城市网约车专兼职司机自动分类算法

摘要

为精准区分网约车专兼职司机，优化网约车订单分派算法，提高网约车服务效率和满意度，挖掘了大量网约车平台专兼职车辆订单数据的变化规律，并基于订单数据生成个体车辆订单时序图，提出了一种考虑网约车订单时序关联性的专兼职司机自动分类模型，实现以聚类中心曲线来精准表征专兼职司机属性。模型以精准率、召回率和综合性能指数(F1)作为验证分类精度和有效性的指标，选择基于欧氏距离的聚类模型(EKmeans)和基于形状距离的聚类模型(DTWKmeans)作为基线模型，最后通过滴滴出行网约车数据进行有效性验证。结果表明：与基线模型相比，模型生成的聚类中心曲线能够更好地表征网约车专兼职司机运营订单的动态变化规律，并能够更精确地实现网约车专兼职司机的自动分类。模型对网约车专兼职司机的分类精度显著提高，其中对专兼职司机的分类指标中F1指数分别为0.70、0.88,相较于基线模型最高分别提升了55.56%和37.50%。与基线模型相比，模型在精准率和召回率2个指标上取得了最好的平衡状态，使得模型能够较好地满足要求。基于曲线形成的聚类模型能够更好反映类的形状和特征。模型可以更准确地对专兼职驾驶员进行分类，对于网约车平台专兼职司机精准管理、派单优化和服务水平提升具有重要意义。

关键词

城市交通 / 网约车 / 专兼职司机 / 自动分类模型 / 订单时序图 / 聚类模型

基金资助

国家社会科学基金资助项目(21FGLB014); 国家重点研发计划资助项目(2022YFB2601900)