CN110800011A - 用于提供购车金融方案的系统和方法 - Google Patents

用于提供购车金融方案的系统和方法 Download PDF

Info

Publication number
CN110800011A
CN110800011A CN201780092682.5A CN201780092682A CN110800011A CN 110800011 A CN110800011 A CN 110800011A CN 201780092682 A CN201780092682 A CN 201780092682A CN 110800011 A CN110800011 A CN 110800011A
Authority
CN
China
Prior art keywords
vehicle
drivers
driver
purchasing
processor
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.)
Granted
Application number
CN201780092682.5A
Other languages
English (en)
Other versions
CN110800011B (zh
Inventor
王瑜
王春亮
叶舟
郭瑞
张多坤
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
Publication of CN110800011A publication Critical patent/CN110800011A/zh
Application granted granted Critical
Publication of CN110800011B publication Critical patent/CN110800011B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • 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
    • 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
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Operations Research (AREA)

Abstract

一种系统可以包括至少一个计算机可读存储介质，其包括一组用于向在线平台中注册的司机提供购车的金融方案的指令，以及与所述计算机可读存储介质通信的至少一个处理器，其中，当执行该组指令时，所述至少一个处理器用于：从输入设备接收所述在线平台中注册的至少两个司机的数据，所述数据包括与所述至少两个司机相关的至少两辆车的使用历史；基于所述使用历史，从所述至少两个司机中，识别出第一组候选司机，每个候选司机与高于阈值的购买意愿相关联；以及在所述存储介质中保存第一结构数据，以识别所述第一组候选司机。

Description

用于提供购车金融方案的系统和方法
技术领域
本申请一般涉及按需服务的技术领域，特别是涉及为司机提供用于购车的金融方案的系统和方法。
背景技术
按需服务，如在线打车服务，已经越来越受欢迎。按需服务的在线平台具有在其中注册的大量司机以及与司机相关联的大量车辆。在线平台上注册的司机的购买车辆的需求变得越来越普遍。因此，希望提供用于识别具有购买意愿的一组候选司机、确定候选司机组的购买力、为候选司机组提供用于购买车辆的金融方案，以及为候选司机组提供目标车辆的系统和方法。
发明内容
根据本申请的一个方面，一种系统可以包括至少一个计算机可读存储介质，其包括一组指令，用于向在线计算机平台中注册的司机提供购车的金融方案，以及与所述计算机可读存储介质通信的至少一个处理器，其中，当执行该组指令时，所述至少一个处理器用于：从所述系统的至少一个输入设备，接收第一电流，所述第一电流上编码在线计算机平台注册的至少两个司机的数据，所述数据包括与所述至少两个司机相关的至少两辆车的使用历史；基于所述至少两辆车的所述使用历史，从所述至少两个司机中，识别出第一组候选司机，每个候选司机与高于阈值的购买意愿相关联；以及将第二电流发送到至少一个输出设备，以指示所述至少一个输出设备在所述存储介质中写入结构数据，以识别所述第一组候选司机。
在一些实施例中，所述使用历史包括以下至少一个：所述至少两辆车中车辆的驾驶路线；在所述驾驶路线上，所述至少两辆车的驾驶时长；在所述至少两辆车的所述至少两个司机的活跃时长；所述至少两辆车的加油历史；所述至少两辆车在所述在线计算机平台注册的汽车维修中心/汽车维修站的维修保养历史；或与购车相关的在线浏览历史。
在一些实施例中，为了识别所述第一组候选司机，所述至少一个处理器还用于：从所述至少两个司机中，识别出具有真实购车历史的第二组购车司机；对于所述至少两个司机中的一个司机，基于超参数和与所述司机相关的所述车辆使用历史，确定所述司机与所述第二组购车司机之间的总相似度；基于所述总相似度，确定所述司机的购买意愿；以及向所述至少一个输出设备发送第三电流，以指示所述至少一个输出设备在所述存储介质中写入结构数据，以便：当所述购买意愿大于所述阈值时，将所述司机识别为候选司机；以及将所述司机的所述购买意愿包括在购买意愿数据集中。
在一些实施例中，为了识别所述具有真实购车历史的第二组购车司机，所述至少一个处理器还用于：访问所述在线计算机平台的所述存储介质，以获取所述至少两个司机的司机信息和与所述至少两个司机相关的车辆信息；访问所述在线计算机平台的所述存储介质，以获取与所述至少两个司机的购车相关的在线浏览历史；基于所述司机信息、所述车辆信息和所述在线浏览历史，确定具有真实购车历史的所述第二组购车司机；以及在所述存储介质中写入结构数据，以识别所述第二组购车司机。
在一些实施例中，所述至少一个处理器还用于：访问所述在线计算机平台的所述存储介质，以从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；基于所述目标购买意愿数据，执行购买力预测模型以生成所述目标司机的目标购买力数据；访问所述存储介质，读取金融方案数据库；基于所述目标司机的所述目标购买力数据，从所述金融方案数据库中确定金融方案；以及在所述存储介质中写入结构数据，所述结构数据将所述目标司机与所述目标金融方案相关联。
所述至少一个处理器还用于：访问所述在线计算机平台的所述存储介质，以获取所述第二组购车司机所购买车辆的车型和与所述车辆相应的市场价格；访问所述存储介质，以获取与所述第二组购车司机相关的所述车辆的使用历史；基于与所述第二组购车司机相关联的车辆的所述车型、所述相应的市场价格和所述使用历史，确定购买力预测模型，以及在所述存储介质中写入结构数据，以识别所述购买力预测模型。
在一些实施例中，所述至少一个处理器还用于：访问所述在线计算机平台的所述存储介质，从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；访问所述存储介质，以获取包括至少两个在售车辆的信息的数据库；基于与所述目标司机相关的所述车辆的所述使用历史，从所述至少两个在售车辆中，选择目标车辆；以及在所述存储介质中写入结构数据，所述结构数据将所述目标司机与所述目标车辆相关联。
根据本申请的另一方面，一种向在线计算机平台中注册的司机提供用于购车的金融方案的方法可以包括：从系统的至少一个输入设备接收第一电流，所述第一电流上编码所述在线计算机平台中注册的至少两个司机的数据，所述数据包括与所述至少两个司机相关的至少两辆车的使用历史；基于所述至少两辆车的所述使用历史，从所述至少两个司机中，识别出第一组候选司机，每个候选司机与高于阈值的购买意愿相关联；以及将第二电流发送到至少一个输出设备，以指示所述至少一个输出驱动器将结构数据写入存储介质，以识别所述第一组候选司机。
在一些实施例中，使用历史包括以下至少一个：所述至少两辆车中车辆的驾驶路线；在所述驾驶路线上，所述至少两辆车的驾驶时长；在所述至少两辆车中的所述至少两个司机的活跃时长；所述至少两辆车的加油历史；所述至少两辆车在所述在线计算机平台注册的汽车维修中心/汽车维修站的维修保养历史；或与购车相关的在线浏览历史。
在一些实施例中，所述识别所述第一组候选司机包括：从所述至少两个司机中，识别出具有真实购车历史的第二组购车司机；对于所述至少两个司机中的一个司机，基于超参数和与所述司机相关的所述车辆使用历史，确定所述司机与所述第二组购车司机之间的总相似度；基于所述总相似度，确定所述司机的购买意愿；以及向所述至少一个输出设备发送第三电流，以指示所述至少一个输出设备在所述存储介质中写入结构数据，以便：当所述购买意愿大于所述阈值时，将所述司机识别为候选司机；以及将所述司机的所述购买意愿包括在购买意愿数据集中。
在一些实施例中，所述识别所述具有真实购车历史的第二组购车司机，可以包括访问所述在线计算机平台的所述存储介质，以获取所述至少两个司机的司机信息和与所述至少两个司机相关的车辆信息；访问所述在线计算机平台的所述存储介质，以获取与所述至少两个司机的购车相关的在线浏览历史；基于所述司机信息、所述车辆信息和所述在线浏览历史，确定具有真实购车历史的所述第二组购车司机；以及在所述存储介质中写入结构数据，以识别所述第二组购车司机。
在一些实施例中，所述方法还可以包括：访问所述在线计算机平台的所述存储介质，以从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；基于所述目标购买意愿数据，执行购买力预测模型以生成所述目标司机的目标购买力数据；访问所述存储介质，读取金融方案数据库；基于所述目标司机的所述目标购买力数据，从所述金融方案数据库中确定金融方案；以及在所述存储介质中写入结构数据，所述结构数据将所述目标司机与所述目标金融方案相关联。
在一些实施例中，所述方法还可以包括：访问所述在线计算机平台的所述存储介质，以获取所述第二组购车司机所购买车辆的车型和与所述车辆相应的市场价格；访问所述存储介质，以获取与所述第二组购车司机相关的所述车辆的使用历史；基于与所述第二组购车司机相关联的车辆的所述车型、所述相应的市场价格和所述使用历史，确定购买力预测模型，以及在所述存储介质中写入结构数据，以识别所述购买力预测模型。
在一些实施例中，所述方法还可以包括：访问所述在线计算机平台的所述存储介质，从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；访问所述存储介质，以获取包括至少两个在售车辆的信息的数据库；基于与所述目标司机相关的所述车辆的所述使用历史，从所述至少两个在售车辆中，选择目标车辆；以及在所述存储介质中写入结构数据，所述结构数据将所述目标司机与所述目标车辆相关联。
根据本申请的又一方面，一种非暂时性计算机可读介质，其包括至少一组用于向在线计算机平台中注册的司机提供购车的金融方案的指令，其特征在于，当由计算机服务器中的至少一个处理器执行时，所述至少一组指令指示所述至少一个处理器执行以下动作：从系统的至少一个输入设备接收第一电流，所述第一电流上编码所述在线计算机平台注册的至少两个司机的数据，所述数据包括与所述至少两个司机相关的至少两辆车的使用历史；基于所述至少两辆车的所述使用历史，从所述至少两个司机中，识别出第一组候选司机，每个候选司机与高于阈值的购买意愿相关联；以及将第二电流发送到至少一个输出设备，以指示所述至少一个输出设备在所述存储介质中写入结构数据，以识别所述第一组候选司机。
附图说明
本申请将通过示例性实施例进行进一步描述。与附图一起阅读时，下面的详细描述将更清楚的说明本申请的前述内容和实施例的其他方面。
图1是根据一些实施例的按需服务的示例性系统的框图；
图2是根据一些实施例的计算设备的示例性硬件和软件组件的示意图；
图3是根据一些实施例的识别第一组候选司机的示例性过程的流程图；
图4是根据一些实施例的识别候选司机的示例性过程的流程图；
图5是根据一些实施例的确定第二组购车司机的示例性过程的流程图；
图6是根据一些实施例的为目标司机确定金融方案的示例性过程的流程图；
图7是根据一些实施例的确定购买力预测模型的示例性过程的示意图；以及
图8是根据一些实施例的为目标司机确定目标车辆的示例性过程的流程图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所公开的实施例做出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例，并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示例外情形。还应当理解，如在本申请说明书中，术语“包括”和/或“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件，但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述，本发明所述的这些和其他特征、特性，以及相关结构元件的操作方法和功能、部件和经济性的组合更加显而易见，所有这些构成了本规范的一部分。然而，应当理解，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照倒序或同时处理各种步骤。此外，可以向流程图添加一个或以上其他操作。一个或以上操作也可以从流程图中删除。
此外，尽管本申请中公开的系统和方法主要涉及评估注册的司机，但是还应该理解，这仅是一个示例性实施例。本申请的系统或方法可以应用于任何其他类型的按需服务平台的用户。例如，本申请的系统或方法可以应用于不同运输系统中的用户，包括陆地、海洋、航空航天等或其任意组合。所述运输系统的交通工具可以包括出租车、私家车、顺风车、公交车、火车、动车、高铁、地铁、船舶、飞机、飞船、热气球、无人驾驶的车辆等或其任意组合。运输系统还可以包括应用管理和/或分配的任何运输系统，例如，用于发送和/或接收快递的系统。本申请的系统和方法的应用场景可以包括网页、浏览器插件、客户端、定制系统、企业内部分析系统、人工智能机器人等或上述举例的任意组合。
本申请中的驾驶路线可以通过嵌入在无线设备(例如，乘客终端、司机终端等)中的定位技术来获取。本申请中使用的定位技术可以包括全球定位系统(GPS)、全球导航卫星系统(GLONASS)、北斗导航系统(COMPASS)、伽利略定位系统、准天顶卫星系统(QZSS)、无线保真(WiFi)定位技术等或其任意组合。以上定位技术中的一个或以上可以在本申请中交换使用。例如，基于GPS的方法和基于无线网络的方法可以一起作为定位无线电装置的定位技术。
本申请的一个方面涉及识别可能更换其车辆的司机的在线系统和方法。根据本申请，该系统和方法可以在毫秒甚至是纳秒内，基于来自在线系统的车辆的使用历史，从在线系统注册的数百万司机中，识别出候选司机。使用历史可包括至少两辆车中的车辆的驾驶路线、至少两辆车的加油历史、至少两辆车的维修保养历史等。然后，该系统和方法可以确定他们的购买力。如果司机具有足够的购买意愿和足够多的钱，则该系统和方法可以继续向司机推荐车辆。
应当注意，本解决方案依赖于收集在线系统注册的车辆的使用数据，该在线系统是仅植根于后互联网时代的新形式的数据搜集手段。它提供了仅在后互联网时代才能出现的车辆的详细信息。在互联网时代之前，不可能收集例如车辆驾驶路线、加油历史等车辆信息。然而，在线按需服务允许在线平台实时和/或基本实时地监视数以万计的车辆行为，然后在毫秒甚至纳秒内，识别具有足够购买意愿的目标司机。因此，本解决方案植根于后互联网时代，旨在解决仅在后互联网时代发生的问题。
图1是根据一些实施例的按需服务系统100的示例性在线平台的框图。例如，在线平台可以是用于运输服务的在线运输服务平台，例如出租车、司机服务、快车、拼车、公共汽车服务、司机租赁和班车服务等。又例如，在线平台可以是在线金融服务平台，例如交易服务、贷款服务、保险服务和抵押服务等。按需服务系统100可以包括服务器110、网络120、司机库130、车辆库140和存储器150。服务器110可以包括处理器引擎112。
服务器110可以被配置为处理与在线平台100中注册的司机有关的信息和/或数据。例如，服务器110可以从在线平台100中注册的至少两个司机中，识别与购买意愿相关的第一组候选司机，其购买意愿高于阈值。又例如，服务器110可以基于目标司机的目标购买力数据，确定目标司机的金融方案。作为又一示例，服务器110可以基于与目标司机相关的车辆的使用历史，从至少两个在售车辆中，选择目标司机的目标车辆。在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。所述服务器组可以是集中式的，也可以是分布式的(例如，服务器110可以是分布式的系统)。在一些实施例中，服务器110可以是本地的，也可以是远程的。例如，服务器110可以经由网络120访问存储在司机库130、车辆库140和/或存储器150中的信息和/或数据。又例如，服务器110可以直接连接到司机库130、车辆库140和/或存储器150，以访问存储的信息和/或数据。在一些实施例中，服务器110可以在云平台上实施。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，服务器110可以在图2中描述的包含了一个或者多个组件的计算设备上执行。
在一些实施例中，服务器110可以包括处理引擎112。处理引擎112可以处理与在线平台100中注册的司机有关的信息和/或数据，以执行本申请中描述的服务器110的一个或以上功能。例如，处理引擎112可以从在线平台100中注册的至少两个司机中，识别与购买意愿相关的第一组候选司机，其购买意愿高于阈值。又例如，处理引擎112可以基于目标司机的目标购买力数据，确定目标司机的金融方案。在一些实施例中，所述处理引擎112可包括一个或以上处理引擎(例如，单芯片处理引擎或多芯片处理引擎)。仅作为范例，处理引擎112可以包括中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用一组指令处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑装置(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中，系统100中的一个或以上组件(例如，服务器110、司机库130、车辆库140和存储器150)可以通过网络120在系统100中向/从其他组件发送和/或接收信息和/或数据。例如，服务器110可以经由网络120获得/获取存储在存储器150中的与至少两个司机相关的至少两辆车的使用历史。在一些实施例中，可以通过连接到在线平台100来实现系统100中的一个或以上组件的信息交换。在一些实施例中，网络120可以为任意形式的有线或无线网络，或其任意组合。仅仅举个例子，网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网路(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、无线个域网、近场通讯(NFC)网络、全球行动通讯系统(GSM)网络、码分多址(CDMA)网络、时分多址(TDMA)网络、通用分组无线服务(GPRS)网络、增强数据速率GSM演进(EDGE)网络、宽带码分多址接入(WCDMA)网络、高速下行分组接入(HSDPA)网络、长期演进(LTE)网络、用户数据报协议(UDP)网络、传输控制协议/互联网协议(TCP/IP)网络、短信息服务(SMS)网络、无线应用协议(WAP)网络、超宽带(UWB)网络、红外线等中的一种，或类似或其任意组合。在一些实施例中，服务器110可以包括一个或多个网络接入点。例如，服务器110可以包括有线或无线网络接入点，例如基站和/或互联网交换点120-1、120-2，系统100的一个或以上组件可以通过它们连接到网络120以交换数据和/或它们之间的信息。
司机库130可以包括在按需平台100中注册的至少两个司机。在一些实施例中，司机库130还可以包括在线计算机平台100中注册的至少两个司机的数据。至少两个司机的数据可以包括司机信息，例如司机的年龄、司机的驾驶经验、司机的姓名、司机的性别、司机的地址、司机的工作、登录情况、在线平台100上的完成订单的情况等或其任何组合。至少两个司机的数据还可以包括与至少两个司机相关的至少两辆车的使用历史。使用历史可以包括当车辆与在线平台100连接时由在线平台100记录并接收的使用数据。例如，使用历史可以包括至少两辆车中车辆的驾驶路线、驾驶路线上的至少两辆车的驾驶时长、至少两辆车中的至少两个司机的活跃时长、至少两辆车的加油历史、至少两辆车的维修保养历史、与购车相关的在线浏览历史等或其任何组合。加油历史可以包括从在线平台100中注册的加油站和/或充电站获得的加油数据。维修保养历史可以包括从在线平台100中注册的汽车维修中心和/或汽车维修站获得的维修保养数据。
车辆库140可以包括与在线平台100中注册的至少两个司机(例如，司机库130中的司机)相关的至少两辆车。在一些实施例中，车辆库140还可以包括与至少两个司机相关的至少两辆车的数据。至少两辆车的数据可以包括车辆信息，例如，车辆标识和与车辆相应的市场价格。车辆标识可以包括车辆的型号、车辆的商标、车辆的牌照、车辆的发动机编号、车辆所有者的名称、车架号。在一些实施例中，至少两辆车的数据还可以包括与至少两个司机相关联的至少两辆车的使用历史。使用历史可以包括当车辆与在线平台100连接时，由在线平台100记录并接收的使用数据。例如，使用历史可以包括至少两辆车中车辆的驾驶路线、驾驶路线上的至少两辆车的驾驶时长、至少两辆车中的至少两个司机的活跃时长、至少两辆车的加油历史、至少两辆车的维修保养历史、与购车有关的在线浏览历史等或其任何组合。加油历史可以包括从在线平台100中注册的加油站和/或充电站获得的加油数据。维修保养历史可以包括从在线平台100中注册的汽车维修中心和/或汽车维修站获得的维修保养数据。
在一些实施例中，车辆库130中的车辆可包括马、马车、人力车(例如，手推车、自行车、三轮车等)、汽车(例如，出租车、公共汽车、私家车等)、火车、地铁、船只、飞行器(例如，飞机、直升机、航天飞机、火箭、热气球等)等或其任意组合。
在一些实施例中，司机库130中的司机可以与车辆库140中的一个或以上车辆相关联，并且车辆库140中的车辆可以与司机库130中的一个或以上司机相关联。例如，司机库130中的司机A可以作为两辆车的所有者，与车辆库140中的两辆车相关联。又例如，车辆库140中的车辆A可以与司机库130中的两个司机相关联，其作为车辆A的共有者。
存储器150可以存储数据和/或指令。在一些实施例中，存储器150可以存储从与在按需平台中注册的司机和/或服务器110相关联的车辆获得/获取的数据。例如，当与司机相关联的车辆与在线平台100连接时，存储器150可以存储从车辆获得/获取的数据，例如车辆的使用历史(例如，驾驶路线、驾驶时长、活跃时长、加油历史、维修保养历史、与购车相关的在线浏览历史等或其任何组合)。又例如，存储器150可以存储从在线平台中注册的司机获得/获取司机的司机信息(例如，年龄、驾驶经验、姓名、性别、地址、工作、登录情况、在线平台100上完成的订单情况等或其任何组合)。作为又一示例，存储器150可以存储与在线平台中注册的司机相关联的至少两辆车的数据(例如，车辆的标识和相应的市场价格)。在一些实施例中，存储器150可以储存服务器110用来执行或使用来完成本申请中描述的示例性方法的数据及/或指令。在一些实施例中，存储器150可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中，所述存储器150可在云平台上实现。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，存储器150可以连接到网络120以与系统100中的一个或以上组件(例如，服务器110、司机库130、车辆库140等)通信。系统100中的一个或多个组件可以通过网络120访问储存于存储器150中的数据或指令。在一些实施例中，存储器150可以直接连接到系统100中的一个或以上组件或与之通信(例如，服务器110、司机库130、车辆库140等)。在一些实施例中，存储器150可以是服务器110的一部分。
在一些实施例中，系统100中的一个或以上组件(例如，司机库130、车辆库140等)可以具有访问存储器150的权限。在一些实施例中，当满足一个或以上条件时，系统100中的一个或以上组件可以读取和/或修改与司机和/或车辆相关的信息。例如，当车辆与在线平台100连接时，服务器110可以读取和/或修改存储在存储器150中的数据。作为又一示例，当车辆与在线平台100连接时，在线平台中注册的司机可以访问存储在存储器150中与车辆相关的数据。
在一些实施例中，按需服务系统100的在线平台还可以包括通过网络120与服务器110和/或存储器150连接的车辆的消费站(或中心)。消费站(或中心)可包括加油站、充电站、车辆维护中心、汽车维修站、4S店等或其任何组合。在一些实施例中，消费站(或中心)可以在在线平台100中注册。消费站(或中心)可以接收和/或记录车辆的使用历史，该车辆与在线平台100中注册的司机相关联，并在消费站(或中心)消费过。当连接到在线平台100时，消费站(或中心)可以经由网络120将使用历史发送到在线平台100中的一个或以上组件(例如，存储器150、服务器110等)。例如，加油站可以将至少两辆车的加油历史发送到存储器150。又例如，车辆维修中心可以将至少两辆车的维修保养历史发送到服务器110。
在一些实施例中，在线平台100可以在有形产品或非物质产品上实现。有形产品可包括食品、药品、商品、化学产品、电器、服装、汽车、房屋、奢侈品等或其任何组合。无形产品可以包括服务产品、金融产品、知识产品、互联网产品等或其任意组合。互联网产品可以包括个人主机产品、网站产品、移动互联网产品、商业主机产品、嵌入式产品等或其任意组合。移动互联网产品可以用于移动终端、程序、系统等或其任何组合的软件中。移动终端可以包括平板计算机、膝上型计算机、移动电话、个人数字助理(PDA)、智能手表、POS设备、车载计算机、车载电视、可穿戴设备等或其任意组合。例如，产品可以是在计算机或移动电话上使用的任一软件和/或应用程序。该软件和/或应用程序可以与社交、购物、交通、娱乐、学习、投资等或其任意组合相关。在一些实施例中，所述与运输有关系统软件和/或应用程序可以包括出行软件和/或应用程序、车辆调度软件和/或应用程序、地图软件和/或应用程序等。在车辆调度软件和/或应用程序中，车辆可包括马、马车、人力车(例如，独轮车、自行车、三轮车等)、汽车(例如，出租车、公共汽车、私人汽车等)、火车、地铁、船舶、飞行器(例如，飞机、直升机、航天飞机、火箭、热气球等)或其任意组合。
图2是计算设备200的示例性硬件和软件组件的示意图，在该计算设备200上可以根据本申请的一些实施例实现服务器110和/或处理引擎112。例如，处理引擎112可以在计算设备200上实施并执行本申请所披露的处理引擎112的功能。
计算设备200可用于实现本申请的按需系统。计算设备200可以实现如本文所述的按需服务的任何组件。在图1-2中，仅出于方便的目的仅示出了一个这样的计算机设备。本申请中的一个普通技术人员在编写该应用程序时会理解，与所述的请求服务相关的计算机功能可以在多个类似的平台上以分布式方式实现，以分散处理负荷。
例如，计算设备200可以包括与网络相连接的通信端口250，以实现数据通信。计算设备200还可以包括处理器220以用来执行程序指令，该处理器220以一个或以上处理器的形式存在。示例性的计算机平台可以包括一个内部通信总线210、不同形式的程序内存和数据存储器，例如，磁盘270、只读存储器(ROM)230或随机存取存储器(RAM)240，该存储器用于存储由计算机处理和/或传输的各种各样的数据文件。示例性的计算机平台也可以包括储存于只读存储器230、随机存取存储器240和/或其他类型的非暂时储存介质中的供处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200还可以包括输入/输出260，以支持计算机与此处其他部件例如用户接口280之间的输入/输出。计算设备200也可以通过网络通信接收编程和数据。
在一些实施例中，处理器220可包括用于执行计算机指令的一个或以上逻辑电路。例如，处理器220可以包括接口电路和其中的处理电路。接口电路可以被配置为从总线210接收电信号，其中，电信号对处理电路的结构数据和/或指令进行编码处理。处理电路可以进行逻辑计算，然后将结论、结果和/或指令编码确定为电信号。然后，接口电路可以经由总线210从处理电路发出电信号。
在一些实施例中，处理器220可包括获取模块和确定模块。获取模块可以被配置为接收在线平台100中注册的多个司机的数据。确定模块可以被配置为基于至少两辆车的使用历史，从至少两个司机中识别第一组候选司机。
在一些实施例中，确定模块可以包括购车司机确定单元、购买意愿确定单元、候选司机确定单元、数据集确定单元、金融方案确定单元和目标车辆确定单元。购车司机确定单元可以被配置为确定具有真实购车历史的第二组购车司机。例如，购车司机确定单元可以在本申请中实现图5中所示的一个或以上步骤。购买意愿确定单元可以被配置用于确定司机的购买意愿。候选司机确定单元可以被配置用于识别购买意愿大于阈值的候选司机。数据集确定单元可以被配置为确定购买意愿数据集。金融方案确定单元可以被配置为确定目标司机的金融方案。例如，金融方案确定单元可以实现本申请中的图6中所示的一个或以上步骤。目标车辆确定单元可以被配置为确定目标司机的目标车辆。例如，目标车辆确定单元可以实现本申请中图8中所示的一个或以上步骤。
仅为说明之目的，计算设备200中仅示例性绘制了一个处理器220。然而，应该注意的是，本申请中的计算设备200还可以包括多个处理器，由此，如本申请中所描述的由处理器220执行的操作和/或方法步骤也可以由多个处理器联合地或单独地执行。例如，如果在本申请中，计算设备200的处理器220执行步骤A和步骤B，应当理解的是，步骤A和步骤B也可以由计算设备200的两个不同的处理器共同地或独立地执行(例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一和第二处理器共同地执行步骤A和步骤B)。
本领域普通技术人员应当理解，当按需服务系统100中的一个组件进行操作时，该组件可以通过电信号和/或电磁信号执行操作。例如，当输入设备发送在线平台100中注册的至少两个司机的数据时，输入设备的处理器可以生成编码数据的第一电信号(或电流)。然后，输入设备的处理器可以将编码数据的第一电信号(或电流)发送到输出端口。如果输入设备经由有线网络与服务器110通信，则输出端口可以物理地连接到电缆，该电缆还将第一电信号(或电流)发送到服务器110的输入端口。如果输入设备经由无线网络与服务器110通信，则输入设备的输出端口可以是一个或以上天线，其将电信号(或电流)转换为电磁信号。类似地，输出设备可以经由电信号(或电流)或电磁信号从服务器110接收指令和/或数据。在电子设备中，例如输入设备、输出设备和/或服务器110，当其处理器处理指令、发出指令和/或执行动作时，执行指令和/或动作通过电信号(或电流)。例如，当处理器从存储介质检索或保存数据时，它可以将电信号(或电流)发送到存储介质的读/写设备，该读/写设备可以读取或写入存储介质中的结构数据。结构数据可以通过电子设备的总线以电信号(或电流)的形式传输到处理器。这里，电信号(或电流)可以指一个电信号、一系列电信号和/或至少两个分立的电信号。
图3是根据一些实施例的识别第一组候选司机的示例性过程和/或方法300的流程图。在一些实施例中，过程300可以在图1中所示的系统100中实现。例如，过程300可以作为指令的形式存储在数据库150和/或存储器(例如，ROM230、RAM240等)中，并且由服务器110调用和/或执行(例如，服务器110中的处理引擎112，或服务器110中的处理引擎112的处理器220)。
在步骤310，处理器220(或处理器220中的获取模块，或处理器220中的接口电路)可以接收在线平台100中注册的至少两个司机的数据。该数据可以包括与至少两个司机相关联的至少两辆车的使用历史。处理器220可以是在线按需服务平台(例如，如运输服务平台、交易服务平台等的在线计算机平台)中的计算机服务器处理器，例如系统100中的计算机服务器处理器。在一些实施例中，至少两个司机中的司机可以与一个或以上车辆相关联，并且一辆车辆可以与至少两个司机中的一个或以上司机相关联。例如，至少两个司机中的司机A可以作为两辆车的所有者，与两辆车相关联。又例如，车辆库140中的车辆A可以与司机库130中的两个司机相关联，作为车辆A的共同所有者。
在一些实施例中，使用历史可以包括当至少两辆车与在线平台100连接和/或登录在线平台100时，由在线平台100记录并接收的使用数据。例如，使用历史可以包括至少两辆车中车辆的驾驶路线、驾驶路线上的至少两辆车的驾驶时长、至少两辆车中的至少两个司机的活跃时长等或其任何组合。车辆的驾驶路线可以从车辆或车辆司机的终端获得。例如，车辆或司机的终端配备有GPS。当连接到在线平台100时，车辆或司机的终端可以每隔几个预定时间段(例如，每秒、每3秒、每5秒、每10秒等)发送车辆或司机的终端的位置。驾驶路线可包括司机标识、位置、时间等或其任何组合。在驾驶路线上的至少两辆车的驾驶时长可以包括从驾驶路线的结构数据获得的量化值。至少两辆车中的至少两个司机的活跃时长可以包括从驾驶路线的结构数据获得的量化值。
在一些实施例中，使用历史还可以包括在线平台100从附属于在线按需服务平台的一个或以上车辆维护站(或中心)接收的使用数据。例如，一个或以上的车辆维修站可以包括一个或以上的加油/充电站，并且使用历史可以包括在一个或以上的加油/充电站处的至少两辆车的加油历史；一个或以上车辆维修站还可以包括一个或以上车辆修理站(例如，汽车车体修理厂、维修服务站等)，并且使用历史可以包括在一个或以上车辆修理站中的至少两辆车的修理或车辆维修保养历史等或其任何组合。加油历史可以包括从在线平台100中注册的加油站和/或充电站获得的加油数据。加油历史可以包括加油数据的量化值。维修保养历史可以包括从在线平台100中注册的车辆维护中心和/或汽车维修站获得的维护数据。维修保养历史可以包括维护数据的量化值(例如，车辆的年份、型号、里程、修复的部件、车身状况、市场价格等)。可以从在线平台100中注册的4S店获得车辆配件的消费信息。
在一些实施例中，使用历史可以包括在与其他在线平台连接时在线平台100接收的在线数据。例如，使用历史可以包括与购车相关的在线浏览历史、与购车相关的在线购买历史、与购车相关的在线订阅历史等或其任何组合。与购车相关的在线浏览历史可以包括浏览从浏览器、应用程序、网站等或其任何组合处获得的数据。与购车相关的在线购买历史可以包括从一个或以上购物应用程序、一个或以上购物网站等获得的购买数据。与购车相关的在线订阅历史可以包括从一个或以上杂志、网站、应用程序、商店等获得的订阅数据。
在步骤320，处理器220(或处理器220中的确定模块，或处理器220中的处理电路)可基于至少两辆车的使用历史，从至少两个司机中识别出第一组候选司机。每个候选司机都与高于阈值的购买意愿相关联。
在一些实施例中，处理器220(或处理器220中的获取模块，或处理器220中的处理电路)可将购买意愿表示为值(例如，距离、矢量等)。阈值可以根据按需系统100的不同应用场景而变化。
在一些实施例中，处理器220(或处理器220中的获取模块，或处理器220中的处理电路)可根据候选司机预测模型，确定第一组候选司机。仅作为示例，候选司机预测模型可以包括决策树学习模型、关联规则学习模型、人工神经网络模型、深度学习模型、归纳逻辑程序模型、支持向量机模型、贝叶斯网络模型、强化学习模型、表示学习模型、相似性和度量学习模型等或其任何组合。在一些实施例中，识别第一组候选司机的方法可以被描述为本申请中的图4中所示的过程和/或方法400。
在一些实施例中，处理器220(或处理器220中的获取模块，或处理器220中的处理电路)可将第一结构数据保存在在线平台100中的存储介质(例如，存储器150、ROM230、RAM240、磁盘270)中，以在步骤320之后识别第一组候选司机。在一些实施例中，第一结构数据可以编码第一组候选司机的信息。第一结构数据可以通过电子设备的总线以电信号(或电流)的形式传输到处理器220。处理器220(或处理器220中的获取模块，或处理器220中的处理电路)可以检索存储在存储介质中的第一结构数据，以识别第一组候选司机。
应该注意的是，上述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。例如，可以在示例性过程/方法300中的其他地方添加一个或以上其他可选步骤(例如，存储步骤、预处理步骤)。又例如，示例性过程/方法300中的所有步骤可以在包括一组指令的计算机可读介质中实现。可以以电子电流的形式发送指令。
图4是根据一些实施例的识别候选司机的示例性过程和/或方法400的流程图。在一些实施例中，过程400可以在图1中所示的系统100中实现。例如，过程400可以作为指令的形式存储在数据库150和/或存储器(例如，ROM230、RAM240等)中，并且由服务器110(例如，服务器110中的处理引擎112、服务器110中的处理引擎112的处理器220、处理器220中的确定模块，或处理器220中的处理电路)调用和/或执行。
在步骤410，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可从在线平台100中注册的至少两个司机中，识别出具有真实购车历史的第二组购车司机。在一些实施例中，识别第二组购车司机的方法可以被描述为本申请中的图5中所示的过程和/或方法500。
在步骤420，对于所述至少两个司机中的一个司机，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可以基于超参数和与司机相关的车辆的使用历史，通过确定司机与第二组购车司机之间的总相似度，确定司机的购买意愿。
在一些实施例中，与司机相关联的车辆的使用历史可包括车辆的驾驶路线、司机的驾驶时长、司机的活跃时长、车辆的维修保养历史、车辆的加油历史、与该司机购车相关的浏览历史的量化特征等或其任何组合。
在一些实施例中，总相似度可以是相似度均值、平均相似度等。这里的“总”、“均值”和“平均”可以是统计概念而不是数学概念。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可以将司机车辆的使用历史与第二组中每个购车司机的车辆的使用历史进行比较。然后确定司机的购买意愿，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可以分别确定该司机和第二组购车司机中的每个购车司机之间关于使用历史的相似性。然后，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可确定这些个体相似性的平均数和/或平均值，并将其视为总相似度。又例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可以首先确定第二组司机中每个司机的车辆的使用历史的平均数(或平均值、中间值)，然后确定该司机的使用历史与第二组司机中每个司机的车辆的使用历史的平均数(或平均值，中间值)之间的相似性，以确定该司机的购买意愿。
在一些实施例中，相似性可以与该司机的量化特征和第二组购车司机的量化特征之间的距离相关联。例如，相似性可以是与距离相关的数学关系，诸如规则、公式、映射关系、倒数关系等或其任何组合。
在一些实施例中，购买意愿可以表示为与司机和第二组购车司机之间的相似性相关联的量化值。例如，购买意愿可以表示为司机的量化特征与第二组购车司机的量化特征之间的距离。又例如，购买意愿可以表示为百分比，其描述司机与第二组购车司机之间的相似性。
应当注意，超参数仅是基于司机与第二组购车司机的相似性来确定司机的购买意愿的示例性算法。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可以基于其他算法确定司机的购买意愿。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意图确定单元)可基于标签传播算法(LPA)、分类算法、半监督学习算法等或其任何组合，确定司机的购买意愿。
在步骤430中，处理器220(或者处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的候选司机确定单元)可以在购买意愿大于阈值时，将司机识别为候选司机。所述阈值可以根据按需系统100的不同应用场景而变化。
在步骤440，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可包括购买意愿数据集中司机的购买意愿。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可通过对多个司机中的至少两个司机执行步骤410-440来建立购买意愿数据集。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可以重复步骤420和步骤430以确定在线平台100中注册的至少两个司机中一个或以上司机的购买意愿。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可以基于每个司机的购买意愿，确定在线平台100中注册的至少两个司机中的每个司机是否是候选司机。购买意愿数据集可以包括与在线平台100中注册的全部或部分司机相关联的购买意愿。又例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可以基于特定数量的司机的购买意愿，确定在线平台100中注册的至少两个司机中特定数量的司机是否是候选司机。购买意愿数据集可以包括与特定数量的司机相关联的购买意愿。特定数量的司机可以被归类为一个类别，或被标记为一个标签。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可以确定从未购买过车辆的司机是否是候选司机。购买意愿数据集可以包括从未购买过车辆的司机的购买意愿。作为又一示例，处理器220
(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可确定是否为女性和/或男性的司机。购买意愿数据集可以包括有购买意愿的女性和/或男性司机。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可基于sparse-id编码方法对司机进行归类和/或标记。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)可以离散连续数据。连续数据可以包括司机的驾驶时长、司机的驾驶距离、司机的活跃时长等或其任何组合。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的数据集确定单元)也可以离散类别。该类别可以包括司机的性别、司机的年龄、与司机相关联的车辆的型号等或其任何组合。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块)可以将第二结构数据保存在在线平台100的存储介质(例如，存储器150、ROM230、RAM240、磁盘270等)中，以当购买意愿大于阈值时，将司机识别为候选司机，并且将购买意愿包括在购买意愿数据集中。在一些实施例中，第二结构数据上可以编码购买意愿数据集的信息。第二结构数据可以通过电子设备的总线以电信号(或电流)的形式发送到处理器220。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块)可以检索存储在存储介质中的第二结构数据以识别购买意愿数据集。
应该注意的是，上述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。例如，可以在示例性过程/方法400中的其他地方添加一个或以上其他可选步骤(例如，存储步骤、预处理步骤)。又例如，示例性过程/方法400中的所有步骤可以在包括一组指令的计算机可读介质中实现。可以以电子电流的形式发送指令。
图5是根据一些实施例的确定第二组购车司机的示例性过程和/或方法500的流程图。第二组购车司机可以包括在线平台100中注册的至少两个司机中具有真实购车历史的司机。在一些实施例中，过程500可以在图1中所示的系统100中实现。例如，过程500可以作为指令的形式存储在数据库150和/或存储器(例如，ROM 230、RAM 240等)中，并且由服务器110调用和/或执行(例如，服务器110中的处理引擎112、服务器110中的处理引擎112的处理器220、处理器220中的处理电路、处理器220中的确定模块、或购车司机确定单元)。
在步骤510，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以获得在线平台100中注册的至少两个司机的司机信息和与至少两个司机相关联的车辆信息。
司机的司机信息可包括司机的年龄、司机的驾驶经验、司机的姓名、司机的性别、司机的地址、司机的工作、登录情况、完成在线平台100上的订单情况等或其任何组合。与司机相关联的车辆信息可以包括车辆的车辆标识和车辆的相应的市场价格。车辆标识可以包括车辆的型号、车辆的商标、车辆的牌照、车辆的发动机编号、车辆的所有者名称、车架号。在一些实施例中，司机信息和/或车辆信息可以存储在任何存储介质中，例如存储器150、司机库130、车辆库140、服务器110(例如，服务器110的磁盘270、服务器110的ROM 230、服务器110的RAM 240等)、在线平台100的外部存储器等或其任何组合。
在步骤520，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可获取至少两个司机的与购车相关的在线浏览历史。在一些实施例中，在线浏览历史可以存储在任何存储介质中，例如，存储器150、司机库130、车辆库140、服务器110(例如，服务器110的磁盘270、ROM 230的服务器110、服务器110的RAM240等)、在线平台100的外部存储器等或其任何组合。
在步骤530，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以基于司机信息、车辆信息和在线浏览历史，确定具有真实购车历史的第二组购车司机。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以基于司机信息、车辆信息和/或在线浏览历史，首先识别与司机相关联的具有多于一个车辆的第三组司机。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以基于司机信息和车辆信息，当司机是的多辆车的拥有者时，识别出该司机包含在第三组司机中。
处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)然后可以从第三组司机中滤除非活跃司机。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可基于司机信息，将司机确定为非活跃司机。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以将在在预定时间段内在在线平台100上未完成过订单的司机确定为非活跃司机。又例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以将在在预定时间段内，未登录过在线平台100的司机确定为非活跃司机。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可基于在线浏览历史，将司机确定为非活跃司机。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以将在在预定时间段内，未浏览或者订阅与购车相关的信息的司机确定为非活跃司机。
然后，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以从第三组司机中过滤非自有司机。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可基于车辆信息，将司机确定为非自有司机。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以在车辆服务为出租车时，确定司机为非自有司机。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可以在过滤非活跃司机和/或非自有司机后，从第三组司机中，确定第二组购车司机。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可将第三结构数据保存在在线平台100的存储介质(例如，存储器150、ROM 230、RAM 240、磁盘270等)中，以在步骤520之后，识别第二组购车司机。第三结构数据可以编码第二组购车司机的信息。第三结构数据可以通过电子设备的总线以电信号(或电流)的形式发送到处理器220。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购车司机确定单元)可检索存储在存储介质中的第三组结构数据，以识别第二组购车司机。
应该注意的是，上述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。例如，可以在示例性过程/方法500中的其他地方添加一个或以上其他可选步骤(例如，存储步骤、预处理步骤)。又例如，示例性过程/方法500中的所有步骤可以在包括一组指令的计算机可读介质中实现。可以以电子电流的形式发送指令。
图6是根据本申请的一些实施例的确定目标司机的金融方案的示例性过程和/或方法600的流程图。在一些实施例中，过程600可以在图1中所示的系统100中实现。例如，过程600可以作为指令的形式存储在数据库150和/或存储器(例如，ROM 230、RAM 240等)中，并且由服务器110调用和/或执行(例如，服务器110中的处理引擎112、服务器110中处理引擎112的处理器220、处理器220中的处理电路、处理器220中的确定模块，或确定模块中的金融方案确定单元)。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以向目标司机推荐至少一个金融方案作为选项。在一些实施例中，用于购车的金融方案可包括车辆的全部金额、预付定金、余额支付金额、贷款金额、贷款期限、利率、处理费、车辆的促销活动等或其任何组合。
在步骤610，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以从购买意愿数据集中，获取与在线计算机平台100中注册的至少两个司机中的目标司机相关联的目标购买意愿数据。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可通过对至少两个司机中的一个以上的司机执行过程40中的步骤410-440，确定购买意愿数据集。购买意愿数据集可以存储于在线计算机平台100的存储介质中。在一些实施例中，目标购买意愿数据可以预测和/或显示目标司机是否具有购买意愿。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可基于购买意愿数据集，识别候选司机。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以基于候选司机，确定购买意愿数据集。
在一些实施例中，目标司机可以是在线平台100中注册的至少两个司机中的任何一个司机。在一些实施例中，目标司机可以是在线平台100中注册的特定数量的司机中的司机。特定数量的司机可以被归类为同一类，或标记上标签。例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以获取与从未购车的目标司机相关联的目标购买意愿数据。
在步骤620，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以基于目标购买意愿数据，执行购买力预测模型以生成目标司机的目标购买力数据。
目标司机的目标购买力数据可以指目标司机购买车辆所能负担的资金范围。例如，根据他/她的购买力数据，可以预测目标司机A具有1-1.5万美元的购买资金。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可基于在线平台中注册的至少两个司机的购买意愿数据，重复执行购买力预测模型以生成购买力数据集，并将购买力数据集存储在存储介质中。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以基于第二组购车司机购买的车型、该车型的相应市场价格以及与第二组购车司机相关联的车辆的使用历史，确定购买力预测模型。在一些实施例中，确定购买力预测模型的方法可以被描述为本申请中的图7中所示的过程和/或方法700。
在步骤630，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以获取金融方案数据库。金融方案数据库可以由金融机构提供并存储在在线平台100的存储介质中。在一些实施例中，金融方案可包括以现金购买车辆的折扣、团购的折扣、车辆的估计总价、首付金额、余额支付金额、贷款金额、贷款期限、利率、处理费、车辆的促销活动等或其任何组合。在一些实施例中，金融机构可以为不同的购车提供至少一个金融方案。在一些实施例中，金融方案数据库中的金融方案可以根据按需系统100的不同场景而变化。例如，在汽车上市之后，不同时间段的金融方案可以不同。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以实时更新金融方案数据库。
在步骤640，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以基于目标司机的目标购买力数据，从金融方案数据库中，确定金融方案。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以根据司机的购买力，将金融方案与目标司机可承受的相应金额相匹配。例如，对于根据他/她的购买力数据，预计具有1-1.5万美元的购买资金的目标司机A，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以为目标司机A确定至少一个金融方案，其估计总价格为1-1.5万美元。然后处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可将金融方案推荐给目标司机。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以通过向安装在目标司机的电子设备(例如，目标司机的司机终端)中的应用程序的界面发送信息，例如，向目标司机的移动电话发送消息、打电话给司机、发送邮件或电子邮件等或其任何组合。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以将第四结构数据保存在在线平台100的存储介质(例如，存储器150、ROM 230、RAM 240、磁盘270等)中，以在步骤640之后，将目标司机与目标金融方案联系起来。第四结构数据可以编码目标司机与目标金融方案相关联的信息。第四结构数据可以通过电子设备的总线以电信号(或电流)的形式发送到处理器220。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可检索存储在存储介质中的第四结构数据，以将目标司机与目标金融方案联系起来。
应该注意的是，上述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。例如，一个或多个其他可选步骤(如：储存步骤)可以被添加至示例性流程/方法600中的任意位置。又例如，所有步骤可以在包括一组指令的计算机可读介质中实现。可以以电子电流的形式发送指令。
图7是根据本申请的一些实施例的确定购买力预测模型的示例性过程和/或方法700的流程图。在一些实施例中，过程700可以在图1中所示的系统100中实现。例如，过程700可以作为指令的形式存储在数据库150和/或存储器(例如，ROM 230、RAM 240等)中，并且由服务器110调用和/或执行(例如，服务器110中的处理引擎112、服务器110中处理引擎112的处理器220、处理器220中的处理电路、处理器220中的确定模块、或确定模块中的金融方案确定单元)。
购买力预测模型可以预测司机可以购买车辆的金额。在一些实施例中，金额可包括确切的金额、金额范围等。在一些实施例中，购买力预测模型还可包括与目标司机的预测购买力相关联的至少一个候选车辆。
在步骤710，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可获取第二组购车司机已购买的车型以及该车型的相应市场价格。
在一些实施例中，一种车型可包括车辆的品牌、车辆的型号、车辆的配置、制造年份、车辆的颜色等或其任何组合。车辆的配置可以包括某型号车辆的设置，例如，车辆的内部搭配(例如，座椅、控制台、车窗等)，车辆的外部配置(例如，车辆的油漆、车辆的轮胎、后视镜等)、车辆的汽车部件等。在一些实施例中，第二组购车司机已购买的车型和/或相应的市场价格可以存储于在线计算机平台100的存储介质中。例如，第二组购车司机已购买的车型和相应的市场价格可以被记录为司机的购车数据集。购车数据集可以存储于在线计算机平台的存储介质中。在一些实施例中，第二组购车司机已购买的车型可以存储于在线平台100的存储介质中。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以从所有在售车辆的数据库中，匹配与车型相关的相应市场价格。
在步骤720，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以获取与第二组购车司机相关联的车辆的使用历史。使用历史可以存储在在线平台的存储介质中。在一些实施例中，使用历史可包括与第二组购车司机相关联的车辆的驾驶路线、驾驶路线上的车辆的驾驶时长、购车司机的活跃时长、与第二组购车司机相关联的车辆的加油历史、与第二组购车司机相关联的车辆在在线计算机平台中注册的车辆维修中心/汽车维修站的维修保养历史、与购车司机的购车相关的在线浏览历史等或其任何组合。
在步骤730，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可基于第二组购车司机已经购买的车型、其相应的市场价格以及与第二组购车司机相关的车辆的使用历史，确定购买力预测模型。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可通过执行购买力预测模型生成司机的购买力。这里的购买力可以指司机可以买得起车辆的具体金额。在一些实施例中，购买力预测模型可以包括决策树学习模型、关联规则学习模型、人工神经网络模型、深度学习模型、归纳逻辑编程模型、支持向量机模型、贝叶斯网络模型、强化学习模型、表示学习模型、相似性和度量学习模型等或其任何组合。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以基于目标购买意愿数据，对目标司机执行购买力预测模型，以生成目标购买力数据。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可将目标购买力数据存储在存储介质中以供进一步操作。在一些实施例中，可以根据在线平台100的实时更新参数来更新购买力预测模型。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可以在步骤730之后，将第五结构数据保存在在线平台100的存储介质(例如，存储器150、ROM 230、RAM 240、磁盘270等)中，以识别购买力预测模型。第五结构数据上可以编码购买力预测模型的信息。第五结构数据可以通过电子设备的总线以电信号(或电流)的形式发送到处理器220。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的金融方案确定单元)可检索存储在存储介质中的第五结构数据，以识别购买力预测模型。
应该注意的是，上述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。例如，可以在示例性过程/方法700中的其他地方添加一个或以上其他可选步骤(例如，存储步骤、预处理步骤)。又例如，所有步骤可以在包括一组指令的计算机可读介质中实现。可以以电子电流的形式发送指令。
图8是根据本申请的一些实施例的确定目标司机的目标车辆的示例性过程和/或方法800的流程图。在一些实施例中，过程800可以在图1中所示的系统100中实现。例如，过程800可以作为指令的形式存储在数据库150和/或存储器(例如，ROM 230、RAM 240等)中，并且由服务器110调用和/或执行(例如，服务器110中的处理引擎112，或者服务器110中处理引擎112的处理器220、处理器220中的处理电路、处理器220中的确定模块，或确定模块中的目标车辆确定单元)。
在步骤810，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可以从购买意愿数据集中，获取与在线平台100中注册的至少两个司机中的目标司机相关联的目标购买意愿数据。
在一些实施例中，对于至少两个司机中的一个或以上司机，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的购买意愿确定单元)可通过对至少两个司机中的至少一个司机执行过程400中的步骤410-440，来确定购买意愿数据集。购买意愿数据集可以存储于在线计算机平台100的存储介质中。在一些实施例中，目标购买意愿数据可以预测目标司机是否具有购买意愿。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可基于购买意愿数据集，识别候选司机。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)还可以获取与目标司机相关联的车辆的使用历史。使用历史可以包括车辆的驾驶路线、车辆的停车点、车辆的驾驶时长、与车辆相关联的司机的活跃时长、车辆的加油历史、车辆的维修保养历史等或任何其组合。
在步骤820，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可获取包括至少两个在售车辆的信息的数据库。至少两个在售车辆的信息可包括车型、与车型的相应市场价格、购买车辆的折扣、车型的性能等或其任何组合。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可从汽车交易网站、汽车交易所、广告、报纸、汽车APP等或其任何组合处获取包括至少两个在售车辆的信息的数据库。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可以每隔一段时间(例如，一小时、一天、一周、一个月等)就更新至少两个在售车辆的信息的数据库。
在步骤830，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可基于与目标司机相关联的车辆的使用历史，从至少两个在售车辆中选择目标车辆。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可为目标司机选择合适的车辆。合适的车辆可以是适用于目标司机的推荐车辆。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可将目标车辆推荐给目标司机。例如，如果处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)基于与目标司机相关联的车辆的使用历史，确定目标司机经常在沙漠中用车，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可以从至少两个在售车辆中，为目标司机选择运动型多功能车(SUV)。处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)也可通过安装在目标司机的司机终端的应用程序的推送信息将SUV推荐给目标司机。又例如，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可以基于与目标司机相关联的车辆的维修保养历史来确定目标司机经常发生的事故，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可以为目标司机选择高度安全的车辆。
在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可以在步骤830之后，将第六结构数据保存在在线平台100的存储介质(例如，存储器150、ROM 230、RAM 240、磁盘270等)中，以将目标司机与目标车辆关联起来。第六结构数据上可以编码目标司机与目标车辆关联起来的信息。第六结构数据可以通过电子设备的总线以电信号(或电流)的形式发送到处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)。在一些实施例中，处理器220(或处理器220中的处理电路，或处理器220中的确定模块，或确定模块中的目标车辆确定单元)可检索存储在存储介质中的第六结构数据以将目标司机与目标车辆关联起来。
应该注意的是，上述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。例如，可以在示例性过程/方法800中的其他地方添加一个或以上其他可选步骤(例如，存储步骤、预处理步骤)。又例如，所有步骤可以在包括一组指令的计算机可读介质中实现。可以以电子电流的形式发送指令。
应当注意结构数据描述为“第一”、“第二”、“第三”、“第四”、“第五”和“第六”仅用于说明目的，并非旨在限制本申请的范围。对于本领域的普通技术人员来说，根据本申请的教导可以做出多种变化和修改。然而，变化和修改不会背离本申请的范围。例如，所述六个结构数据可以作为电信号(或电流)形式的不同部分包括在整个结构数据中。处理器220可以将整个结构数据保存在存储介质中，以识别描述为“第一”、“第二”、“第三”、“第四”、“第五”和“第六”的不同细节。又例如，六个结构数据中两个或以上结构数据可以组合为一个结构数据。
上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明披露仅作为示例，并不构成对本申请的限制。虽然此处并未明确说明，但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。这类修改、改进和修正在本申请中被建议，所以所述类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此，应强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域的普通技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF等，或任何上述介质的组合。
本申请各方面操作所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象的编程语言，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等；常规程序编程语言，如“C”编程语言，Visual Basic、Fortran1703、Perl、COBOL1702、PHP、ABAP；动态编程语言如Python、Ruby和Groovy或其它编程语言。该程序代码可以完全在用户计算机上运行、部分在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网路(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元件和序列的顺序、数字字母的使用或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。然而，本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (20)

1.一种系统，包括：
至少一个计算机可读存储介质，包括一组指令，用于向在线计算机平台中注册的司机提供用于购车的金融方案；以及
至少一个与所述计算机可读存储介质通信的处理器，其中，当执行所述一组指令时，所述至少一个处理器用于：
接收在所述在线计算机平台中注册的至少两个司机的数据，所述数据包括与所述至少两个司机相关联的至少两辆车的使用历史；
基于所述至少两辆车的所述使用历史，从所述至少两个司机中，识别出第一组候选司机，每个候选司机与高于阈值的购买意愿相关联；以及
在所述存储介质中保存第一结构数据，以识别所述第一组候选司机。
2.根据权利要求1所述的系统，其特征在于，所述使用历史包括以下至少一个：
所述至少两辆车中车辆的驾驶路线；
在所述驾驶路线上，所述至少两辆车的驾驶时长；
在所述至少两辆车的所述至少两个司机的活跃时长；
所述至少两辆车的加油历史；
所述至少两辆车在所述在线计算机平台注册的汽车维修中心/汽车维修站的维修保养历史；或
与购车相关的在线浏览历史。
3.根据权利要求1所述的系统，其特征在于，为了识别所述第一组候选司机，所述至少一个处理器还用于：
从所述至少两个司机中，识别出具有真实购车历史的第二组购车司机；
对于所述至少两个司机中的一个司机，
基于超参数和与所述司机相关联的所述车辆使用历史，确定所述司机与所述第二组购车司机之间的总相似度；
基于所述总相似度，确定所述司机的购买意愿；以及
在所述存储介质中保存第二结构数据以用于：
当所述购买意愿大于所述阈值时，将所述司机识别为候选司机；以及
将所述司机的所述购买意愿包括在购买意愿数据集中。
4.根据权利要求3所述的系统，其特征在于，为了识别所述具有真实购车历史的第二组购车司机，所述至少一个处理器还用于：
访问所述在线计算机平台的所述存储介质，以获取所述至少两个司机的司机信息和与所述至少两个司机相关的车辆信息；
访问所述在线计算机平台的所述存储介质，以获取与所述至少两个司机的购车相关的在线浏览历史；
基于所述司机信息、所述车辆信息和所述在线浏览历史，确定具有真实购车历史的所述第二组购车司机；以及
在所述存储介质中保存第三结构数据，以识别所述第二组购车司机。
5.根据权利要求3所述的系统，其特征在于，所述至少一个处理器还用于：
访问所述在线计算机平台的所述存储介质，以从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；
基于所述目标购买意愿数据，执行购买力预测模型以生成所述目标司机的目标购买力数据；
访问所述存储介质，读取金融方案数据库；
基于所述目标司机的所述目标购买力数据，从所述金融方案数据库中确定金融方案；以及
在所述存储介质中保存第四结构数据，所述结构数据将所述目标司机与所述目标金融方案相关联。
6.根据权利要求5所述的系统，其特征在于，所述至少一个处理器还用于：
访问所述在线计算机平台的所述存储介质，以获取所述第二组购车司机所购买车辆的车型和与所述车辆相应的市场价格；
访问所述存储介质，以获取与所述第二组购车司机相关的所述车辆的使用历史；
基于与所述第二组购车司机相关联的车辆的所述车型、所述相应的市场价格和所述使用历史，确定购买力预测模型，以及
在所述存储介质中保存第五结构数据，以识别所述购买力预测模型。
7.根据权利要求3所述的系统，其特征在于，所述至少一个处理器还用于：
访问所述在线计算机平台的所述存储介质，从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；
访问所述存储介质，以获取包括至少两个在售车辆的信息的数据库；
基于与所述目标司机相关的所述车辆的所述使用历史，从所述至少两个在售车辆中，选择目标车辆；以及
在所述存储介质中保存第六结构数据，所述结构数据将所述目标司机与所述目标车辆相关联。
8.一种向在线计算机平台中注册的司机提供用于购车的金融方案的方法，包括：
接收在所述在线计算机平台中注册的至少两个司机的数据，所述数据包括与所述至少两个司机相关的至少两辆车的使用历史；
基于所述至少两辆车的所述使用历史，从所述至少两个司机中，识别出第一组候选司机，每个候选司机与高于阈值的购买意愿相关联；以及
在所述存储介质中保存第一结构数据，以识别所述第一组候选司机。
9.根据权利要求8所述的方法，其特征在于，所述使用历史包括以下至少一个：
所述至少两辆车中车辆的驾驶路线；
在所述驾驶路线上，所述至少两辆车的驾驶时长；
在所述至少两辆车中的所述至少两个司机的活跃时长；
所述至少两辆车的加油历史；
所述至少两辆车在所述在线计算机平台注册的汽车维修中心/汽车维修站的维修保养历史；或
与购车相关的在线浏览历史。
10.根据权利要求8所述的方法，其特征在于，所述识别所述第一组候选司机包括：
从所述至少两个司机中，识别出具有真实购车历史的第二组购车司机；
对于所述至少两个司机中的一个司机，
基于超参数和与所述司机相关联的所述车辆使用历史，确定所述司机与所述第二组购车司机之间的总相似度；
基于所述总相似度，确定所述司机的购买意愿；以及
在所述存储介质中保存第二结构数据以用于：
当所述购买意愿大于所述阈值时，将所述司机识别为候选司机；以及
将所述司机的所述购买意愿包括在购买意愿数据集中。
11.根据权利要求10所述的方法，其特征在于，所述识别所述具有真实购车历史的第二组购车司机，包括：
访问所述在线计算机平台的所述存储介质，以获取所述至少两个司机的司机信息和与所述至少两个司机相关的车辆信息；
访问所述在线计算机平台的所述存储介质，以获取与所述至少两个司机的购车相关的在线浏览历史；
基于所述司机信息、所述车辆信息和所述在线浏览历史，确定具有真实购车历史的所述第二组购车司机；以及
在所述存储介质中保存第三结构数据，以识别所述第二组购车司机。
12.根据权利要求10所述的方法，所述方法还包括：
访问所述在线计算机平台的所述存储介质，以从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；
基于所述目标购买意愿数据，执行购买力预测模型以生成所述目标司机的目标购买力数据；
访问所述存储介质，读取金融方案数据库；
基于所述目标司机的所述目标购买力数据，从所述金融方案数据库中确定金融方案；以及
在所述存储介质中保存第四结构数据，所述结构数据将所述目标司机与所述目标金融方案相关联。
13.根据权利要求12所述的方法，所述方法还包括：
访问所述在线计算机平台的所述存储介质，以获取所述第二组购车司机所购买车辆的车型和与所述车辆相应的市场价格；
访问所述存储介质，以获取与所述第二组购车司机相关的所述车辆的使用历史；
基于与所述第二组购车司机相关联的车辆的所述车型、所述相应的市场价格和所述使用历史，确定购买力预测模型，以及
在所述存储介质中保存第五结构数据，以识别所述购买力预测模型。
14.根据权利要求10所述的方法，所述方法还包括：
访问所述在线计算机平台的所述存储介质，从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；
访问所述存储介质，以获取包括至少两个在售车辆的信息的数据库；
基于与所述目标司机相关的所述车辆的所述使用历史，从所述至少两个在售车辆中，选择目标车辆；以及
在所述存储介质中保存第六结构数据，所述结构数据将所述目标司机与所述目标车辆相关联。
15.一种非暂时性计算机可读介质，其包括至少一组用于向在线计算机平台中注册的司机提供购车的金融方案的指令，其特征在于，当由计算机服务器中的至少一个处理器执行时，所述至少一组指令指示所述至少一个处理器执行以下动作：
接收在所述在线计算机平台中注册的至少两个司机的数据，所述数据包括与所述至少两个司机相关的至少两辆车的使用历史；
基于所述至少两辆车的所述使用历史，从所述至少两个司机中，识别出第一组候选司机，每个候选司机与高于阈值的购买意愿相关联；以及
在所述存储介质中保存第一结构数据，以识别所述第一组候选司机。
16.根据权利要求15所述的非暂时性计算机可读介质，其特征在于，所述使用历史包括以下中的至少一个：
所述至少两辆车中车辆的驾驶路线；
在所述驾驶路线上，所述至少两辆车的驾驶时长；
在所述至少两辆车的所述至少两个司机的活跃时长；
所述至少两辆车的加油历史；
所述至少两辆车在所述在线计算机平台注册的汽车维修中心/汽车维修站的维修保养历史；或
与购车相关的在线浏览历史。
17.根据权利要求15所述的非暂时性计算机可读介质，其特征在于，所述识别所述第一组候选司机包括：
从所述至少两个司机中，识别出具有真实购车历史的第二组购车司机；
对于所述至少两个司机中的一个司机，
基于超参数和与所述司机相关联的所述车辆使用历史，确定所述司机与所述第二组购车司机之间的总相似度；
基于所述总相似度，确定所述司机的购买意愿；以及
在所述存储介质中保存第二结构数据以用于：
当所述购买意愿大于所述阈值时，将所述司机识别为候选司机；以及
将所述司机的所述购买意愿包括在购买意愿数据集中。
18.根据权利要求17所述的非暂时性计算机可读介质，所述至少一组指令还指示所述至少一个处理器执行以下动作：
访问所述在线计算机平台的所述存储介质，以从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；
基于所述目标购买意愿数据，执行购买力预测模型以生成所述目标司机的目标购买力数据；
访问所述存储介质，读取金融方案数据库；
基于所述目标司机的所述目标购买力数据，从所述金融方案数据库中确定金融方案；以及
在所述存储介质中保存第四结构数据，所述结构数据将所述目标司机与所述目标金融方案相关联。
19.根据权利要求18所述的非暂时性计算机可读介质，所述至少一组指令还指示所述至少一个处理器执行以下动作：
访问所述在线计算机平台的所述存储介质，以获取所述第二组购车司机所购买车辆的车型和与所述车辆相应的市场价格；
访问所述存储介质，以获取与所述第二组购车司机相关的所述车辆的使用历史；
基于与所述第二组购车司机相关联的车辆的所述车型、所述相应的市场价格和所述使用历史，确定购买力预测模型，以及
在所述存储介质中保存第五结构数据，以识别所述购买力预测模型。
20.根据权利要求17所述的非暂时性计算机可读介质，所述至少一组指令还指示所述至少一个处理器执行以下动作：
访问所述在线计算机平台的所述存储介质，从所述购买意愿数据集中，获取与所述至少两个司机中的目标司机相关的目标购买意愿数据；
访问所述存储介质，以获取包括至少两个在售车辆的信息的数据库；
基于与所述目标司机相关的所述车辆的所述使用历史，从所述至少两个在售车辆中，选择目标车辆；以及
在所述存储介质中保存第六结构数据，所述结构数据将所述目标司机与所述目标车辆相关联。
CN201780092682.5A 2017-06-29 2017-06-29 用于提供购车金融方案的系统和方法 Active CN110800011B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/090780 WO2019000314A1 (en) 2017-06-29 2017-06-29 SYSTEMS AND METHODS FOR PROVIDING A FINANCIAL PROGRAM FOR THE PURCHASE OF A VEHICLE

Publications (2)

Publication Number Publication Date
CN110800011A true CN110800011A (zh) 2020-02-14
CN110800011B CN110800011B (zh) 2023-10-27

Family

ID=64740268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780092682.5A Active CN110800011B (zh) 2017-06-29 2017-06-29 用于提供购车金融方案的系统和方法

Country Status (4)

Country Link
US (1) US20200134690A1 (zh)
EP (1) EP3628094A4 (zh)
CN (1) CN110800011B (zh)
WO (1) WO2019000314A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11875371B1 (en) 2017-04-24 2024-01-16 Skyline Products, Inc. Price optimization system
US12008455B2 (en) * 2019-06-18 2024-06-11 Driverbase Inc. Personalized vehicle recommender system
US20210097491A1 (en) * 2019-09-30 2021-04-01 Honeywell International Inc. Method and apparatus for providing management of deal-agreements embedded in e-commerce conversations
US11210869B2 (en) 2020-03-31 2021-12-28 Calpro Adas Solutions, Llc Vehicle safety feature identification and calibration

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065584A1 (en) * 2001-09-28 2003-04-03 Mazda Motor Corporation Vehicle sales support system, vehicle sales support program and vehicle sales support method
US20110082720A1 (en) * 2009-10-02 2011-04-07 Michael Swinson System and method for the analysis of pricing data including a sustainable price range for vehicles and other commodities
CN102880608A (zh) * 2011-07-13 2013-01-16 阿里巴巴集团控股有限公司 基于人际距离的排名、搜索方法和装置
US20140324578A1 (en) * 2013-04-29 2014-10-30 Yahoo! Inc. Systems and methods for instant e-coupon distribution
US20150379553A1 (en) * 2014-06-25 2015-12-31 Retailmenot, Inc. Apparatus and method for mobile-dispatcher for offer redemption work flows
CN105814595A (zh) * 2013-10-28 2016-07-27 电子湾有限公司 识别购买意向的系统和方法
US20160225073A1 (en) * 2015-01-30 2016-08-04 Wal-Mart Stores, Inc. System, method, and non-transitory computer-readable storage media for predicting a customer's credit score

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150178749A1 (en) * 2013-12-23 2015-06-25 Mastercard International, Inc. Methods, systems and computer readable media for predicting consumer purchase behavior
US9272714B2 (en) * 2014-04-28 2016-03-01 Ford Global Technologies, Llc Driver behavior based vehicle application recommendation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065584A1 (en) * 2001-09-28 2003-04-03 Mazda Motor Corporation Vehicle sales support system, vehicle sales support program and vehicle sales support method
US20110082720A1 (en) * 2009-10-02 2011-04-07 Michael Swinson System and method for the analysis of pricing data including a sustainable price range for vehicles and other commodities
US20130018804A1 (en) * 2009-10-02 2013-01-17 Truecar, Inc. System and Method for the Analysis of Pricing Data Including a Sustainable Price Range for Vehicles and Other Commodities
CN102880608A (zh) * 2011-07-13 2013-01-16 阿里巴巴集团控股有限公司 基于人际距离的排名、搜索方法和装置
US20140324578A1 (en) * 2013-04-29 2014-10-30 Yahoo! Inc. Systems and methods for instant e-coupon distribution
CN105814595A (zh) * 2013-10-28 2016-07-27 电子湾有限公司 识别购买意向的系统和方法
US20150379553A1 (en) * 2014-06-25 2015-12-31 Retailmenot, Inc. Apparatus and method for mobile-dispatcher for offer redemption work flows
US20160225073A1 (en) * 2015-01-30 2016-08-04 Wal-Mart Stores, Inc. System, method, and non-transitory computer-readable storage media for predicting a customer's credit score

Also Published As

Publication number Publication date
US20200134690A1 (en) 2020-04-30
CN110800011B (zh) 2023-10-27
WO2019000314A1 (en) 2019-01-03
EP3628094A1 (en) 2020-04-01
EP3628094A4 (en) 2020-04-01

Similar Documents

Publication Publication Date Title
US11279368B2 (en) System and method for determining safety score of driver
US20200134648A1 (en) Methods and systems for preventing user churn
TWI638320B (zh) 推薦預計到達時間的系統、方法及非暫態電腦可讀儲存媒體
CN108934181B (zh) 用于路径搜索的系统和方法
CN109416878B (zh) 用于推荐预计到达时间的系统和方法
US20200134690A1 (en) Systems and methods for proving a financial program for buying a vehicle
CN109478275B (zh) 分配服务请求的系统和方法
CN111862585B (zh) 用于交通预测的系统和方法
CN114944059B (zh) 确定预估到达时间的方法与系统
CN110914856B (zh) 用于确定线上到线下服务的营销策略的系统和方法
JP2019527871A (ja) 到着予定時刻を決定するシステム及び方法
US20150254719A1 (en) Prediction of Vehicle Transactions and Targeted Advertising Using Vehicle Telematics
CN108780562B (zh) 更新服务序列的系统和方法
CN111433795A (zh) 一种确定线上到线下服务的预估到达时间的系统和方法
US20200167812A1 (en) Systems and methods for determining a fee of a service request
US20160071177A1 (en) Buyer focused vehicle acquisition service
Goodall et al. Feasibility of Battery Electric Pickup Trucks in a State Department of Transportation Fleet
US20220129967A1 (en) Systems and methods for providing transaction services
US11354689B2 (en) Methods and systems for determining auction prices
CN113924460B (zh) 确定服务请求的推荐信息的系统和方法
US20240296486A1 (en) Systems and methods associated with transactions involving electric trailers
WO2020177464A1 (zh) 履行服务订单的系统及方法
WO2021072274A1 (en) Analytics system for evaluating readiness an autonomous vehicles
CN111612562A (zh) 数据标记方法、装置及电子设备
de Castro CATARINA DA ROSA FERREIRA

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