CN110796417B - 一种货源价值确定方法、装置、设备和存储介质 - Google Patents
一种货源价值确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110796417B CN110796417B CN201911060748.XA CN201911060748A CN110796417B CN 110796417 B CN110796417 B CN 110796417B CN 201911060748 A CN201911060748 A CN 201911060748A CN 110796417 B CN110796417 B CN 110796417B
- Authority
- CN
- China
- Prior art keywords
- value
- source
- goods
- information
- model
- 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.)
- Active
Links
Images
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
- G06Q10/08—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种货源价值确定方法、装置、设备和存储介质,该方法包括:获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;根据所述货源信息确定目标货源的初始价值;根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值。本发明实施例通过对货源价值的影响因素进行细分,在根据货源信息确定目标货源的初始价值后,再根据货主画像信息和供需与环境信息,对初始价值进行调整,得到最终的目标价值,从多个维度对货源价值进行预测,以提高对货源价值预测的准确性,同时提高货源价值的公正性和透明性,继而提高货主与车主的成交效率。
Description
技术领域
本发明实施例涉及互联网技术领域,尤其涉及一种货源价值确定方法、装置、设备和存储介质。
背景技术
随着互联网和智能终端技术的发展,各种应用的诞生给人们的生活带来了极大的便利。在货运领域,货主可以通过智能终端上的应用为运送货源下单,车主则可以根据订单信息从中选择自己喜好、货源价值合理并能够承接的订单,从而在网上即可实现从发货到运送再到收货的整个流程,提高了工作效率。而订单中对货源价值的预测对货主与车主的成交效率起到很重要的作用。
目前,干线物流的货源定价方式主要是依据运送路线的历史均价,或者通过货主与车主直接协商完成,缺乏行业标准。而且,干线物流中货源类型多样,运输场景复杂,车辆类型繁多,采用均价的定价方式在很多场景下都无法精准地预测货源价值。
发明内容
本发明实施例提供一种货源价值确定方法、装置、设备和存储介质,以提高对货源价值预测的准确度。
第一方面,本发明实施例提供了一种货源价值确定方法,包括:
获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;
根据所述货源信息确定目标货源的初始价值;
根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值。
第二方面,本发明实施例还提供了一种货源价值确定装置,包括:
信息获取模块,用于获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;
初始价值确定模块,用于根据所述货源信息确定目标货源的初始价值;
价值调整模块,用于根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值。
第三方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的货源价值确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的货源价值确定方法。
本发明实施例通过对货源价值的影响因素进行细分,从货源、货主和环境多个维度进行考量,在根据货源信息确定目标货源的初始价值后,再根据货主画像信息和供需与环境信息,对所述初始价值进行调整,得到目标货源最终的目标价值,从多个维度对货源价值进行预测,以提高对货源价值预测的准确性,同时提高货源价值的公正性和透明性,继而提高货主与车主的成交效率。
附图说明
图1是本发明实施例一中的货源价值确定方法的流程图;
图2是本发明实施例二中的货源价值确定方法的流程图;
图3是本发明实施例三中的货源价值确定方法的流程图;
图4是本发明实施例四中的货源价值确定装置的结构示意图;
图5是本发明实施例五中的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的货源价值确定方法的流程图,本实施例可适用于对货源价值进行预测的情况,尤其是针对干线物流、公路物流中涉及的待运输货源。该方法可以由货源价值确定装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在电子设备中,例如服务器或计算机设备中。如图1所示,该方法具体包括:
S101、获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息。
针对干线物流、公路物流中待运输的货源,货主会在客户端发布货源信息,该货源信息用于从货源维度描述与货源有关的信息,例如,可以包括货源重量、尺寸、类型、出发地与到达地及其详细的经纬度、运输时间等基础信息,还可以包括路途中是否包含禁区、是否需要押车、是否需要车主协助装卸货物、是否超载、危险品、贵重物品等特殊信息,这些信息对货源价值都有着不同程度的影响。例如,运送贵重物品的难度必然会比普通物品难度大,因此,对贵重物品的价值预测可以高一些;如果需要压车,或者需要车主协助装卸货物,同样可以预测高一些,这样才能与真实的成交价越接近。
所述货主画像信息用于从货主维度描述货主的属性及行为信息,可以包括货主注册地、活跃度、注册时长和货主历史成交信息等,该货主历史成交信息例如可以包括历史成交订单中的信息,如货主偏好的运送车型或对车主的要求偏好等信息,还可以包括历史成交订单中货主与车主之间沟通、传达的信息等。
所述供需与环境信息用于描述货源与车主之间的供需动态变化,以及与货源的运输环境有关的信息。其中,供需信息的部分例如可以包括当前的平台在线人数、平台在线代运货源量、前24小时成交货源量、前24小时平均成交时长、前24小时线路反馈率等反应供给需求的数据;环境信息的部分例如可以包括发货地、到达地区天气、气温、当前时段是否有重大事件发生、是否为节假日等信息。
S102、根据所述货源信息确定目标货源的初始价值。
货源信息能直接反应出货源的状况,根据货源信息可以对目标货源的价值进行初步的预测,得到初始价值。本发明实施例中的货源价值,例如可以是货源的价格,也即在货主发布货源的订单中,能够支付给车主为运送该货源所能得到的报酬数目。而根据货源信息对目标货源的初始价值进行预测,则可以通过对历史成交订单中的货源信息和成交价值进行统计,找出各种类型货源的成交价值的分布规律,从而对其进行预测,例如按照同类货源历史成交价均值的方式进行预测。
具体的,在一种实施方式中,所述根据所述货源信息确定目标货源的初始价值,包括:
利用预先训练的货源价值模型,将所述货源信息作为模型输入,模型输出即为所述目标货源的初始价值。
其中,所述货源价值模型是根据机器学习的方法预先训练得到,用于依据货源信息对货源的初始价值进行预测。例如,可以从历史数据中获取训练集,训练集中可以包括大量的成交订单中的货源信息以及货源的最终成交价值,并利用该训练集对货源价值模型进行训练,得到的货源价值模型在实际使用时,便可以根据目标货源的货源信息对其进行预测,输出目标货源的初始价值。本发明实施例中,关于模型的具体算法则可以选择现有技术中的任意一种,此处不再赘述。
在另一种实施方式中,所述根据所述货源信息确定目标货源的初始价值,包括:
根据所述货源信息确定所述目标货源的类型,其中,所述类型包括基础货源和特殊货源,所述特殊货源的运输困难程度高于或低于所述基础货源;
根据所述类型,利用预先训练的基础货源价值模型或者特殊货源价值模型,将所述货源信息作为模型输入,模型输出即为所述目标货源的初始价值。
具体的,与第一种实施方式不同的是,第二种实施方式对货源进行了分类,并根据不同的货源类型,训练出两种不同的模型,即基础货源价值模型和特殊货源价值模型,然后根据目标货源的实际类型,选择相应的模型进行预测。其中,特殊货源的运输困难程度高于或低于所述基础货源。例如,若货源信息中记录有运输路线中包括禁区、需要额外的人压车或者需要车主协助装卸货等信息,则表明该类型的货源运输难度较大,为特殊货源。
针对基础货源价值模型,可以将历史成交订单中的基础货源信息和成交价值分别作为模型的输入和输出,对模型进行训练。而特殊货源价值模型,则可以将历史成交订单中的特殊货源信息和成交价值分别作为模型的输入和输出进行训练。此外,也可以将历史成交订单中,货源最终的成交价值与按照基础货源价值模型预测得到的该货源的价值之间的差异,作为模型的输出进行训练,以让特殊货源价值模型具备对特殊货源特征的感知能力,以及对特殊货源相对基础货源在货源价值上的差异的感知能力,对运输特别困难的货源提高其价值预测值,反之则降低其价值预测值,从而给出更加合理的预测结果。
此外还需要说明的是,对于一些存在超高、超重等违规情况的异常货源,可以不对其价值进行预测。
S103、根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值。
如上文所述,所述货主画像信息用于从货主维度描述货主的属性及行为信息,供需与环境信息用于描述货源与车主之间的供需动态变化,以及与货源的运输环境有关的信息,那么,在目标货源初始价值的基础上,结合货主的特征,以及供需特征和运输环境特征,对初始价值进行调整,例如增加或减小,则可以得到更加准确的目标价值,也即,该目标价值与最终的货源成交价值更加接近,从而可以提高货主与车主的成交效率,同时,也让货源价值确定的过程标准化,提升公路物流价值的公正性和透明性。
具体的,货主画像信息和供需与环境信息都是货源价值的影响因素,例如,若货主历史上的成交价值普遍偏高,则可以在初始价值的基础上增加一定的百分比;若当前货源供不应求,也可以在初始价值的基础上增加一定的百分比,反之,则可以减小。由此,即可实现将货源价值的影响因素进行细分,根据不同因素的特征对货源价值的影响方式,在初始价值的基础上进行调整,以得到更准确地目标价值。
本发明实施例通过对货源价值的影响因素进行细分,从货源、货主和环境多个维度进行考量,在根据货源信息确定目标货源的初始价值后,再根据货主画像信息和供需与环境信息,对所述初始价值进行调整,得到目标货源最终的目标价值,从多个维度对货源价值进行预测,以提高对货源价值预测的准确性,同时提高货源价值的公正性和透明性,继而提高货主与车主的成交效率。
实施例二
图2是本发明实施例二中的货源价值确定方法的流程图,本实施例是在实施例一的基础上进行进一步地优化。如图2所示,所述方法包括:
S201、获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息。
S202、根据所述货源信息确定目标货源的初始价值。
S203、利用预先训练的第一价值调整模型,将所述货主画像信息作为模型输入,模型输出即为第一价值调整策略,其中,所述第一价值调整模型用于将货主画像的特征对货源价值的影响进行量化。
具体的,第一价值调整模型是利用机器学习的方法进行训练,例如,可以预先获取用于训练的训练集,训练集中可以包括历史成交订单数据,进一步包括历史成交订单中的货主画像信息、货源原始价值以及最终的成交价值,其中,所述货源原始价值可以是货主首次发布货源时系统预测的价值,例如利用本发明实施例的方法,根据货源信息确定的初始价值,当然,也可以是货主自己填写的价值。然后,将各历史成交订单中的货主画像信息作为模型输入,将各历史成交订单中最终的成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到第一价值调整模型。
训练得到的第一价值调整模型,可以根据货主画像信息识别出与货主有关的特征,并具备对货主特征于货源价值的影响方式的感知能力,将货主画像的特征对货源价值的影响进行量化,从而输出第一价值调整策略。例如,当货主画像信息中反应出货主倾向于高价值货源时,则第一价值调整策略可以是上浮5%,从而实现货源价值的个性化,在提高预测准确度的同时,也能够将预测价值更加符合货主的需求,进一步提高成单效率。
S204、利用预先训练的第二价值调整模型,将所述供需与环境信息作为模型输入,模型输出即为第二价值调整策略,其中,所述第二价值调整模型用于将供需与环境的特征对货源价值的影响进行量化。
类似的,第二价值调整模型也是利用机器学习的方法进行训练,用于训练的训练集中可以包括历史成交订单数据,进一步包括历史成交订单中的供需与环境信息、货源原始价值以及最终的成交价值。然后,将各历史成交订单中的供需与环境信息作为模型输入,将各历史成交订单中最终的成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到第二价值调整模型。
训练得到的第二价值调整模型,可以根据供需与环境信息识别出与线上当前的环境和市场有关的特征,并具备对这些特征于货源价值的影响方式的感知能力,将供需与环境的特征对货源价值的影响进行量化,从而输出第二价值调整策略。例如,当供需与环境信息中反应出供不应求时,或者货源的运输途径地天气恶略时,则第二价值调整策略可以是上浮5%,从而实现货源价值的合理化,在提高预测准确度的同时,也能够将预测价值更加符合实际的情况,实现在初始价值基础上的动态调整,进一步提高成单效率。
S205、根据所述第一价值调整策略和第二价值调整策略对所述初始价值进行调整,得到所述目标货源的目标价值。
例如,当第一价值调整策略和第二价值调整策略均为上浮5%时,则最终的目标价值则为在初始价值的基础上上浮10%。
本发明实施例通过对货源价值的影响因素进行细分,从货源、货主和环境多个维度进行考量,并利用机器学习的方法训练出第一价值调整模型和第二价值调整模型,利用模型,在根据货源信息确定目标货源的初始价值后,再根据货主画像信息和供需与环境信息提取特征,从不同影响因素的角度进行量化,实现对初始价值的动态调整,得到最终的目标价值。在提高对货源价值预测的准确性的同时,还能够提高货源价值的公正性和透明性,继而提高货主与车主的成交效率。
实施例三
图3是本发明实施例三中的货源价值确定方法的流程图,本实施例是在上述各实施例的基础上进行进一步地优化。如图3所示,所述方法包括:
S301、获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息。
S302、根据所述货源信息确定所述目标货源的类型,其中,所述类型包括基础货源和特殊货源,所述特殊货源的运输困难程度高于或低于所述基础货源。
S303、根据所述类型,利用预先训练的基础货源价值模型或者特殊货源价值模型,将所述货源信息作为模型输入,模型输出即为所述目标货源的初始价值。
S304、获取每一个车主的车主画像信息,其中,所述车主画像信息用于从车主维度描述车主的属性及行为信息。
例如,车主画像信息可以包括司机注册地、活跃度、注册时长、司机历史成交信息、司机历史找货行为等,因此,通过车主画像信息即可得知车主所倾向的货源类型、价值偏好、运输路线偏好等影响对货源价值进行预测的信息。从而将车主画像也作为货源价值的影响因素之一,对货源价值进行预测。而且,对于同一个货源,还可以实现针对不同的车主确定其不同的价值,以满足每一位车主的需求,做到价值个性化预测。
接下来,通过S305-S307,实现根据货主画像信息、车主画像信息和供需与环境信息,对初始价值进行调整,得到目标货源针对不同车主的不同的目标价值。
S305、利用预先训练的第三价值调整模型,将所述货主画像信息和车主画像信息作为模型输入,模型输出即为针对不同车主的不同的第三价值调整策略,其中,所述第三价值调整模型用于将货主画像和车主画像的特征对货源价值的影响进行量化。
在本实施例中,是将货主画像和车主画像的信息同时作为模型输入让模型进行学习。具体的,所述第三价值调整模型的训练过程包括:
获取训练样本集,其中,所述训练样本集中包括历史成交数据,所述历史成交数据中至少包括各成交订单中的货源原始价值、货主画像信息、车主画像信息以及货源成交价值;
将各成交订单中的货主画像信息和车主画像信息作为模型输入,并将各车主的成交订单中货源成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到所述第三价值调整模型。
其中,货源原始价值可以是货主首次发布货源时系统预测的价值,例如利用本发明实施例的方法,根据货源信息确定的初始价值,当然,也可以是货主自己填写的价值。而将各车主的成交订单中货源成交价值相对于货源原始价值的浮动情况作为模型输出,则可以使训练出的第三价值调整模型具备对货主与车主特征于货源价值的影响方式的感知能力,将货主画像与车主画像的特征作为一对特征,对货源价值的影响进行量化,从而输出第一价值调整策略,而且针对不同的车主,该第一价值调整策略可以不同,也可以相同,也即,可以做到同货不同价,做到面向车主的个性化定价。
例如,对于同一货源,在预测出其初始价值情况下,针对A车主,其特征为对价格比较敏感,则可以在初始价值基础上适当上调,而针对B车主,其特征为对价格不敏感,对运输路线较为敏感,例如经常走同一条路线,而此时,若该货源的运输路线恰好就是B车主的偏好路线,则可以在初始价值基础上适当下调,继而实现面向不同的车主提供不同的货源价值。
S306、利用预先训练的第四价值调整模型,将所述供需与环境信息作为模型输入,模型输出即为第四价值调整策略,其中,所述第四价值调整模型用于将供需与环境的特征对货源价值的影响进行量化。
具体的,所述第四价值调整模型的训练过程包括:
获取训练样本集,其中,所述训练样本集中包括历史成交数据,所述历史成交数据中至少包括各成交订单中的货源原始价值、供需与环境信息以及货源成交价值;
将各成交订单中的供需与环境信息作为模型输入,并将各成交订单中的货源成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到所述第四价值调整模型。
第四价值调整模型与上述实施例中的第二价值调整模型类似,此处不再赘述。
S307、根据针对不同车主的不同的第三价值调整策略和第四价值调整策略,对所述初始价值进行调整,得到所述目标货源针对不同车主的不同的目标价值。
例如,如果针对某位车主,第三价值调整策略为上浮5%,第四价值调整策略为下调5%,则最终的针对该车主的目标价至就是货源的初始价值。
本发明实施例通过对货源价值的影响因素进行细分,从货源、货主、车主和环境多个维度进行考量,并利用机器学习的方法训练出第三价值调整模型和第四价值调整模型,利用模型,在根据货源信息确定目标货源的初始价值后,再根据货主画像信息、车主画像信息和供需与环境信息,对所述初始价值进行调整,从不同影响因素的角度进行量化,得到目标货源最终的目标价值,并且实现针对不同车主给出不同的目标价值,做到同货不同价,不仅实现从多个维度对货源价值进行预测,提高了对货源价值预测的准确性、公正性和透明性,同时,还作为个性化预测,继而进一步提高货主与车主的成交效率。
实施例四
图4是本发明实施例四中的货源价值确定装置的结构示意图,本实施例可适用于对货源价值进行预测的情况,尤其是针对干线物流、公路物流中涉及的待运输货源。如图4所示,该装置包括:
信息获取模块410,用于获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;
初始价值确定模块420,用于根据所述货源信息确定目标货源的初始价值;
价值调整模块430,用于根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值。
本发明实施例通过对货源价值的影响因素进行细分,从货源、货主和环境多个维度进行考量,在根据货源信息确定目标货源的初始价值后,再根据货主画像信息和供需与环境信息,对所述初始价值进行调整,得到目标货源最终的目标价值,从多个维度对货源价值进行预测,以提高对货源价值预测的准确性,同时提高货源价值的公正性和透明性,继而提高货主与车主的成交效率。
可选的,所述货源信息用于从货源维度描述与货源有关的信息;所述货主画像信息用于从货主维度描述货主的属性及行为信息;所述供需与环境信息用于描述货源与车主之间的供需动态变化,以及与货源的运输环境有关的信息。
可选的,初始价值确定模块420具体用于:
利用预先训练的货源价值模型,将所述货源信息作为模型输入,模型输出即为所述目标货源的初始价值。
可选的,初始价值确定模块420具体用于:
根据所述货源信息确定所述目标货源的类型,其中,所述类型包括基础货源和特殊货源,所述特殊货源的运输困难程度高于或低于所述基础货源;
根据所述类型,利用预先训练的基础货源价值模型或者特殊货源价值模型,将所述货源信息作为模型输入,模型输出即为所述目标货源的初始价值。
可选的,价值调整模块430包括第一价值调整子模块,具体用于:
利用预先训练的第一价值调整模型,将所述货主画像信息作为模型输入,模型输出即为第一价值调整策略,其中,所述第一价值调整模型用于将货主画像的特征对货源价值的影响进行量化;
利用预先训练的第二价值调整模型,将所述供需与环境信息作为模型输入,模型输出即为第二价值调整策略,其中,所述第二价值调整模型用于将供需与环境的特征对货源价值的影响进行量化;
根据所述第一价值调整策略和第二价值调整策略对所述初始价值进行调整,得到所述目标货源的目标价值。
可选的,所述信息获取模块410还用于获取每一个车主的车主画像信息,其中,所述车主画像信息用于从车主维度描述车主的属性及行为信息;
相应的,所述价值调整模块430还用于根据所述货主画像信息、车主画像信息和供需与环境信息,对所述初始价值进行调整,得到所述目标货源针对不同车主的不同的目标价值。
可选的,所述价值调整模块430包括第二价值调整子模块,具体用于:
利用预先训练的第三价值调整模型,将所述货主画像信息和车主画像信息作为模型输入,模型输出即为针对不同车主的不同的第三价值调整策略,其中,所述第三价值调整模型用于将货主画像和车主画像的特征对货源价值的影响进行量化;
利用预先训练的第四价值调整模型,将所述供需与环境信息作为模型输入,模型输出即为第四价值调整策略,其中,所述第四价值调整模型用于将供需与环境的特征对货源价值的影响进行量化;
根据针对不同车主的不同的第三价值调整策略和第四价值调整策略,对所述初始价值进行调整,得到所述目标货源针对不同车主的不同的目标价值。
可选的,所述装置还包括第一训练模块,具体用于:
获取训练样本集,其中,所述训练样本集中包括历史成交数据,所述历史成交数据中至少包括各成交订单中的货源原始价值、货主画像信息、车主画像信息以及货源成交价值;
将各成交订单中的货主画像信息和车主画像信息作为模型输入,并将各车主的成交订单中货源成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到所述第三价值调整模型。
可选的,所述装置还包括第二训练模块,具体用于:
获取训练样本集,其中,所述训练样本集中包括历史成交数据,所述历史成交数据中至少包括各成交订单中的货源原始价值、供需与环境信息以及货源成交价值;
将各成交订单中的供需与环境信息作为模型输入,并将各成交订单中的货源成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到所述第四价值调整模型。
本发明实施例所提供的货源价值确定置可执行本发明任意实施例所提供的货源价值确定方法,具备执行货源价值确定方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图5显示的电子设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的货源价值确定方法,包括:
获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;
根据所述货源信息确定目标货源的初始价值;
根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的货源价值确定方法,包括:
获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;
根据所述货源信息确定目标货源的初始价值;
根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种货源价值确定方法,其特征在于,包括:
获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;
根据所述货源信息确定目标货源的初始价值;
根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值;
所述根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值,包括:
利用预先训练的第一价值调整模型,将所述货主画像信息作为模型输入,模型输出即为第一价值调整策略,其中,所述第一价值调整模型用于将货主画像的特征对货源价值的影响进行量化;
利用预先训练的第二价值调整模型,将所述供需与环境信息作为模型输入,模型输出即为第二价值调整策略,其中,所述第二价值调整模型用于将供需与环境的特征对货源价值的影响进行量化;
根据所述第一价值调整策略和第二价值调整策略对所述初始价值进行调整,得到所述目标货源的目标价值。
2.根据权利要求1所述的方法,其特征在于,所述货源信息用于从货源维度描述与货源有关的信息;所述货主画像信息用于从货主维度描述货主的属性及行为信息;所述供需与环境信息用于描述货源与车主之间的供需动态变化,以及与货源的运输环境有关的信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述货源信息确定目标货源的初始价值,包括:
利用预先训练的货源价值模型,将所述货源信息作为模型输入,模型输出即为所述目标货源的初始价值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述货源信息确定目标货源的初始价值,包括:
根据所述货源信息确定所述目标货源的类型,其中,所述类型包括基础货源和特殊货源,所述特殊货源的运输困难程度高于或低于所述基础货源;
根据所述类型,利用预先训练的基础货源价值模型或者特殊货源价值模型,将所述货源信息作为模型输入,模型输出即为所述目标货源的初始价值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取每一个车主的车主画像信息,其中,所述车主画像信息用于从车主维度描述车主的属性及行为信息;
相应的,所述根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值,包括:
根据所述货主画像信息、车主画像信息和供需与环境信息,对所述初始价值进行调整,得到所述目标货源针对不同车主的不同的目标价值。
6.根据权利要求5所述的方法,其特征在于,所述据所述货主画像信息、车主画像信息和供需与环境信息,对所述初始价值进行调整,得到所述目标货源针对不同车主的不同的目标价值,包括:
利用预先训练的第三价值调整模型,将所述货主画像信息和车主画像信息作为模型输入,模型输出即为针对不同车主的不同的第三价值调整策略,其中,所述第三价值调整模型用于将货主画像和车主画像的特征对货源价值的影响进行量化;
利用预先训练的第四价值调整模型,将所述供需与环境信息作为模型输入,模型输出即为第四价值调整策略,其中,所述第四价值调整模型用于将供需与环境的特征对货源价值的影响进行量化;
根据针对不同车主的不同的第三价值调整策略和第四价值调整策略,对所述初始价值进行调整,得到所述目标货源针对不同车主的不同的目标价值。
7.根据权利要求6所述的方法,其特征在于,所述第三价值调整模型的训练过程包括:
获取训练样本集,其中,所述训练样本集中包括历史成交数据,所述历史成交数据中至少包括各成交订单中的货源原始价值、货主画像信息、车主画像信息以及货源成交价值;
将各成交订单中的货主画像信息和车主画像信息作为模型输入,并将各车主的成交订单中货源成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到所述第三价值调整模型。
8.根据权利要求6所述的方法,其特征在于,所述第四价值调整模型的训练过程包括:
获取训练样本集,其中,所述训练样本集中包括历史成交数据,所述历史成交数据中至少包括各成交订单中的货源原始价值、供需与环境信息以及货源成交价值;
将各成交订单中的供需与环境信息作为模型输入,并将各成交订单中的货源成交价值相对于货源原始价值的浮动情况作为模型输出,以训练得到所述第四价值调整模型。
9.一种货源价值确定装置,其特征在于,包括:
信息获取模块,用于获取目标货源的货源信息,发布所述目标货源的货主画像信息,以及所述目标货源发布时刻的供需与环境信息;
初始价值确定模块,用于根据所述货源信息确定目标货源的初始价值;
价值调整模块,用于根据所述货主画像信息、供需与环境信息,对所述初始价值进行调整,得到所述目标货源的目标价值;
所述价值调整模块包括第一价值调整子模块,具体用于:
利用预先训练的第一价值调整模型,将所述货主画像信息作为模型输入,模型输出即为第一价值调整策略,其中,所述第一价值调整模型用于将货主画像的特征对货源价值的影响进行量化;
利用预先训练的第二价值调整模型,将所述供需与环境信息作为模型输入,模型输出即为第二价值调整策略,其中,所述第二价值调整模型用于将供需与环境的特征对货源价值的影响进行量化;
根据所述第一价值调整策略和第二价值调整策略对所述初始价值进行调整,得到所述目标货源的目标价值。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一项所述的货源价值确定方法。
11.一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1-8中任一项所述的货源价值确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911060748.XA CN110796417B (zh) | 2019-11-01 | 2019-11-01 | 一种货源价值确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911060748.XA CN110796417B (zh) | 2019-11-01 | 2019-11-01 | 一种货源价值确定方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796417A CN110796417A (zh) | 2020-02-14 |
CN110796417B true CN110796417B (zh) | 2022-10-21 |
Family
ID=69442489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911060748.XA Active CN110796417B (zh) | 2019-11-01 | 2019-11-01 | 一种货源价值确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796417B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679814A (zh) * | 2017-11-06 | 2018-02-09 | 成都德旺云车邦信息技术有限公司 | 整车物流运输的全程管理系统和方法 |
US20180082253A1 (en) * | 2016-09-20 | 2018-03-22 | International Business Machines Corporation | Cargo logistics dispatch service with integrated pricing and scheduling |
CN108805474A (zh) * | 2017-04-26 | 2018-11-13 | 北京万集科技股份有限公司 | 一种车货匹配方法及装置 |
CN109242044A (zh) * | 2018-09-30 | 2019-01-18 | 江苏满运软件科技有限公司 | 车货匹配模型的训练方法、装置、存储介质及电子设备 |
CN110310064A (zh) * | 2019-06-29 | 2019-10-08 | 江苏满运软件科技有限公司 | 一种货源流量的控制方法、装置、存储介质及电子设备 |
-
2019
- 2019-11-01 CN CN201911060748.XA patent/CN110796417B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180082253A1 (en) * | 2016-09-20 | 2018-03-22 | International Business Machines Corporation | Cargo logistics dispatch service with integrated pricing and scheduling |
CN108805474A (zh) * | 2017-04-26 | 2018-11-13 | 北京万集科技股份有限公司 | 一种车货匹配方法及装置 |
CN107679814A (zh) * | 2017-11-06 | 2018-02-09 | 成都德旺云车邦信息技术有限公司 | 整车物流运输的全程管理系统和方法 |
CN109242044A (zh) * | 2018-09-30 | 2019-01-18 | 江苏满运软件科技有限公司 | 车货匹配模型的训练方法、装置、存储介质及电子设备 |
CN110310064A (zh) * | 2019-06-29 | 2019-10-08 | 江苏满运软件科技有限公司 | 一种货源流量的控制方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110796417A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10223722B2 (en) | Automobile transaction facilitation based on a customer selection of a specific automobile | |
CN109478364B (zh) | 确定预计到达时间的方法及系统 | |
CN112258122A (zh) | 运输方式匹配方法、系统、设备及存储介质 | |
US20210042701A1 (en) | System, method, and program product, for load board and logistics management | |
US20230088950A1 (en) | Method and system for intelligent load optimization for vehicles | |
CN107437144A (zh) | 一种订单调度方法、系统、计算机设备和存储介质 | |
KR20180011053A (ko) | 운송 능력 스케줄링을 위한 방법들 및 시스템들 | |
US20190172169A1 (en) | System and Method of Predicting Freight Rates | |
KR101186941B1 (ko) | 화물 운송 중개 시스템 | |
CN112862184A (zh) | 运输信息预测方法、装置、电子设备及可读存储介质 | |
US20170372263A1 (en) | Methods and Systems for Aggregating Excess Carrier Capacity | |
CN110598989B (zh) | 一种货源质量评估方法、装置、设备和存储介质 | |
CN110796417B (zh) | 一种货源价值确定方法、装置、设备和存储介质 | |
CN113807759A (zh) | 基于深度学习的货物运费决定方法以及装置 | |
JP2024512614A (ja) | 貨物輸送を監視及び自動制御する電子システム | |
KR20220051775A (ko) | 물류 유통 관리 장치 및 이를 포함하는 물류 유통 시스템 | |
CN110414875B (zh) | 产能数据处理方法、装置、电子设备及计算机可读介质 | |
CN111523802B (zh) | 送达时间应答方法、装置、设备及介质 | |
CN117455338A (zh) | 一种基于eta模型的货物送达时间预估方法及系统 | |
CN115204274A (zh) | 基于平台的相似子市场聚类方法、系统、设备及存储介质 | |
US20230112290A1 (en) | System and method for facilitating a transporting process | |
Čižiūnienė | Information Systems in Freight Transportation | |
KR101192708B1 (ko) | 화물 운송 중개용 통신 단말 | |
Dildor et al. | Implementing Digital Transformation in the Logistics System of Uzbekistan | |
CN117689445A (zh) | 一种跨境物流业务的订舱预测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |