7.本发明实施例提供了一种基于决策树模型的拼车方法及其装置、电子设备，以至少解决相关技术中在进行拼车操作时，忽略了车主的需求，降低了车主的满意率的技术问题。
8.根据本发明实施例的一个方面，提供了一种基于决策树模型的拼车方法，包括：接收拼车申请请求，其中，所述拼车申请请求包括：车主信息、起终点信息以及拼车需求；将所述拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，所述拼车推荐路线为建议车主行驶的路线，所述乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，所述上车推荐地点和所述下车推荐地点均在所述拼车推荐路线上。
9.可选地，所述决策树模型是预先训练得到的，在训练所述决策树模型时，包括：获取历史拼车数据集合，对所述历史拼车数据集合按照车主属性进行划分，得到n个拼车数据分组，n为大于等于2的正整数；对每个所述拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合；将所有决策数据集合划分为训练
集和验证集；采用所述训练集对基于随机森林算法的初始决策树模型进行迭代训练，并在所述初始决策树模型输出的拼车推荐结果与所述验证集中的历史拼车结果的相似度大于预设相似度阈值的情况下，确认训练完毕，得到所述决策树模型，其中，所述拼车推荐结果包括：拼车推荐路线以及乘客推荐信息。
10.可选地，对每个所述拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合的步骤，包括：将每个所述拼车数据分组下每位目标车主的所有历史拼车数据进行归类，得到归类结果；对所述归类结果进行分类，得到所述归类结果中每类数据的众数；基于所述每类数据的众数确定所述拼车数据分组下关联所述目标车主的所述决策数据集合。
11.可选地，在得到对应于每位目标车主的决策数据集合之后，还包括：将所述决策数据集合与所述目标车主的车主标签进行绑定。
12.可选地，在接收拼车申请请求之后，还包括：拉取拼车车主的车主标签；基于所述车主标签查询拼车乘客的人数。
13.可选地，所述归类结果包括：所述目标车主每次拼车设置的乘客人数、乘客上车位置、乘客下车位置、接客地点与车主出发点距离、送客地点与车主到达点的距离、拼车总计时长、收入信息。
14.可选地，在接收拼车申请请求之后，还包括：基于所述拼车申请请求的起终点信息以及所述拼车需求，查询起终点信息所指示的地图圈定区域；查询在所述地图圈定区域内预先存储的所述多个乘客的乘车信息。
15.根据本发明实施例的另一方面，还提供了一种基于决策树模型的拼车装置，包括：接收单元，用于接收拼车申请请求，其中，所述拼车申请请求包括：车主信息、起终点信息以及拼车需求；拼车单元，用于将所述拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，所述拼车推荐路线为建议车主行驶的路线，所述乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，所述上车推荐地点和所述下车推荐地点均在所述拼车推荐路线上。
16.可选地，所述决策树模型是预先训练得到的，在训练所述决策树模型时，包括：第一获取模块，用于获取历史拼车数据集合，对所述历史拼车数据集合按照车主属性进行划分，得到n个拼车数据分组，n为大于等于2的正整数；第一归类模块，用于对每个所述拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合；第一划分模块，用于将所有决策数据集合划分为训练集和验证集；第一训练模块，用于采用所述训练集对基于随机森林算法的初始决策树模型进行迭代训练，并在所述初始决策树模型输出的拼车推荐结果与所述验证集中的历史拼车结果的相似度大于预设相似度阈值的情况下，确认训练完毕，得到所述决策树模型，其中，所述拼车推荐结果包括：拼车推荐路线以及乘客推荐信息。
17.可选地，第一归类模块包括：归类子模块，用于将每个所述拼车数据分组下每位目标车主的所有历史拼车数据进行归类，得到归类结果；分类子模块，用于对所述归类结果进行分类，得到所述归类结果中每类数据的众数；第一确定子模块，用于基于所述每类数据的众数确定所述拼车数据分组下关联所述目标车主的所述决策数据集合。
18.可选地，基于决策树模型的拼车装置还包括：绑定单元，用于在得到对应于每位目
标车主的决策数据集合之后，将所述决策数据集合与所述目标车主的车主标签进行绑定。
19.可选地，基于决策树模型的拼车装置还包括：拉取单元，用于在接收拼车申请请求之后，拉取拼车车主的车主标签；第一查询单元，用于基于所述车主标签查询拼车乘客的人数。
20.可选地，所述归类结果包括：所述目标车主每次拼车设置的乘客人数、乘客上车位置、乘客下车位置、接客地点与车主出发点距离、送客地点与车主到达点的距离、拼车总计时长、收入信息。
21.可选地，基于决策树模型的拼车装置还包括：第二查询单元，用于在接收拼车申请请求之后，基于所述拼车申请请求的起终点信息以及所述拼车需求，查询起终点信息所指示的地图圈定区域；第三查询单元，用于查询在所述地图圈定区域内预先存储的所述多个乘客的乘车信息。
22.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项所述的基于决策树模型的拼车方法。
23.根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述任意一项所述的基于决策树模型的拼车方法。
24.本公开中，在接收车主所持有的客户端发送的拼车申请请求后，将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，拼车推荐路线为建议车主行驶的路线，乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，上车推荐地点和下车推荐地点均在拼车推荐路线上，拼车申请请求包括：车主信息、起终点信息以及拼车需求。
25.在本公开中，可以考虑车主的拼车需求，在众多待拼车的乘客中既考虑车辆尽可能短距离抵达最终目的地点的情况下，挑选出适合的乘客选择相对教近的沿途点乘车，保证车主和乘客的双重体验，从而解决相关技术中在进行拼车操作时，忽略了车主的需求，降低了车主的满意率的技术问题。
26.在本公开中，可实现给予乘客尽可能便利的同时，保证车主的驾驶体验，最大化利用拼车互利互惠的理念，提高行驶效率的同时节约双方各自的时间，满足车主的个性化拼车需求。
附图说明
27.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
28.图1是根据本发明实施例的一种可选的基于决策树模型的拼车方法的流程图；
29.图2是根据本发明实施例的一种可选的由车主确定行驶路线的示意图；
30.图3是根据本发明实施例的一种可选的确定初始行驶路线的示意图；
31.图4是根据本发明实施例的一种可选的确定拼车路线的示意图；
32.图5是根据本发明实施例的一种可选的基于决策树模型的拼车装置的示意图；
33.图6是根据本发明实施例的一种用于基于决策树模型的拼车方法的电子设备(或移动设备)的硬件结构框图。
具体实施方式
34.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
35.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
36.为便于本领域技术人员理解本发明，下面对本发明各实施例中涉及的部分术语或名词做出解释：
37.最短路径:用于计算一个节点到其他所有节点的最短路径，主要特点是以起始点为中心向外层层扩展，直到扩展到终点为止。
38.拼车:是指相同路线的几个人乘坐同一辆车实现如上下班、上下学、长途、旅游等，车主也有相似路线，由车主驾车携带多个乘客，且车费由乘客平均分摊的出行方式。
39.随机森林算法，是指由一个包含多个决策树的分类器，并且输出的类别是由个别树输出的类别的众数而定。本实施例中主要使用随机森林算法实现对决策树模型的训练、更新，进而通过决策树模型输出对拼车推荐结果的精准输出，不仅能够为车主提供满意的至少一个拼车推荐方案，供车主选取；而且该拼车推荐方案中充分考虑每个拼车的乘客的步行距离，减少乘客为到达上车点需要出行的距离。
40.需要说明的是，本公开中的基于决策树模型的拼车方法及其装置可用于金融科技技术领域或者地图导航领域在进行拼车动作的情况下，也可用于除金融科技技术领域或者地图导航领域之外的任意领域在进行拼车动作的情况下，本公开中对基于决策树模型的拼车方法及其装置的应用领域不做限定。
41.需要说明的是，本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。
42.本发明下述各实施例可应用于各种电子地图(如导航软件)、打车应用、拼车应用、
车辆行驶、旅游应用等需要进行车辆导航以及拼车操作的系统/应用/设备中。
43.本发明提供了一种新的拼车算法，在众多拼车人员中既考虑车辆尽可能短距离抵达最终目的地点的情况下，挑选出适合的乘客选择相对教近的沿途点乘车，保证车辆驾驶人员(简称车主)和乘客的双重体验。克服了现有技术中单纯考虑驾驶人或者单纯考虑乘客的缺点。提高车辆行驶效率。给予车主更大的自主权，可以按照金额优先(尽可能多搭乘客人)或者时间优先的方式规划乘车人数和路线。
44.下面结合各个实施例来详细说明本发明。
45.实施例一
46.根据本发明实施例，提供了一种基于决策树模型的拼车方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
47.图1是根据本发明实施例的一种可选的基于决策树模型的拼车方法的流程图，如图1所示，该方法包括如下步骤：
48.步骤s101，接收拼车申请请求，其中，拼车申请请求包括：车主信息、起终点信息以及拼车需求；
49.步骤s102，将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，拼车推荐路线为建议车主行驶的路线，乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，上车推荐地点和下车推荐地点均在拼车推荐路线上。
50.通过上述步骤，可以在接收车主所持有的客户端发送的拼车申请请求后，将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，拼车推荐路线为建议车主行驶的路线，乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，上车推荐地点和下车推荐地点均在拼车推荐路线上，拼车申请请求包括：车主信息、起终点信息以及拼车需求。在该实施例中，可以考虑车主的拼车需求，在众多待拼车的乘客中既考虑车辆尽可能短距离抵达最终目的地点的情况下，挑选出适合的乘客选择相对教近的沿途点乘车，保证车主和乘客的双重体验，从而解决相关技术中在进行拼车操作时，忽略了车主的需求，降低了车主的满意率的技术问题。
51.下面结合上述各步骤对本发明实施例进行详细说明。
52.为了保证后续实现针对车主的最优拼接方案推荐以及对乘客的最短步行距离的选择，在进行拼车推荐之前，需要训练出一个可实时使用、实时更新的决策树模型，通过该决策树模型实现输出拼车推荐路线以及乘客推荐信息。
53.可选的，决策树模型是预先训练得到的，在训练决策树模型时，包括：获取历史拼车数据集合，对历史拼车数据集合按照车主属性进行划分，得到n个拼车数据分组，n为大于等于2的正整数；对每个拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合；将所有决策数据集合划分为训练集和验证集；采用训练集对基于随机森林算法的初始决策树模型进行迭代训练，并在初始决策树模型输出的拼车推荐结果与验证集中的历史拼车结果的相似度大于预设相似度阈值的情况下，确认训练完毕，得到决策树模型，其中，拼车推荐结果包括：拼车推荐路线以及乘客推荐信息。
54.其中，对每个拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合的步骤，包括：将每个拼车数据分组下每位目标车主的所有历史拼车数据进行归类，得到归类结果；对归类结果进行分类，得到归类结果中每类数据的众数；基于每类数据的众数确定拼车数据分组下关联目标车主的决策数据集合。
55.对于上述的归类结果，其可以包括：目标车主每次拼车设置的乘客人数、乘客上车位置、乘客下车位置、接客地点与车主出发点距离、送客地点与车主到达点的距离、拼车总计时长、收入信息。
56.即需要考虑车主每次进行拼车过程中设置的乘客人数，该乘客人数一般是根据车主所驾驶的车辆的类型确定的，例如，对于c1类小轿车，一般承载4-5个人，则其设置的乘客人数可能为3-4人，如果为了减少搭载人数以及行驶距离，车主也可能选取1个乘客人数或者两个乘客人数；而对于7座乘用车，有时为了增加拼车人数，一般会设置6个乘客人数。
57.对于乘客上车位置和乘客下车位置，一般是根据每次拼车的乘客所选取的起终点来确定的；对于接客地点，一般与每个乘客上车位置相同或距离相近，保证能够更快的接到乘客，减少乘客的步行距离，由接客地点与车主出发点距离可以查询出车主每次需要行驶多长距离才能够接到其中一个乘客，根据多次的接客地点与车主出发点距离以及接客耗时时长，能够分析车主喜欢多长的接客距离和接客耗时时长。
58.收入信息是每位车主重点关注的信息，尽可能选取收入较高的拼车方式，为车主提供更为经济、实惠的拼车推荐方案是实现该基于决策树模型的拼车推荐方法的执行系统所实现的关键点。在有多种拼车推荐方案的情况下，尽量保证推送的拼车推荐方案中使得车主收入更高，这样更能让车主选取达到自己理想收入的拼车推荐方案。
59.可选地，在得到对应于每位目标车主的决策数据集合之后，还包括：将决策数据集合与目标车主的车主标签进行绑定。
60.车主标签可以包括但不限于：收入优先/金额优先、短距离优先(接客地点与车主出发点距离较短、送客地点与车主到达点的距离较短)、较少乘客人数/较多乘客人数、行驶时长最短优先等。通过为每位车主绑定对应的车主标签，能够确定各个车主的性格，比如，有的车主喜欢接送能够有较高收入的拼车行驶里程，有的车主喜欢拼车总时长耗时最短的拼车行驶里程，通过车主标签，在推送拼车推荐方案(包含拼车推荐路线以及乘客推荐信息)时，能够提升车主的满意度。
61.步骤s101，接收拼车申请请求，其中，拼车申请请求包括：车主信息、起终点信息以及拼车需求。
62.可选的，在接收拼车申请请求之后，还包括：拉取拼车车主的车主标签；基于车主标签查询拼车乘客的人数。
63.可选地，在接收拼车申请请求之后，还包括：基于拼车申请请求的起终点信息以及拼车需求，查询起终点信息所指示的地图圈定区域；查询在地图圈定区域内预先存储的多个乘客的乘车信息。
64.步骤s102，将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，拼车推荐路线为建议车主行驶的路线，乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，上车推荐地点和下车推荐地点均在拼车推荐路线上。
65.其中，在确定拼车推荐路线时，在拼车总耗时基础上，为了节省车主的行驶里程，可以选择让乘客分别步行一段距离，即分别确定由车主出发点至第一位乘客的出发点的行驶路线、第一位乘客的出发点至下一位乘客的出发点的行驶路线、依次类推、由最后一位乘客的出发点至最先到达的下车点之间的行驶路线、以及由最先到达的下车点与下一乘客的下车点之间的行驶路线...以及到达最后乘客的下车点的行驶路线，然后分别按照预设距离比值(例如，按照依次各个行驶路线的距离的1/4(10公里以内)，1/8(10-20公里)，1/12(20-40公里))分别截取一段让乘客行驶的里程段，计算出新的对于车辆和乘客都较短的时间，得到拼车推荐路线。
66.下面结合一种具体的拼车推荐方式来详细说明。
67.首先，从众多待拼车乘客中选择最合适的拼车乘客，假设目前已知存在待拼车车辆甲，待拼车乘客乙，丙，丁等人。图2是根据本发明实施例的一种可选的由车主确定行驶路线的示意图，如图2所示，车主提供了车主信息、起终点信息以及拼车需求，例如，车辆可以搭乘n名拼车人员(该信息由车辆甲的车主/驾驶员设置)，根据目前已有的地图类网站，获取由起点a地直接前往终点b地的最短时间tmin。
68.根据该起终点以及最短时间，获取所有乘客中出发点和抵达点距离该最短路线途径路线总计距离最近的n名乘客，为本次拼车成功乘客。假设目前存在拼车车辆甲，车辆计划搭载2人，目前有乙，丙，丁，戊存在拼车需求，出发和到达地点分别为c1,d1,e1,f1；c2,d2,e2,f2，如图3所示，计算每个乘客所有出发和到达地点时间总和分别为：乙是tc1+tc2,丙是td1+td2,丁是te1+te2,戊是tf1+tf2,总和时间最短和第二短可确定为成功拼车的两名乘客(如乙和丙)。
69.确认乘客位置后开始计算最优路线，车辆从a地驶往b地，已知乘客出发位置为a地附近的c1，d1地，乘客下车位置为b地附近的c2，d2地，当车辆和乘客均已登记完成相关位置后，开始进行计算。
70.图4是根据本发明实施例的一种可选的确定拼车路线的示意图，如图4所示，获取由a地前往c1，d1接到乘客，前往c2，d2放下乘客，最后抵达b地的分段t1，t2，t3，t4，t5，计算出总用时间tmax。
71.可选的，本发明实施例在tmax时间基础上，分别截取a到c1，c1到d1，d1到c2，c2到d2的距离，按照距离的1/4(10公里以内)，1/8(10-20公里)，1/12(20-40公里)依次类推安排车辆路线，计算出新的对于车辆和乘客都较短的时间ta1,ta2，tb1,tb2，tc1,tc2，td1,td2，当同时满足ta1《t1,ta2《t1，tb1《t2,tb2《t2，tc1《t3,tc2《t3，td1《t4，td2《t4的情况下，即认为属于理想情况，按此情况规划的最佳路线即为tpro。
72.如无法满足上述不等式，则需要根据其中时间较大的一方调整距离占比，例如当ta1〉t1时，则调整距离比率有1/n调整为1/n+1，当ta2〉t1时，则调整比率由1/n调整为1/n-1,直到计算出时间符合上述规则为止。
73.根据以上计算结果，可以为车主带来一定程度自由化的拼车选择，当车主设置好自己车辆的承载人数后，支持车主按照时间优先、金额优先的方式进行拼车路程选择。其中，在选择时间优先时，会要求车主选择能接受的最短时间t(该时间需要大于tmin)，随后根据如上算法计算从搭乘一名乘客开始，一直到车辆坐满情况下每种人数的最短时间，选择最短时间低于t情况下乘客最多的情况开始拼车行程。而在选择金额优先时，会自动根据
车辆承载上限人数寻找乘客。
74.为进一步提升时间效率，本实施例可以优先计算ta1+ta2《t1，tb1+tb2《t2，tc1+tc2《t3，td1+td2《t4的情况，同时增加距离划分的精细度以及多次尝试距离划分比例，以此优化计算的最短时间。另外可以考虑通过优化距离统计算法，找到其他更好寻找到时间用时最短同时使得乘客步行距离最短的方案。
75.通过本发明实施方式，即可实现给予乘客尽可能便利的同时，保证车主的驾驶体验，最大化利用拼车互利互惠的理念，提高行驶效率的同时节约双方各自的时间，满足车主的个性化拼车需求。
76.下面结合另一种可选的实施例来说明本发明。
77.实施例二
78.本发明实施例提供了一种基于决策树模型的拼车装置，该拼车装置中包含了多个实施单元，每个实施单元对应于上述实施例一中的各个实施步骤。
79.图5是根据本发明实施例的一种可选的基于决策树模型的拼车装置的示意图，如图5所示，该拼车装置包括：接收单元51，拼车单元52，其中，
80.接收单元51，用于接收拼车申请请求，其中，拼车申请请求包括：车主信息、起终点信息以及拼车需求；
81.拼车单元52，用于将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，拼车推荐路线为建议车主行驶的路线，乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，上车推荐地点和下车推荐地点均在拼车推荐路线上。
82.上述基于决策树模型的拼车装置，可以通过接收单元51在接收车主所持有的客户端发送的拼车申请请求后，通过拼车单元52将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，拼车推荐路线为建议车主行驶的路线，乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，上车推荐地点和下车推荐地点均在拼车推荐路线上，拼车申请请求包括：车主信息、起终点信息以及拼车需求。在该实施例中，可以考虑车主的拼车需求，在众多待拼车的乘客中既考虑车辆尽可能短距离抵达最终目的地点的情况下，挑选出适合的乘客选择相对教近的沿途点乘车，保证车主和乘客的双重体验，从而解决相关技术中在进行拼车操作时，忽略了车主的需求，降低了车主的满意率的技术问题。
83.可选地，决策树模型是预先训练得到的，在训练决策树模型时，包括：第一获取模块，用于获取历史拼车数据集合，对历史拼车数据集合按照车主属性进行划分，得到n个拼车数据分组，n为大于等于2的正整数；第一归类模块，用于对每个拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合；第一划分模块，用于将所有决策数据集合划分为训练集和验证集；第一训练模块，用于采用训练集对基于随机森林算法的初始决策树模型进行迭代训练，并在初始决策树模型输出的拼车推荐结果与验证集中的历史拼车结果的相似度大于预设相似度阈值的情况下，确认训练完毕，得到决策树模型，其中，拼车推荐结果包括：拼车推荐路线以及乘客推荐信息。
84.可选地，第一归类模块包括：归类子模块，用于将每个拼车数据分组下每位目标车主的所有历史拼车数据进行归类，得到归类结果；分类子模块，用于对归类结果进行分类，
得到归类结果中每类数据的众数；第一确定子模块，用于基于每类数据的众数确定拼车数据分组下关联目标车主的决策数据集合。
85.可选地，基于决策树模型的拼车装置还包括：绑定单元，用于在得到对应于每位目标车主的决策数据集合之后，将决策数据集合与目标车主的车主标签进行绑定。
86.可选地，基于决策树模型的拼车装置还包括：拉取单元，用于在接收拼车申请请求之后，拉取拼车车主的车主标签；第一查询单元，用于基于车主标签查询拼车乘客的人数。
87.可选地，归类结果包括：目标车主每次拼车设置的乘客人数、乘客上车位置、乘客下车位置、接客地点与车主出发点距离、送客地点与车主到达点的距离、拼车总计时长、收入信息。
88.可选地，基于决策树模型的拼车装置还包括：第二查询单元，用于在接收拼车申请请求之后，基于拼车申请请求的起终点信息以及拼车需求，查询起终点信息所指示的地图圈定区域；第三查询单元，用于查询在地图圈定区域内预先存储的多个乘客的乘车信息。
89.上述的基于决策树模型的拼车装置还可以包括处理器和存储器，上述接收单元51，拼车单元52等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
90.上述处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来输出拼车推荐路线以及乘客推荐信息。
91.上述存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
92.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的基于决策树模型的拼车方法。
93.根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项的基于决策树模型的拼车方法。
94.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：接收拼车申请请求，其中，拼车申请请求包括：车主信息、起终点信息以及拼车需求；将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，拼车推荐路线为建议车主行驶的路线，乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，上车推荐地点和下车推荐地点均在拼车推荐路线上。
95.图6是根据本发明实施例的一种用于基于决策树模型的拼车方法的电子设备(或移动设备)的硬件结构框图。如图6所示，电子设备可以包括一个或多个(图6中采用602a、602b，
……
，602n来示出)处理器602(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器604。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、键盘、电源和/或相机。本领域普通技术人员可以理解，图6所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备还可包括比图6中所示
更多或者更少的组件，或者具有与图6所示不同的配置。
96.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
97.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
98.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
99.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
100.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
101.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
102.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种基于决策树模型的拼车方法，其特征在于，包括：接收拼车申请请求，其中，所述拼车申请请求包括：车主信息、起终点信息以及拼车需求；将所述拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，所述拼车推荐路线为建议车主行驶的路线，所述乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，所述上车推荐地点和所述下车推荐地点均在所述拼车推荐路线上。2.根据权利要求1所述的拼车方法，其特征在于，所述决策树模型是预先训练得到的，在训练所述决策树模型时，包括：获取历史拼车数据集合，对所述历史拼车数据集合按照车主属性进行划分，得到n个拼车数据分组，n为大于等于2的正整数；对每个所述拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合；将所有决策数据集合划分为训练集和验证集；采用所述训练集对基于随机森林算法的初始决策树模型进行迭代训练，并在所述初始决策树模型输出的拼车推荐结果与所述验证集中的历史拼车结果的相似度大于预设相似度阈值的情况下，确认训练完毕，得到所述决策树模型，其中，所述拼车推荐结果包括：拼车推荐路线以及乘客推荐信息。3.根据权利要求2所述的拼车方法，其特征在于，对每个所述拼车数据分组下各车主的所有历史拼车数据进行归类分析，得到对应于每位目标车主的决策数据集合的步骤，包括：将每个所述拼车数据分组下每位目标车主的所有历史拼车数据进行归类，得到归类结果；对所述归类结果进行分类，得到所述归类结果中每类数据的众数；基于所述每类数据的众数确定所述拼车数据分组下关联所述目标车主的所述决策数据集合。4.根据权利要求3所述的拼车方法，其特征在于，在得到对应于每位目标车主的决策数据集合之后，还包括：将所述决策数据集合与所述目标车主的车主标签进行绑定。5.根据权利要求4所述的拼车方法，其特征在于，在接收拼车申请请求之后，还包括：拉取拼车车主的车主标签；基于所述车主标签查询拼车乘客的人数。6.根据权利要求3所述的拼车方法，其特征在于，所述归类结果包括：所述目标车主每次拼车设置的乘客人数、乘客上车位置、乘客下车位置、接客地点与车主出发点距离、送客地点与车主到达点的距离、拼车总计时长、收入信息。7.根据权利要求1所述的拼车方法，其特征在于，在接收拼车申请请求之后，还包括：基于所述拼车申请请求的起终点信息以及所述拼车需求，查询起终点信息所指示的地图圈定区域；查询在所述地图圈定区域内预先存储的所述多个乘客的乘车信息。8.一种基于决策树模型的拼车装置，其特征在于，包括：
接收单元，用于接收拼车申请请求，其中，所述拼车申请请求包括：车主信息、起终点信息以及拼车需求；拼车单元，用于将所述拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息，其中，所述拼车推荐路线为建议车主行驶的路线，所述乘客推荐信息包括：人数、乘客信息、上车推荐地点和下车推荐地点，所述上车推荐地点和所述下车推荐地点均在所述拼车推荐路线上。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的基于决策树模型的拼车方法。10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的基于决策树模型的拼车方法。

技术总结
本发明公开了一种基于决策树模型的拼车方法及其装置、电子设备，涉及金融科技技术领域，其中，该基于决策树模型的拼车方法包括：接收拼车申请请求，其中，拼车申请请求包括：车主信息、起终点信息以及拼车需求；将拼车申请请求以及预先存储的多个乘客的乘车信息发送至决策树模型，输出拼车推荐路线以及乘客推荐信息。本发明解决了相关技术中在进行拼车操作时，忽略了车主的需求，降低了车主的满意率的技术问题。技术问题。技术问题。


技术研发人员：朱笑寒 李伟明 张寒 王明金
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.03.10
技术公布日：2023/7/26