CN109284881A - 订单分配方法、装置、计算机可读存储介质及电子设备 - Google Patents

订单分配方法、装置、计算机可读存储介质及电子设备 Download PDF

Info

Publication number
CN109284881A
CN109284881A CN201710597338.3A CN201710597338A CN109284881A CN 109284881 A CN109284881 A CN 109284881A CN 201710597338 A CN201710597338 A CN 201710597338A CN 109284881 A CN109284881 A CN 109284881A
Authority
CN
China
Prior art keywords
order
history
accounting
parameter
value
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
Application number
CN201710597338.3A
Other languages
English (en)
Inventor
陈学文
郑新光
王洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201710597338.3A priority Critical patent/CN109284881A/zh
Priority to PCT/CN2018/096371 priority patent/WO2019015661A1/en
Priority to TW107125239A priority patent/TWI690867B/zh
Priority to EP18835695.0A priority patent/EP3642769A1/en
Priority to CN201880048507.0A priority patent/CN111052158B/zh
Publication of CN109284881A publication Critical patent/CN109284881A/zh
Priority to US16/747,513 priority patent/US20200151640A1/en
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0834—Choice of carriers
    • G06Q10/08345—Pricing
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Technology Law (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种订单分配方法、装置、计算机可读存储介质及电子设备，涉及互联网技术领域，该方法包括：根据服务请求方的订单确定至少一个服务提供方；确定订单的预估价值V；获取每一个服务提供方的历史订单参数与预期订单参数；根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；基于所述分单权重将所述订单分配给其中一个服务提供方。由此可见，本申请实施例可以提高系统的订单分配效率，并且实现系统资源的有效利用，避免系统资源的浪费。

Description

订单分配方法、装置、计算机可读存储介质及电子设备
技术领域
本申请实施例涉及互联网技术领域，特别涉及一种订单分配方法、装置、计算机可读存储介质及电子设备。
背景技术
在现有的订单分配方法中，可以依据服务提供方与服务请求方之间的当前距离将服务请求方发布的订单分配给服务提供方，其中，基于服务水平与距离折扣长度成正相关的原则，为服务提供方设置相应的距离折扣长度，在订单分配时，所依据的当前距离则为实际距离减去服务提供方的距离折扣长度，从而，服务水平越高的服务提供方与服务请求方之间的当前距离越短，该服务提供方分配到订单的几率也就越大。
然而，在上述订单分配方法中，由于订单的分配与订单的价值无关，从而很可能出现服务水平高的服务提供方分配到的订单虽然多，但都是一些低价值的订单，导致服务水平高的服务提供方总体收入并不理想；或者服务水平低的服务提供方分配到的订单虽然少，但都是一些高价值的订单，导致服务水平低的服务提供方总体收入却较高。
由上述描述可知，上述订单分配方法无法实现服务提供方的收入与服务水平相匹配这一目标；并且，由于服务水平高的服务提供方无法获得理想收入，长此以往，很有可能导致这部分服务提供方的接单积极性逐渐消磨，甚至出现服务提供方虽然分配到订单却不执行订单的情况，以及出现服务提供方投诉等情况，由此将导致订单分配效率降低，以及系统资源的浪费。
发明内容
为了解决上述问题，本申请实施例提供一种订单分配方法及装置。
具体地，本申请实施例是通过如下技术方案实现的：
根据本申请实施例的第一方面，提供一种订单分配方法，所述方法包括：
根据服务请求方的订单确定至少一个服务提供方；
确定所述订单的预估价值V；
获取每一个服务提供方的历史订单参数与预期订单参数；
根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
基于所述分单权重将所述订单分配给其中一个服务提供方。
本申请实施例中，所述根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重包括：
根据所述历史订单参数与预期订单参数计算得出所述每一个服务提供方的偏差值；
将所述偏差值与至少一个预设阈值进行比较；
根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少包括：历史在线时长T；
所述根据所述历史订单参数与预期订单参数计算得出所述每一个服务提供方的偏差值，包括：
针对所述每一个服务提供方，判断所述服务提供方的历史在线时长T是否达到预设的时长阈值；
若是，则根据所述历史订单参数与预期订单参数计算得出所述服务提供方的偏差值。
本申请实施例中，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
若所述偏差值低于第一预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级；
在所述历史订单结构占比与预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R；
根据所述历史占比r、期望占比R、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重，包括：
若所述偏差值不低于第一预设阈值且低于第二预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级，所述第一预设阈值低于所述第二预设阈值；
在所述历史订单结构占比、预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R，以及高于所述订单所属价值等级的价值等级所对应的历史占比r’与期望占比R’；
根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
若所述偏差值不低于第二预设阈值，则在所述历史订单结构占比、预期订单结构占比中分别获取每一价值等级所对应的历史占比r1至rn与期望占比R1至Rn；
根据所述历史占比r1至rn、期望占比R1至Rn、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述根据所述历史占比r、期望占比R、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
基于预设的第一权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第一权重计算算法为：
本申请实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史订单参数、预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重，包括：
基于预设的第二权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第二权重计算算法为：
本申请实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述根据所述历史占比r1至rn、期望占比R1至Rn、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
基于预设的第三权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第三权重计算算法为：
本申请实施例中，所述方法还包括：
若所述服务提供方的历史在线时长T未达到所述时长阈值，则根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少还包括：所述历史订单总价值S；所述预期订单参数至少包括预期单位时长收入P；
所述根据所述历史订单参数、预期订单参数以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重包括：
基于预设的第四权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第四权重计算算法为：
本申请实施例中，所述基于所述分单权重将所述订单分配给其中一个服务提供方包括：
基于所述服务请求方、服务提供方，以及所述分单权重构造二分图；
对所述二分图中可行顶标的值进行初始化；
利用匈牙利算法寻找所述二分图的完备匹配；
若未找到所述二分图的完备匹配，则修改所述可行顶标的值，并继续利用所述匈牙利算法寻找所述二分图的完备匹配，直至找到所述二分图的完备匹配；
基于所述二分图的完备匹配，将所述订单分配给其中一个服务提供方。
根据本申请实施例的第二方面，提供一种订单分配装置，所述装置包括：
提供方确定模块，用于根据服务请求方的订单确定至少一个服务提供方；
价值确定模块，用于确定所述订单的预估价值V；
参数获取模块，用于获取每一个服务提供方的历史订单参数与预期订单参数；
第一权重确定模块，用于根据所述历史订单参数、预期订单参数，以及订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
分配模块，用于基于所述分单权重将所述订单分配给其中一个服务提供方。
本申请实施例中，所述第一权重确定模块包括：
偏差值计算子模块，用于根据所述历史订单参数与预期订单参数计算得出所述每一个服务提供方的偏差值；
比较子模块，用于将所述偏差值与至少一个预设阈值进行比较；
确定子模块，用于根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少包括：历史在线时长T；
所述偏差值计算子模块包括：
判断子模块，用于针对所述每一个服务提供方，判断所述服务提供方的历史在线时长T是否达到预设的时长阈值；
第一计算子模块，用于在所述服务提供方的历史在线时长T达到预设的时长阈值时，根据所述历史订单参数与预期订单参数计算得出所述服务提供方的偏差值。
本申请实施例中，所述历史订单参数至少包括：历史订单结构占比，历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述确定子模块包括：
第一等级确定子模块，用于若所述偏差值低于第一预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级；
第一获取子模块，用于在所述历史订单结构占比与预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R；
第二计算子模块，用于根据所述历史占比r、期望占比R、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；所述确定子模块包括：
第二等级确定子模块，用于若所述偏差值不低于第一预设阈值且低于第二预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级，所述第一预设阈值低于所述第二预设阈值；
第二获取子模块，用于在所述历史订单结构占比、预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R，以及高于所述订单所属价值等级的价值等级所对应的历史占比r’与期望占比R’；
第三计算子模块，用于根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述确定子模块包括：
第三获取子模块，用于若所述偏差值不低于第二预设阈值，则在所述历史订单结构占比、预期订单结构占比中分别获取每一价值等级所对应的历史占比r1至rn与期望占比R1至Rn；
第四计算子模块，用于根据所述历史占比r1至rn、期望占比R1至Rn、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对每一个所述服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第二计算子模块具体用于：
基于预设的第一权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第一权重计算算法为：
本申请实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第三计算子模块具体用于：
基于预设的第二权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第二权重计算算法为：
本申请实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第四计算子模块具体用于：
基于预设的第三权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第三权重计算算法为：
本申请实施例中，所述装置还包括：
第二权重确定模块，用于若所述服务提供方的历史在线时长T未达到预设的时长阈值，则根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对每一个所述服务提供方的分单权重。
本申请实施例中，所述历史订单参数至少还包括：所述历史订单总价值S；所述预期订单参数至少包括预期单位时长收入P；
所述第二权重确定模块具体用于：
基于预设的第四权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第四权重计算算法为：
本申请实施例中，所述分配模块包括：
构造子模块，用于基于所述服务请求方、服务提供方，以及所述分单权重构造二分图；
初始化子模块，用于对所述二分图中可行顶标的值进行初始化；
匹配子模块，用于利用匈牙利算法寻找所述二分图的完备匹配；
处理子模块，用于若未找到所述二分图的完备匹配，则修改所述可行顶标的值，并继续利用所述匈牙利算法寻找所述二分图的完备匹配，直至找到所述二分图的完备匹配；
分配子模块，用于基于所述二分图的完备匹配，将所述订单分配给其中一个服务提供方。
根据本申请实施例的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被执行时进行如下处理：
根据服务请求方的订单确定至少一个服务提供方；
确定所述订单的预估价值V；
获取每一个服务提供方的历史订单参数与预期订单参数；
根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
基于所述分单权重将所述订单分配给其中一个服务提供方。
根据本申请实施例的第四方面，提供一种电子设备，包括：
处理器，适于实现各指令；以及
存储器，适于存储多条指令，所述指令适于由处理器加载并执行：
根据服务请求方的订单确定至少一个服务提供方；
确定所述订单的预估价值V；
获取每一个服务提供方的历史订单参数与预期订单参数；
根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
基于所述分单权重将所述订单分配给其中一个服务提供方。
本申请实施例中，基于订单的预估价值与服务提供方的历史订单参数、预期订单参数共同确定订单针对服务提供方的分单权重，之后基于分单权重将订单分配给服务提供方，从而可以尽可能地保障服务提供方的收入，使得服务提供方获得较高的收入满意度，进而提高服务提供方的服务水平和服务效率，提高系统的订单分配效率，并且实现系统资源的有效利用，避免系统资源的浪费。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请实施例。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请实施例，并与说明书一起用于解释本发明的原理。
图1A是本申请实施例根据一示例性实施例示出的一种订单分配方法的流程图；
图1B是二分图的一种示例；
图1C是所得到的完备匹配的一种示例；
图2是本申请实施例根据一示例性实施例示出的一种订单分配装置的框图；
图3是本申请实施例根据一示例性实施例示出的另一种订单分配装置的框图；
图4是本申请实施例根据一示例性实施例示出的再一种订单分配装置的框图；
图5是本申请实施例根据一示例性实施例示出的一种用于订单分配装置500的一结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请实施例的一些方面相一致的装置和方法的例子。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在现有的订单分配方法中，可以依据服务提供方与服务请求方之间的当前距离将服务请求方发布的订单分配给服务提供方，具体的，服务提供方与服务请求方之间的当前距离越近，服务提供方分配到订单的几率越高。为了使得服务提供方的收入与其服务水平相匹配，即使得服务提供方的收入与其服务水平具有正相关关系，可以基于服务水平与距离折扣长度成正相关的原则，为服务提供方设置距离折扣长度，那么，在订单分配时，所依据的当前距离则为实际的当前距离减去服务提供方的距离折扣长度，从而，针对同一服务请求方，服务水平越高的服务提供方与该服务请求方之间的当前距离越短，那么服务提供方分配到订单的几率也就越大。
然而，上述所描述的订单分配方法中，订单的分配与订单的价值并无关联，从而很可能出现服务水平高的服务提供方分配到的订单虽然多，但都是一些低价值的订单，导致服务水平高的服务提供方总体收入并不理想；或者服务水平低的服务提供方分配到的订单虽然少，但都是一些高价值的订单，导致服务水平低的服务提供方总体收入却较高，由此可知，上述所描述的订单分配方法并无法实现服务提供方的收入与服务水平相匹配这一目标；同时，由于服务水平高的服务提供方无法获得理想收入，长此以往，很有可能导致这部分服务提供方的接单积极性逐渐消磨，甚至出现服务提供方虽然分配到订单却不执行订单的情况，以及服务提供方投诉等情况，由此将导致订单分配效率降低，以及系统资源的浪费。
为了解决上述问题，本申请实施例提供了一种订单分配方法及装置。
下面首先对本申请实施例提供的订单分配方法进行介绍。
为了便于理解，本申请实施例以“网约车”应用场景为例，对本申请实施例方案进行说明。
如图1A所示，图1A是本申请实施例根据一示例性实施例示出的一种订单分配方法的流程图，该方法可以包括以下步骤：
在步骤101中，根据服务请求方的订单确定至少一个服务提供方。
在“网约车”应用场景下，司机可以为服务提供方，乘客为服务请求方。乘客通过终端设备中安装的“网约车”软件乘客端发布的出行订单则为服务请求方的订单。
乘客通过终端设备中安装的“网约车”软件乘客端发布出行订单后，终端设备可以将该出行订单发送给“网约车”服务器，“网约车”服务器接收到该出行订单后，首先确定至少一个司机。
在一实施例中，“网约车”服务器可以基于预设的区域范围确定至少一个司机，具体的，“网约车”服务器可以获取位于预设的区域范围内的所有司机。其中，预设的区域范围可以是以乘客发布的出行订单中的起始位置为中心，预设距离为半径的圆形区域范围。
需要说明的是，上述所描述的区域范围仅仅作为举例，在实际应用中，本申请对区域范围的形状、大小并不作限制。
在步骤102中：确定订单的预估价值V。
在一实施例中，可以将订单的预估价格直接作为订单的预估价值。
在一实施例中，可以根据多个参数共同确定订单的预估价值，该多个参数可以包括订单的预估价格、订单的预估执行时长、订单的加价倍数、订单所对应的出行路线的拥堵程度、司机的应答率、司机的应答后取消率、司机的预估接驾时长、等等。在一个例子中，订单的预估价值＝w1*司机的应答率+w2*订单的预估价格+w3*司机的应答后取消率，其中，w1、w2、w3分别为司机的应答率、订单的预估价格、司机的应答后取消率各自的权重；在另一个例子中，订单的预估价值＝订单的预估价格/(司机的预估接驾时长+订单的预估执行时长)。
需要说明的是，上述所描述的订单的预估价值的计算算法仅仅作为举例，本申请对此并不作限制。
在步骤103中，获取每一个服务提供方的历史订单参数与预期订单参数。
在“网约车”应用场景下，服务提供方，即司机的历史订单参数可以包括历史在线时长T、历史订单总价值S、历史订单结构占比；服务提供方，即司机的预期订单参数可以包括预期单位时长收入P、预期订单结构占比。
其中，历史在线时长T可以表示司机的实际已在线时长，其中包括等待接单的时长与执行订单的时长；
历史订单总价值S可以表示司机实际已执行的历史订单的总价值，或者司机实际已获得的总收入；
历史订单结构占比可以表示历史订单的价值结构，具体包括n个价值等级，以及每一价值等级对应的历史占比r，n为不小于2的自然数，其获取过程可以包括：根据历史订单的价值对历史订单进行价值等级划分，划分为n个价值等级，之后分别计算出每个价值等级中历史订单的数量相对于历史订单总数量的占比，得到每个价值等级对应的历史占比r。举例来说，假设有A、B、C三个价值等级，并预设有两个临界值，分别为第一临界值和第二临界值，其中，第二临界值大于第一临界值，且该两个临界值均大于0，将价值低于第一临界值的历史订单归为价值等级C，将价值不低于第一临界值且低于第二临界值的历史订单归为价值等级B，将价值不低于第二临界值的历史订单归为价值等级A，之后分别计算出每个价值等级中历史订单的数量相对于历史订单总数量的占比，得到每个价值等级对应的历史占比r，例如，所得到的历史订单结构占比表示：价值等级A的历史占比r为20％，价值等级B的历史占比r为60％，价值等级C的历史占比r为20％。
预期单位时长收入P可以表示司机预期的在单位时长，例如每小时的收入；在一实施例中，可以在前期对司机进行问卷调研，后期对调研数据进行统计分析，根据分析结果为司机设置预期单位时长收入P，其中，还可以为服务水平高的司机设置较高的预期单位时长收入；在一实施例中，可以由司机自主设置预期单位时长收入P。
预期订单结构占比可以表示司机预期的订单价值结构，具体包括n个价值等级，以及每一价值等级对应的期望占比R，例如，司机预期的订单价值结构为：价值等级A的期望占比R为30％，价值等级B的期望占比R为60％，价值等级C的期望占比R为10％；在一实施例中，可以在前期对司机进行问卷调研，后期对调研数据进行统计分析，根据分析结果为司机设置预期订单结构占比；在一实施例中，可以由司机自主设置预期订单结构占比。
在步骤104中，根据历史订单参数、预期订单参数，以及订单的预估价值V确定订单针对每一个服务提供方的分单权重。
在本申请实施例中，以A、B、C三个价值等级为例，假设司机的预期订单结构占比为(a，b，c)，其中，a表示价值等级A的期望占比R，b表示价值等级B的期望占比R，c表示价值等级C的期望占比R；假设司机的历史订单结构占比为(a_real，b_real、c_real)，其中，a_real表示价值等级A的历史占比r，b_real表示价值等级B的历史占比r，c_real表示价值等级C的历史占比r，那么，价值等级A对应的订单收入差值gap_a则为PT*a-S*a_real；价值等级B对应的订单收入差值gap_b则为PT*b-S*b_real；价值等级C对应的订单收入差值gap_c则为PT*c-S*c_real。此外，司机的整体订单收入差值gap_t为PT-S。
在本申请实施例中，可以基于上述所描述的四类订单收入差值(分别为整体订单收入差值、价值等级A对应的订单收入差值、价值等级B对应的订单收入差值、价值等级C对应的订单收入差值)定义四类分单权重的计算算法，分别为：
整体分单权重
价值等级A对应的分单权重
价值等级B对应的分单权重
价值等级C对应的分单权重
需要说明的是，上述所描述的四类分单权重的计算算法仅仅作为举例，其对本申请分单权重的具体计算算法不作限制。
下面对确定订单针对每一个司机的分单权重的过程进行描述：
首先，“网约车”服务器可以判断司机的历史在线时长T是否达到预设的时长阈值，例如2h。
若历史在线时长T达到该时长阈值，则可以进一步根据历史订单参数、预期订单参数，使用预设的偏差值计算算法计算得出每一个司机的偏差值，该偏差值可以表示出司机的实际收入与预期收入之间的偏差程度。
在一实施例中，该偏差值计算算法可以为：由该偏差值计算算法可以得出，偏差值越高，表示司机的实际收入相较于司机的预期收入差值越大。
之后，将该计算得出的偏差值与至少一个预设阈值进行比较，基于比较结果、历史订单参数(历史在线时长T、历史订单总价值S、历史订单结构占比)、预期订单参数(预期单位时长收入P、预期订单结构占比)，以及订单的预估价值V确定订单针对每一个司机的分单权重。
在一实施例中，可以将偏差值与两个预设阈值，分别为第一预设阈值、第二预设阈值进行比较，其中，第二预设阈值大于第一预设阈值。
若服务提供方的偏差值低于第一预设阈值(例如为20％)，则可以认为司机的实际收入相较于预期收入而言偏差程度较小，此时，则可以仅基于订单结构确定订单针对每一个司机的分单权重，而不用考虑司机的整体收入，具体过程可以包括：获取订单所属的价值等级，并在历史结构占比中获取该订单所属价值等级所对应的历史占比r，以及在预期订单结构占比中获取该订单所属价值等级所对应的期望占比R，之后，根据历史占比r、期望占比R、历史在线时长T、历史订单总价值S、预期单位时长收入P，以及订单的预估价值V确定订单针对司机的分单权重。
在一个例子中，可以基于预设的第一权重计算算法计算得出订单针对司机的分单权重，该第一权重计算算法可以为：
综合上述描述，举例来说，假设订单所属价值等级为价值等级A，则可以通过上述所描述的价值等级A对应的分单权重的计算算法计算得出订单针对司机的分单权重；假设订单所属价值等级为价值等级B，则可以通过上述所描述的价值等级B对应的分单权重的计算算法计算得出订单针对司机的分单权重；假设订单所属价值等级为价值等级C，则可以通过上述所描述的价值等级C对应的分单权重的计算算法计算得出订单针对司机的分单权重。
若服务提供方的偏差值不低于第一预设阈值，且低于第二预设阈值(例如为40％)，则可以认为司机的实际收入相较于预期收入而言偏差程度较大，但属于可接受的范围内，此时，则可以基于司机的整体收入与订单价值结构共同确定订单针对司机的分单权重，具体过程可以包括：获取该订单所属的价值等级，并在历史订单结构占比中获取与该订单所属价值等级对应的历史占比r，以及在预期订单结构占比中获取与该订单所属价值等级对应的期望占比R，以及获取高于该价值等级的价值等级所对应的历史占比r’与期望占比R’，根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史在线时长T、历史订单总价值S、单位时长收入P，以及所述订单的预估价值V确定所述订单针对每一个所述服务提供方的分单权重。
在一个例子中，可以基于预设的第二权重计算算法计算得出订单针对服务提供方的分单权重，该第二权重计算算法为：
综合上述描述，举例来说，假设订单价值等级从高到低的顺序依次为A、B、C；并假设订单所属价值等级为价值等级A，则分单权重＝max(w_t，w_a)；假设订单所属价值等级为价值等级B，则分单权重＝max(w_t，w_a，w_b)；假设订单所属价值等级为价值等级C，则分单权重＝max(w_t，w_a，w_b，w_c)。
若服务提供方的偏差值不低于第二预设阈值，则可以认为该服务提供方的整体收入相较于目标收入已经偏差太大，此时，可以尽可能地使得订单针对司机的分单权重更大，具体过程可以包括：在历史订单结构占比中获取每一价值等级所对应的历史占比rn，以及在预期订单结构占比中获取每一价值等级所对应的期望占比R1至Rn，根据历史占比r1至rn、期望占比R1至Rn、历史在线时长T、历史订单总价值S、单位时长收入P，以及订单的预估价值V确定订单针对每一个服务提供方的分单权重。
在一个例子中，可以基于预设的第三权重计算算法计算得出所述订单针对每一个所述服务提供方的分单权重，所述第三权重计算算法为：
综合上述描述，举例来说，不论订单所属何种价值等级，分单权重＝max(w_t，w_a，w_b，w_c)。
在步骤105中，基于分单权重将订单分配给其中一个服务提供方。
在一实施例中，可以使用KM算法(Kuhn-Munkres算法，简称KM算法)完成订单的分配，具体的，在KM算法中，首先基于服务请求方、服务提供方，以及订单针对每一个服务提供方的分单权重构造一个二分图，对该二分图中可行顶标，通常为左侧顶标的值进行初始化；之后，利用匈牙利算法寻找该二分图的完备匹配；若未找到该二分图的完备匹配，则修改该可行顶标的值，并继续利用匈牙利算法寻找该二分图的完备匹配，直至找到该二分图的完备匹配；最后，基于该二分图的完备匹配，将订单分配给其中一个服务提供方。
举例来说，假设有3个司机，分别为D1、D2、D3，3个订单，分别为O1、O2、O3，基于本申请实施例所确定的订单针对每一个司机的分单权重如下述表1所示：
表1
D1 D2 D3
O1 3 0 4
O2 2 1 3
O3 0 0 5
如图1B所示，是二分图的一种示例；如图1C所示，是所得到的完备匹配的一种示例。具体是如何初始化可行顶标的值，以及如何基于匈牙利算法寻找图1B所示例的二分图的完备匹配的，本领域技术人员可以从现有的KM算法的计算过程得知，本申请对此不再详细赘述。
如图1C所示例的完备匹配，可以将订单O1分配给司机D1，可以将订单O2分配给司机D2，将订单O3分配给司机D3。
此外，若历史在线时长T未达到上述时长阈值，则可以认为司机目前处于接单初始阶段，此时，可以不必考虑该司机的订单结构，而是基于司机的整体收入确定订单针对该司机的分单权重。具体的，可以根据历史在线时长T、历史订单总价值S、预期单位时长收入P，以及订单的预估价值V确定订单针对每一个服务提供方的分单权重。
在一个例子中，可以根据预设的第四权重计算算法计算得出订单针对司机的分单权重，该第四权重计算算法可以为：
此外，需要说明的是，上述所描述的第一权重计算算法、第二权重计算算法、第三权重计算算法以及第四权重计算算法仅仅作为举例，其对本申请分单权重的具体计算算法不作限制。
由上述实施例可见，该实施例可以基于订单的预估价值与服务提供方的历史订单参数、预期订单参数共同确定订单针对服务提供方的分单权重，之后基于分单权重将订单分配给服务提供方，从而可以尽可能地保障服务提供方的收入，使得服务提供方获得较高的收入满意度，进而提高服务提供方的服务水平和服务效率，提高系统的订单分配效率，并且实现系统资源的有效利用，避免系统资源的浪费。
应当注意，尽管在附图中以特定顺序描述了本申请实施例方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
需要说明的是，本申请实施方法可以应用于服务器，在实际应用中，也可以应用于其他类似设备，本申请实施例对此不作限定。
与前述订单分配方法的实施例对应，本申请实施例还提供了订单分配装置的实施例。
如图2所示，图2是本申请实施例根据一示例性实施例示出的一种订单分配装置的框图，所述装置可以包括：
提供方确定模块210，用于根据服务请求方的订单确定至少一个服务提供方；
价值确定模块220，用于确定所述订单的预估价值V；
参数获取模块230，用于获取每一个服务提供方的历史订单参数与预期订单参数；
第一权重确定模块240，用于根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
分配模块250，用于基于所述分单权重将所述订单分配给其中一个服务提供方。
如图3所示，图3是本申请实施例根据一示例性实施例示出的另一种订单分配装置的框图，该图3所示的装置在上述图2所示装置的基础上，所述第一权重确定模块240可以包括：
偏差值计算子模块241，用于根据所述历史订单参数与预期订单参数计算得出所述每一个服务提供方的偏差值；
比较子模块242，用于将所述偏差值与至少一个预设阈值进行比较；
确定子模块243，用于根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重。
在一实施例中，所述历史订单参数至少包括：历史在线时长T；
所述偏差值计算子模块241包括(图3中并未示出)：
判断子模块，用于针对所述每一个服务提供方，判断所述服务提供方的历史在线时长T是否达到预设的时长阈值；
第一计算子模块，用于在所述服务提供方的历史在线时长T达到预设的时长阈值时，根据所述历史订单参数与预期订单参数计算得出所述服务提供方的偏差值。
在一实施例中，所述历史订单参数至少包括：历史订单结构占比，历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述确定子模块243可以包括(图3中并未示出)：
第一等级确定子模块，用于若所述偏差值低于第一预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级；
第一获取子模块，用于在所述历史订单结构占比与预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R；
第二计算子模块，用于根据所述历史占比r、期望占比R、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
在一实施例中，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；所述确定子模块包括：
所述确定子模块243可以包括(图3中并未示出)：
第二等级确定子模块，用于若所述偏差值不低于第一预设阈值且低于第二预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级，所述第一预设阈值低于所述第二预设阈值；
第二获取子模块，用于在所述历史订单结构占比、预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R，以及高于所述订单所属价值等级的价值等级所对应的历史占比r’与期望占比R’；
第三计算子模块，用于根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
在一实施例中，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述确定子模块243可以包括(图3中并未示出)：
第三获取子模块，用于若所述偏差值不低于第二预设阈值，则在所述历史订单结构占比、预期订单结构占比中分别获取每一价值等级所对应的历史占比r1至rn与期望占比R1至Rn；
第四计算子模块，用于根据所述历史占比r1至rn、期望占比R1至Rn、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对每一个所述服务提供方的分单权重。
在一实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第二计算子模块具体用于：
基于预设的第一权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第一权重计算算法为：
在一实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第三计算子模块具体用于：
基于预设的第二权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第二权重计算算法为：
在一实施例中，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第四计算子模块具体用于：
基于预设的第三权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第三权重计算算法为：
如图4所示，图4是本申请实施例根据一示例性实施例示出的再一种订单分配装置的框图，该图4所示的装置在上述图2所示装置的基础上，还可以包括：
第二权重确定模块260，用于若所述服务提供方的历史在线时长T未达到预设的时长阈值，则根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对每一个所述服务提供方的分单权重。
在一实施例中，所述历史订单参数至少还包括：所述历史订单总价值S；所述预期订单参数至少包括预期单位时长收入P；
所述第二权重确定模块260具体用于：
基于预设的第四权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第四权重计算算法为：
在一实施例中，所述分配模块250可以包括：构造子模块251、初始化子模块252、匹配子模块253、处理子模块254、分配子模块255。
其中，构造子模块251，用于基于所述服务请求方、服务提供方，以及所述分单权重构造二分图；
初始化子模块252，用于对所述二分图中可行顶标的值进行初始化；
匹配子模块253，用于利用匈牙利算法寻找所述二分图的完备匹配；
处理子模块254，用于若未找到所述二分图的完备匹配，则修改所述可行顶标的值，并继续利用所述匈牙利算法寻找所述二分图的完备匹配，直至找到所述二分图的完备匹配；
分配子模块255，用于基于所述二分图的完备匹配，将所述订单分配给其中一个服务提供方。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本申请实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被执行时进行如下处理：根据服务请求方的订单确定至少一个服务提供方；确定所述订单的预估价值V；获取每一个服务提供方的历史订单参数与预期订单参数；根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；基于所述分单权重将所述订单分配给其中一个服务提供方。
本申请实施例可采用在一个或多个其中包含有程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
如图5所示，图5是本申请实施例根据一示例性实施例示出的一种电子设备的示意性结构图。参照图5，电子设备500包括处理组件510，其进一步包括一个或多个处理器，以及由存储器520所代表的存储器资源，用于存储可由处理组件510执行的指令，例如应用程序。存储器520中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件510中的处理器被配置为执行指令，以执行本申请实施例提供的订单分配方法，该方法包括：根据服务请求方的订单确定至少一个服务提供方；确定所述订单的预估价值V；获取每一个服务提供方的历史订单参数与预期订单参数；根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；基于所述分单权重将所述订单分配给其中一个服务提供方。
电子设备500还可以包括一个电源组件530，被配置为执行电子设备500的电源管理，一个有线或无线网络接口540，被配置为将电子设备500连接到网络，和一个输入输出(I/O)接口550。电子设备500可以操作基于存储在存储器520的操作系统，例如WindowsServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本申请实施例的其它实施方案。本申请实施例旨在涵盖本申请实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请实施例的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请实施例的范围仅由所附的权利要求来限制。

Claims (26)

1.一种订单分配方法，其特征在于，所述方法包括：
根据服务请求方的订单确定至少一个服务提供方；
确定所述订单的预估价值V；
获取每一个服务提供方的历史订单参数与预期订单参数；
根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
基于所述分单权重将所述订单分配给其中一个服务提供方。
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重包括：
根据所述历史订单参数与预期订单参数计算得出所述每一个服务提供方的偏差值；
将所述偏差值与至少一个预设阈值进行比较；
根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重。
3.根据权利要求2所述的方法，其特征在于，所述历史订单参数至少包括：历史在线时长T；
所述根据所述历史订单参数与预期订单参数计算得出所述每一个服务提供方的偏差值，包括：
针对所述每一个服务提供方，判断所述服务提供方的历史在线时长T是否达到预设的时长阈值；
若是，则根据所述历史订单参数与预期订单参数计算得出所述服务提供方的偏差值。
4.根据权利要求2所述的方法，其特征在于，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
若所述偏差值低于第一预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级；
在所述历史订单结构占比与预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R；
根据所述历史占比r、期望占比R、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
5.根据权利要求2所述的方法，其特征在于，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重，包括：
若所述偏差值不低于第一预设阈值且低于第二预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级，所述第一预设阈值低于所述第二预设阈值；
在所述历史订单结构占比、预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R，以及高于所述订单所属价值等级的价值等级所对应的历史占比r’与期望占比R’；
根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
6.根据权利要求2所述的方法，其特征在于，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
若所述偏差值不低于第二预设阈值，则在所述历史订单结构占比、预期订单结构占比中分别获取每一价值等级所对应的历史占比r1至rn与期望占比R1至Rn；
根据所述历史占比r1至rn、期望占比R1至Rn、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
7.根据权利要求4所述的方法，其特征在于，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述根据所述历史占比r、期望占比R、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
基于预设的第一权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第一权重计算算法为：
8.根据权利要求5所述的方法，其特征在于，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史订单参数、预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重，包括：
基于预设的第二权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第二权重计算算法为：
9.根据权利要求6所述的方法，其特征在于，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述根据所述历史占比r1至rn、期望占比R1至Rn、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重，包括：
基于预设的第三权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第三权重计算算法为：
10.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述服务提供方的历史在线时长T未达到所述时长阈值，则根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重。
11.根据权利要求10所述的方法，其特征在于，所述历史订单参数至少还包括：所述历史订单总价值S；所述预期订单参数至少包括预期单位时长收入P；
所述根据所述历史订单参数、预期订单参数以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重包括：
基于预设的第四权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第四权重计算算法为：
12.根据权利要求1所述的方法，其特征在于，所述基于所述分单权重将所述订单分配给其中一个服务提供方包括：
基于所述服务请求方、服务提供方，以及所述分单权重构造二分图；
对所述二分图中可行顶标的值进行初始化；
利用匈牙利算法寻找所述二分图的完备匹配；
若未找到所述二分图的完备匹配，则修改所述可行顶标的值，并继续利用所述匈牙利算法寻找所述二分图的完备匹配，直至找到所述二分图的完备匹配；
基于所述二分图的完备匹配，将所述订单分配给其中一个服务提供方。
13.一种订单分配装置，其特征在于，所述装置包括：
提供方确定模块，用于根据服务请求方的订单确定至少一个服务提供方；
价值确定模块，用于确定所述订单的预估价值V；
参数获取模块，用于获取每一个服务提供方的历史订单参数与预期订单参数；
第一权重确定模块，用于根据所述历史订单参数、预期订单参数，以及订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
分配模块，用于基于所述分单权重将所述订单分配给其中一个服务提供方。
14.根据权利要求13所述的装置，其特征在于，所述第一权重确定模块包括：
偏差值计算子模块，用于根据所述历史订单参数与预期订单参数计算得出所述每一个服务提供方的偏差值；
比较子模块，用于将所述偏差值与至少一个预设阈值进行比较；
确定子模块，用于根据比较结果、所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重。
15.根据权利要求14所述的装置，其特征在于，所述历史订单参数至少包括：历史在线时长T；
所述偏差值计算子模块包括：
判断子模块，用于针对所述每一个服务提供方，判断所述服务提供方的历史在线时长T是否达到预设的时长阈值；
第一计算子模块，用于在所述服务提供方的历史在线时长T达到预设的时长阈值时，根据所述历史订单参数与预期订单参数计算得出所述服务提供方的偏差值。
16.根据权利要求14所述的装置，其特征在于，所述历史订单参数至少包括：历史订单结构占比，历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述确定子模块包括：
第一等级确定子模块，用于若所述偏差值低于第一预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级；
第一获取子模块，用于在所述历史订单结构占比与预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R；
第二计算子模块，用于根据所述历史占比r、期望占比R、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
17.根据权利要求14所述的装置，其特征在于，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；所述确定子模块包括：
第二等级确定子模块，用于若所述偏差值不低于第一预设阈值且低于第二预设阈值，则根据所述订单的预估价值V确定所述订单所属的价值等级，所述第一预设阈值低于所述第二预设阈值；
第二获取子模块，用于在所述历史订单结构占比、预期订单结构占比中分别获取与所述订单所属的价值等级所对应的历史占比r与期望占比R，以及高于所述订单所属价值等级的价值等级所对应的历史占比r’与期望占比R’；
第三计算子模块，用于根据所述历史占比r、期望占比R、历史占比r’、期望占比R’、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对所述每一个服务提供方的分单权重。
18.根据权利要求14所述的装置，其特征在于，所述历史订单参数至少包括：历史订单结构占比，所述历史订单结构占比包括n个价值等级各自对应的历史占比；所述预期订单参数至少包括：预期订单结构占比，所述预期订单结构占比包括n个价值等级各自对应的期望占比；所述n为不小于2的自然数；
所述确定子模块包括：
第三获取子模块，用于若所述偏差值不低于第二预设阈值，则在所述历史订单结构占比、预期订单结构占比中分别获取每一价值等级所对应的历史占比r1至rn与期望占比R1至Rn；
第四计算子模块，用于根据所述历史占比r1至rn、期望占比R1至Rn、所述历史订单参数、所述预期订单参数，以及所述订单的预估价值V计算得到所述订单针对每一个所述服务提供方的分单权重。
19.根据权利要求16所述的装置，其特征在于，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第二计算子模块具体用于：
基于预设的第一权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第一权重计算算法为：
20.根据权利要求17所述的装置，其特征在于，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第三计算子模块具体用于：
基于预设的第二权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第二权重计算算法为：
21.根据权利要求18所述的装置，其特征在于，所述历史订单参数至少还包括：历史在线时长T、历史订单总价值S；所述预期订单参数至少还包括：预期单位时长收入P；
所述第四计算子模块具体用于：
基于预设的第三权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第三权重计算算法为：
22.根据权利要求15所述的装置，其特征在于，所述装置还包括：
第二权重确定模块，用于若所述服务提供方的历史在线时长T未达到预设的时长阈值，则根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对每一个所述服务提供方的分单权重。
23.根据权利要求22所述的装置，其特征在于，所述历史订单参数至少还包括：所述历史订单总价值S；所述预期订单参数至少包括预期单位时长收入P；
所述第二权重确定模块具体用于：
基于预设的第四权重计算算法计算得出所述订单针对所述每一个服务提供方的分单权重，所述第四权重计算算法为：
24.根据权利要求13所述的装置，其特征在于，所述分配模块包括：
构造子模块，用于基于所述服务请求方、服务提供方，以及所述分单权重构造二分图；
初始化子模块，用于对所述二分图中可行顶标的值进行初始化；
匹配子模块，用于利用匈牙利算法寻找所述二分图的完备匹配；
处理子模块，用于若未找到所述二分图的完备匹配，则修改所述可行顶标的值，并继续利用所述匈牙利算法寻找所述二分图的完备匹配，直至找到所述二分图的完备匹配；
分配子模块，用于基于所述二分图的完备匹配，将所述订单分配给其中一个服务提供方。
25.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被执行时进行如下处理：
根据服务请求方的订单确定至少一个服务提供方；
确定所述订单的预估价值V；
获取每一个服务提供方的历史订单参数与预期订单参数；
根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
基于所述分单权重将所述订单分配给其中一个服务提供方。
26.一种电子设备，包括：
处理器，适于实现各指令；以及
存储器，适于存储多条指令，所述指令适于由处理器加载并执行：
根据服务请求方的订单确定至少一个服务提供方；
确定所述订单的预估价值V；
获取每一个服务提供方的历史订单参数与预期订单参数；
根据所述历史订单参数、预期订单参数，以及所述订单的预估价值V确定所述订单针对所述每一个服务提供方的分单权重；
基于所述分单权重将所述订单分配给其中一个服务提供方。
CN201710597338.3A 2017-07-20 2017-07-20 订单分配方法、装置、计算机可读存储介质及电子设备 Pending CN109284881A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201710597338.3A CN109284881A (zh) 2017-07-20 2017-07-20 订单分配方法、装置、计算机可读存储介质及电子设备
PCT/CN2018/096371 WO2019015661A1 (en) 2017-07-20 2018-07-20 SYSTEMS AND METHODS FOR ALLOCATING SERVICE REQUESTS
TW107125239A TWI690867B (zh) 2017-07-20 2018-07-20 用於分配服務請求的系統和方法
EP18835695.0A EP3642769A1 (en) 2017-07-20 2018-07-20 Systems and methods for service request allocation
CN201880048507.0A CN111052158B (zh) 2017-07-20 2018-07-20 用于分配服务请求的系统和方法
US16/747,513 US20200151640A1 (en) 2017-07-20 2020-01-20 Systems and methods for service request allocation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710597338.3A CN109284881A (zh) 2017-07-20 2017-07-20 订单分配方法、装置、计算机可读存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN109284881A true CN109284881A (zh) 2019-01-29

Family

ID=65015860

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710597338.3A Pending CN109284881A (zh) 2017-07-20 2017-07-20 订单分配方法、装置、计算机可读存储介质及电子设备
CN201880048507.0A Active CN111052158B (zh) 2017-07-20 2018-07-20 用于分配服务请求的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201880048507.0A Active CN111052158B (zh) 2017-07-20 2018-07-20 用于分配服务请求的系统和方法

Country Status (5)

Country Link
US (1) US20200151640A1 (zh)
EP (1) EP3642769A1 (zh)
CN (2) CN109284881A (zh)
TW (1) TWI690867B (zh)
WO (1) WO2019015661A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798283A (zh) * 2019-04-09 2020-10-20 北京嘀嘀无限科技发展有限公司 订单派发方法、装置、电子设备及计算机可读存储介质
CN111833119A (zh) * 2019-04-15 2020-10-27 北京嘀嘀无限科技发展有限公司 一种订单分配的方法、装置、电子设备及存储介质
CN111833131A (zh) * 2019-05-29 2020-10-27 北京嘀嘀无限科技发展有限公司 一种订单处理方法、装置、电子设备及存储介质
WO2020248213A1 (en) * 2019-06-14 2020-12-17 Beijing Didi Infinity Technology And Development Co., Ltd. Regularized spatiotemporal dispatching value estimation
CN112163868A (zh) * 2020-09-30 2021-01-01 深圳前海微众银行股份有限公司 数据处理方法、装置、设备及存储介质
CN112183938A (zh) * 2020-09-02 2021-01-05 浙江吉城云创科技有限公司 一种物流调度方法及装置
CN114841628A (zh) * 2022-07-04 2022-08-02 橙安(广东)信息技术有限公司 一种订单派送系统及方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11631039B2 (en) * 2019-02-11 2023-04-18 SupportLogic, Inc. Generating priorities for support tickets
US11068947B2 (en) * 2019-05-31 2021-07-20 Sap Se Machine learning-based dynamic outcome-based pricing framework
CN111008322B (zh) * 2019-11-27 2020-10-30 广州快决测信息科技有限公司 一种自动识别有效数据采集模块的方法和系统
US12198216B2 (en) 2020-05-14 2025-01-14 Beijing Didi Infinity Technology And Development Co., Ltd. Method and system for constructing virtual environment for ride-hailing platforms
CN112036738A (zh) * 2020-08-28 2020-12-04 中国建设银行股份有限公司 服务订单分配方法、装置、电子设备和存储介质
CN112766736B (zh) * 2021-01-21 2024-08-06 长沙市到家悠享家政服务有限公司 订单分配方法、装置、设备和存储介质
CN112949987B (zh) * 2021-02-01 2023-11-07 湖南大学 基于预测的出租车调度和匹配方法、系统、设备及介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040220848A1 (en) * 2003-04-28 2004-11-04 Leventhal Jeffrey P. System and method for managing requests for services
US20080228619A1 (en) * 2007-03-15 2008-09-18 Locker Howard J Apparatus, system, and method for allocating service requests
WO2009079469A1 (en) * 2007-12-14 2009-06-25 Promptu Systems Corporation Automatic service vehicle hailing and dispatch system and method
US20110282793A1 (en) * 2010-05-13 2011-11-17 Microsoft Corporation Contextual task assignment broker
US20150012318A1 (en) * 2013-07-04 2015-01-08 Eric HEDMAN Method and an Arrangement for Provisioning of Services
CN104715426B (zh) * 2015-04-08 2018-08-03 北京嘀嘀无限科技发展有限公司 用于处理订单的方法及设备
CN104537502A (zh) * 2015-01-15 2015-04-22 北京嘀嘀无限科技发展有限公司 处理订单的方法和设备
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
CN104599168A (zh) * 2015-02-02 2015-05-06 北京嘀嘀无限科技发展有限公司 叫车订单的分配方法和装置
WO2016124118A1 (zh) * 2015-02-02 2016-08-11 北京嘀嘀无限科技发展有限公司 一种订单处理方法与系统
CN106447114A (zh) * 2016-09-30 2017-02-22 百度在线网络技术（北京）有限公司 提供叫车服务的方法和装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798283A (zh) * 2019-04-09 2020-10-20 北京嘀嘀无限科技发展有限公司 订单派发方法、装置、电子设备及计算机可读存储介质
CN111833119A (zh) * 2019-04-15 2020-10-27 北京嘀嘀无限科技发展有限公司 一种订单分配的方法、装置、电子设备及存储介质
CN111833131A (zh) * 2019-05-29 2020-10-27 北京嘀嘀无限科技发展有限公司 一种订单处理方法、装置、电子设备及存储介质
WO2020248213A1 (en) * 2019-06-14 2020-12-17 Beijing Didi Infinity Technology And Development Co., Ltd. Regularized spatiotemporal dispatching value estimation
CN112183938A (zh) * 2020-09-02 2021-01-05 浙江吉城云创科技有限公司 一种物流调度方法及装置
CN112163868A (zh) * 2020-09-30 2021-01-01 深圳前海微众银行股份有限公司 数据处理方法、装置、设备及存储介质
CN112163868B (zh) * 2020-09-30 2024-08-06 深圳前海微众银行股份有限公司 数据处理方法、装置、设备及存储介质
CN114841628A (zh) * 2022-07-04 2022-08-02 橙安(广东)信息技术有限公司 一种订单派送系统及方法

Also Published As

Publication number Publication date
US20200151640A1 (en) 2020-05-14
TW201909055A (zh) 2019-03-01
TWI690867B (zh) 2020-04-11
CN111052158B (zh) 2023-09-22
WO2019015661A1 (en) 2019-01-24
EP3642769A4 (en) 2020-04-29
EP3642769A1 (en) 2020-04-29
CN111052158A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN109284881A (zh) 订单分配方法、装置、计算机可读存储介质及电子设备
CN110033314B (zh) 广告数据处理方法及装置
US11188928B2 (en) Marketing method and apparatus based on deep reinforcement learning
CN108121795B (zh) 用户行为预测方法及装置
JP6414363B2 (ja) 予測システム、方法およびプログラム
US20190035015A1 (en) Method and apparatus for obtaining a stable credit score
CN110245980B (zh) 基于神经网络模型确定目标用户激励形式的方法和设备
CN107944593A (zh) 一种资源分配方法及装置，电子设备
CN109409971A (zh) 异常订单处理方法及装置
JP6311851B2 (ja) 共クラスタリングシステム、方法およびプログラム
JP2016505190A5 (zh)
CN109544015B (zh) 一种基于数据处理的任务分配方法及相关设备
CN108876545A (zh) 订单识别方法、装置和可读存储介质
JP2017021772A (ja) コピュラ理論に基づく特徴選択
WO2017143773A1 (zh) 一种众包学习方法及装置
CN107093081A (zh) 服务策略制定方法和装置
CN103617146A (zh) 一种基于硬件资源消耗的机器学习方法及装置
CN106257507A (zh) 用户行为的风险评估方法及装置
EP2851851A1 (en) A computer implemented tool and method for automating the forecasting process
CN110472143A (zh) 一种信息推送方法、装置、可读存储介质及终端设备
US20170358007A1 (en) Methods for Determining Targeting Parameters and Bids for Online Ad Distribution
CN107798125B (zh) 基于亲密度模型的准入判定方法、系统、设备及存储介质
CN113806517A (zh) 一种基于机器学习模型的外呼方法、装置、设备及介质
CN109493958A (zh) 一种随访计划制定方法、装置、服务器及介质
US20110213692A1 (en) Computer-Implemented Systems And Methods For Automatic Triangulation Of Forward Conversion Curves

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190129