(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211071433.7 (22)申请日 2022.09.02 (71)申请人 浙江吉利控股集团有限公司 地址 310000 浙江省杭州市滨江区江陵路 1760号 申请人 杭州优行 科技有限公司 (72)发明人 李玉柱　史彬　田舟贤　史何富　 强琦　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 马德举 (51)Int.Cl. G06Q 30/06(2012.01) G06Q 50/30(2012.01) G06N 20/00(2019.01)G06K 9/62(2022.01) (54)发明名称 网约车异常订单的未支付 提醒方法及系统 (57)摘要 本发明提供一种网约车异常订单的未支付 提醒方法及系统， 方法包括： 数据获取步骤， 获取 异常订单样本数据集； 确定入模特征步骤， 基于 异常订单样 本数据集， 标记未支付提醒分类标签 和支付标签， 进行入模特征的设计与开发； 训练 模型步骤， 通过训练、 评估， 获得未支付提醒模 型； 模型应用步骤， 将需要提醒的异常订单信息 输入到未支付提醒模型中， 输出异常订单的未支 付提醒分类结果， 对不同用户采 取相应的提醒方 式进行未支付提醒。 系统包括样本获取模块、 样 本标记模块、 特征开发模块、 特征筛选模块、 模型 训练模块、 模型评估模块和识别模块。 本发明能 识别异常订单的未支付 提醒方式以提升支付 率。 权利要求书2页 说明书7页 附图3页 CN 115456713 A 2022.12.09 CN 115456713 A 1.一种网约车异常订单的未支付 提醒方法， 其特 征在于， 包括： 数据获取步骤， 获取异常订单样本数据集， 包括乘客端APP和司机端APP的数据库数据； 确定入模 特征步骤， 基于所述异常订单样本数据集， 标记未支 付提醒分类标签和支 付标签， 进行入模特征的设计与开发， 包括所述入 模特征的筛选； 训练模型步骤， 通过训练、 评估， 获得 未支付提醒模型； 模型应用步骤， 将需要提醒的异常订单信息输入到所述未支付提醒模型中， 输出所述 异常订单的未支 付提醒分类结果， 根据所述未支 付提醒模型对所述异常订单的所述未支 付 提醒分类结果， 对不同用户采取相应的提醒 方式进行 未支付提醒。 2.如权利要求1所述的网约车异常订单的未支付提醒方法， 其特征在于： 所述乘客端 APP和司机端APP的数据库数据包括以下信息的一种或多种： 用户历史行为信息、 目标订单 属性信息、 目标订单接单司机和服 务信息。 3.如权利要求1所述的网约车异常订单的未支付提醒方法， 其特征在于： 所述确定入模 特征步骤包括： 将所述异常订单样本数据集 根据特定情形对订单 标记标签； 根据目标订单相关信息设计与开发特 征； 基于相关指标进行 所述入模特征的筛选。 4.如权利要求3所述的网约车异常订单的未支付提醒方法， 其特征在于： 在所述将所述 异常订单样本数据集根据特定情形标记标签步骤中， 所述标记标签的方法为： 在所述异常 订单样本数据集中增加一列标签列， 如果出现第一特定情形， 即目标用户在未支 付提醒后， 其未支付订单完成支 付， 则对该订单在 对应的异常订单样 本数据集中标记为 1， 如果出现第 二特定情形， 即目标用户在未支 付提醒后， 其未支 付订单无支 付行为， 则对该订单在 对应的 异常订单样本数据集中标记为0 。 5.如权利要求3所述的网约车异常订单的未支付提醒方法， 其特征在于： 所述入模特征 包括以下 的一种或多种： 订单提醒前用户历史叫单数、 用户支付订单数、 用户支付金额、 支 付订单优惠金额、 超过设定时间未支 付订单数、 超过设定时间未支付订单金额、 超过设定时 间未支付订单优惠金额、 超过设定时间未支付订单提醒数、 用户启动数、 用户登录数、 目标 订单预估 里程与实际里程、 目标订单预估金额与实际金额、 目标订单预估时长与实际时长、 目标订单接单司机在线时长、 司机 接单总单 数、 司机被投诉订单 数和司机 接单客诉比。 6.如权利要求3所述的网约车异常订单的未支付提醒方法， 其特征在于： 所述入模特征 的筛选， 基于以下所述相关指标的一种或多种： 可得性指标、 可解释性指标、 信息量指标、 相 关性指标和稳定性指标。 7.如权利要求1所述的网约车异常订单的未支付提醒方法， 其特征在于： 所述训练模型 步骤包括： 根据筛选后的特 征， 采用机器学习算法， 训练所述未支付 提醒模型； 评估所述未支付 提醒模型， 判断所述未支付 提醒模型对异常订单识别的正确率。 8.如权利要求7所述的网约车异常订单的未支付提醒方法， 其特征在于： 所述机器学习 算法， 可以是GBDT、 支持向量机或逻辑回归。 9.如权利要求7所述的网约车异常订单的未支付提醒方法， 其特征在于： 在所述训练模 型步骤中， 将所述异常订单样本数据集根据预设比例划分为训练集和验证集； 对所述训练权　利　要　求　书 1/2 页 2 CN 115456713 A 2集的数据根据筛选后的所述入模特征， 采用所述机器学习算法， 进行所述未支付提醒模型 的训练； 所述验证集的数据用于对训练好的所述未支付提醒模型进行输出结果的验证， 以 判断所述训练好的所述未支付 提醒模型 是否符合预设要求。 10.如权利要求1所述的网约车异常订单的未支付提醒方法,其特征在于： 在所述模型 应用步骤中， 所述未支付 提醒分类结果至少包括： 订单改费为原始预估费用并提醒乘客支付， 用于司机绕路订单、 司机甩定位虚增里程 订单、 司机违规添加附加费的情况； 和 补发优惠券提醒乘客支付， 用于订单 里程轻微偏离的情况。 11.一种网约车异常订单的未支付提醒系统， 其特征在于： 所述系统执行权利要求1至 10的方法， 包括： 异常订单样本数据集获取模块， 异常订单样本数据集标记标签模块， 特征 设计与开发模块， 特征筛选模块， 未支 付提醒模型训练模块， 未支付提醒模型评估模块和异 常订单未支付提醒模块； 所述异常订单样本数据集获取模块从乘客端APP和司机端APP的数据库数据采集某一 时间周期内的若干个订单样本数据， 由所述异常订单样本数据集标记标签模块将异常订单 样本数据集根据特定情形对各个订单标记标签， 并由所述特征设计与开 发模块根据用户历 史行为信息、 目标订单信息、 司机服务信息等数据， 进行入模特征 的设计与开发， 所述特征 筛选模块基于可得性、 可解释性、 信息量、 相关性、 稳定性等相关指标， 进 行所述入模特征的 筛选， 所述未支付提醒模型训练模块根据筛选后的所述入模特征， 在所述特征筛选模块采 用机器学习算法训练得到未支付提醒模型， 所述未支付提醒模型评估模块对训练好的未支 付提醒模型的输出结果进 行验证， 最后所述异常订单未支付提醒模块将需要提醒的异常订 单信息输入到所述未支付提醒模型中， 输出所述异常订单 的未支付提醒分类结果， 根据所 述未支付提醒模型对所述异常订单的所述未支 付提醒分类结果， 对不同用户采取相应的提 醒方式进行 未支付提醒。权　利　要　求　书 2/2 页 3 CN 115456713 A 3