CN112669116B - 一种订单处理方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本申请提供了一种订单处理方法、装置、电子设备及可读存储介质，其中，该方法包括：获取目标出行订单的属性信息；所述目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被所述服务提供方取消的出行订单；根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率；若所述目标出行订单再次派单后的成功率大于预设值时，则对所述目标出行订单进行再次派单。本申请根据目标出行订单的属性信息，确定目标出行订单再次派单后的成功率，使得出行订单再次派单之后能够根据乘客的改派需求和司机的接单意愿进行处理，从而提高了出行订单的交易率。

Description

一种订单处理方法、装置、电子设备及可读存储介质

技术领域

本申请涉及信息技术领域，尤其是涉及一种订单处理方法、装置、电子设备及可读存储介质。

背景技术

随着互联网技术的发展，网约车服务为人们的出行带来了极大的便利。乘客下单代表乘客的一次出行需求。但是在目前的出行服务过程中，在将乘客的订单分配给网约车之后，由于多方面原因，可能会出现取消订单的情况。

现有技术中，订单被取消后，网约车服务平台全部不为乘客再次发单或者是全部为乘客再次发单。针对上述网约车服务平台采取的措施，如果网约车服务平台全部不为乘客再次发单，可能会造成仍然有出行需求的乘客无法被满足；如果网约车服务平台为全部乘客均再次发单，对于已无出行需求的乘客而言再次发单已经失去意义，降低了订单的交易率。

发明内容

有鉴于此，本申请的目的在于提供一种订单处理方法、装置、电子设备及可读存储介质，以提高出行订单的交易率。

第一方面，本申请实施例提供了一种订单处理方法，包括：

获取目标出行订单的属性信息；所述目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被所述服务提供方取消的出行订单；

根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率；

若所述目标出行订单再次派单后的成功率大于预设值时，则对所述目标出行订单进行再次派单。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述属性信息包括以下至少一种或多种：所述目标服务请求方的第一历史行为特征、所述服务提供方的第二历史行为特征、所述目标服务请求方的出行信息、所述服务提供方的服务信息、目标出行订单被下达时的资源供需情况、交通环境信息、天气环境信息。

结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述目标服务请求方的第一历史行为特征包括以下至少一种或多种：历史取消订单的次数、历史接受再次派单的次数、所述目标服务请求方的有责次数；

所述服务提供方的第二历史行为特征包括以下至少一种或多种：所述服务提供方在历史预设时间段内承接后取消出行订单的次数、所述服务提供方的有责次数；

所述目标服务请求方的出行信息包括以下至少一种或多种：所述目标服务请求方下达目标出行订单的时间、所述目标服务请求方下达所述目标出行订单的位置信息、上车点信息、下车点信息；

所述服务提供方的服务信息包括以下至少一种或多种：所述目标出行订单取消时服务提供方的位置信息、所述目标出行订单取消时的时间、所述服务提供方的预估服务里程。

结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述属性信息包括：下单时的状态信息和取消订单时的状态信息。

结合第一方面第三种可能的实施方式，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述下单时的状态信息包括以下至少一种或多种：上车点信息、下车点信息、下单时间、下单时所述目标服务请求方距离上车点的时间、下单时所述目标服务请求方距离上车点的距离、所述目标出行订单的预估服务时长；

所述取消订单时的状态信息包括以下至少一种或多种：取消时所述服务提供方距离上车点的距离、取消时间、取消时所述服务提供方距离上车点的时间、取消时所述目标服务请求方距离上车点的时间、取消时间与接单时间间隔、取消时所述目标服务请求方与所述服务提供方的沟通信息。

结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，所述根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率，包括：

将所述目标出行订单的属性信息输入已经训练完成的神经网络模型中，得到所述目标出行订单再次派单后的成功率。

结合第一方面的第五种可能的实施方式，本申请实施例提供了第一方面的第六种可能的实施方式，所述神经网络模型是通过以下步骤训练完成的：

获取训练样本；所述训练样本包括样本订单的属性信息和所述样本订单对应的再次派单后的成功率；

将所述训练样本输入至神经网络模型中，以对所述神经网络模型进行训练。

结合第一方面，本申请实施例提供了第一方面的第六种可能的实施方式，其中，所述属性信息为目标服务请求方的第一历史行为特征；

所述根据所述目标出行订单的属性信息，确定所述目标出行订单的再次派单的成功率，包括：

根据目标服务请求方的第一历史行为特征，确定所述目标服务请求方再次下达所述目标出行订单的概率；

根据所述目标服务请求方再次下达所述目标出行订单的概率，确定所述目标出行订单再次派单后的成功率。

结合第一方面，本申请实施例提供了第一方面的第七种可能的实施方式，其中，所述方法还包括：

向所述目标服务请求方发送是否再次派单的提示信息；

在接收到所述目标服务请求方针对所述提示信息的确认指令后，向候选服务提供方广播所述目标出行订单。

结合第一方面，本申请实施例提供了第一方面的第八种可能的实施方式，其中，所述方法还包括：

确定每个候选服务提供方的接单概率；

根据所述接单概率，将所述目标出行订单所对应的再次派单的指派给接单概率最大的目标候选服务提供方。

结合第一方面，本申请实施例提供了第一方面的第九种可能的实施方式，其中，所述确定每个候选服务提供方的接单概率，包括：

获取所述目标出行订单的上车点所属区域的服务资源供需比和每个候选服务提供方的当前位置所属区域的服务资源供需比；

针对每个候选服务提供方，根据所述目标出行订单的上车点所属区域的服务资源供需比和该候选服务提供方的当前位置所属区域的服务资源供需比，确定该候选服务提供方的接单概率。

结合第一方面，本申请实施例提供了第一方面的第十种可能的实施方式，其中，所述确定每个候选服务提供方的接单概率，包括：

获取每个候选服务提供方与所述目标出行订单的上车点的距离；

针对每个候选服务提供方，根据该候选服务提供方与所述目标出行订单的上车点的距离，确定该候选服务提供方的接单概率。

第二方面，本申请实施例还提供一种订单处理装置，包括：

获取模块，用于获取目标出行订单的属性信息；所述目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被所述服务提供方取消的出行订单；

第一确定模块，用于根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率；

第二确定模块，用于若所述目标出行订单再次派单后的成功率大于预设值时，则对所述目标出行订单进行再次派单。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

第四方面，本申请实施例还提供一种可读存储介质，该可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

本申请实施例提供的一种订单处理方法，包括：获取目标出行订单的属性信息；目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被所述服务提供方取消的出行订单；根据目标出行订单的属性信息，确定目标出行订单再次派单后的成功率；若目标出行订单再次派单后的成功率大于预设值时，则对目标出行订单进行再次派单。本申请实施例既考虑了乘客是否仍有再次派单的需求，又考虑了其他司机是否具有承接改派订单的意愿，因此根据目标出行订单的属性信息，确定目标出行订单再次派单后的成功率，使得出行订单再次派单之后能够根据乘客的改派需求和司机的接单意愿进行处理，从而提高了出行订单的交易率。

本申请实施例提供的一种订单处理方法，通过向目标服务请求方发送是否再次派单的提示信息，在接收到目标服务请求方针对提示信息的确认指令后，向候选服务提供方广播目标出行订单的方案，通过对乘客的出行需求进行确认，提高了出行订单以广播方式进行再次派单的交易率。

本申请实施例提供的一种订单处理方法，通过确定每个候选服务提供方的接单概率；根据接单概率，将目标出行订单所对应的再次派单的指派给接单概率最大的目标候选服务提供方的方案，考虑了其他司机的接单意愿，提高了出行订单以指派方式进行再次派单的交易率。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种订单处理方法的流程图；

图2示出了本申请实施例所提供的第一种订单处理装置的结构示意图；

图3示出了本申请实施例所提供的第二种订单处理装置的结构示意图；

图4示出了本申请实施例所提供的第三种订单处理装置的结构示意图；

图5示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供了一种订单处理方法、装置、电子设备及可读存储介质，下面通过实施例进行描述。

为便于对本实施例进行理解，首先对本申请实施例所公开的一种订单处理方法进行详细介绍。如图1所示的一种订单处理方法的流程图中，包括以下步骤：

S101：获取目标出行订单的属性信息；目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被服务提供方取消的出行订单；

S102：根据目标出行订单的属性信息，确定目标出行订单再次派单后的成功率；

S103：若目标出行订单再次派单后的成功率大于预设值时，则对目标出行订单进行再次派单。

在步骤S101中，目标出行订单主要指的是服务提供方在出行前向出行服务平台所下达的出行订单，以满足用户的本次出行需求，具体可以包括拼车、快车、专车等出行需求。

目标出行订单再次派单后的成功率可以包括任意一种或多种：目标服务请求方仍然有出行的需求的概率、其他服务提供方承接再次派单后的目标出行订单的成功率。其中，其他服务提供方承接再次派单后的目标出行订单的成功率可以包括通过广播派单的方式再次发单后有其他服务提供方接单以及通过指派订单的方式再次发单后服务提供方不会拒绝。

在一种可行的实施方式中，目标出行订单的属性信息指的是用于表征目标出行订单的属性的信息，具体可以包括以下至少一种或多种：目标服务请求方的第一历史行为特征、服务提供方的第二历史行为特征、目标服务请求方的出行信息、服务提供方的服务信息、交通环境信息、天气环境信息。

其中，目标服务请求方的第一历史行为特征主要指的是目标服务请求方在历史使用出行服务时的行为特征，具体可以包括以下至少一种或多种：历史取消订单的次数、历史接受再次派单的次数、目标服务请求方的有责次数。

历史取消订单的次数影响是否对目标服务请求方再次派单的结果。当目标服务请求方的历史取消订单的次数越多时，那么对目标出行订单再次派单后，目标服务请求方取消订单的概率就越大，那么目标出行订单再次派单后的成功率就越低。

历史接受再次派单的次数指的是目标服务请求方的历史出行订单被服务提供方取消后又再次派单的次数。当目标服务请求方的历史接受再次派单的次数越多时，那么对目标出行订单再次派单后目标服务请求方接受再次派单的概率就越大，那么目标出行订单再次派单后的成功率就越高。

目标服务请求方的有责次数指的是造成订单取消的责任属于目标服务请求方的次数。当目标服务请求方的有责次数越少时，说明订单取消的责任属于目标服务请求方的次数就越少，由于目标服务请求方的责任造成目标出行订单再次派单后又被取消的概率就越小，那么目标出行订单再次派单后的成功率就越高。

在具体实施过程中，当根据历史取消订单的次数，确定目标出行订单再次派单后的成功率，还应该结合历史接受再次派单的次数和/或目标服务请求方的有责次数进行考虑。

在一些可能的情况中，即使历史取消订单的次数较高，但是由于历史接受再次派单的次数较多和/或目标服务请求方的有责次数较少，那么目标出行订单再次派单后的成功率依然可能很高。同样根据对历史接受再次派单的次数或者目标服务请求方的有责次数，确定目标出行订单再次派单后的成功率时也可以结合其他剩余目标服务请求方的第一历史行为特征进行判断。

当目标服务请求方的第一历史行为特征中所包含的特征信息越多时，确定的目标出行订单再次派单后的成功率越准确。

服务提供方的第二历史行为特征主要指的是服务提供方在历史执行出行服务时的行为特征，具体可以包括以下至少一种或多种：服务提供方在历史预设时间段内承接后取消出行订单的次数、服务提供方的有责次数、服务提供方与服务请求方的沟通信息。

服务提供方在历史预设时间段内承接后取消出行订单的次数包含由于服务请求方的原因造成的取消出行订单的次数以及由于服务提供方的原因造成的取消出行订单的次数。服务提供方的有责次数指的是造成订单取消的责任属于服务提供方的次数。

根据服务提供方在历史预设时间段内承接后取消出行订单的次数和服务提供方的有责次数，可以确定出的有责次数。

当服务提供方的有责次数越多时，说明订单取消的责任属于服务提供方的次数就越多，也就是订单取消的责任属于的次数就越少，当目标出行订单再次派单给其他服务请求方时，那么目标出行订单再次派单后的成功率就越高。

服务提供方与服务请求方的沟通信息可以包括服务提供方与服务请求方的沟通次数、一次沟通中是否先发消息、消息中是否提及取消、沟通时长等信息。根据服务提供方与服务请求方的沟通信息可以确定出是否是由服务提供方提出的取消订单以及取消订单是否是服务提供方的原因。通过确定取消订单是否是服务提供方的原因，可以进一步地确定出目标服务请求方是否仍然有出行的需求，继而可以确定目标出行订单再次派单后的成功率。

通过上述特征信息还可以直接或者间接确定出服务提供方的有责次数，进而确定出目标出行订单再次派单后的成功率。

目标服务请求方的出行信息指的是目标服务请求方在所下达的目标出行订单中包含的出行信息，具体可以包括以下至少一种或多种：目标服务请求方下达目标出行订单的时间、目标服务请求方下达目标出行订单的位置信息、上车点信息和下车点信息。

目标服务请求方下达目标出行订单的位置信息可以通过定位技术获取到，目标服务请求方下达目标出行订单的时间、上车点信息和下车点信息可以通过目标服务请求方的订单操作信息获取到。

服务提供方的服务信息包括以下至少一种或多种：目标出行订单取消时服务提供方的位置信息、目标出行订单取消时的时间和服务提供方的预估服务里程。

目标出行订单取消时服务提供方的位置信息也可以通过定位技术获取到，目标出行订单取消时的时间可以根据目标服务请求方的操作信息获取到，服务提供方的预估服务里程可以根据订单的起始服务时间和终止服务时间确定。

在实际情况中，单独根据目标服务请求方的出行信息或者服务提供方的服务信息是不容易确定目标出行订单被取消的原因的，通常是当目标服务请求方的出行信息和服务提供方的服务信息发生冲突的时候，才有可能发生取消订单的情况，继而判断取消订单的原因，因此在一些可行的实施方式中，可以根据目标服务请求方下达目标出行订单的位置信息和目标出行订单取消时服务提供方的位置信息可以确定是否是由于位置原因造成的取消订单，这种情况下很有可能是服务提供方因为位置原因而取消订单，因此可以确定出订单取消的责任属于服务提供方，那么目标出行订单再次派单后的成功率可能就高。同理，还可以根据目标服务请求方下达目标出行订单的时间和目标出行订单取消时的时间，判断是否是服务提供方因为时间原因而取消订单；还可以根据上车点信息、下车点信息和服务提供方的预估服务里程，判断是否是服务提供方因为里程原因而取消订单等。

通过综合考虑标服务请求方的出行信息或者服务提供方的服务信息，从而可以准确确定出目标出行订单被取消的原因。

目标出行订单被下达时的资源供需情况可以指的是提供出行服务的服务提供资源与请求出行服务的服务请求资源的供需情况，具体地，资源供需情况可以指的是服务提供方与服务请求方的供需比，即服务提供方的数量与服务请求方的数量的比值。当资源供小于求时，服务请求方很有可能取消不愿意承接的订单而选择对自己的收益更大的订单，因此根据目标出行订单被下达时的资源供需情况，可以判断出造成目标出行订单被取消的原因。同时资源供小于求时，服务请求方可能更希望目标出行订单再次派单，但是不排除目标出行订单再次派单后，其他服务提供方仍然取消订单的情况，因此单独根据目标出行订单被下达时的资源供需情况直接判断目标出行订单再次派单后的成功率存在一定的困难，因此该属性信息可以与其他属性信息共同确定目标出行订单再次派单后的成功率。

交通环境信息和天气环境信息可以影响目标出行订单再次派单后其他服务提供方的接单概率，例如，交通环境恶劣和/或天气环境恶劣时，目标出行订单再次派单后服务提供方的接单概率可能不太大。而交通环境恶劣时，目标出行订单被取消后，目标服务请求方仍然有出行的需求可能不太大；而天气环境恶劣时，目标服务请求方仍然有出行的需求可能性会大大提高。因此通过交通环境信息和天气环境信息可以确定目标服务请求方是仍然有出行的需求的概率和服务提供方愿意承接再次派单后的目标出行订单的概率。交通环境信息和天气环境信息也可以和其他属性信息共同确定目标出行订单再次派单后的成功率。

在一种可行的实施方式中，目标服务请求方的出行信息还可以包括目标服务请求方下达目标出行订单时所处的行政区域、上车点所处的行政区域、目标服务请求方的下车点、目标出行订单的预估价、目标出行订单是否是连环单、目标出行订单是否为再次派单、目标服务请求方下达目标出行订单时距离上车点的预估时间、取消订单时目标服务请求方距离下单时的时间、下达订单时目标服务请求方距离上车点的直线距离或路面距离、取消订单时目标服务请求方距离下达目标出行订单时的位置的直线距离或路面距离、取消订单时目标服务请求方距离上车点的时间等。

服务提供方的服务信息还可以服务提供方取消订单时距离上车点的时间、服务提供方的预估接驾直线距离或路面距离、服务提供方的预估送驾直线距离/路面距离、服务提供方的接送驾距离比、目标出行订单是否为极速取消订单、提交的订单取消原因、服务提供方的预估接驾时间、服务提供方的预估送驾时间、接单时司机距离上车点的直线距离/路面距离、订单取消时间与接单时间的时间差、订单取消时间与下单时间的时间差、订单取消时间与首次下单时间的时间差、取消订单时服务提供方距离上车点的直线距离或路面距离、取消订单时服务提供方距离上车点的直线距离或路面距离等。

通过结合上述服务请求方的出行信息或者服务提供方的服务信息，也可以准确确定出目标出行订单被取消的原因。

在一些可行的实施方式中，属性信息包括下单时的状态信息和取消订单时的状态信息。具体地，目标出行订单的下单信息包括以下至少一种或多种：上车点信息、下车点信息、下单时间、下单时目标服务请求方距离上车点的时间、下单时目标服务请求方距离上车点的距离、目标出行订单的预估服务时长。

目标出行订单的取消信息包括以下至少一种或多种：取消时服务提供方距离上车点的距离、取消时间、取消时服务提供方距离上车点的时间、取消时目标服务请求方距离上车点的时间、取消时间与接单时间间隔、取消时目标服务请求方与服务提供方的沟通信息。

通过将属性信息分成目标出行订单的下单信息和目标出行订单的取消信息，在具体实施中，可以根据目标出行订单的下单信息和目标出行订单的取消信息，确定出由于目标出行订单的下单信息造成目标出行订单被取消的原因，继而确定目标出行订单再次派单后的成功率。

在步骤S102中，目标出行订单再次派单后的成功率指的是目标出行订单再次派单后被任一候选服务提供方承接并完成的成功率。

影响目标出行订单再次派单后的成功率的主要因素包括两个方面：一方面是目标服务请求方是否仍然有出行的需求；另一方面是候选服务提供方是否愿意承接再次派单后的目标出行订单。

针对上述第一方面，在判断目标服务请求方是否仍然有出行的需求的过程中，可以根据目标出行订单的属性信息判断目标出行订单被取消的原因是由服务提供方造成的还是目标服务请求方造成。当目标出行订单被取消的原因是由服务提供方造成的，说明目标服务请求方可能仍然有再次下达出行订单的需求；当目标出行订单被取消的原因是目标服务请求方造成的，说明目标服务请求方可能不会有再次下达出行订单的需求或者目标服务请求方仍然有再次下达出行订单的需求可能性较低。

因此，当目标服务请求方仍然有再次下达出行订单的需求时，那么目标出行订单再次派单后的成功率就高；当目标服务请求方不再有再次下达出行订单的需求时，那么目标出行订单再次派单后的成功率就低。

针对上述第二方面，这里的候选服务提供方指的是在目标出行订单被再次派单后能够提供出行服务的服务提供方，具体地可以包括候选未接单服务提供方和候选已接单服务提供方。

其中，候选未接单服务提供方指的是当前处于运营状态且当前未执行出行订单的服务提供方；候选已接单服务提供方指的是当前正在执行的出行订单的下车点与目标出行订单的上车点的距离小于第一预设距离，和/或当前正在执行的出行服务的服务终止时间在目标出行订单再次派单之前，且当前正在执行的出行订单的服务终止时间与目标出行订单再次派单时间间隔大于第一预设时间间隔且小于第二预设时间间隔的服务提供方。

针对候选已接单服务提供方，这里主要是考虑如果候选已接单服务提供方当前正在执行的出行订单的服务终止时间与目标出行订单再次派单时间间隔太小，当目标出行订单再次派单后，候选已接单服务提供方可能无法及时达到上车点；如果候选已接单服务提供方当前正在执行的出行订单的服务终止时间与目标出行订单再次派单时间间隔太大，候选已接单服务提供方可能需要等待较长的时间才能承接再次派单后的目标出行订单，而一般情况下候选已接单服务提供方不会一直处于等待过程中，可能会在等待期间内承接其他出行订单，造成候选已接单服务提供方减少，继而降低目标出行订单再次派单后的成功率。因此将当前正在执行的出行订单的服务终止时间与目标出行订单再次派单时间间隔限定在大于第一预设时间间隔且小于第二预设时间间隔的时间范围内，既可以保证候选已接单服务提供方及时达到上车点，又能保证目标出行订单再次派单后的成功率。

因此，上述候选未接单服务提供方和候选已接单服务提供方都存在一定的概率能够在目标出行订单被再次派单后承接订单。

具体地，在判断服务提供方是否愿意承接再次派单后的目标出行订单的过程中，可以根据目标出行订单的属性信息候选服务提供方的接单概率。当目标出行订单的属性信息符合候选服务提供方的服务需求时，候选服务提供方的接单概率则高；反之，则低。

因此，当候选服务提供方的接单概率高时，那么目标出行订单再次派单后的成功率就高；当候选服务提供方的接单概率低时，那么目标出行订单再次派单后的成功率就低。

步骤S103中，对目标出行订单进行再次派单的方式至少包括指派订单和广播订单。

其中，指派订单指的是将目标出行订单指派给符合预设条件的目标服务提供方，由该符合预设条件的目标服务提供方承接再次派单后的目标出行订单，其中符合预设条件的目标服务提供方是从候选服务提供方中选择的；广播订单指的是将目标出行订单以广播的形式发送给多个候选服务提供方，目标出行订单将分配给接单成功的目标服务提供方。

这里，可以设置目标出行订单再次派单后的成功率的预设值，当目标出行订单再次派单后的成功率大于该预设值时，说明目标出行订单再次派单后的成功的可能性较高，那么可以对目标出行订单进行再次派单；当目标出行订单再次派单后的成功率小于该预设值时，说明目标出行订单再次派单后的成功的可能性较低，那么可以取消对目标出行订单的再次派单。

当确定对目标出行订单进行再次派单后，还可以根据不同派单方式对应的成功率选择派单方式。

具体地，当某一候选服务提供方承接该再次派单后的目标出行订单并且完成的概率明显大于其他候选服务提供方，那么显然将目标出行订单以指派订单的派单方式分配给该候选服务提供方后，目标出行订单再次派单后的成功率比广播订单的成功率要高。

而当多个候选服务提供方承接该再次派单后的目标出行订单并且完成的概率大致相同或相近时，那么将目标出行订单以广播订单的派单方式分配给该候选服务提供方后，目标出行订单再次派单后的成功率比指派订单的派单方式要高，因为抢到该目标出行订单的候选服务提供方的承接意愿要比其他候选服务提供方更强。

根据前文所述，目标出行订单的属性信息影响目标出行订单再次派单后的成功率，因此在一种可行的实施方式中，当属性信息为目标服务请求方的第一历史行为特征，在执行步骤S102时，可以包括以下步骤：

S1021：根据目标服务请求方的第一历史行为特征，确定目标服务请求方再次下达目标出行订单的概率；

S1022：根据目标服务请求方再次下达目标出行订单的概率，确定所述目标出行订单再次派单后的成功率。

在步骤S1021-步骤S1022中，目标服务请求方的第一历史行为特征可以包括目标服务请求方的历史取消订单的次数以及历史接受再次派单的次数等。

具体地，当目标服务请求方的第一历史行为特征仅包括目标服务请求方的历史取消订单的次数时，目标服务请求方的历史取消订单的次数越多，说明目标服务请求方再次下达目标出行订单后又取消的概率比较大，那么目标出行订单再次派单后的成功率则会越低；反之，则越高。

当目标服务请求方的第一历史行为特征仅包括目标服务请求方的历史接受再次派单的次数时，目标服务请求方的历史接受再次派单的次数越多，说明目标服务请求方再次下达目标出行订单的概率比较大，那么目标出行订单再次派单后的成功率则会越高；反之，则越低。

当目标服务请求方的第一历史行为特征包括：目标服务请求方的历史取消订单的次数和目标服务请求方的历史接受再次派单的次数时，具体还可以分为以下四种情况：

第一种情况：当目标服务请求方的历史取消订单的次数较多、历史接受再次派单的次数较少时(这里可以分别设置历史取消订单的次数阈值以及历史接受再次派单的次数阈值)，说明目标服务请求方再次下达目标出行订单后又取消的概率比较大，那么目标出行订单再次派单后的成功率越低。第二种情况：当目标服务请求方的历史取消订单的次数较少、历史接受再次派单的次数较多时，说明目标服务请求方再次下达目标出行订单的概率比较大，那么目标出行订单再次派单后的成功率越高。第三种情况：当目标服务请求方的历史取消订单的次数较多、历史接受再次派单的次数较多时，可以通过加权的方式确定目标出行订单再次派单后的成功率。第四种情况：当目标服务请求方的历史取消订单的次数较少、历史接受再次派单的次数较少时，也可以通过加权的方式确定目标出行订单再次派单后的成功率。

根据前文设置的目标出行订单再次派单后的成功率阈值，当目标出行订单再次派单后的成功率大于该成功率阈值时，可以对目标出行订单进行再次派单；当目标出行订单再次派单后的成功率小于该成功率阈值时，可以取消对目标出行订单的再次派单。

针对目标出行订单再次派单后的成功率大于预设值的情况，考虑到目标出行订单再次派单后的成功率是根据目标服务请求方的第一历史行为特征确定的，也就是当目标出行订单再次派单后的成功率大于预设值时，说明目标服务请求方对目标出行订单进行再次派单的可能性较大，目标服务请求方仍然有出行需求，因此可以通过广播订单的派单方式，将进行再次派单后的目标出行订单广播至符合条件的所有候选服务提供方，以提高目标出行订单再次派单后的接单率，从而满足目标服务请求方仍然存在的出行需求。

在具体实施过程中，本申请实施例提供的订单处理方法还包括：

S201：向目标服务请求方发送是否再次派单的提示信息；

S202：在接收到目标服务请求方针对提示信息的确认指令后，向候选服务提供方广播目标出行订单。

步骤S201承接步骤S103，可以向目标服务请求方发送是否再次派单的提示信息，以使目标服务请求方选择是否再次派单。

其中，提示信息的显示方式可以是弹窗、冒泡、语音、确认按钮等形式。

步骤S202中，可以向所有候选服务提供方广播目标出行订单，也可以向部分候选服务提供方广播目标出行订单。在向候选服务提供方广播目标出行订单时，可以包含目标出行订单的属性信息等信息。

在一种可行的实施方式中，本申请实施例提供的订单处理方法还包括：

S301：确定每个候选服务提供方的接单概率；

S302：根据接单概率，将目标出行订单所对应的再次派单的指派给接单概率最大的目标候选服务提供方。

步骤S301中，候选服务提供方的接单概率可以根据目标出行订单的属性信息确定，也可以根据候选服务提供方的服务信息确定。

其中，目标出行订单的属性信息可以包括以下至少一种或多种：目标服务请求方的第一历史行为特征、服务提供方的第二历史行为特征、目标服务请求方的出行信息和服务提供方的服务信息。

具体地，当目标出行订单的属性信息包括目标服务请求方的第一历史行为特征和/或服务提供方的第二历史行为特征时，可以判断目标出行订单被取消的原因是目标服务请求方造成的还是服务提供方造成的。如果目标出行订单被取消的原因是目标服务请求方造成的，那么候选服务提供方可能不愿意接单，因为目标出行订单再次派单后，那么由目标服务请求方的原因造成目标出行订单再次被取消的可能性较高。如果目标出行订单被取消的原因是服务提供方造成的，那么由目标服务请求方的原因造成目标出行订单再次被取消的可能性较低。

当目标出行订单的属性信息包括目标服务请求方的出行信息和/或服务提供方的服务信息时，可以判断是否由于目标服务请求方的出行信息与服务提供方的服务信息发生冲突导致目标出行订单被取消。如果是，那么可以根据每个候选服务提供方的服务信息，确定接单概率。

步骤S302中，为了提高指派订单的成功率，那么可以根据接单概率，对多个候选服务提供方进行排序，将目标出行订单所对应的再次派单的指派给接单概率最大的目标候选服务提供方。

承接步骤S301，在一种可行的实施方式中，确定每个候选服务提供方的接单概率，包括：

S3011：获取目标出行订单的上车点所属区域的服务资源供需比和每个候选服务提供方的当前位置所属区域的服务资源供需比；

S3012：针对每个候选服务提供方，根据目标出行订单的上车点所属区域的服务资源供需比和该候选服务提供方的当前位置所属区域的服务资源供需比，确定该候选服务提供方的接单概率。

在步骤S3011中，服务资源供需比指的是能够提供出行服务的服务提供方与具有出行需求的服务请求方的比值。

目标出行订单的上车点所属区域以及每个候选服务提供方的当前位置所属区域均可以指的是行政区域。

S3012中，当目标出行订单的上车点所属区域的服务资源供需比小于该候选服务提供方的当前位置所属区域的服务资源供需比，说明目标出行订单的上车点所属区域缺乏服务提供资源，对候选服务提供方更有吸引力，因此候选服务提供方的接单概率可能较大。当目标出行订单的上车点所属区域的服务资源供需比大于该候选服务提供方的当前位置所属区域的服务资源供需比，说明目标出行订单的上车点所属区域的服务提供资源相对饱和，对候选服务提供方缺乏吸引力，因此候选服务提供方的接单概率可能较小。

承接步骤S301，在另一种可行的实施方式中，确定每个候选服务提供方的接单概率，包括：

S3013：获取每个候选服务提供方与目标出行订单的上车点的距离；

S3014：针对每个候选服务提供方，根据该候选服务提供方与目标出行订单的上车点的距离，确定该候选服务提供方的接单概率。

在步骤S3013中，可以获取每个候选服务提供方的当前位置信息，根据每个候选服务提供方的当前位置信息与目标出行订单的上车点的位置信息，确定每个候选服务提供方与目标出行订单的上车点的距离。

在步骤S3014中，可以设置候选服务提供方与目标出行订单的上车点的距离阈值，当候选服务提供方与目标出行订单的上车点的距离大于距离阈值时，说明候选服务提供方与目标出行订单的上车点的距离较远，候选服务提供方的接单意愿可能较低，因此候选服务提供方的接单概率较小；当候选服务提供方与目标出行订单的上车点的距离小于距离阈值时，说明候选服务提供方与目标出行订单的上车点的距离较近，候选服务提供方的接单意愿可能较高，因此候选服务提供方的接单概率较大。

承接步骤S102，在执行步骤根据目标服务订单的属性信息，确定目标服务订单再次派单后的成功率，可以将目标服务订单的属性信息输入到已经训练完成的神经网络模型中，以得到目标服务订单的再次派单后的成功率。

其中已经训练完成的神经网络模型是通过以下步骤训练完成的：

S401：获取训练样本；训练样本包括样本订单的属性信息和样本订单对应的再次派单后的成功率；

S402：将训练样本输入至神经网络模型中，以对神经网络模型进行训练。

本申请实施例中已经训练完成的神经网络模型指的是可以根据目标出行订单的属性信息，确定出目标出行订单再次派单后的成功率的神经网络模型。上述步骤S402中的神经网络模型指的是未进行过训练的神经网络模型或者是未训练完成的神经网络模型。

经过S401-S402训练完成的神经网络模型，可以根据输入的目标出行订单的属性信息，得到目标出行订单再次派单后的成功率。

在步骤S401中，属性信息指的是用于表征目标出行订单的属性的信息，具体可以包括以下至少一种或多种：目标服务请求方的第一历史行为特征、服务提供方的第二历史行为特征、目标服务请求方的出行信息、服务提供方的服务信息、交通环境信息、天气环境信息。

其中，目标服务请求方的第一历史行为特征包括以下至少一种或多种：历史取消订单的次数、历史接受再次派单的次数、目标服务请求方的有责次数；

服务提供方的第二历史行为特征包括以下至少一种或多种：服务提供方在历史预设时间段内承接后取消出行订单的次数、服务提供方的有责次数、服务提供方与服务请求方的沟通信息；

目标服务请求方的出行信息包括以下至少一种或多种：目标服务请求方下达目标出行订单的时间、目标服务请求方下达目标出行订单的位置信息、上车点信息、下车点信息；

服务提供方的服务信息包括以下至少一种或多种：目标出行订单取消时服务提供方的位置信息、目标出行订单取消时的时间、服务提供方的预估服务里程。

在一种可行的实施方式中，属性信息包括：下单时的状态信息和取消订单时的状态信息。

下单时的状态信息包括以下至少一种或多种：上车点信息、下车点信息、下单时间、下单时目标服务请求方距离上车点的时间、下单时目标服务请求方距离上车点的距离、目标出行订单的预估服务时长；

取消订单时的状态信息包括以下至少一种或多种：取消时服务提供方距离上车点的距离、取消时间、取消时服务提供方距离上车点的时间、取消时目标服务请求方距离上车点的时间、取消时间与接单时间间隔、取消时目标服务请求方与服务提供方的沟通信息。

根据上述属性信息，确定目标出行订单再次派单后的成功率可以参见前文，这里不再赘述。

在具体实施过程中，考虑到服务提供方取消订单的情况可以分为服务提供方到达上车点前和服务提供方到达上车点后，因此可以将服务提供方到达上车点前取消的样本订单作为第一样本订单，将第一样本订单的属性信息和第一样本订单对应的再次派单后的成功率作为第一训练样本；将服务提供方到达上车点后取消的样本订单作为第二样本订单，将第二样本订单的属性信息和第二样本订单对应的再次派单后的成功率作为第二训练样本。

将神经网络模型可以分为到达前再次派单模型和到达后再次派单模型。将第一样本订单输入至未训练完成的到达前再次派单模型对神经网络模型进行训练，使得训练完成的神经网络模型可以得到服务提供方到达上车点前目标出行订单再次派单后的成功率。同样，将第二样本订单输入至未训练完成的到达后再次派单模型对神经网络模型进行训练，使得训练完成的神经网络模型可以得到服务提供方到达上车点后目标出行订单再次派单后的成功率。

在根据目标出行订单的属性信息，得到目标出行订单再次派单后的成功率时，还可以使用到的算法有回归算法、聚类算法、分类算法、集成学习算法等，具体可以包括逻辑回归算法、决策树、支持向量机、朴素贝叶斯分类算法、随机森林、Xgboost算法、Lightgbm算法、adaboost算法、GBDT算法等。

基于相同的技术构思，本申请实施例还提供一种订单处理装置、电子设备、以及计算机可读存储介质等，具体可参见以下实施例。

图2是示出本申请的一些实施例的第一种订单处理装置的结构示意图，该订单处理装置实现的功能对应上述在终端设备上执行订单处理方法的步骤。该装置可以理解为一个包括处理器的服务器的组件，该组件能够实现上述订单处理方法，如图2所示，该订单处理装置可以包括：

第一获取模块21，用于获取目标出行订单的属性信息；所述目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被所述服务提供方取消的出行订单；

第一确定模块22，用于根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率；

派单模块23，用于若所述目标出行订单再次派单后的成功率大于预设值时，则对所述目标出行订单进行再次派单。

在一种可行的实施方式中，所述属性信息包括以下至少一种或多种：所述目标服务请求方的第一历史行为特征、所述服务提供方的第二历史行为特征、所述目标服务请求方的出行信息、所述服务提供方的服务信息、目标出行订单被下达时的资源供需情况、交通环境信息、天气环境信息。

在一种可行的实施方式中，所述目标服务请求方的第一历史行为特征包括以下至少一种或多种：历史取消订单的次数、历史接受再次派单的次数和所述目标服务请求方的有责次数；

所述服务提供方的第二历史行为特征包括以下至少一种或多种：所述服务提供方在历史预设时间段内承接后取消出行订单的次数和所述服务提供方的有责次数；

所述目标服务请求方的出行信息包括以下至少一种或多种：所述目标服务请求方下达目标出行订单的时间、所述目标服务请求方下达所述目标出行订单的位置信息、上车点信息和下车点信息；

所述服务提供方的服务信息包括以下至少一种或多种：所述目标出行订单取消时服务提供方的位置信息、所述目标出行订单取消时的时间和所述服务提供方的预估服务里程。

在一种可行的实施方式中，所述属性信息包括：所述目标出行订单的下单信息和所述目标出行订单的取消信息。

在一种可行的实施方式中，所述目标出行订单的下单信息包括以下至少一种或多种：上车点信息、下车点信息、下单时间、下单时所述目标服务请求方距离上车点的时间、下单时所述目标服务请求方距离上车点的距离、所述目标出行订单的预估服务时长；

所述目标出行订单的取消信息包括以下至少一种或多种：取消时所述服务提供方距离上车点的距离、取消时间、取消时所述服务提供方距离上车点的时间、取消时所述目标服务请求方距离上车点的时间、取消时间与接单时间间隔、取消时所述目标服务请求方与所述服务提供方的沟通信息。

在一种可行的实施方式中，第一确定模块22，包括：将所述目标出行订单的属性信息输入已经训练完成的神经网络模型中，得到所述目标出行订单再次派单后的成功率。

在一种可行的实施方式中，还包括：第二获取模块，用于获取训练样本；所述训练样本包括样本订单的属性信息和所述样本订单对应的再次派单后的成功率；

输入模块，用于将所述训练样本输入至神经网络模型中，以对所述神经网络模型进行训练。

在一种可行的实施方式中，所述属性信息为目标服务请求方的第一历史行为特征；第一确定模块22，包括：

第二确定模块，用于根据目标服务请求方的第一历史行为特征，确定所述目标服务请求方再次下达所述目标出行订单的概率；

第三确定模块，用于根据所述目标服务请求方再次下达所述目标出行订单的概率，确定所述目标出行订单再次派单后的成功率；

派单模块23，用于若所述目标出行订单再次派单后的成功率大于预设值时，则对所述目标出行订单进行再次派单。

在一种可行的实施方式中，如图3所示的第二种订单处理装置的结构示意图中，所述装置还包括：

发送模块24，用于向所述目标服务请求方发送是否再次派单的提示信息；

广播模块25，用于在接收到所述目标服务请求方针对所述提示信息的确认指令后，向候选服务提供方广播所述目标出行订单。

在一种可行的实施方式中，如图4所示的第三种订单处理装置的结构示意图中所述装置还包括：

第四确定模块26，用于确定每个候选服务提供方的接单概率；

指派模块27，用于根据所述接单概率，将所述目标出行订单所对应的再次派单的指派给接单概率最大的目标候选服务提供方。

在一种可行的实施方式中，第四确定模块26包括：

第三获取模块，用于获取所述目标出行订单的上车点所属区域的服务资源供需比和每个候选服务提供方的当前位置所属区域的服务资源供需比；

第五确定模块，用于针对每个候选服务提供方，根据所述目标出行订单的上车点所属区域的服务资源供需比和该候选服务提供方的当前位置所属区域的服务资源供需比，确定该候选服务提供方的接单概率。

在一种可行的实施方式中，第四确定模块26包括：

第四获取模块，用于获取每个候选服务提供方与所述目标出行订单的上车点的距离；

第六确定模块，用于针对每个候选服务提供方，根据该候选服务提供方与所述目标出行订单的上车点的距离，确定该候选服务提供方的接单概率。

如图5所示，为本申请实施例所提供的一种电子设备的结构示意图，该电子设备包括：处理器501、存储器502和总线503，存储器502存储有执行指令，当电子设备运行时，处理器501与存储器502之间通过总线503通信，处理器501执行存储器502中存储的如图1所示一种订单处理方法的步骤。

本申请实施例所提供的进行订单处理方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。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，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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网络单元上。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。

另外，在本申请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。

所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请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(可以是个人计算机，服务器，或者网络设备等)执行本申请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、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (13)

1.一种订单处理方法，其特征在于，包括：

获取目标出行订单的属性信息；所述目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被所述服务提供方取消的出行订单，所述属性信息包括以下至少一种或多种：所述目标服务请求方的第一历史行为特征、所述服务提供方的第二历史行为特征、所述目标服务请求方的出行信息、所述服务提供方的服务信息，所述第一历史行为特征是指所述目标服务请求方在历史使用出行服务时的行为特征，所述第二历史行特征为所述目标服务提供方在历史执行出行服务时的行为特征，所述出行信息是指所述目标服务请求方在所下达的目标出行订单中包含的信息，所述出行信息和所述服务信息用于判断是否由于所述服务请求方的出行信息和所述服务提供方的服务信息发生冲突导致所述目标出行订单被取消；

根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率，其中，所述成功率包括以下一种或多种：目标服务请求方仍然有出行的需求的概率、其他服务提供方承接再次派单后的目标出行订单的成功率，所述其他服务提供方承接再次派单后的目标出行订单的成功率包括通过广播派单的方式再次发单后有其他服务提供方接单以及通过指派订单的方式再次发单后服务提供方不会拒绝；

若所述目标出行订单再次派单后的成功率大于预设值时，则对所述目标出行订单进行再次派单；

确定每个候选服务提供方的接单概率；以及

根据所述接单概率，将所述目标出行订单所对应的再次派单的指派给接单概率最大的目标候选服务提供方；

其中，所述根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率，包括：

将所述目标出行订单的属性信息输入已经训练完成的神经网络模型中，得到所述目标出行订单再次派单后的成功率，所述神经网络模型包括到达前再次派单模型和/或到达后再次派单模型。

2.根据权利要求1所述的订单处理方法，其特征在于，所述属性信息还包括以下至少一种或多种：目标出行订单被下达时的资源供需情况、交通环境信息、天气环境信息。

3.根据权利要求1所述的订单处理方法，其特征在于，

所述目标服务请求方的第一历史行为特征包括以下至少一种或多种：历史取消订单的次数、历史接受再次派单的次数、所述目标服务请求方的有责次数；

所述服务提供方的第二历史行为特征包括以下至少一种或多种：所述服务提供方在历史预设时间段内承接后取消出行订单的次数、所述服务提供方的有责次数、所述服务提供方与所述服务请求方的沟通信息；

所述目标服务请求方的出行信息包括以下至少一种或多种：所述目标服务请求方下达目标出行订单的时间、所述目标服务请求方下达所述目标出行订单的位置信息、上车点信息、下车点信息；

所述服务提供方的服务信息包括以下至少一种或多种：所述目标出行订单取消时服务提供方的位置信息、所述目标出行订单取消时的时间、所述服务提供方的预估服务里程。

4.根据权利要求1所述的订单处理方法，其特征在于，所述属性信息包括：下单时的状态信息和取消订单时的状态信息。

5.根据权利要求4所述的订单处理方法，其特征在于，

所述下单时的状态信息包括以下至少一种或多种：上车点信息、下车点信息、下单时间、下单时所述目标服务请求方距离上车点的时间、下单时所述目标服务请求方距离上车点的距离、所述目标出行订单的预估服务时长；

所述取消订单时的状态信息包括以下至少一种或多种：取消时所述服务提供方距离上车点的距离、取消时间、取消时所述服务提供方距离上车点的时间、取消时所述目标服务请求方距离上车点的时间、取消时间与接单时间间隔、取消时所述目标服务请求方与所述服务提供方的沟通信息。

6.根据权利要求1所述的订单处理方法，其特征在于，所述神经网络模型是通过以下步骤训练完成的：

获取训练样本；所述训练样本包括样本订单的属性信息和所述样本订单对应的再次派单后的成功率；

将所述训练样本输入至神经网络模型中，以对所述神经网络模型进行训练。

7.根据权利要求1所述的订单处理方法，其特征在于，所述属性信息为目标服务请求方的第一历史行为特征；

所述根据所述目标出行订单的属性信息，确定所述目标出行订单的再次派单的成功率，包括：

根据目标服务请求方的第一历史行为特征，确定所述目标服务请求方再次下达所述目标出行订单的概率；

根据所述目标服务请求方再次下达所述目标出行订单的概率，确定所述目标出行订单再次派单后的成功率。

8.根据权利要求1所述的订单处理方法，其特征在于，所述方法还包括：

向所述目标服务请求方发送是否再次派单的提示信息；

在接收到所述目标服务请求方针对所述提示信息的确认指令后，向候选服务提供方广播所述目标出行订单。

9.根据权利要求1所述的订单处理方法，其特征在于，所述确定每个候选服务提供方的接单概率，包括：

获取所述目标出行订单的上车点所属区域的服务资源供需比和每个候选服务提供方的当前位置所属区域的服务资源供需比；

针对每个候选服务提供方，根据所述目标出行订单的上车点所属区域的服务资源供需比和该候选服务提供方的当前位置所属区域的服务资源供需比，确定该候选服务提供方的接单概率。

10.根据权利要求1所述的订单处理方法，其特征在于，所述确定每个候选服务提供方的接单概率，包括：

获取每个候选服务提供方与所述目标出行订单的上车点的距离；

针对每个候选服务提供方，根据该候选服务提供方与所述目标出行订单的上车点的距离，确定该候选服务提供方的接单概率。

11.一种订单处理装置，其特征在于，包括：

获取模块，用于获取目标出行订单的属性信息；所述目标出行订单是目标服务请求方下达，并被服务提供方承接后，又被所述服务提供方取消的出行订单，所述属性信息包括以下至少一种或多种：所述目标服务请求方的第一历史行为特征、所述服务提供方的第二历史行为特征、所述目标服务请求方的出行信息、所述服务提供方的服务信息，所述第一历史行为特征是指所述目标服务请求方在历史使用出行服务时的行为特征，所述第二历史行特征为所述目标服务提供方在历史执行出行服务时的行为特征，所述出行信息是指所述目标服务请求方在所下达的目标出行订单中包含的信息，所述出行信息和所述服务信息用于判断是否由于所述服务请求方的出行信息和所述服务提供方的服务信息发生冲突导致所述目标出行订单被取消；

第一确定模块，用于根据所述目标出行订单的属性信息，确定所述目标出行订单再次派单后的成功率；

派单模块，用于若所述目标出行订单再次派单后的成功率大于预设值时，则对所述目标出行订单进行再次派单，其中，所述成功率包括以下一种或多种：目标服务请求方仍然有出行的需求的概率、其他服务提供方承接再次派单后的目标出行订单的成功率，所述其他服务提供方承接再次派单后的目标出行订单的成功率包括通过广播派单的方式再次发单后有其他服务提供方接单以及通过指派订单的方式再次发单后服务提供方不会拒绝；

第四确定模块，用于确定每个候选服务提供方的接单概率；以及

指派模块，用于根据所述接单概率，将所述目标出行订单所对应的再次派单的指派给接单概率最大的目标候选服务提供方；

其中，所述第一确定模块具体用于将所述目标出行订单的属性信息输入已经训练完成的神经网络模型中，得到所述目标出行订单再次派单后的成功率，所述神经网络模型包括到达前再次派单模型和/或到达后再次派单模型。

12.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至10任一所述的订单处理方法的步骤。

13.一种可读存储介质，其特征在于，该可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至10任一所述的订单处理方法的步骤。