CN104616086A - 用于动态设置订单的缓冲时间的方法和设备 - Google Patents
用于动态设置订单的缓冲时间的方法和设备 Download PDFInfo
- Publication number
- CN104616086A CN104616086A CN201510092090.6A CN201510092090A CN104616086A CN 104616086 A CN104616086 A CN 104616086A CN 201510092090 A CN201510092090 A CN 201510092090A CN 104616086 A CN104616086 A CN 104616086A
- Authority
- CN
- China
- Prior art keywords
- order
- time
- competition probability
- history
- history order
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000977 initiatory effect Effects 0.000 claims description 37
- 230000002596 correlated effect Effects 0.000 claims description 36
- 238000012417 linear regression Methods 0.000 claims description 30
- 230000008093 supporting effect Effects 0.000 claims description 5
- 230000001976 improved effect Effects 0.000 abstract description 4
- 230000002860 competitive effect Effects 0.000 abstract 2
- 230000007306 turnover Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 239000002609 medium Substances 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06Q50/40—
Abstract
本公开的各实施方式涉及用于动态设置订单的缓冲时间的方法和设备。所述方法包括:在预定时间内,获取历史订单的相关特征;根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率;以及根据所述预测的竞争概率,动态设置所述订单的缓冲时间。通过本公开的实施方式的方法和设备能够动态设置订单的缓冲时间,从而节省司机的等待时间以及节省订单的成交时间,并有利于提升乘客体验。
Description
技术领域
本公开的各实施方式总体上涉及订单系统,具体地,本公开的各实施方式涉及用于动态设置订单的缓冲时间的方法和设备。
背景技术
当前随着智能导航、智能电话之类的智能设备的普及和移动互联网的发展,给人们的出行带来了极大便利。伴随着城市的发展,打车需求已经是社会各阶层人士的普遍需求,诸如由“滴滴打车”之类的打车软件解决了出租车司机和乘客之间的信息不对称问题。
具体地,在现有的订单系统中,司机通过滴滴打车抢到合适的订单之后,还需要等待一个订单的缓冲时间(一般为7秒)。在这个时间段内,如果有其他司机抢单,则需要进行对比以确定当前时间抢单成功的司机。然而,即便在没有其他的司机跟其竞争的情况下,第一个抢到合适的订单的司机也需要等待一个订单的缓冲时间。因此,在某些情况下,该订单的缓冲时间可能会浪费滴滴司机的信道资源。随着滴滴打车的兴起,如何实现动态设置订单的缓冲时间成为一个亟待解决的问题。
发明内容
为了解决上述问题,本公开的各实施方式提出了一种用于动态设置订单的缓冲时间的方法和设备。
根据本公开的一个方面,提供了一种用于动态设置订单的缓冲时间的方法。该方法包括:在预定时间内,获取历史订单的相关特征;根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率;以及根据所述预测的竞争概率,动态设置所述订单的缓冲时间。
根据本公开的一个实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:利用线性回归模型预测新发起订单的竞争概率。
根据本公开的另一个实施方式,其中所述预定时间为一周。
根据本公开的再一个实施方式,其中所述历史订单的相关特征包含以下的一个或多个:产生所述历史订单的城市,产生所述历史订单的时间,针对所述历史订单的道路拥堵情况,以及所述历史订单的价值。
根据本公开的再一个实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在产生所述历史订单的城市是一线大城市时,提高所述订单的竞争概率。
根据本公开的再一个实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在产生所述历史订单的时间是夜间或高峰时段时,降低所述订单的竞争概率。
根据本公开的再一个实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在针对所述历史订单的道路拥堵时,降低所述订单的竞争概率。
根据本公开的再一个实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在所述历史订单的价值较高时,提高所述订单的竞争概率。
根据本公开的再一个实施方式,其中根据所述预测的竞争概率,动态设置所述订单的缓冲时间:在所述订单的竞争概率较高时,将所述订单的缓冲时间设置成较长的缓冲时间,其中所述较长的缓冲时间是不大于7秒的缓冲时间;以及在所述订单的竞争概率较低时,将所述订单的缓冲时间设置成较短的缓冲时间。
根据本公开的再一个实施方式,其中所述线性回归模型是以下中的一种:逻辑斯特回归模型、支持向量机模型。
根据本公开的另一方面,提供了一种用于动态设置订单的缓冲时间的设备。所述设备包括:获取装置,被配置为在预定时间内,获取历史订单的相关特征;预测装置,被配置为根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率;以及设置装置,被配置为根据所述预测的竞争概率,动态设置所述订单的缓冲时间。
根据本公开的一个实施方式,其中所述预测装置进一步被配置为:利用线性回归模型预测新发起订单的竞争概率。
根据本公开的另一个实施方式,其中所述预定时间为一周。
根据本公开的再一个实施方式,其中所述历史订单的相关特征包含以下的一个或多个:产生所述历史订单的城市,产生所述历史订单的时间,针对所述历史订单的道路拥堵情况,以及所述历史订单的价值。
根据本公开的再一个实施方式,其中所述预测装置进一步被配置为:在产生所述历史订单的城市是一线大城市时,提高所述订单的竞争概率。
根据本公开的再一个实施方式,其中所述预测装置进一步被配置为:在产生所述历史订单的时间是夜间或高峰时段时,降低所述订单的竞争概率。
根据本公开的再一个实施方式,其中所述预测装置进一步被配置为:在针对所述历史订单的道路拥堵时,降低所述订单的竞争概率。
根据本公开的再一个实施方式,其中所述预测装置进一步被配置为:在所述历史订单的价值较高时,提高所述订单的竞争概率。
根据本公开的再一个实施方式,其中所述设置装置进一步被配置为:在所述订单的竞争概率较高时,将所述订单的缓冲时间设置成较长的缓冲时间,其中所述较长的缓冲时间是不大于7秒的缓冲时间;以及在所述订单的竞争概率较低时,将所述订单的缓冲时间设置成较短的缓冲时间。
根据本公开的再一个实施方式,其中所述线性回归模型是以下中的一种:逻辑斯特回归模型、支持向量机模型。
本公开的示例性实施方式提供的示例性解决方案至少可以带来如下显著的技术效果:能够在第一个司机抢单时,预测出该订单是否有其他司机竞争,从而动态设置订单的缓冲时间。即:如果存在较大的概率有其他司机竞争,则设置一个较长的订单的缓冲时间;如果这个概率较小,则设置较短的订单的缓冲时间,或者不设置订单的缓冲时间(即,订单的缓冲时间为0)。通过本公开的示例性实施方式可以节省司机的等待时间以及节省订单的成交时间,并有利于提升乘客体验。
附图说明
结合附图并参考以下详细说明,本公开的各实施方式的特征、优点及其他方面将变得更加明显,在此以示例性而非限制性的方式示出了本公开的若干实施方式。在附图中:
图1示意性示出了本公开的示例性实施方式可实现于其中的系统100的示图;
图2示意性示出了根据本公开的示例性实施方式的用于动态设置订单的缓冲时间的方法200的流程图;
图3示意性示出了根据本公开的示例性实施方式的用于动态设置订单的缓冲时间的设备300的框图;以及
图4示意性示出了用来实践本公开的示例性实施方式的计算机系统400的框图。
具体实施方式
以下参考附图详细描述本公开的各个示例性实施方式。附图中的流程图和框图示出了根据本公开的各种实施方式的方法和系统的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施方式中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。
应当理解,给出这些示例性实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开,而并非以任何方式限制本公开的范围。
图1示意性示出了本公开的示例性实施方式可实现于其中的系统100的示图。该系统100包括用户设备102A至102F,该用户设备102A至102F各自通过网络106与业务服务器104进行通信。该网络106可以包括连接任何数目的移动用户设备、固定用户设备和业务服务器104的大型计算机网络,诸如局域网(LAN)、广域网(WAN)、因特网、蜂窝网络或者其组合。该业务服务器104包括一个或多个计算设备110以及一个或多个机器可读储存库或数据库112。本领域技术人员可以理解,该业务服务器104既可以代表比如计算机服务器的单个服务器,也可以代表一起工作以执行功能的多个服务器(例如,云服务器hadoop)。
在系统100中,用户设备102A至102C安装有打车软件乘客端,用户设备102D和102F安装有打车软件司机端。例如,乘客108A可以使用用户设备102A启动打车软件乘客端,键入或者说出想要前往的目的地,以便形成打车信息。然后,该用户设备102A会将该打车信息发送至业务服务器104,以便该业务服务器104将该打车信息向该乘客108A周围预定范围(例如,3公里)内的用户设备102D至102F进行推送。出租车司机108D至108F在从用户设备102D至102F收听到周围预定范围内的订单之后,可以进行抢单。如果出租车司机108D抢单成功,则出租车司机108D能够与乘客108A进行联系以便进行接驾。
本领域技术人员应当理解,该业务服务器104中的示例业务不仅限于出租车业务或专车业务。其中对于专车业务,该订单包括但不限于如下数据:上文已经讨论的乘客想要前往的目的地、该乘客所在的位置、该乘客愿意额外支付的小费、该乘客愿意等待的时间、该乘客是否携带大件行李等。其中,对于该乘客所在的位置,既可以经由该乘客的用户设备的全球定位系统(GPS)定位信息和/或基站定位信息来确定,也可以在适当的情况下经由其他可以用来表示该位置的信息来确定,其中该信息可以包括但不限于公交车站、地铁站、特定路口和特定建筑物以及在这些位置处所张贴的二维码信息等。进而,该信息可以经由业务服务器104或者第三方服务器(例如,地址解译服务器)来转换为GPS定位信息以便于用于后续操作。
本领域技术人员应当理解,用户设备102A至102F可以各自包括任何类型的用户设备,诸如手持式计算机、个人数字助理(PDA)、蜂窝电话、网络家电、智能电话、增强型通用分组无线业务(EGPRS)移动电话、媒体播放器、导航设备或者这些数据处理设备或其他数据处理设备中的任何两个或多个的组合。本领域技术人员还应当理解,系统100仅仅用于说明目的,并非旨在限制本公开的实施方式的范围。在某些情况下,某些组件可以按照具体需要而增加或者减少。
图2示意性示出了根据本公开的示例性实施方式的用于动态设置订单的缓冲时间的方法200的流程图。其中,该方法200可以由参考图1所示的业务服务器104中的计算设备来执行。为讨论方便,下文将参考图1所示的系统100来描述该方法200。
在方法200开始之后,在步骤S202,在预定时间内,获取历史订单的相关特征。其中,所述预定时间通常为一周,并且所述历史订单的相关特征可以包含以下的一个或多个:产生所述历史订单的城市,产生所述历史订单的时间,针对所述历史订单的道路拥堵情况,以及所述历史订单的价值。
接下来,该方法200进行到步骤S204,根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率。其中,根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:利用线性回归模型预测新发起订单的竞争概率。例如,所述线性回归模型可以是以下中的一种:逻辑斯特回归模型、支持向量机模型。具体地,逻辑斯特回归模型广泛运用于二分类问题(在本发明中可以用于判断竞争概率的高或低),在预测变量X=x时,目标变量Y=1的概率如下公式表示:
其中为w模型参数,通常采用最大似然方法进行估计。例如,可以将历史订单的相关特征(例如,产生所述历史订单的城市,产生所述历史订单的时间,针对所述历史订单的道路拥堵情况,以及所述历史订单的价值中的一个或多个)抽取成预测变量X,而将新发起订单的竞争概率作为目标变量Y。通过对历史订单的成交信息进行逻辑斯特回归模型训练,便可以对新发起订单的竞争概率进行预测。在实践过程中,还可以通过不断添加新发起订单是否被抢相关的特征,不断地提高逻辑斯特回归模型的准确度。
根据本公开的一个实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在产生所述历史订单的城市是一线大城市时,提高所述订单的竞争概率。例如,在乘客108A发起的订单被出租车司机108D抢单之后,如果产生该订单的城市是一线大城市(例如,北京、上海等订单产生密集地区),则提高该订单的竞争概率。这是因为业务服务器104通过对历史订单的成交信息进行线性回归模型(例如,逻辑斯特回归模型)训练,可以推断出当产生订单的城市是一线大城市时,出租车司机抢单会比较积极(例如,租车司机108E或租车司机108F可能会抢乘客108A发起的订单,即与已经抢单的出租车司机108D竞争),因此当新发起的订单的城市是一线大城市时,可以提高所述订单的竞争概率。
根据本公开的另一实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在产生所述历史订单的时间是夜间或高峰时段时,降低所述订单的竞争概率。例如,在乘客108A发起的订单被出租车司机108D抢单之后,如果产生该订单的时间是夜间或高峰时段(即,在夜间或高峰时段,出租车的数量通常小于乘客的数量,反映出的现实情况为乘客108A难于打到出租车),则降低该订单的竞争概率。这是因为业务服务器104通过对历史订单的成交信息进行线性回归模型(例如,逻辑斯特回归模型)训练,可以推断出当产生订单的时间是夜间或高峰时段时,出租车司机抢单并不积极(即,没有其他出租车司机(例如,租车司机108E或租车司机108F)与已经抢单的出租车司机108D竞争),因此当新发起的订单的时间是夜间或高峰时段时,可以降低所述订单的竞争概率。
根据本公开的另一实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在针对所述历史订单的道路拥堵时,降低所述订单的竞争概率。例如,在乘客108A发起的订单被出租车司机108D抢单之后,如果针对该订单的道路拥堵,则降低该订单的竞争概率。这是因为业务服务器104通过对历史订单的成交信息进行线性回归模型(例如,逻辑斯特回归模型)训练,可以推断出当针对订单的道路拥堵时,出租车司机抢单并不积极(即,没有其他出租车司机(例如,租车司机108E或租车司机108F)与已经抢单的出租车司机108D竞争),因此当针对新发起的订单的道路拥堵时,可以降低所述订单的竞争概率。
根据本公开的另一实施方式,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:在所述历史订单的价值较高时,提高所述订单的竞争概率。例如,在乘客108A发起的订单被出租车司机108D抢单之后,如果该订单的价值较高(例如,乘客108A发起的订单对于出租车司机而言可以使其在单位时间内获得更高的经济收益),则提高该订单的竞争概率。这是因为业务服务器104通过对历史订单的成交信息进行线性回归模型(例如,逻辑斯特回归模型)训练,可以推断出当订单的价值较高,出租车司机抢单会比较积极(例如,租车司机108E或租车司机108F可能会抢乘客108A发起的订单,即与已经抢单的出租车司机108D竞争),因此当新发起的订单的价值较高时,可以提高所述订单的竞争概率。
接下来,该方法200进行到步骤S206,根据所述预测的竞争概率,动态设置所述订单的缓冲时间。
根据本公开的一个实施方式,其中根据所述预测的竞争概率,动态设置所述订单的缓冲时间:在所述订单的竞争概率较高时,将所述订单的缓冲时间设置成较长的缓冲时间,其中所述较长的缓冲时间是不大于7秒的缓冲时间;以及在所述订单的竞争概率较低时,将所述订单的缓冲时间设置成较短的缓冲时间。例如,在乘客108A发起的订单被出租车司机108D抢单之后,业务服务器104根据线性回归模型(例如,逻辑斯特回归模型)判断该订单的竞争概率。如果该订单的竞争概率较高,则将该订单的缓冲时间设置成较长的缓冲时间,即,出租车司机108D将等待更长的时间以便其他出租车司机(例如,租车司机108E或租车司机108F)与之竞争。如果该订单的竞争概率较低,将该订单的缓冲时间设置成较短的缓冲时间,从而节省司机的等待时间以及节省订单的成交时间,并有利于提升乘客体验。
下面参考图3,示意性示出了根据本公开的示例性实施方式的用于动态设置订单的缓冲时间的设备300的框图。设备300例如可以包括:获取装置302,被配置为在预定时间内,获取历史订单的相关特征;预测装置304,被配置为根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率;以及设置装置306,被配置为根据所述预测的竞争概率,动态设置所述订单的缓冲时间。
为清晰起见,在图3中并未示出各个装置所包含的子装置。然而,应当理解,设备300中记载的装置与分别参考图2描述的方法200中的步骤相对应。由此,上文针对图2的方法200描述的操作和特征同样适用于设备300及其中包含的装置和子装置,在此不再赘述。
应当理解,设备300可以利用各种方式来实现。例如,在某些实施方式中,设备300可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本公开的系统及其模块不仅可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
应当注意,尽管在上文的详细描述中提及了设备的若干装置或子装置,但是这种划分仅仅是示例性而非强制性的。实际上,根据本公开的示例性实施方式,上文描述的两个或更多装置的特征和功能可以在一个装置中具体化。反之,上文描述的一个装置的特征和功能可以进一步划分为由多个装置来具体化。
下面参考图4,示意性示出了用来实践本公开的示例性实施方式的计算机系统400的框图。根据本公开的示意性实施方式,计算机系统400通常可以作为用于动态设置订单缓冲时间的设备300来使用。
如图4所示,计算机系统400可以包括:CPU(中央处理单元)401、RAM(随机存取存储器)402、ROM(只读存储器)403、总线系统404、硬盘控制器405、键盘控制器406、串行接口控制器407、并行接口控制器408、显示控制器409、硬盘410、键盘411、串行外设412、并行外设413和显示器414。在这些设备中,与系统总线404耦合的有CPU 401、RAM 402、ROM 403、硬盘控制器405、键盘控制器406、串行控制器407、并行控制器408和显示控制器409。硬盘410与硬盘控制器405耦合,键盘411与键盘控制器406耦合,串行外部设备412与串行接口控制器407耦合,并行外部设备413与并行接口控制器408耦合,以及显示器414与显示控制器409耦合。应当理解,图4所述的结构框图仅仅为了示例的目的而示出的,而不是对本公开范围的限制。在某些情况下,可以根据具体情况而增加或者减少某些设备。
本公开的实现和本文中提供的所有功能操作可以用数字电子电路、或者用计算机软件、固件或硬件,包括本说明书及其结构等同方案中所公开的结构、或者其中的一个或多个的组合来实现。本公开的实现可以实现为一个或多个计算机程序产品,即在计算机可读介质上编码的计算机程序指令的一个或多个模块,这些指令由数据处理装置来执行或者用以控制数据处理装置的操作。该计算机可读介质可以是机器可读存储设备、机器可读存储基片、存储器设备、影响机器可读传播信号的组合物或者其中的一个或多个的组合。术语“数据处理装置”涵盖用于处理数据的所有装置、设备和机器,包括例如可编程处理器、计算机或者多个处理器或计算机。除了硬件之外,该装置可以包括为所讨论的计算机程序创建执行环境的代码,例如构成处理器固件、协议栈、数据库管理系统、操作系统或者其中的一个或多个的组合的代码。
计算机程序(也称为程序、软件、软件应用、脚本或代码)可以用任何形式的编程语言(包括编译语言或解释语言)来编写,并且计算机程序可以用任何形式来部署,包括作为独立程序或者作为模块、部件、子例程或者适合在计算环境中使用的其他单元。计算机程序并非必须对应于文件系统中的文件。程序可以存储在保持其他程序或数据(例如标记语言文档中所存储的一个或多个脚本)的文件的部分中,存储在专用于所讨论的程序的单个文件中,或者存储在多个协同文件(例如存储一个或多个模块、子程序或者代码的部分的文件)中。计算机程序可以被部署成在一个计算机上来执行,或者在位于一个站点处或分布在多个站点处且通过通信网络互连的多个计算机上来执行。
本公开中所描述的过程和逻辑流可以由执行一个或多个计算机程序的一个或多个可编程处理器来执行以通过操作输入数据并且生成输出来执行功能。该过程和逻辑流也可以由专用逻辑电路来执行,并且装置也可以实现为该专用逻辑电路,该专用逻辑电路例如为FPGA(现场可编程门阵列)或者ASIC(专用集成电路)。
适合执行计算机程序的处理器包括例如通用和专用微处理器二者、以及任何种类的数字计算机的任何一个或多个处理器。通常,处理器从只读存储器或者随机存取存储器或者二者接收指令和数据。计算机的元件可以包括用于执行指令的处理器以及用于存储指令和数据的一个或多个存储器设备。通常,计算机还将包括一个或多个海量存储设备以便存储数据,或者该计算机在操作上耦合以从海量存储设备接收或向海量存储设备传送数据或者二者,该海量存储设备例如是磁盘、磁光盘或者光盘。然而,计算机不需要具有这样的设备。此外,计算机可以嵌入在另一设备中,该另一设备例如为移动电话、个人数字助理(PDA)、移动音频播放器、全球定位系统(GPS)接收器等。适合存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储器设备,包括例如:半导体存储器设备,如EPROM、EEPROM和闪存设备;磁盘,如内置硬盘或可移除盘;磁光盘;以及CD ROM和DVD-ROM盘。该处理器和存储器可以用专用逻辑电路来补充或者并入该专用逻辑电路中。
为了提供与用户的交互,本公开的实现可以在具有用于向用户显示信息的显示设备(例如,CRT(阴极射线管)或LCD(液晶显示器)监视器)以及键盘和定点设备(例如鼠标或跟踪球,通过其用户可以向计算机提供输入)的计算机上来实现。也可以使用其他种类的设备来提供与用户的交互;例如,向用户提供的反馈可以是任何形式的感觉反馈,例如视觉反馈、听觉反馈或者触觉反馈;并且来自用户的输入可以以任何形式来接收,包括听觉、语音或触觉输入。
虽然本公开包括一些细节,然而不应当将这些细节理解为对本公开或者要求保护的内容的范围的限制,而是应当被理解为对本公开的示例实现的特征的描述。本公开中在单独实现的情境中描述的某些特征还可以与单个实现组合来提供。相反地,在单个实现的情境中描述的各个特征也可以分别在多个实现中来提供或者在任何合适的子组合中来提供。此外,虽然以上可以将特征描述为以某种组合来执行并且甚至初始就要求这样保护,然而在一些情况下可以从组合中去掉来自要求保护的组合的一个或多个特征,并且要求保护的组合可以涉及子组合或子组合的变化。
类似地,虽然在附图中按照特定顺序来描绘操作,然而这不应当被理解为要求这样的操作按照所示的特定顺序或者按照相继顺序来执行,或者要求所有图示操作都被执行,以实现期望的结果。在一些境况下,多任务和并行处理可能是有利的。此外,以上描述的实现中的各种系统部件的分离不应当被理解为在所有实现中都要求这样的分离,而且应当理解,所描述的程序部件和系统通常可以在单个软件产品中集成在一起或者被封装成多个软件产品。
因此,本公开的特定实现已经被描述,并且其他实现在以下权利要求的范围内。例如,权利要求中记载的动作可以按照不同的顺序来执行,并且这些动作仍然可以实现期望的结果。大量实现已经被描述。然而,应当理解,可以在不偏离本公开的精神和范围的情况下做出各种修改。例如,可以使用以上示出的流程的各个形式,其中步骤可以被重新排序、添加或去除。因此,其他实现在以下权利要求的范围内。
Claims (20)
1.一种用于动态设置订单的缓冲时间的方法,包括:
在预定时间内,获取历史订单的相关特征;
根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率;以及
根据所述预测的竞争概率,动态设置所述订单的缓冲时间。
2.根据权利要求1所述的方法,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:
利用线性回归模型预测新发起订单的竞争概率。
3.根据权利要求1所述的方法,其中所述预定时间为一周。
4.根据权利要求1所述的方法,其中所述历史订单的相关特征包含以下的一个或多个:
产生所述历史订单的城市,
产生所述历史订单的时间,
针对所述历史订单的道路拥堵情况,以及
所述历史订单的价值。
5.根据权利要求4所述的方法,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:
在产生所述历史订单的城市是一线大城市时,提高所述订单的竞争概率。
6.根据权利要求4所述的方法,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:
在产生所述历史订单的时间是夜间或高峰时段时,降低所述订单的竞争概率。
7.根据权利要求4所述的方法,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:
在针对所述历史订单的道路拥堵时,降低所述订单的竞争概率。
8.根据权利要求4所述的方法,其中根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率包括:
在所述历史订单的价值较高时,提高所述订单的竞争概率。
9.根据权利要求1所述的方法,其中根据所述预测的竞争概率,动态设置所述订单的缓冲时间:
在所述订单的竞争概率较高时,将所述订单的缓冲时间设置成较长的缓冲时间,其中所述较长的缓冲时间是不大于7秒的缓冲时间;以及
在所述订单的竞争概率较低时,将所述订单的缓冲时间设置成较短的缓冲时间。
10.根据权利要求2所述的方法,其中所述线性回归模型是以下中的一种:逻辑斯特回归模型、支持向量机模型。
11.一种用于动态设置订单的缓冲时间的设备,包括:
获取装置,被配置为在预定时间内,获取历史订单的相关特征;
预测装置,被配置为根据所述获取的历史订单的相关特征,预测新发起订单的竞争概率;以及
设置装置,被配置为根据所述预测的竞争概率,动态设置所述订单的缓冲时间。
12.根据权利要求11所述的设备,其中所述预测装置进一步被配置为:
利用线性回归模型预测新发起订单的竞争概率。
13.根据权利要求11所述的设备,其中所述预定时间为一周。
14.根据权利要求11所述的设备,其中所述历史订单的相关特征包含以下的一个或多个:
产生所述历史订单的城市,
产生所述历史订单的时间,
针对所述历史订单的道路拥堵情况,以及
所述历史订单的价值。
15.根据权利要求14所述的设备,其中所述预测装置进一步被配置为:
在产生所述历史订单的城市是一线大城市时,提高所述订单的竞争概率。
16.根据权利要求14所述的设备,其中所述预测装置进一步被配置为:
在产生所述历史订单的时间是夜间或高峰时段时,降低所述订单的竞争概率。
17.根据权利要求14所述的设备,其中所述预测装置进一步被配置为:
在针对所述历史订单的道路拥堵时,降低所述订单的竞争概率。
18.根据权利要求14所述的设备,其中所述预测装置进一步被配置为:
在所述历史订单的价值较高时,提高所述订单的竞争概率。
19.根据权利要求11所述的方法,其中所述设置装置进一步被配置为:
在所述订单的竞争概率较高时,将所述订单的缓冲时间设置成较长的缓冲时间,其中所述较长的缓冲时间是不大于7秒的缓冲时间;以及
在所述订单的竞争概率较低时,将所述订单的缓冲时间设置成较短的缓冲时间。
20.根据权利要求12所述的设备,其中所述线性回归模型是以下中的一种:逻辑斯特回归模型、支持向量机模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510092090.6A CN104616086A (zh) | 2015-02-28 | 2015-02-28 | 用于动态设置订单的缓冲时间的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510092090.6A CN104616086A (zh) | 2015-02-28 | 2015-02-28 | 用于动态设置订单的缓冲时间的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104616086A true CN104616086A (zh) | 2015-05-13 |
Family
ID=53150522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510092090.6A Pending CN104616086A (zh) | 2015-02-28 | 2015-02-28 | 用于动态设置订单的缓冲时间的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104616086A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118013A (zh) * | 2015-07-29 | 2015-12-02 | 北京嘀嘀无限科技发展有限公司 | 一种订单的分配方法及装置 |
CN105303817A (zh) * | 2015-09-16 | 2016-02-03 | 北京嘀嘀无限科技发展有限公司 | 一种出行方式的规划方法及装置 |
WO2017157069A1 (en) * | 2016-03-14 | 2017-09-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for predicting service time point |
WO2018095308A1 (zh) * | 2016-11-25 | 2018-05-31 | 口碑控股有限公司 | 一种业务量的预测方法及装置 |
US10458806B2 (en) | 2015-01-27 | 2019-10-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an on-demand service |
CN111325429A (zh) * | 2018-12-14 | 2020-06-23 | 中移信息技术有限公司 | 一种订单推送方法、装置、介质和设备 |
WO2020238157A1 (zh) * | 2019-05-28 | 2020-12-03 | 北京三快在线科技有限公司 | 等待时间的确定 |
US10977585B2 (en) | 2015-01-29 | 2021-04-13 | Beijing Didi Infinity Technology And Development Co., Ltd. | Order allocation system and method |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202150151U (zh) * | 2011-01-30 | 2012-02-22 | 北京东方车云信息技术有限公司 | 一种实现汽车租赁业务的系统 |
CN102509449A (zh) * | 2011-10-24 | 2012-06-20 | 北京东方车云信息技术有限公司 | 基于模糊决策的车辆调度方法 |
CN102567904A (zh) * | 2010-12-08 | 2012-07-11 | 宇汇知识科技股份有限公司 | 网络交易撮合系统与方法 |
CN104156868A (zh) * | 2014-08-22 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于订单价值判断促进订单成交的出租车积分系统 |
US20150006644A1 (en) * | 2013-06-28 | 2015-01-01 | International Business Machines Corporation | Extracting events and assessing their impact on a transportation network |
-
2015
- 2015-02-28 CN CN201510092090.6A patent/CN104616086A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567904A (zh) * | 2010-12-08 | 2012-07-11 | 宇汇知识科技股份有限公司 | 网络交易撮合系统与方法 |
CN202150151U (zh) * | 2011-01-30 | 2012-02-22 | 北京东方车云信息技术有限公司 | 一种实现汽车租赁业务的系统 |
CN102509449A (zh) * | 2011-10-24 | 2012-06-20 | 北京东方车云信息技术有限公司 | 基于模糊决策的车辆调度方法 |
US20150006644A1 (en) * | 2013-06-28 | 2015-01-01 | International Business Machines Corporation | Extracting events and assessing their impact on a transportation network |
CN104156868A (zh) * | 2014-08-22 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于订单价值判断促进订单成交的出租车积分系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10458806B2 (en) | 2015-01-27 | 2019-10-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an on-demand service |
US11892312B2 (en) | 2015-01-27 | 2024-02-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an on-demand service |
US11156470B2 (en) | 2015-01-27 | 2021-10-26 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an on-demand service |
US10977585B2 (en) | 2015-01-29 | 2021-04-13 | Beijing Didi Infinity Technology And Development Co., Ltd. | Order allocation system and method |
CN105118013A (zh) * | 2015-07-29 | 2015-12-02 | 北京嘀嘀无限科技发展有限公司 | 一种订单的分配方法及装置 |
CN105303817A (zh) * | 2015-09-16 | 2016-02-03 | 北京嘀嘀无限科技发展有限公司 | 一种出行方式的规划方法及装置 |
GB2553453A (en) * | 2016-03-14 | 2018-03-07 | Beijing Didi Infinity Technology & Dev Co Ltd | Systems and methods for predicting service time point |
CN108885726A (zh) * | 2016-03-14 | 2018-11-23 | 北京嘀嘀无限科技发展有限公司 | 服务时间点预测系统和方法 |
JP2020115375A (ja) * | 2016-03-14 | 2020-07-30 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | サービス時点を予測するシステム及び方法 |
CN107194488B (zh) * | 2016-03-14 | 2020-12-22 | 北京嘀嘀无限科技发展有限公司 | 一种出行信息推送方法及装置 |
CN107194488A (zh) * | 2016-03-14 | 2017-09-22 | 滴滴(中国)科技有限公司 | 一种出行信息推送方法及装置 |
WO2017157069A1 (en) * | 2016-03-14 | 2017-09-21 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for predicting service time point |
WO2018095308A1 (zh) * | 2016-11-25 | 2018-05-31 | 口碑控股有限公司 | 一种业务量的预测方法及装置 |
US11443251B2 (en) | 2016-11-25 | 2022-09-13 | Koubei Holding Limited | Method and device for predicting traffic |
CN111325429A (zh) * | 2018-12-14 | 2020-06-23 | 中移信息技术有限公司 | 一种订单推送方法、装置、介质和设备 |
WO2020238157A1 (zh) * | 2019-05-28 | 2020-12-03 | 北京三快在线科技有限公司 | 等待时间的确定 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616086A (zh) | 用于动态设置订单的缓冲时间的方法和设备 | |
CN104537831A (zh) | 车辆调度的方法及设备 | |
CN104599217A (zh) | 用于确定乘客的当前目的地的方法及设备 | |
CN107491825B (zh) | 一种约车处理方法及系统 | |
CN105118013A (zh) | 一种订单的分配方法及装置 | |
CN104809589A (zh) | 用于处理订单的方法及设备 | |
Nesheli et al. | Improved reliability of public transportation using real-time transfer synchronization | |
CN104794889A (zh) | 用于推送订单的方法和设备 | |
US10474957B2 (en) | Method and apparatus for forecasting characteristic information change | |
CN106997577A (zh) | 一种订单策略动态调整方法及装置 | |
CN104537502A (zh) | 处理订单的方法和设备 | |
CN104867065A (zh) | 处理订单的方法和设备 | |
CN106919993A (zh) | 一种基于历史数据的高准确性默认目的地预测方法及装置 | |
CN104715426A (zh) | 用于处理订单的方法及设备 | |
CN104598978A (zh) | 用于处理预约订单的方法及设备 | |
US20210312359A1 (en) | Method and device for scheduling automated guided vehicle | |
CN104599161A (zh) | 基于客户端的gps坐标点对订单进行计价的方法和设备 | |
CN110060424A (zh) | 一种共享汽车还车方法 | |
CN104158860B (zh) | 一种作业调度方法及作业调度系统 | |
CN112700064B (zh) | 空气质量预报数值输出的伴随后处理方法及装置 | |
CN104766262A (zh) | 用于处理订单的方法及设备 | |
CN104616065A (zh) | 用于处理订单的方法及设备 | |
CN107480842B (zh) | 一种用车订单分配处理方法及系统 | |
US20220164723A1 (en) | Method for determining boarding information, electronic device, and storage medium | |
CN114623844A (zh) | 导航数据处理方法、装置、程序产品、介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |
|
RJ01 | Rejection of invention patent application after publication |