CN110413884A - 网约车服务提供装置、方法、存储介质及电子设备 - Google Patents
网约车服务提供装置、方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110413884A CN110413884A CN201910645257.5A CN201910645257A CN110413884A CN 110413884 A CN110413884 A CN 110413884A CN 201910645257 A CN201910645257 A CN 201910645257A CN 110413884 A CN110413884 A CN 110413884A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- user
- net
- anticipated conditions
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000003466 anti-cipated effect Effects 0.000 claims abstract description 148
- 230000015654 memory Effects 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 17
- 230000002776 aggregation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种网约车服务提供装置、方法、计算机可读存储介质及电子设备。该网约车服务提供装置包括:第一获取单元,用于获取上车地点和下车地点;第一预估单元,用于获取可选车型的第一用户预期条件的预估值;第二获取单元,用于获取该第一用户预期条件的设置值;以及推荐单元,用于基于该第一用户预期条件的预估值推荐满足第一用户预期条件的设置值的车型。
Description
技术领域
本公开的实施例涉及一种网约车服务提供装置、方法、计算机可读存储介质及电子设备。
背景技术
网约车服务是指通过网络向用户提供预约出租车或其他类型的车辆进而帮助用户出行的服务。目前,市面上已有越来越多的提供网约车服务的出行服务商,各个出行服务商可以提供多个品类的车型。从而用户可以获得多样化的网约车服务。车辆的品类表示车辆的类型,例如,常见的品类可以包括出租车、经济型、舒适型、商务型、豪华型等。
为了提供更多样化的出行服务,目前已提出了将多个出行服务商的服务聚合到一个应用软件中的技术方案。通过这样的聚合模式的技术方案,用户可以更方便地比较和选择各个出行服务商的服务。
发明内容
本公开的实施例提供了能够提高用户体验的网约车服务提供装置、方法、计算机可读存储介质及电子设备。
本公开的实施例提供了一种网约车服务提供装置,该网约车服务提供装置包括:第一获取单元,用于获取上车地点和下车地点;第一预估单元,用于获取可选车型的第一用户预期条件的预估值;第二获取单元,用于获取该第一用户预期条件的设置值;以及推荐单元,用于基于该第一用户预期条件的预估值推荐满足第一用户预期条件的设置值的车型。
本公开的实施例提供了一种网约车服务提供方法,该网约车服务提供方法包括:获取上车地点和下车地点;获取可选车型的第一用户预期条件的预估值;获取该第一用户预期条件的设置值;以及基于该第一用户预期条件的预估值推荐满足该第一用户预期条件的设置值的车型。
本公开的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述的网约车服务提供方法中的步骤。
本公开的实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,该处理器执行时实现上述的网约车服务提供方法中的步骤。
根据本公开的实施例,可以根据用户的个性化需求来推荐车型,从而不仅可以减少用户选择车型的时间和繁琐度,而且能够更贴近用户的真实需求,提高用户的体验。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例的描述中所需要使用的附图作简单的介绍。下面描述中的附图仅仅是本公开的示例性实施例。
图1示出用于提供网约车服务的界面的示例示意图。
图2是示出根据本公开实施例的网约车服务提供装置的结构示意图。
图3是示出根据本公开实施例的网约车服务提供装置的结构示意图。
图4是示出根据本公开实施例的预期条件预估模型的应用示意图。
图5A示出根据本公开实施例的网约车服务提供装置的应用界面的示例示意图。
图5B示出了根据本公开实施例的网约车服务提供装置的另一应用界面的示例示意图。
图6是示出根据本公开实施例的网约车服务提供方法的流程图。
图7是示出根据本公开实施例的用于提供网约车服务的电子设备的结构示意图。
具体实施方式
为了使得本公开的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
在本说明书和附图中,具有基本上相同或相似步骤和元素用相同或相似的附图标记来表示,且对这些步骤和元素的重复描述将被省略。同时,在本公开的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性或排序。
图1示出一种用于提供网约车服务的界面100的示例示意图。
参考图1,其是聚合模式的网约车服务提供方案的界面100。界面100包括地图区域101、可选车型区域102、以及打车确认键103。地图区域101显示与当前出行相关的地图,其中可以包括行程的起点和终点,用户可以通过交互输入或改变其行程的起点和终点。可选车型区域102可以包括多个车辆品类标签,图1中示例性地示出了出租车、经济型、舒适型、商务型、豪华型五个品类标签。每个品类标签下可以包括多个可选出行服务商及对应的预估服务价格。图1中示出了经济型品类下的三个出行服务商A、B和C以及这些出行服务商的经济型车辆的预估服务费用X元、Y元和Z元。
基于界面100上所提供的信息,用户可以选择一个或多个车辆品类标签下的一个或多个出行服务商提供的车型,例如通过点击相应品类标签下的相应出行服务商。图1中经济型品类下的出行服务商A和出行服务商B被选择。同时选择的车型可以属于相同或不同的品类。用户在选定了车型后可以点击打车确认键103,例如图中的“立即打车”,呼叫网约车。由此,聚合模式的网约车服务提供方案可以提供用户如上选择的车型的网约车服务。
然而,随着界面100中可以接入的出行服务商和车辆品类越来越丰富,车型信息越来越分散,用户浏览众多车型并进行选择的过程变得越来越困难。例如,在界面100上,用户不能直接表达出其对于时间成本和车费成本的需求,只能频繁切换品类标签来逐个浏览和选择车型,操作过程将变得长而繁琐,导致用户体验较差。
针对上述一个或多个问题,本公开的实施例提供了能够提高用户体验的网约车服务提供装置以及网约车服务提供方法。
需要说明的是,虽然本公开的部分实施例是基于聚合模式的网约车服务提供方案而进行描述的,但是本领域技术人员能够确定本公开不限于应用于聚合模式的网约车服务提供方案,其同样也可以应用于其他模式的网约车服务提供方案,例如,仅提供单一出行服务商、但提供多个车辆品类的非聚合模式,或者提供多个出行服务商,但不区分车辆品类的模式。
图2是示出根据本公开实施例的网约车服务提供装置200的结构示意图。
参考图2,网约车服务提供装置200可以包括第一获取单元201、第一预估单元202、第二获取单元203和推荐单元204。第一获取单元201用于获取上车地点和下车地点。第一预估单元202用于获取可选车型的第一用户预期条件的预估值。第二获取单元203用于获取第一用户预期条件的设置值。推荐单元204用于基于第一用户预期条件的预估值推荐满足第一用户预期条件的设置值的车型。
网约车服务提供装置200可以是任何能够向用户提供网约车服务的装置,例如智能手机、平板电脑、个人数字助理等设备。根据本公开实施例的网约车服务提供装置200可以根据用户提供的上车地点和下车地点以及其它条件(用户预期条件)向用户推荐车型。
第一获取单元201可以根据用户的输入获取上车地点和下车地点,例如用户可以通过文字输入上车地点和下车地点,或者从地图上选择上车地点和下车地点。此外,第一获取单元201也可以通过其它方式来获取上车地点和下车地点,例如,可以通过定位系统(例如,全球定位系统GPS或北斗定位系统)来获取用户的当前位置作为上车地点、通过接收朋友发送的位置共享来获取下车地点等。
根据本公开实施例的可选车型表示用户此次服务可以选择的车型,例如,网约车服务提供装置200在获取了上车地点和下车地点后可以确定能够提供此次服务的可选车型作为用户可以选择的车型。在本公开的实施例中,“车型”表示在网约车服务提供装置200中区分车辆的属性的总和。例如,在上述图1所示的聚合模式的网约车服务中,区分车辆的属性为“车辆品类”和“出行服务商”,“车型”即为这两个属性的叠加。例如,对于车辆品类为“经济型”、出行服务商为A的车辆,其车型为出行服务商A的经济型车辆。在一些实施例中,“车型”还可以包括更多的信息,例如,其还可以包括车辆的具体款型,例如“新能源”。例如,“车型”可以是出行服务商A的经济型的新能源车辆。在非聚合模式的网约车服务中,“车型”可以仅包括“车辆品类”属性,例如“经济型”、“豪华型”等,也可以进一步包括具体款型,例如“经济型的新能源”车辆。在本公开不限定“车型”的具体形式,只要能在网约车服务提供装置200中区分车辆即可。
对于可选车型,网约车服务提供装置200的第一预估单元202获取其第一用户预期条件的预估值。在本公开中,用户预期条件表示用户对此次出行所预期的条件,例如其可以包括:预期上车时间、预期下车时间、预期在途时间、预期费用、预期服务满意度或以上的任意组合。显然,本公开的实施例也可以采用其他任何适用的预期条件。用户预期条件的预估值表示网约车服务提供装置提供的车辆对于该用户预期条件所能达到的估计值,例如,当第一用户预期条件为预期上车时间时,其预估值为网约车服务提供装置提供的车辆所能达到的预期上车时间的估计值,即预估上车时间;当第一用户预期条件为预期费用时,其预估值为网约车服务提供装置提供的车辆所能达到的预期费用的估计值,即预估费用。根据本公开的实施例,第一预估单元202可以自己计算第一用户预期条件的预估值,也可以从服务器获取第一用户预期条件的预估值,即由服务器计算出第一用户预期条件的预估值后发送给网约车服务提供装置200的第一预估单元202,其都属于“获取第一用户预期条件的预估值”的范围。网约车服务提供装置200可以通过通信装置与服务器连接以获取上述预估值。
第一用户预期条件的预估值可以依据目标车型、用户特征、当前供需特征、时空特征和/或当前订单特征等因素进行计算。例如,当第一用户预期条件为预期上车时间时,第一预估单元202或服务器可以计算各个可选车型预期到达上车地点的最短时间作为各个可选车型的预期上车时间这一用户预期条件的预估值。在计算车型到达上车地点的最短时间时,例如可以考虑:当前计算所针对的车型,即目标车型;用户特征,例如,对于老用户可以优先调度,从而上车时间可以更早;当前供需特征,例如,当前需求旺盛时,预期上车时间可能会更晚;时空特征,例如,偏僻的上车地点或下车地点预期上车时间可能会更晚,夜晚预期上车时间可能会更晚;当前订单特征,例如,当前订单若附加了红包可能会缩短预期上车时间。在计算用户预期条件的预估值时可以将上述因素作为预估模型的输入参数,预估模型的输出为预估值。该预估模型例如可以通过人工智能的机器学习技术(例如XGBoost模型)建立,例如可以通过过去一段时间的样本数据作为训练数据对预估模型进行训练,由此生成可以用于生成用户预期条件的预估值的预估模型。在本公开的一些实施例中,计算预估值的预估模型也可以是简单的计算公式,而非经过训练的人工智能模型,例如,若预期费用为第一用户预期条件,则预期费用的预估值可以简单地根据行程的里程乘以单价而获得,而不需要根据人工智能模型,当然其也可以通过上述基于AI的预估模型计算。在本公开的实施例中,第一用户预期条件的预估值可以从出行服务商提供的预估接口获得,即出行服务商的服务器将相应的预估值提供给网约车服务提供装置200的第一预估单元202。出行服务商的服务器可以基于上述各种预估模型计算预估值。
根据本公开的实施例,第一预估单元202获取的第一用户预期条件的预估值可以用于与用户输入的第一用户预期条件的设置值进行比较,以便网约车服务提供装置200的推荐单元204推荐满足第一用户预期条件的设置值的车型。用户预期条件的设置值表示用户对该用户预期条件设置的值,用户要求所推荐的车型能够满足该设置值。例如,当第一用户预期条件为预期上车时间时,其设置值为用户设置的需要上车的时间;当第一用户预期条件为预期费用时,其设置值为用户设置的需要满足的费用。第二获取单元203用于获取第一用户预期条件的设置值。该设置值可以是用户当前输入的值,也可以是用户存储在网约车服务提供装置200中用于多次使用的设置值。用户输入设置值的方式可以多种多样,包括但不限于语音输入、手写输入、拼音输入等,而且,用户不仅可以直接输入数值,也可以通过拖动进度条等图形操作方式进行输入。第一用户预期条件的设置值不仅可以是一个点值也可以是一个范围值,例如可以设置用户预期上车的时间或预期费用的最小值和最大值。
在第二获取单元203获取了第一用户预期条件的设置值后,推荐单元204可以将各个可选车型的第一用户预期条件的预估值与设置值进行比较,以便推荐满足设置值的车型。所推荐的车型可以显示在网约车服务提供装置200的界面上,供用户选择。用户可以选择所有推荐的车型,即不对所推荐的车型进行进一步的选择,就进行车辆呼叫。可选的,用户也可以在所推荐的车型中选择部分车型进行呼叫。例如,预估值显示单元307可以通过自动勾选用户界面上满足设置值的车型来推荐车型。进一步地,用户可以通过手动调整所勾选的车型来进行进一步的选择,例如,用户可以通过去除勾选而减少车型。
根据本公开的实施例,第一用户预期条件可以包括多个条件,所述推荐单元基于所述第一用户预期条件的多个条件的预估值推荐同时满足所述第一用户预期条件的多个条件的设置值的车型。例如,当第一用户预期条件包括预期费用和预期上车时间两者时,第一预估单元202获取各个可选车型对应的预期上车时间和预期费用这两者的预估值。第二获取单元203获取用户的预期上车时间和预期费用两者的设置值。从而,推荐单元204向用户推荐同时满足预期上车时间和预期费用两者的设置值的车型。在该实施例中,预期费用和预期上车时间都属于第一用户预期条件,两者的预估值和设置值的获取逻辑上是独立的,车型的推荐同时基于预期费用和预期上车时间两者。
需要说明的是,本公开实施例的网约车服务提供装置200的第一预估单元202和第二获取单元203的执行顺序和次数并不受限制。例如,可以先由第一预估单元202执行预估值的获取,也可以先由第二获取单元203执行设置值的获取,甚至可以两者并行执行。还可以由第一预估单元202先执行一次预估值的获取,在第二获取单元203执行设置值的获取之后再执行一次预估值的获取以获取更准确的预估值。
根据本公开实施例的网约车服务提供装置200可以基于用户输入的预期条件的设置值,即根据用户的个性化需求,来推荐车型,不仅可以减少用户选择车型的时间和繁琐度,而且能够更贴近用户的真实需求,提高了用户的体验。例如,用户可以通过设置预期上车的时间范围和/或预期的费用范围,直接表达出其对于时间成本和/或经济成本的需求,而不需频繁地切换品类标签来选择期望的车型。
根据本公开实施例的网约车服务提供装置200可以通过中央处理单元和/或图像处理单元配合相应的计算机程序代码来执行相关模块所对应的功能,并且可以采用各种适当的操作系统,例如安卓(Android)系统、Linux系统、Unix系统或视窗(Windows)系统等,本公开的实施例对此不作限制。
图3是示出根据本公开实施例的网约车服务提供装置300的结构示意图。
网约车服务提供装置300除了包括与第一获取单元201、第一预估单元202、第二获取单元203和推荐单元204对应的第一获取单元301、第一预估单元302、第二获取单元303和推荐单元304,还包括以下单元中的一个或多个:第三获取单元305、第二预估单元306、预估值显示单元307以及默认值设定单元308。对于第一获取单元301、第一预估单元302、第二获取单元303和推荐单元304的说明,参照上文针对图2的说明。
在本公开的一些实施例中,网约车服务提供装置300包括第三获取单元305,用于获取用户对所推荐的车型的改变操作。在推荐单元304向用户推荐了符合预期的车型之后,用户可以根据偏好手动调整所推荐的车型,例如,用户可以在推荐的车型的基础上增加或减少车型。网约车服务提供装置300可以向用户提供可供用户勾选车型的界面,从而用户可以在该界面上进行选择,例如可以通过去除选中而减少推荐的车型,或者通过勾选未推荐的车型而增加车型。第三获取单元305可以获取用户对所推荐的车型的改变操作,以获得改变后的车型的信息。通过向用户提供改变车型的选择可以提高用户选择车型的灵活性。
在本公开的一些实施例中,网约车服务提供装置300包括第二预估单元306和预估值显示单元307。第二预估单元306用于获取所推荐的车型或用户对所推荐的车型改变后的车型的第二用户预期条件的预估值。预估值显示单元307用于显示该第二用户预期条件的预估值和/或其范围。如果用户并未对所推荐的车型做任何改变,则第二预估单元306可以获取所推荐的车型的第二用户预期条件的预估值,其中,第二用户预期条件可以与第一用户预期条件不同。例如,当第一用户预期条件是预期上车时间时,第二用户预期条件可以是预期费用。从而,在网约车服务提供装置300基于预期上车时间的预估值推荐了满足用户预期上车时间的设置值的车型后,网约车服务提供装置300的第二预估单元306可以获取所推荐的每个车型的预期费用的预估值,继而预估值显示单元307可以向用户显示所推荐的满足用户上车时间期望的车型的预期费用的预估值和/或预估值的范围。例如,对于预期费用的显示,可以在用户界面上与相应车型对应的位置显示该车型的预期费用。对于预期费用的范围的显示,可以在用户界面任何合适的位置(例如,打车确认键的旁边)显示这些车型的预期费用的范围,假设在所推荐的车型中预期费用最高的车型的费用预估值为50元,费用最低的车型的费用预估值为30元,则预估值显示单元307可以向用户显示的预期费用的范围为30-50元。如果用户对所推荐的车型进行了改变,例如,如上文所述通过在界面上勾选而增加或减少了所推荐的车型,则第二预估单元306可以获取用户对所推荐的车型改变后的车型的第二用户预期条件的预估值,预估值显示单元307可以向用户显示用户经改变后的车型的第二用户预期条件的预估值和/或预估值的范围,具体显示方式类似于车型不改变情况下的显示方式。
当预估值显示单元307向用户显示了第二用户预期条件的预估值的范围后,用户可以预知其按根据第一用户预期条件推荐的车型或经改变后的车型打车时第二用户预期条件的预估值和/或其范围,从而可以判断第二用户预期条件的预估值是否超出了其预期。继而,用户可以决定是否按当前车型呼叫车辆,例如,用户如果认为第二用户预期条件的预估值范围超出其预期,则可以进一步修改第一用户预期条件的设置值以便获得新推荐的车型。例如,在第一用户预期条件是预期上车时间而第二用户预期条件是预期费用的情况下,假设用户设置的预期上车时间为5分钟,网约车服务提供装置300推荐的车型的预期费用的范围为100-150元,则用户可能会发现在其期望的上车时间5分钟内能够到达的车型的费用都太高。因此,用户可以改变预期上车时间的设置值,例如改变为10分钟,从而得到新的推荐车型,例如新的车型的预期费用的范围为70-120元。如果该预期费用符合用户的预期,用户可以基于这些车型呼叫车辆。
进一步地,在本公开的一些实施例中,用户在知道了第二用户预期条件的预估值范围的情况下,可能希望进一步缩小该预估值范围,以获得第二用户预期条件具有更小预估值范围的车型的推荐。例如,在上述第一用户预期条件是预期上车时间而第二用户预期条件是预期费用的示例中,用户可能希望费用低于100元,或者希望费用在80-100元之间,在此情况下,用户可以进一步设置预期费用的设置值,例如100元,其表示费用不超过100元,或者80-100元,其表示费用在80-100元之间,基于此,网约车服务提供装置300重新推荐车型,以获得既满足预期上车时间又满足预期费用的车型。因此,网约车服务提供装置300的第二获取单元303还可以获取第二用户预期条件的设置值,并且推荐单元304还可以基于第一用户预期条件的预估值和第二用户预期条件的预估值推荐同时满足第一用户预期条件的设置值和第二用户预期条件的设置值的车型。
此外,根据本公开的一些实施例,网约车服务提供装置300还可以包括默认值设定单元308,其用于基于可选车型的第一用户预期条件的预估值设定和显示该第一用户预期条件的设置值的默认值。由此,可以向用户建议第一用户预期条件的设置值,并且,在用户认可默认值的情况下,可以不需要进行输入就得到推荐车型,从而加快了打车过程。例如,当第一用户预期条件是预期上车的时间时,第一预估单元303可能会获取到所有可选车辆能够达到用户上车地点最短时间是10分钟,则默认值设定单元308可以将用户的预期上车时间的设置值的默认值设定为10分钟,或者将预期上车时间的设置值的默认值的范围的最小值设定为10分钟,并在界面上显示默认值,以向用户建议。这样,可以方便用户在使用网约车服务提供装置300时获知其需要等待的最短时间,并便于用户设定预期上车时间的设置值。
需要说明的是,在网约车服务提供装置300的实施例中,第二用户预期条件的获取或计算与第一用户预期条件类似,同样可以如上文所述,依据目标车型、用户特征、当前供需特征、时空特征和/或当前订单特征等因素,基于经训练数据训练过的预估模型进行预估。
图4示出根据本公开实施例的预期条件预估模型的应用示意图。
参考图4,在相应预期条件的预估模型训练完成后,可以向预估模型输入相关参数,以便得到预估模型的输出作为对应预期条件的预估值。图4中示出了第一预期条件预估模型和第二预期条件预估模型,需要说明的是,这两个模型是独立的,即在计算第一预期条件的预估值时调用第一预期条件预估模型,在计算第二预期条件的预估值时调用第二预期条件预估模型。第一预期条件预估模型的输入与第二预期条件预估模型的输入可以相同也可以不同。图4中的模型输入示例性地示出了目标车型、供需特征、订单特征、用户特征,但模型输入不限于所示出的这些,还可以包括其它输入,具体根据特定预期条件的性质确定。
可以运用机器学习技术训练样本数据(例如最近一个月的样本数据)来建立预估模型。样本数据的构造可以基于历史订单各车型的真实的接单时间、发单量、车辆行进时间、实际车费等相关数据。根据本公开的实施例,可以使用XGBoost模型,XGBoost模型包括能够提供可扩展的、便携式和可分布的梯度提高(Gradient Boosting)库,相比于其他的梯度提高模型,XGBoost可以以更快的计算速度获取更准确的预估值。当然,本公开的实施例也可以使用其他的各种机器学习模型来进行预估值的计算,例如,Adaboost模型或决策树模型等。
下面结合应用界面的示例进一步具体说明本公开的实施例。图5A和图5B示出了根据本公开实施例的网约车服务提供装置的应用界面500的示例示意图。在图5A和图5B的实施例中,第一用户预期条件是预期上车时间,第二用户预期条件是预期费用。参考图5A,界面500包括地图区域501、上车时间设置区502、推荐车型显示区503、预估费用范围显示区504、以及打车确认键505。
地图区域501显示与当前出行相关的地图,其中可以包括行程的起点和终点。用户可以通过文字输入上车地点和下车地点,或者从地图上选择上车地点和下车地点,从而网约车服务提供装置的第一获取单元可以根据用户的输入获取上车地点和下车地点。
上车时间设置区502用于用户设置其预期上车时间的设置值,从而网约车服务提供装置的第二获取单元可以获取作为第一用户预期条件的预期上车时间的设置值。例如,如图所示,用户可以通过拖动设置区502中的进度条分别设置其预期上车的最短时间和最长时间。图5A中显示的最短时间为5分钟,最长时间为10分钟,即用户设置的预期上车时间的设置值为5-10分钟。此外,网约车服务提供装置的预估单元可以获取各个可选车型能够达到的预期上车时间的预估值,即第一用户预期条件的预估值。如上文所述,第一预估单元可以自己计算预期上车时间的预估值,也可以从服务器获取预期上车时间的估计值,即由服务器计算出预期上车时间的估计值发送给网约车服务提供装置的第一预估单元。
继而,网约车服务提供装置的推荐单元可以基于各个可选车型的预期上车时间的预估值推荐满足预期上车时间的设置值的车型。推荐车型显示区503用于显示网约车服务提供装置根据用户设置的预期上车时间推荐的车型。在图5A中,网约车服务提供装置推荐的车型为经济型下的出行服务商A和出行服务商B两个车型,网约车服务提供装置可以通过自动勾选的方式推荐车型,图中用“√”显示。推荐车型显示区503还于每个推荐车型处显示了对应车型的预期费用(第二用户预期条件)的预估值,即图中的“预估费用”。如上文所述,作为第二用户预期条件的预期费用的预估值由可以由网约车服务提供装置的第二预估单元获取。
此外,在本实施例中,预估费用范围显示区504显示作为第二用户预期条件的预期费用的预估值的范围。在图5A的示例中,在所有推荐的车型中,预估的最低费用为M元,而预估的最高费用为N元。通过此信息,用户可以直观地确定预估车费是否能够符合心理预期。当预估车费符合用户的心理预期时,其可以点击打车确认键505(即图中的“立即打车”)进行车辆呼叫。
当用户发现预估车费不符合其心理预期时,用户可以拖动进度条重新设置预期上车时间的设置值,如图5B所示,用户可以通过拖动进度条将预期上车时间设置为5~20分钟。网约车服务提供装置的推荐单元根据新设置值重新推荐车型。图5B的推荐车型显示区503显示此时推荐了5个车型及其预估费用,其中3个车型属于经济型,2个车型属于舒适型,并且推荐车型显示区503当前显示了经济型品类和舒适型品类下的3个出行服务商的车型。对于另2个车型,用户例如可以在推荐车型显示区503利用滑动手势来查看。此外,根据本公开的实施例,对于上述5个车型,可以分品类显示。例如,当选择经济型品类标签时,显示经济型品类下的3个推荐车型;当选择舒适型品类标签时,显示舒适型品类下的2个推荐车型。根据本公开的实施例,也可以在界面上同时显示推荐的所有5个车型。此外,根据本公开的一些实施例,网约车服务提供装置的推荐单元可以按照预估费用(第二用户预期条件的预估值)排列所推荐的车型,例如,将预估费用较低的车型排列地靠左,并且在界面上不能同时显示所有推荐的车型时,优先显示预估费用较低的车型,从而使得用户能够优先注意到预估费用较低的车型。根据另一些实施例,推荐单元也可以按照预期上车时间(第一用户预期条件)的预估值)排列所推荐的车型,例如,将预估的预期上车时间较短的车型排列地靠左,并且在界面上不能同时显示所有推荐的车型时,优先显示预估的预期上车时间较短的车型,从而使得用户能够优先注意到预期上车时间较短的车型。
在图5B中,预估费用范围显示区504显示新推荐的5个车型的预估车费的范围变为M’~N’元。如果用户认为此时的预估车费的范围符合预期,则可以直接呼叫车辆。否则,用户还可以对推荐车型显示区503中显示的车型进行勾选或去勾选来增加或减少来改变呼叫车辆的范围,该过程参见上文针对第三获取单元的描述。
需要说明的是,虽然图5A和图5B以期望上车时间作为第一用户预期条件进行说明的,但是本公开的实施例并不限于此。例如,第一用户预期条件也可以是预期费用、预期到达时间等,从而可以通过类似于界面500的用户界面进行相应的显示和交互,例如可以通过进度条对预期费用、预期到达时间等的设置值进行设置。
图5A和图5B中的界面500与图1中的界面100相比,用户可以更方便地表达个性需求,从而能够更加高效地为用户提供用户所需的出行服务。
图6是示出根据本公开实施例的网约车服务提供方法600的流程图。
参考图6,网约车服务提供方法600包括以下步骤601至步骤604。在步骤601,获取上车地点和下车地点。在步骤602,获取可选车型的第一用户预期条件的预估值。在步骤603:获取所述第一用户预期条件的设置值。在步骤604:基于所述第一用户预期条件的预估值推荐满足所述第一用户预期条件的设置值的车型。网约车服务提供方法600例如可以由网约车服务提供装置等任何电子设备执行。上文关于网约车服务提供装置的说明同样适用于网约车服务提供方法。
根据本公开的实施例,网约车服务提供方法600还可以包括:接收用户对所推荐的车型的改变操作。
根据本公开的实施例,网约车服务提供方法600还可以包括:获取所推荐的车型或用户对所推荐的车型改变后的车型的第二用户预期条件的预估值;以及显示所述第二用户预期条件的预估值的范围,其中所述第一用户预期条件不同于所述第二用户预期条件。
根据本公开的实施例,网约车服务提供方法600还可以包括:获取所述第二用户预期条件的设置值;基于所述第一用户预期条件的预估值和所述第二用户预期条件的预估值推荐同时满足所述第一用户预期条件的设置值和所述第二用户预期条件的设置值的车型。
根据本公开的实施例,在网约车服务提供方法600中,通过自动勾选用户界面上满足所述设置值的车型进行车型推荐。
根据本公开的实施例,在网约车服务提供方法600中,所述第一用户预期条件包括多个条件,并且基于所述第一用户预期条件的多个条件的预估值推荐同时满足所述第一用户预期条件的多个条件的设置值的车型。
根据本公开的实施例,在网约车服务提供方法600中,通过进度条获取所述第一用户预期条件和/或所述第二用户预期条件的设置值。
根据本公开的实施例,在网约车服务提供方法600中,按照所述第一用户预期条件的预估值或所述第二用户预期条件的预估值排列所推荐的车型。
根据本公开的实施例,网约车服务提供方法600还可以包括:基于所述可选车型的第一用户预期条件的预估值设定和显示所述第一用户预期条件的设置值的默认值。
本公开实施例还提供了一种计算机可读存储介质,存储有计算机可执行指令,其中,该计算机可执行指令由处理器执行时以进行上述任一实施例的网约车服务提供方法。
该计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合,例如一个计算机可读存储介质可以包含用于随机地生成计算第一用户预期条件的预估值的指令序列的计算机可读的程序代码,另一个计算机可读存储介质包含用于计算第二用户预期条件的预估值的计算机可读的程序代码。
本公开实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,该处理器执行时实现上述任一实施例的网约车服务提供方法中的步骤。
图7是示出根据本公开实施例的用于提供网约车服务的电子设备700的结构示意图。
如图7所示,电子设备700包括处理器(CPU)701,其可以根据存储或加载在存储器702中的程序而执行各种适当的动作和处理。处理器701和存储器702可以通过总线703彼此相连。根据本公开的实施例,电子设备700还可以包括输入/输出(I/O)接口704,其也可以连接至总线703。
根据本公开的实施例,上文描述的过程也可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行上述过程的方法的程序代码。
本公开实施例的网约车服务提供装置、方法、计算机可读存储介质和电子设备,可以根据用户的个性化需求来推荐车型,从而不仅可以减少用户选择车型的时间和繁琐度,而且能够更贴近用户的真实需求,提高用户的体验。
需要说明的是,附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,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、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以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,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以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,或者可以用专用硬件与计算机指令的组合来实现。
一般而言,本公开的各种示例实施例可以在硬件或专用电路、软件、固件、逻辑,或其任何组合中实施。某些方面可以在硬件中实施,而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本公开的实施例的各方面被图示或描述为框图、流程图或使用某些其他图形表示时,将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备,或其某些组合中实施。
本公开实施例中的处理器可以是一种集成电路芯片,具有信号的处理能力。上述处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,可以是X86架构或ARM架构的。
本公开实施例中的计算机可读存储介质可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(SDRAM)、双倍数据速率同步动态随机存取存储器DDRSDRAM)、增强型同步动态随机存取存储器(ESDRAM)、同步连接动态随机存取存储器(SLDRAM)和直接内存总线随机存取存储器(DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在上面详细描述的本公开的示例实施例仅仅是说明性的,而不是限制性的。本领域技术人员应该理解,在不脱离本公开的原理和精神的情况下,可对这些实施例或其特征进行各种修改和组合,这样的修改应落入本公开的范围内。
Claims (15)
1.一种网约车服务提供装置,包括:
第一获取单元,用于获取上车地点和下车地点;
第一预估单元,用于获取可选车型的第一用户预期条件的预估值;
第二获取单元,用于获取所述第一用户预期条件的设置值;以及
推荐单元,用于基于所述第一用户预期条件的预估值推荐满足所述第一用户预期条件的设置值的车型。
2.如权利要求1所述的网约车服务提供装置,还包括:
第三获取单元,用于获取用户对所推荐的车型的改变操作。
3.如权利要求1或2所述的网约车服务提供装置,还包括:
第二预估单元,用于获取所推荐的车型或用户对所推荐的车型改变后的车型的第二用户预期条件的预估值;以及
预估值显示单元,用于显示所述第二用户预期条件的预估值和/或其范围。
4.如权利要求3所述的网约车服务提供装置,其中,
所述第二获取单元还用于获取所述第二用户预期条件的设置值,以及
所述推荐单元还用于基于所述第一用户预期条件的预估值和所述第二用户预期条件的预估值推荐同时满足所述第一用户预期条件的设置值和所述第二用户预期条件的设置值的车型。
5.如权利要求1所述的网约车服务提供装置,其中,
所述推荐单元通过自动勾选用户界面上满足所述设置值的车型进行车型推荐。
6.如权利要求1所述的网约车服务提供装置,其中
所述第一用户预期条件包括多个条件,并且
所述推荐单元基于所述第一用户预期条件的多个条件的预估值推荐同时满足所述第一用户预期条件的多个条件的设置值的车型。
7.如权利要求3所述的网约车服务提供装置,其中
所述第二获取单元通过进度条获取所述第一用户预期条件和/或所述第二用户预期条件的设置值。
8.如权利要求3所述的网约车服务提供装置,其中
所述推荐单元按照所述第一用户预期条件的预估值或所述第二用户预期条件的预估值排列所推荐的车型。
9.如权利要求1所述的网约车服务提供装置,还包括:
默认值设定单元,用于基于所述可选车型的第一用户预期条件的预估值设定和显示所述第一用户预期条件的设置值的默认值。
10.如权利要求1所述的网约车服务提供装置,其中,
所述网约车服务提供装置提供多个品类和/或多个出行服务商的车型。
11.一种网约车服务提供方法,包括:
获取上车地点和下车地点;
获取可选车型的第一用户预期条件的预估值;
获取所述第一用户预期条件的设置值;以及
基于所述第一用户预期条件的预估值推荐满足所述第一用户预期条件的设置值的车型。
12.如权利要求11所述的网约车服务提供方法,还包括:
接收用户对所推荐的车型的改变操作。
13.如权利要求11或12所述的网约车服务提供方法,还包括:
获取所推荐的车型或用户对所推荐的车型改变后的车型的第二用户预期条件的预估值;以及
显示所述第二用户预期条件的预估值的范围。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求11-13中的任一项所述的方法中的步骤。
15.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行时实现如权利要求11-13中的任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645257.5A CN110413884A (zh) | 2019-07-17 | 2019-07-17 | 网约车服务提供装置、方法、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910645257.5A CN110413884A (zh) | 2019-07-17 | 2019-07-17 | 网约车服务提供装置、方法、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110413884A true CN110413884A (zh) | 2019-11-05 |
Family
ID=68361776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910645257.5A Pending CN110413884A (zh) | 2019-07-17 | 2019-07-17 | 网约车服务提供装置、方法、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110413884A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383055A (zh) * | 2020-03-12 | 2020-07-07 | 北京嘀嘀无限科技发展有限公司 | 租车中心仓选品方法、装置、设备及计算机可读存储介质 |
CN111861628A (zh) * | 2020-04-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 服务推荐方法、装置、电子设备和计算机可读存储介质 |
CN112017001A (zh) * | 2020-08-28 | 2020-12-01 | 北京嘀嘀无限科技发展有限公司 | 网约车车型推荐方法、装置、电子设备和存储介质 |
WO2021232203A1 (en) * | 2020-05-18 | 2021-11-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for online to offline services |
-
2019
- 2019-07-17 CN CN201910645257.5A patent/CN110413884A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383055A (zh) * | 2020-03-12 | 2020-07-07 | 北京嘀嘀无限科技发展有限公司 | 租车中心仓选品方法、装置、设备及计算机可读存储介质 |
CN111383055B (zh) * | 2020-03-12 | 2023-11-17 | 北京嘀嘀无限科技发展有限公司 | 租车中心仓选品方法、装置、设备及计算机可读存储介质 |
CN111861628A (zh) * | 2020-04-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 服务推荐方法、装置、电子设备和计算机可读存储介质 |
WO2021232203A1 (en) * | 2020-05-18 | 2021-11-25 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for online to offline services |
CN112017001A (zh) * | 2020-08-28 | 2020-12-01 | 北京嘀嘀无限科技发展有限公司 | 网约车车型推荐方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110413884A (zh) | 网约车服务提供装置、方法、存储介质及电子设备 | |
CN111612249B (zh) | 用于预测人流量的方法、装置、设备以及存储介质 | |
Feng et al. | Optimal policies of yield management with multiple predetermined prices | |
CN109934619A (zh) | 用户画像标签建模方法、装置、电子设备及可读存储介质 | |
CN109582876A (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CA2944652C (en) | Inference model for traveler classification | |
CN105446988B (zh) | 预测类别的方法和装置 | |
US20120150576A1 (en) | Integrating simulation and forecasting modes in business intelligence analyses | |
JP2017162450A (ja) | 公共交通機関システムにおけるユーザ旅行嗜好の平滑化動的モデリング | |
CN110400024A (zh) | 订单预测的方法、装置、设备和计算机可读存储介质 | |
CN110851699A (zh) | 基于深度强化学习的信息流推荐方法、装置、设备及介质 | |
CN109543162A (zh) | 数据的多图表展示方法、装置、计算机设备和存储介质 | |
CN110109750A (zh) | 虚拟资源获取方法、装置、计算机设备和存储介质 | |
CN109002281A (zh) | 基于平台组件的项目开发方法、装置及用户终端 | |
US11093974B2 (en) | Image attribute processing system, image attribute processing apparatus, and method of processing image attributes | |
CN110322169A (zh) | 一种任务发布的方法及装置 | |
CN110221835A (zh) | 在前端页面中增加控件的方法及装置 | |
Ohno et al. | New approximate dynamic programming algorithms for large-scale undiscounted Markov decision processes and their application to optimize a production and distribution system | |
CN110069764A (zh) | 表单配置方法、装置、计算机设备和存储介质 | |
WO2022127517A1 (en) | Hierarchical adaptive contextual bandits for resource-constrained recommendation | |
CN109255606A (zh) | 默认支付工具的推荐方法、装置及支付终端 | |
CN109389428A (zh) | 微信营销的配置方法、装置、计算机设备及存储介质 | |
CN109948773A (zh) | 生成信息的方法和装置 | |
CN111489196A (zh) | 基于深度学习网络的预测方法、装置、电子设备及介质 | |
KR102259324B1 (ko) | 유저 인터페이스 제공 방법 및 장치 |
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 |