基于定位服务的专车司机行为分析对派单系统的优化.docVIP

基于定位服务的专车司机行为分析对派单系统的优化 　　【摘要】 随着共享经济与环保意识逐步深入人心，越来越多的人选择专车作为他们的出行方式。截止到今年年底，专车市场已经达到了上千万的量级。专车行业最重要的一环，就是如何将用户和司机合理匹配到一起，达到整体效率最优。本文针对这种背景提出了一系列基于定位服务的专车行为分析结论，此结论将在后续有效应用于专车派单系统，提升整体专车派单效率。 　　【关键词】 定位服务 专车 行为分析 　　一、专车司机行为分析与派单系统的意义与现状 　　1、专车行业的核心 ?C 派单。在日益火爆的专车行业中存在两大用户群体，分别为用户与司机。用户作为需求方来平台寻求用车服务，司机作为攻击方来平台提供用车服务。专车平台最核心的智能之一就是将两端以最快，最合适的方式进行匹配，促使交易达成，生成有效的线上订单。 　　2、派单强烈依赖于专车司机的行为分析。定位信息与历史服务水平作为目前专车派单过程中最重要的核心因素，直接决定了订单派发的司机对象，但最优的匹配方式远不止如此。如果适当对司机进行一系列行为分析，我们可以通过司机的常驻点信息、行驶熟悉路线信息等，对不同行为习惯的司机进行不同订单的派发，从而达到司机接单意愿最大化，极大程度提升派单效率。 　　3、国内外行为分析应用派单逻辑的现状。国内外的计价专车行业公司派单规则均比较相似，大致采用了如下规则。随叫随到型订单就近派发原则：根据实时司机GPS定位信息，选择距离出发地导航距离最近的司机进行尝试匹配。如匹配不成功则顺次就近匹配，直到成功匹配为止。预约型订单服务质量优先原则：根据司机历史服务信息评价等，选择综合分值最高的司机进行尝试匹配。如匹配不成功则顺次继续匹配，直到匹配成功为止。基于定位信息分析与历史服务行为分析的派单策略还十分初级，还有很大的提升空间，如基于区域的行为分析等。 　　二、专车司机行为分析描述与对派单系统优化的结论 　　2.1采样数据 　　数据类型：GPS定位信息（经纬度lat、lng） 　　城市：全国 　　时间：2015年10月 - 2016年9月（一年） 　　司机：活跃司机 10，000 名 　　数据量：超过600，000，000条（6亿） 　　2.2驻留点分析 　　1、简要操作流程说明。a.对单个城市已有定位信息在地图中进行点集合分析，提取重点聚合位置作为预备驻留点；b.对预备驻留点进行人工提取过滤，制定自动过滤规则；c.套用全部定位信息点集合+自动过滤，并区分城市。 　　2、趴活地点分析 　　在对驻留点分析后，我们得出结论： 　　普遍性?Y论：大部分司机每天会在固定的时间，固定的位置等待订单，我们称之为趴活地点。 趴活地点根据不同时段有不同的集中性。a.早高峰时，趴活地点会集中在大型住宅区；相反晚高峰时，趴活地点会集中在商业区写字楼等b.夜间拉单的司机趴活地点会集中在酒吧KTV集中的地带附近。c.机场火车站也是大部分司机趴活地点的选择对象，但该地点并无时间段区分。 　　个别性结论：a.通过每天夜晚定位驻留点，分析猜测得出每名司机家庭住址。b.通过定位信息匹配接单时间，分析猜测得出兼职司机的上班地点。 　　3、分析结论对派单系统的应用。由于不同的时间段，活跃趴活地点也不相同，司机会更加倾向于出发地与目的地接近于活跃趴活地点的订单。所以我们根据乘客下单的时间、出发地与目的地和活跃的趴活地点的接近程度，个性化计算了动态加价的倍率，提升司机的接单意愿，从而增加派单的有效性。由于每个司机的家庭住址都不相同，我们对早上的预约订单更加倾向派发给出发地与司机家庭住址更为接近的司机；我们对晚上的订单更加倾向派发给目的地与司机家庭住址更为接近的订单；提升司机的接单意愿，从而提升派单的有效性。 　　2.3轨迹分析 　　1、简要操作流程说明 　　a.拆解出大量定位数据内正在服务中的定位信息； 　　b.根据区域，主干道，方向，速度（定位间隔）进行分类。 　　2、常驶路线与熟悉区域分析 　　在对轨迹分析后，我们得出结论：普遍性结论：白天大部分司机更愿意向相对偏远的郊区移动，相反到了晚上大部分司机更愿意向市中心移动。个别性结论：通过一个时间段内的司机行驶轨迹分布，分析得出每名司机的熟悉地理区域。 　　3、分析结论对派单系统的应用 　　由于不同时间司机的接单倾向方向不同，所以我们根据订单的行驶方向向量匹配，对订单加价倍率进行调整，提升司机接单意愿，从而增加派单的有效性。 　　总结：综上所述本文通过专车司机定位信息，详细的分析了司机在专车平台接单的普遍性行为，得到了司机个体性与普遍性的行为结论。该分析结论作为司机属性，大大优化了平台派单策略，提升了整体派单效率。 　　参 考 文 献 　　[1] 田昊.基于蜂