CN110998615A - 用于确定服务请求费用的系统和方法 - Google Patents

用于确定服务请求费用的系统和方法 Download PDF

Info

Publication number
CN110998615A
CN110998615A CN201780093469.6A CN201780093469A CN110998615A CN 110998615 A CN110998615 A CN 110998615A CN 201780093469 A CN201780093469 A CN 201780093469A CN 110998615 A CN110998615 A CN 110998615A
Authority
CN
China
Prior art keywords
estimated
service request
rate
determining
function
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201780093469.6A
Other languages
English (en)
Inventor
张怡菲
汪恒智
戚立才
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 CN110998615A publication Critical patent/CN110998615A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及用于确定按需运输服务中的服务请求的费用的系统和方法。系统可以执行从终端接收服务请求的方法；确定所述服务请求的预估基本费用；产生所述服务请求的预估调整费率；使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率；获取目标函数的函数值，其中所述目标函数涉及所述预估基本费用，所述预估交易转换率和所述预估调整费率；通过重复上述一个或以上步骤并比较所述函数值来确定优化费用调整率，其中优化的费用调整率使目标函数的函数值最大化。

Description

用于确定服务请求费用的系统和方法
技术领域
本申请涉及按需服务的系统及方法，尤其涉及用于确定按需服务请求费用的系统及方法。
背景技术
基于因特网的按需运输服务，例如在线出租车呼叫服务，由于使用服务的便利性而变得越来越流行。提供按需运输服务的系统可以平衡服务请求者的需求和服务提供者的供应。系统可以动态调整服务请求的费用。然而，该系统应考虑所有各方的利益，同时调整服务请求的费用并提供最佳结果。
发明内容
根据本申请的第一方面，提供了一种系统。至少一个存储介质，包括用于确定按需服务中的服务请求的费用的一组指令；以及至少一个处理器，所述处理器被配置为与所述至少一个存储介质通讯。在一些实施例中，当执行指令集时，可以指示至少一个处理器(a)从终端接收服务请求，(b)确定所述服务请求的预估基本费用，(c)产生所述服务请求的预估调整费率，(d)使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率，(e)获取目标函数的函数值，其中所述目标函数涉及所述预估基本费用，所述预估交易转换率和所述预估调整费率，以及(f)通过重复步骤(c)-(e)并比较所述函数值来确定优化费用调整率。在一些实施例中，优化费用调整率使所述目标函数的所述函数值最大化。
在一些实施例中，所述目标函数用于通过将所述服务请求的所述预估基本费用、与所述服务请求相关联的所述预估调整费率以及与所述服务请求相关联的所述预估交易转换率相乘来计算商品总量(GMV)。
在一些实施例中，为了确定所述服务请求的所述预估基本费用，可以进一步指示至少一个处理器确定与所述服务请求相关联的至少一条路线，在所述至少一条路线中确定目标路线，并根据所述目标路线确定所述服务请求的所述预估基本费用。
在一些实施例中，为了使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率，可以进一步指示所述至少一个处理器以获取至少两个标识订单，为所述至少两个标识订单中的每个标识订单指定一个或以上标签，从至少两个标识订单中提取一个或以上特征，基于所述一个或以上特征和至少两个指定的标识订单训练所述预测模型，并确定基于训练过的预测模型的所述预估调整率，确定与所述服务请求相关联的预估交易转换率。在一些实施例中，服务请求还可以包括一个或以上特征。
在一些实施例中，所述一个或以上特征包括至少一个所述服务请求的基本特征，所述服务请求的实时特征和服务订单的历史特征。
在一些实施例中，为了基于目标函数确定所述优化费用调整率，可以指示至少一个处理器获取一个或以上预估调整费率和一个或以上相应的预估交易转换率；基于所述目标函数，利用所述一个或以上预估的费用调整率和所述一个或以上相应的预估交易转换率；通过比较一个或以上函数值获取最大函数值，并确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
在一些实施例中，通过重复步骤(c)-(e)并比较函数值来确定优化的费用调整率还包括(1)确定最大函数值和最大迭代次数；(2)进行步骤(c)-(e)以获取所述服务请求的所述预估调整费率，与所述服务请求相关联的所述预估交易转换率，以及所述目标函数的所述函数值；(3)确定函数值大于最大函数值；(4)将函数值指定为最大函数值；(5)重复步骤(2)-(4)直到满足最大迭代次数；(6)确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
在一些实施例中，与所述服务请求相关联的所述预估调整费率受第一阈值限制，或者与所述服务请求相关联的所述预估交易转换率受第二阈值限制。
在一些实施例中，所述预估调整费率是从有限数量的预设值中选择的。
在一些实施例中，为了通过重复步骤(c)-(e)并比较所述函数值来确定所述优化费用调整率，可以指示至少一个处理器将步骤(c)-(e)重复有限次，然后进行步骤(f)以确定所述优化费用调整率作为所述预估调整费率，其使所述目标函数的函数值最大化。在一些实施例中，每次在步骤(c)中，至少一个处理器可以将所述预估调整费率从所述有限数量的预设值重置为新值。在一些实施例中，每次在步骤(d)中，至少一个处理器可以根据所述预估调整费率产生所述预估交易转换率。在一些实施例中，每次在步骤(e)中，至少一个处理器可以获取目标函数的所述函数值.
根据本申请的第二方面，提供了一种方法。该方法包括：(a)从终端接收服务请求，(b)确定所述服务请求的预估基本费用，(c)产生与预估交易转换率相对应的所述服务请求的预估调整费率，(d)使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率，(e)获取目标函数的函数值，其中所述目标函数涉及所述预估基本费用，所述预估交易转换率和所述预估调整费率；和(f)通过重复步骤(c)-(e)并比较所述函数值来确定优化费用调整率在一些实施例中，优化费用调整率使所述目标函数的所述函数值最大化。
在一些实施例中，所述目标函数用于通过将所述服务请求的所述预估基本费用、与所述服务请求相关联的所述预估调整费率以及与所述服务请求相关联的所述预估交易转换率相乘来计算商品总量(GMV)。
在一些实施例中，确定所述服务请求的所述预估基本费用还可以包括确定与所述服务请求相关联的至少一条路线，在所述至少一条路线终确定目标路线以及根据所述目标路线确定所述服务请求的所述预估基本费用。
在一些实施例中，使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率可以包括获取所述至少一个以至少两个标识订单，为所述至少两个标识订单中的每个标识订单指定一个或以上标签，从至少两个标识订单中提取一个或以上特征，基于所述一个或以上特征和至少两个指定的标识订单训练所述预测模型，并基于训练过的预测模型的所述预估调整率，确定与服所述务请求相关联的预估交易转换率。在一些实施例中，服务请求还可以包括一个或以上特征；
在一些实施例中，所述一个或以上特征包括至少一个所述服务请求的基本特征，所述服务请求的实时特征和服务订单的历史特征。
在一些实施例中，通过重复步骤(c)-(e)并比较所述函数值来确定所述优化费用调整率包括获取一个或以上预估调整费率和一个或以上相应的预估交易转换率；基于所述目标函数，利用所述一个或以上预估的费用调整率和所述一个或以上相应的预估交易转换率，获取一个或以上函数值；通过比较所述一个或以上函数值获取最大函数值；并确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
在一些实施例中，通过重复步骤(c)-(e)并比较函数值来确定优化的费用调整率还包括(1)确定最大函数值和最大迭代次数；(2)进行步骤(c)-(e)以获取所述服务请求的所述预估调整费率，与所述服务请求相关联的所述预估交易转换率，以及所述目标函数的所述函数值；(3)确定函数值大于最大函数值；(4)将函数值指定为最大函数值；(5)重复步骤(2)-(4)直到满足最大迭代次数；(6)确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
在一些实施例中，与所述服务请求相关联的所述预估调整费率受第一阈值限制，或者与所述服务请求相关联的所述预估交易转换率受第二阈值限制
在一些实施例中，所述预估调整费率是从有限数量的预设值中选择的。
根据本申请的第三方面，提供了一种非暂时性计算机可读介质。非暂时性计算机可读介质可以体现计算机程序产品，并且计算机程序产品可以包括被配置为使计算设备能够(a)从终端接收服务请求，(b)确定所述服务请求的预估基本费用，(c)产生所述服务请求的预估调整费率，(d)使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率，(e)获取目标函数的函数值，其中所述目标函数涉及所述预估基本费用，所述预估交易转换率和所述预估调整费率；和(f)通过重复步骤(c)-(e)并比较所述函数值来确定优化费用调整率在一些实施例中，优化费用调整率使所述目标函数的所述函数值最大化。
另外的特征将在接下来的描述中部分地阐述，并且对于本领域技术人员在查阅下文和附图时将部分地变得显而易见，或者可以通过示例的生产或操作而被学习。本发明的特征可以通过实践或使用如下详细描述的实施例中的方法、手段和组合等的各个方面来实现。
附图说明
本申请通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的组件符号表示相同的结构，其中：
图1是根据本申请的一些实施例所示的一种示例性按需服务系统的示意图；
图2是根据本申请的一些实施例所示的一种示例性计算装置的示例性硬件和/或软件组件的示意图；
图3是根据本申请的一些实施例所示的示例性移动设备的示例性软件和/或硬件的示意图，终端可以通过该移动装置实现；
图4是根据本申请的一些实施例所示的一种示例性处理引擎的模块图；
图5是根据本申请的一些实施例所示的确定服务请求的费用的示例性过程的流程图；
图6是根据本申请一些实施例所示的一种预测模型来确定服务请求的e预估交易转换率的示例性过程的流程图；
图7是示出根据本申请的一些实施例的用于基于目标函数确定优化费用调整率的示例性过程的流程图；以及
图8是示出根据本申请的一些实施例的用于基于目标函数确定优化费用调整率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，并在特定应用及其要求的上下文中提供。对于本领域的普通技术人员来讲，对本申请披露的实施例进行的各种修改是显而易见的，并且本文中定义的通则在不背离本申请的精神及范围的情况下，可以适用于其他实施例及应用。因此，本申请不限于所示的实施例，而是符合与申请专利范围一致的最广泛范围。
本文中所使用的术语仅用于描述特定示例性实施例，并不限制本申请的范围。如本文使用的单数形式“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，如在本说明书中，术语“包括”、“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，本申请的这些和其他的特征、特点、以及结构的相关元件的功能和操作方法，以及部件组合和制造经济更加显而易见，这些都构成说明书的一部分。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，附图并不是按比例的。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当明确理解，流程图中的操作可以不按顺序实施。相反，可以按照倒序或同时处理各种步骤。同时，也可以将一个或以上其他操作添加到这些流程图中，或者从这些流程图中移除某一步或数步操作。一个或以上操作也可以从流程图中删除。
同时，虽然本申请系统和方法的描述主要关于按需服务，应该理解的是，这只是一个示例性的实施例。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。例如，本申请的系统和方法还可应用于包括陆地、海洋、航空太空等或其任意组合的不同运输系统。运输系统的载具可以包括出租车、私人汽车、顺风车、巴士、列车、子弹头列车、高速铁路、地铁、船只、航空器、宇宙飞船、热气球、无人驾驶车辆等或其任意组合。运输系统还可以包括用于经营和/或分配的任何运输系统，例如用于发送及/或接收快递的系统。本申请的系统或方法的应用场景可以包括网页、浏览器插件、客户端终端、定制系统、内部分析系统、人工智能机器人等或其任意组合。
本申请中的术语“乘客”、“请求者”、“服务请求者”和“客户”可用于表示请求或订购一服务的个人、实体或工具，并且可互换使用。同样地，本申请描述的“司机”、“提供者”、“供应者”、“服务提供者”、“服务提供方”、“服务者”与“服务方”等也是可以互换的，是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外，本申请描述的“用户”可以是需要或者订购服务的一方，也可以是提供服务或者协助提供服务的一方。例如，用户可以是乘客、司机、操作员等或其任意组合。在本申请中，“乘客”和“乘客终端”可互换使用，“司机”和“司机终端”可互换使用。在一些实施例中，“请求者”和“请求者终端”可互换使用，“提供者”和“提供者终端”可互换使用。
在本申请中，术语“服务请求”和“订单”可以交换使用，其表示由乘客、请求方、服务请求方、客户、司机、提供方、服务提供方、供应方等或上述举例的任意组合所发起的请求。所述服务请求可以被乘客、请求方、服务请求方、客户、司机、提供方、服务提供方、供应方中的任一个接受。服务请求可以是计费的或免费的。
本申请中使用的定位技术可以包括全球定位系统(GPS)、全球卫星导航系统(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)定位技术或类似物或其任意组合。上述定位技术中的一种或多种可以在本申请中互换使用。
本公开的一方面涉及用于确定服务请求(例如，按需运输服务)的费用的系统和方法。该系统和方法可以从终端接收服务请求。该系统和方法可以确定服务请求的预估调整费率。该系统和方法还可以利用预测模型产生服务请求的预估调整费率。该系统和方法还可以使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率。该系统和方法还可以获取目标函数的函数值，其中目标函数涉及预估基本费用、预估交易转换率和预估调整费率。根据本公开的系统和方法可以动态地调整服务请求的费用并且优化所有各方的利益。因此，本公开通过有效地调整服务请求的费用来改善服务质量。
需要注意的是，在线按需运输服务，如在线打车服务包括在线呼叫出租车组合服务，是起源于后因特网时代的一种新的服务形式。它为使用者和服务提供者提供了仅在后互联网时代才可能实现的技术方案。在因特网时代之前，当一个使用者在街上呼叫一辆出租车时，出租车预定请求和接受只可能在乘客和一个看见该乘客的出租车司机之间发生。如果乘客通过电话招呼一辆出租车，出租车预定请求和接受只能在该乘客和服务提供者(例如，出租车公司或代理)之间发生。然而，在线出租车允许一个使用者实时地和自动地向与该使用者相距一段距离的大量的个别服务提供者(例如，出租车)分配服务请求。它同时允许至少两个服务提供者同时地和实时地对该服务请求进行响应。因此，通过互联网，所述在线即时运输系统可以为用户和服务提供方提供一个更加高效的交易平台，这在传统的互联网时代之前的运输服务系统中是无法达到的。
图1系根据本申请一些实施例所示的一种示例性随选服务系统100的示意图。例如，即时服务系统100可以是用于如出租车呼叫、司机服务、配送车辆、拼车、公共汽车服务、驾驶员雇佣和班车服务之类的在线运输服务平台。按需服务系统100可以是包括服务器110、网络120、请求者终端130、提供者终端140，数据库150，和定位系统160的在线平台。该服务器110可包含一处理引擎112。
在一些实施例中，服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，服务器110可以是一分布式系统)。在一些实施例中，服务器110可以是本地的或远程的。例如，服务器110可以通过网络120存取储存于请求方终端130、提供方终端140和/或数据库150中的信息和/或数据。又例如，服务器110可以直接连接到请求者终端130、提供者终端140和/或数据库150以访问存储的信息和/或数据。在一些实施例中，服务器110可以在一云平台上实施。仅作为示例，所述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至少两个硬件/软件的计算设备200上执行。
在一些实施例中，服务器110可以包括一处理引擎112。该处理引擎112可处理与服务请求相关联的信息和/或数据来执行在本申请中揭示的一个或者至少两个功能。例如，处理引擎112可以确定参考参数和与从请求者终端130获得的服务请求相关联的实际参数。在一些实施例中，所述处理引擎112可包括一个或者至少两个处理引擎(例如，单芯片处理引擎或多芯片处理引擎)。仅仅作为示例，处理引擎112可以包括一个或以上硬件处理器，例如中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可程序门阵列(FPGA)、可程序逻辑装置(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或上述举例的任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中，按需服务系统100中的一个或以上组件(例如，服务器110、请求者终端130、提供者终端140以及数据库150)可以通过网络120向按需服务系统100中的其他组件发送信息和/或数据。例如，服务器110可以通过网络120从请求者终端130获得/获取服务请求。在一些实施例中，网络120可以是有线网络或无线网络中的任意一种，或其组合。仅仅作为示例，网络120可以包括电缆网络、有线网络、光纤网络、远程通信网路、内部网络、因特网、局域网络(LAN)、广域网(WAN)、无线局域网络(WLAN)、城域网络(MAN)、公共交换电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或上述举例的任意组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，如基站和/或互联网交换点120-1、120-2、……。通过接入点，按需服务系统100的一个或以上部件可以连接到网络120以交换数据和/或信息。
在一些实施例中，请求者可以是请求者终端130的用户。在一些实施例中，用户的请求者终端130可以是不同于请求者的人。例如，请求者终端130的用户A可以通过请求者终端130为用户B发送服务请求，或从伺服器110处接收服务和/或资讯或指令。在一些实施例中，提供者可以是提供者终端140的一用户。在一些实施例中，提供者终端130的用户可以为除该提供者之外的其他人。例如，提供者终端140的用户C可以为用户D通过提供者终端140接收服务请求和/或从服务器110处接收信息或指令。在一些实施例中，“请求者”和“请求者终端”可互换使用，“提供者”和“提供者终端”可互换使用。
在一些实施例中，请求者终端130可以包括移动设备130-1、平板电脑130-2、膝上型电脑130-3、內置设备130-4等或其任意组合。在一些实施例中，移动设备140-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任意组合。在一些实施例中，可穿戴设备可以包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智慧配饰等或上述举例的任意组合。在一些实施例中，移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、膝上型电脑、台式机等或其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或其任意组合。在一些实施例中，车辆内建装置130-4可以包括车载计算机、车载电视等。在一些实施例中，请求方终端130可以是一个带有定位技术的装置，所述定位技术可以用于定位请求方和/或请求方终端130的位置。
在一些实施例中，提供者终端140可以是一个与请求者终端130类似或者相同的装置。在一些实施例中，提供者终端140可以是一个带有定位技术的装置，以定位提供者终端140的使用者(例如，服务提供者)和/或提供者终端140的位置。在一些实施例中，请求者终端130和/或提供者终端140可以与其他定位设备通讯来确定请求者、请求者终端130、提供者和/或提供者终端140的位置。在一些实施例中，请求者终端130和/或提供者终端140可以将定位信息发送至服务器110。
数据库150可以储存数据和/或指令。在一些实施例中，数据库150可以储存从请求方终端130和/或提供方终端140获得的数据。在一些实施例中，数据库150可以储存服务器110用来执行或使用来完成本申请揭示的示例性方法的数据和/或指令。在一些实施例中，数据库150可以包括大容量储存器、可以移动储存器、挥发性读写内存、只读存储器(ROM)等或类似或上述举例的任意组合。示例性的大容量储存器可以包括磁盘、光盘、固态磁盘等。示例性可移式储存器可以包括快闪驱动器、软盘、光盘、记忆卡、压缩碟、磁带等。示例性易失性读写内存可以包括随机存取内存(RAM)。示例性RAM可以包括动态RAM(DRAM)、双倍数据速率同步动态RAM(DDRSDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)。示例性ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用盘ROM等。在某些实施例中，数据库150可以在云平台上执行。仅作为示例，所述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，数据库150可以与网络120连接以与按需服务系统100中的一个或以上部件(例如，服务器110、请求者终端130、提供者终端140等)通信。按需服务系统100中的一个或以上部件可以通过网络120存取存储于数据库150中的数据或指令。在一些实施例中，数据库150可以直接与按需服务系统100的一个或以上部件(例如，服务器110、请求者终端130、提供者终端140等)连接或通信。在一些实施例中，数据库150可以是服务器110的一部分。
定位系统160可以确定与对象相关联的信息。例如，对象可以是请求者终端130，提供者终端140等中的一个或以上。信息可以包括对象的位置、海拔、速度或加速度，或当前时间。例如，定位系统160可以确定请求者终端130的当前位置。在一些实施例中，定位系统160可以是全球定位系统(GPS)，全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。位置可以是坐标形式，例如，纬度坐标、经度坐标等。定位系统160可以包括一个或以上卫星，例如卫星160-1、卫星160-2和卫星160-3。卫星160-1至160-3可以独立地或共同地确定上述信息。卫星定位系统160可以通过无线连接将上述信息发送至网络120、请求方终端130或提供方终端140。
在一些实施例中，按需服务系统100的一个或以上组件(例如，服务器110、请求者终端130、提供者终端140等)可以被允许访问数据库150。在一些实施例中，当满足一个或以上条件时，按需服务系统100的一个或以上部件可以读取和/或修改与请求者、提供者和/或公众相关的信息。例如，一个服务结束后，服务器110可以读取和/或修改一个或以上乘客的信息。又例如，当从请求者终端130接收到服务请求时，提供者终端140可以访问与所述请求者相关的信息，但提供者终端140无法修改请求者的相关信息。
在一些实施例中，按需服务系统100的一个或以上组件的信息交换可以通过请求服务的方式实现。服务请求的对象可以为任何产品。在一些实施例中，该产品可以是有形产品或无形产品。有形产品可以包括食物、药物、日用品、化学产物、电器用品、衣服、汽车、住宅、奢侈品等或其任意组合。无形产品可以包括服务产品、金融产品、知识产品、因特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、嵌入式产品等或上述举例的任意组合。移动互联网产品可以用于移动终端的软件、程序、系统等或其任意组合。可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装置、机上计算机、机上电视、可穿戴装置等或其任意组合。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。软件和/或应用可以与社交、购物、运输、娱乐、学习、投资等或其任意组合相关。在一些实施例中，与运输相关联的软件和/或应用可以包括一旅游软件和/或应用、载具排程软件和/或应用、地图软件和/或应用等。对于载具排程软件和/或应用，载具可以是马、马车、人力车(例如，手推车、脚踏车、三轮车等)、汽车(例如，出租车、巴士、私人汽车等)、列车、地铁、船只、航空器(例如，飞机、直升机、航天飞机、火箭、热气球等)等或其任意组合。
图2是根据本申请的一些实施例所示的一个计算装置200的示例性硬件和软件的示意图。服务器110、请求方终端130和/或提供方终端140可以在计算装置200上实现。例如，处理引擎112可以在计算装置200上实施并执行本申请所披露的处理引擎112的功能。
计算装置200可以是一通用计算机或一专用计算机。这两种计算机都可以用于实现本申请揭示的按需服务系统。计算设备200可以被用于实现当前描述的按需服务系统的任一元件。例如，处理引擎112可以在计算设备200上通过其硬件、软件程序、固件或其组合实现。图中为了方便起见只绘制了一台计算机，但是本实施例所描述的提供按需服务所需要的信息的相关计算机功能是可以以分布的方式、由一组相似的平台所实施的，分散系统的处理负荷。
计算设备200可以例如包括与网络相连接并促进数据通讯的通讯(COM)端口250。计算设备200还可以包括中央处理器(CPU)220，可以以一个或以上处理器的形式执行程序指令。示例性的计算机平台可以包括一个内部总线210、不同形式的程序内存和数据存储器，例如，磁盘270、和只读存储器(ROM)230或随机存取内存(RAM)240，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可以包括存储在只读存储器230、随机存取内存240和/或其他类型的非过度存储介质中的由中央处理器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。所述计算装置200还包括支持所述计算机和其他组件之间输入/输出的I/O组件260。计算设备200也可以通过网络通信接收程序设计和数据。
为理解方便，计算装置200中仅示例性绘制了一个CPU和/或处理器。然而，应该注意的是，本申请中的计算设备200还可以包括至少两个CPU和/或处理器，因此由本申请中描述的一个CPU和/或处理器执行的操作和/或方法步骤也可以由至少两个CPU和/或处理器联合或单独执行。例如，如果在本申请中，计算装置200的CPU和/或处理器执行步骤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CPU和/或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)。
图3是根据本申请的一些实施例所示的示例性移动设备的示例性软件和/或硬件的示意图，终端140可以通过该移动装置实现；如图3所示，移动设备300可以包括通信模块310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360和存储器390。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可包括在移动设备300内。在一些实施例中，操作系统370(如，iOSTM,AndroidTM,WindowsPhoneTM)和一个或以上应用380可以从存储器390加载到内存360中，以便由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序，用于接收和呈现与确定来自例如数据传输设备120的服务请求或其他信息的费用有关的信息。用户交互信息可以经由输入/输出1150获取，幷经由网络120提供给处理引擎112和/或在线随选服务系统100的其他组件。
图4是根据本申请的一些实施例所示的示例性处理引擎112的模块图。处理引擎112可包括获取模块410、确定模块420、训练模块425和通信模块430。
获取模块410可以被配置为获得一个或以上服务请求或标识订单。获取模块410可以经由网络120从终端(例如，请求方终端130)获得服务请求。在一些实施例中，获取模块410可以经由网络120从数据库(例如，数据库150)获得标识订单。或者，标识订单由训练模块425获得。在一些实施例中，标识订单可以具有与服务请求相同的一个或以上特征。获取模块410可以分析标识订单并提取与标识订单(例如，一个或以上特征)有关的信息。这里，术语“特征”指的是与服务请求或标识订单相关联的任何特定类别的信息或特征。
在一些实施例中，服务请求可以是一个运输服务请求。获取模块410可以分析服务请求并提取与服务请求相关的信息(如：出发地点，开始时间，目的地，请求者信息，请求者偏好等)。服务请求可以包括与所请求的旅行有关的信息，例如但不限于出发地点，接送时间，当前时间和/或目的地。服务请求还可以包括与已经提交了运输服务的请求的请求者(请求者信息)相关联的信息。与请求方相关联的信息可以包括请求方概要信息、请求方的请求偏好等或上述举例的任意组合。请求方概要信息可以包括，例如，请求方的姓名、请求方的年龄、请求方的性别、请求方的生日、请求方所在城市等或上述举例的任意组合。请求偏好可以是请求方对于运输服务的要求。例如，请求者终端130可以基于请求者的输入或基于默认设置从服务请求确定一个或以上偏好参数(例如，车辆类型，行李箱的大小，车辆的负载)。作为另一示例，请求偏好可以包括关于请求者是否同意与服务请求中的其他请求者共享运输服务的指示(例如，拼车偏好)。
获取模块410还可以获得与服务请求和/或标识订单相关联的相关信息。例如，获取模块410可以获得与服务请求和/或标识订单相关联的交通信息(例如，实时和/或历史交通拥堵信息，实时和/或历史交通控制信息，实时和/或历史交通障碍信息等)。作为另一示例，获取模块410可以获得与服务请求和/或标识订单相关联的实时和/或历史天气信息。作为另一示例，获取模块410可以获得服务请求和/或标识订单的一个或以上特征。
确定模块420可以被配置为确定服务请求的预估基本费用，与服务请求相关联的预估调整费率，与服务请求相关联的预估交易转换率，和/或与服务请求相关联的任何参数。
在一些实施例中，确定模块420可以基于出发位置和目的地确定与服务请求相关联的至少一个路线。在某些实施例中，确定模块420还可以进一步基于其他信息(例如请求的时间)来确定至少一个路线。确定模块420还可以确定来自至少一条路线的目标路线，并基于目标路线确定预估基本费用。在一些实施例中，目标路线可以由系统默认或基于服务请求中的特定需求来确定。例如，系统默认可以基于所需的最短时间来确定目标路线。然而，在某些实施例中，服务请求中的要求可以不考虑系统默认值并指示避开任何收费公路的目标路线。
在一些实施例中，确定模块420可以基于与服务请求相关联的相关信息(例如，交通信息，天气信息，开始时间)来确定预估调整费率。费用调整率可能会影响运输服务的最终价格，也可能影响司机接受服务请求的可能性。
作为另一示例，确定模块420可以使用预测模型估计预估交易转换率。交易转换率可以反映驾驶员接受交易价格的可能性，其中价格取决于基本费用和调整率。在一些实施例中，可以通过从标识订单导出的数据来训练预测模型，该标识订单包括与正在处理的服务请求的某些类似特征。
在一些实施例中，确定模块420还可以确定与预估基本费用，预估调整费率和预估交易转换率相关的目标函数。例如，确定模块420可以基于预估基本费用，费用调整率和交易转换率来确定服务请求的商品总量(GMV)。在一些实施例中，GMV可以等于预估基本费用乘以费用的调整率再乘以交易的转换率。在某些实施例中，GMV可以反映由单个交易创造的价值。在某些实施例中，在更大规模上，GMV可以反映基于单个平台的至少两个交易所创造的价值。某些实施例中，在甚至更大的规模上，GMV可以在预设时间段内基于单个平台反映由所有交易创造的价值。确定模块420还可以基于目标函数确定优化费用调整率。
在一些实施例中，训练模块425可以获得至少两个标识订单，并为每个标识订单指定一个或以上标签，并从至少两个标识订单中提取一个或以上特征。训练模块425可以进一步基于一个或以上特征和至少两个指定标识订单来训练预测模型。在特定的实施例中，训练模块425可以集成到获取模块410中，并且确定模块420及其功能可以由这些模块执行。
通信模块430可以被配置为向请求者终端(例如，请求者终端130)发送与服务请求相关联的信息。在一些实施例中，通信模块430可以将服务请求的预估基本费用和/或与服务请求相关联的预估调整费率发送到请求者终端130。在一些实施例中，通信模块430可以将服务请求的基本费和/或与服务请求相关联的优化费用调整率发送到请求者终端130。例如，通信模块430可以向请求者终端130发送优化费用，其中基于优化调整率和预估基本费用确定优化费用。在一些实施例中，优化费用可以等于优化调整率乘以预估基本费用。在一些实施例中，通信模块430可以向请求者终端130发送与异常相关联的通知。在一些实施例中，通信模块430可以在运输服务完成时向请求者终端130发送服务请求的账单。
在一些实施例中，通信模块430可以从请求者终端130接收响应。响应可以是请求者是否对运输服务有任何疑问，请求者是否需要与服务请求相关的任何帮助等。
在一些实施例中，在从请求方终端130接收到响应时，通信模块430可以将响应发送到确定模块420，并且还将由确定模块420生成的应答(例如，费用补偿)发送到请求方终端130。例如，响应于接收到对预估调整费率的争议请求，通信模块430可以将对预估调整费率的争议请求发送到确定模块420，并且将优化费用调整率发送给请求者终端130。例如，响应于接收到对优化费用调整率的争议请求，通信模块430可以将对优化费用调整率的争议请求发送到确定模块420，并且将改正后的优化费用调整率发送给请求者终端130。
在一些实施例中，通过信息发送和/或接收与服务请求相关联的信息(例如，通知、响应、回复)。信息可以使用任何合适的通信协议发送和/或接收(例如，超文本传输协议(HTTP)、地址分辨率协议(ARP)、动态主机配置协议(DHCP)、文件传输协议(FTP)。
处理引擎112中的模块可以通过有线连接或无线连接以互相连接或互相通讯。有线连接可以包括金属线缆、光缆、混合电缆等或其任意组合。无线连接可以包括局域网(LAN)、广域网(WAN)、蓝牙、Zi gBee、近场通信(NFC)等或其任何组合。两个或两个以上模块可以被组合为单个模块，并且任何一个模块可以被分成两个或两个以上单元。例如，获取模块410可以作为单个模块集成到确定模块420中，其可以获取服务请求和标识订单并确定预估基本费用，预估调整费率和/或预估交易转换率。又如，处理引擎112可以包括一个储存模块(图4中未展示)，其可以被配置为储存服务请求、标识订单和/或与服务请求相关联的信息。
图5是根据本申请的一些实施例所示的确定服务请求的费用的示例性过程的流程图。过程500可以由按需服务系统100执行。例如，过程500可以被实现为存储在存储ROM 230或RAM 240中的一组指令(例如，应用程序)。CPU 220可以执行指令集，并且因此可以被指示执行过程500。以下呈现的所示过程的操作旨在说明。在一些实施例中，过程在实施时可以添加一个或以上本申请未描述的额外操作，和/或删减一个或以上此处所描述的操作。此外，图5中所示的和下文描述的流程/方法中操作的顺序并不对此加以限制。
在502中，处理引擎112可以从终端(例如，请求者终端130)接收服务请求。服务请求可以包括出发地点和目的地。在本申请中，出发位置可以指服务提供方能够接载请求方的位置。所述目的地可以指服务请求方送请求方下车的位置。
在一些实施例中，服务请求可以是一个运输服务(例如，出租车服务)请求。服务请求可以包括实时请求，预约请求，和/或针对一种或多种类型的服务的任何其他请求。如此处所使用的，实时请求可能表明请求方希望在当前时刻或在性对于当前时刻的限定时间内使用所述运输服务。例如，如果定义的时间范围在相对于当前时刻的阈值值内，则服务请求可以是实时请求，例如当前时刻为上午8:30，在上午8:30之前的1分钟内，提前5分钟，上午8:30提前10分钟，上午8:30提前20分钟等。具有超出规定时间范围的指示开始时间的服务请求可以被分类为预约请求。例如，如果指示的开始时间超出定义的时间范围，即超过当前时间的20分钟，超过当前时间的2小时，超过当前时间1天，则服务请求可被分类为预约请求。在一些实施例中，处理引擎112可以基于一个时间阈值来定义实时请求或预约请求。时间阈值可以是按需服务系统100的默认设置，或者可以根据不同的情况进行调整。例如，在交通高峰期，时间阈值可能相对较小(如：10分钟)，在空闲时间(如：上午10：00-12：00)，时间阈值可能相对较长(如：1小时)。
在504中，处理引擎112可以确定服务请求的预估基本费用。在一些实施例中，处理引擎112可基于出发地点和目的地确定至少一条路线。处理引擎112还可以基于与至少一条路线相对应的至少一个距离来确定来自至少一条路线的目标路线。例如，处理引擎112可以识别距离至少一个距离的最短距离，并选择与最短距离相关联的候选路线作为目标路线。在一些实施例中，处理引擎112还可以基于至少一条路线相对应的至少一个交通状况来确定来自至少一条路线的目标路线。又如此，处理引擎112可以评估与至少一条路线相关联的至少一个交通状况，并选择具有最佳交通状况的候选路线作为目标路线。在一些实施例中，处理引擎112可以基于每条路线的预估行进时间从至少一条路线确定目标路线。又如例，处理引擎112可选择行程时间最短的候选路线作为目标路线。在一些实施例中，处理引擎112可以基于每条路线的预估的收费情况来确定来自至少一条路线的目标路线。又例如，处理引擎112可以选择支付费用最低的候选路线作为目标路线。在一些实施例中，处理引擎112可以基于取决于至少两个因素的功能来确定目标路线，所述至少两个因素例如但不限于距离，交通状况，旅行时间和通行费支付，每个因素具有相似或不同的权值以供确定目标路线。此外，处理引擎112可以基于目标路线确定服务请求的预估基本费用。
在一些实施例中，当确定服务请求的预估基本费用时，处理引擎112还可以考虑环境信息(例如，交通信息，天气信息)。如这里所使用的，交通信息可以包括交通拥堵信息，交通控制信息，交通障碍信息等。
处理引擎112可以从数据库150，地图服务(例如，Google MapTM,Tencent MapTM,Baidu MapTM)和/或可以在地理区域中提供交通信息的任何其他服务获取交通信息。例如，响应于接收实时请求，处理引擎112可以基于实时请求获得出发地点A和目的地B。处理引擎112可以访问数据库150以获取与出发地A，目的地B和/或从A到B的推荐路线相关的实时交通状态。处理引擎112可以基于实时交通状况，进一步确定一个服务提供方从A行驶到B的参考时间。又如，接收一个预约请求后，处理引擎112可以基于预约请求，确定一个出发位置E、一个目的地F、以及一个出发时间下周一下午7：00。处理引擎112可以访问数据库150以获取在过去四个周一的晚上8点从C到D的历史交通状态，并且进一步确定服务提供方将车辆从C驾驶到D的参考时间，该参考时间基于历史交通状况。
在506中，处理引擎112可以生成服务请求的预估调整费用率。在一些实施例中，通过使用默认值来生成预估费用调整率。例如，初始预估调整费率可以设置为1.0，这可以在后续步骤中改变或不改变。默认值可能因服务请求中包含的某些信息而不同。例如，对于某个时段(例如，高峰期)，默认值可以高于1.0(例如，1.2,1.3等)。在某些实施例中，可以基于考虑信息的功能来确定默认值，所述信息例如但不限于：时段，距离，交通状况，天气等。在某些实施例中，该功能可以考虑请求者的历史数据，例如但不限于请求者过去的服务请求记录。例如，如果请求者在预设时间段(例如，过去6个月)中发出大量服务请求并且支付的金额高于阈值，则可以将默认的费用调整率设置为较低值。
在508中，处理引擎112可以利用预测模型生成与与服务请求相关联的预估调整费率对应的预估交易转换率。预估交易转换率可以表示服务请求将被服务提供方接受的可能性。在需要运输服务的现实场景中，服务提供方(例如，驾驶员)可能在一段时间内不接受服务请求。例如，服务请求的需求可能在高峰时间期间超过服务提供方的供应，并且可能不能及时接受一些服务请求。随着更高的费用调整率，服务提供方更有动力接受服务请求。
例如，当与服务请求相关联的预估交易转换率太低时，处理引擎112可以调整服务请求的预估交易转换率。服务请求的预估调整费率越高，服务提供者接受服务请求的期望越高。另一方面，服务请求的预估调整费率越高，服务请求者与调整率一致的可能性越低。
在一些实施例中，处理引擎112可以从至少两个预设值(例如，1.0、1.1、1.2、1.3、1.4、1.5)中选择预估调整费率，并通过选择不同于先前的值来调整预估调整费率。每次都确定相应的交易转换率。在某些实施例中，当转换率高于预设阈值时，停止重复步骤506和508。处理引擎112可以考虑所有成对的预估调整费率和预估交易转换率，并且进行到步骤510以获取目标函数的函数值。
在一些实施例中，处理引擎112可以在步骤506-510的每次迭代中生成一对预估调整费率和预估交易转换率。例如，在每次迭代中，可以在步骤506中将预估调整率更新预定的增量值。然后，可以相应地在508中更新预估交易转换率。可以在步骤510中处理该对预估调整费率和预估的转换率。预定增量值可以是例如0.05,0.1,0.15,0.2等。
如所指出的，预测模型用于确定交易转换率。如图6和相关描述所示，通过训练来自标识订单的数据获取预测模型。
在510中，处理引擎112可以获取目标函数的函数值。在一些实施例中，目标函数可以涉及预估基本费用，预估交易转换率和预估调整费率。目标函数可以是线性函数，二次函数，三次函数，三角函数，指数函数，对数函数等，或其任何组合。仅作为示例，处理引擎112可以根据下面示出的公式(1)确定用于计算总商品量(GMV)的目标函数：
Ft＝Fb×Ra×Rc (1)
其中Ft可以指目标函数的值；Fb可以参考服务请求的预估基本费用；Ra可参考预估调整费率；和Rc可以参考与预估调整费率相对应的预估交易转换率。
在512中，处理引擎112可以通过重复步骤506-510并比较函数值来确定优化费用调整率。预估交易转换率可能会随着预估调整费率而变化。在一些实施例中，处理引擎112可以生成与对应于一个或以上预估调整费率的服务请求相关联的预估交易转换率。此外，处理引擎112可以基于目标函数确定一个或以上函数值。在一些实施例中，处理引擎112可以将优化费用调整率确定为最大化功能值的预估调整费率。确定预估调整率的详细描述可以参考本申请中的其他地方。参见，例如，图2。在一些实施例中，公式(1)可以反映与一个服务请求相关的一个交易的值。
这种方法可以最大化所请求服务的价值，同时考虑基本服务价值(即预估基本费用)，可能影响基本服务价值的因素(即费用调整率，这反映了影响力)至少两个因素，例如但不限于时间、交通状况、天气等)，以及交易将完成的可能性(即，交易转换率)。
在一些其他实施例中，目标函数可以不反映单个交易的价值，而是反映平台上的至少两个交易的聚合值(例如，在特定时间在有限区域中请求的所有服务)。例如，目标函数可以考虑单个服务请求(及其基本费用、调整费用率和交易转换率)对与区域中的服务请求相关的总体GMV的影响(例如，在1公里半径内)。由于地理位置接近和时间紧密，某些服务请求可能会相互影响。例如，当服务请求的数量超过特定时间区域中的服务提供者的数量时，将提高一个服务请求被接受的可能性以降低接受另一个服务请求的可能性。在一些实施例中，目标函数可以反映至少两个服务请求的该总值，并且处理引擎112可以确定服务请求的优化费用调整率而不是作为最大化公式(1)的值的预估调整费率。但预估调整费率使当时该地区所有服务请求的价值最大化。因此，在这种情况下，根据公式(1)的优化费用调整率可能与基于所有服务请求的该服务请求的优化费用调整率不同。
在一些实施例中，通信模块430可以向请求者终端130发送某些处理的信息(例如，预估基本费用、优化费用调整率)。在一些实施例中，与服务请求相关联的接收信息(例如，预估基本费用、优化费用调整率)可以在请求者终端130上以文本，图像，视频内容的格式呈现服务请求，音频内容，图形等，或其任何组合。例如，可以在请求者终端130的一个或以上用户界面上呈现与服务请求相关联的信息。
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，根据本公开的教导可以做出多种变化和修改。然而，变形和修改不会背离本申请的范围。例如，可以在示例性过程500中的其他地方添加一个或以上其他可选步骤(例如，存储步骤用于存储预估基本费用、至少一个预估调整费率、至少一个预估交易转换率)。作为另一个例子，步骤506和508可以是可逆的。首先，处理引擎112可以生成预估交易转换率。然后，处理引擎112可以生成与预估调整费率相对应的预估交易转换率。
图6是根据本申请一些实施例所示的一种预测模型来确定服务请求的预估交易转换率的示例性过程的流程图；实质上，过程600可用于在508中获取预测模型。在一些实施例中，过程600可以在接收到服务请求之后发生，并且每个预测模型被专门定制以便于处理服务请求。一些实施例中，过程600可以在接收到服务请求之前发生，并且可以为各种类型的服务请求准备至少两个预测模型。在一些实施例中，可以在接收服务请求之前进行过程600的一些步骤，并且在接收到服务请求之后进行一些其他步骤。
过程600可以由按需服务系统100执行。例如，过程/方法600可以被实现为存储于存储ROM 230或RAM 240的一组指令(例如，一个应用)。CPU220可以执行指令集，并且因此可以被指示执行过程600。下述流程/方法的操作仅是示例性的。在一些实施例中，过程在实施时可以添加一个或以上本申请未描述的额外操作，和/或删减一个或以上此处所描述的操作。此外，图6中所示的和下文描述的流程/方法中操作的顺序并不对此加以限制。
在602中，处理引擎112可以获得至少两个标识订单。在一些实施例中，标识订单是可能是已经完成或未完成的历史服务请求。至少两个标识订单可以包括一个或以上特征。这些功能包括但不限于：起始位置，目的地，开始时间(或高峰时段或非高峰时段的时段)，基本费用，小费，调整率，附近地区的服务订单数量，服务提供方在附近地区的数量，天气，接单率和/或交易转换率。在一些实施例中，所有这些特征都是历史数据。在一些实施例中，处理引擎112可以经由从数据库(例如，数据库150)获得至少两个标识订单。在一些实施例中，示例性服务订单可以被分成两组：一组用于训练预测模型，另一组用于测试预测模型以确定是否应该停止训练。例如，在一个特定的实施例中，来自训练组和测试组的服务订单的数量之间的比率可以是5:5、6:4、7:3、8:2或9:1。在一个特定的实施例中，来自训练组和测试组的服务订单的数量之间的比率是7:3。在一些实施例中，可以基于某些条件来选择标识订单。例如，处理引擎112可以选择在特定时间段内(例如，在2017年6月)或在与当前时间接近的时间段内(例如，在过去三个月内)进行的示例性服务订单。
在604中，处理引擎112可以为所述至少两个标识订单中的每个标识订单指定一个或以上标签。可用一个或以上标签对至少两个标识订单进行分类。在一些实施例中，处理引擎112可以为所述至少两个标识订单中的每个标识订单指定两个标签。例如，履行的标识订单可以标记为1，未履行的标识订单可以标记为0。
在606中，处理引擎112可以从至少两个标识订单中提取一个或以上特征。例如，一个或以上特征可以包括服务请求的基本特征、服务请求的实时特征、服务订单的历史特征等，或其任何组合。服务请求的基本特征可以包括出发地点、目的地、小费等，或其任何组合。服务请求的实时特征可以包括天气、交通状况、服务请求的时间、附近服务请求的数量、附近驾驶员的数量和距离、服务请求的调整率等，或其任何组合。服务订单的历史特征可以包括服务订单的预估费用、服务订单的抢单率、与服务订单相关联的交易转换率等，或其任何组合。
在608中，处理引擎112可以基于训练组的一个或以上特征和至少两个指定标识订单来训练预测模型。处理引擎112可以将一个或以上特征和至少两个指定的标识订单输入到预测模型中，并且预测模型可以输出与至少两个标识订单相对应的至少两个交易转换率。在一些实施例中，处理引擎112可以将至少两个交易转换率与与来自训练组的至少两个示例性服务订单相关联的交易的转换率进行比较，以优化训练。此外，处理引擎112可以测试预测模型的准确性。在一些实施例中，来自测试组的一个或以上标识订单的特征可以用于测试预测模型是否可以提供准确预测，该预测是关于服务订单是否可以被满足(例如，预测交易转换率)。当预测模型的准确度高于阈值时，处理引擎112可以停止训练预测模型；否则，处理引擎112可以连续地校正，优化或重新训练预测模型。阈值可以是按需服务系统100的默认设置(例如，80％，、0％)，或者可以基于用户的指令进行调整。在一些实施例中，预测模型可以包括极限梯度提升(Xgboost)模型、决策树模型、梯度提升决策树(GBDT)模型、线性回归模型、神经网络模型、深度学习模型等，或其任何组合。
在610中，处理引擎112可以确定训练的预测模型与服务请求相关联的预估交易转换率。在一些实施例中，处理引擎112可以将与服务请求相关联的一个或以上特征输入到训练的预测模型中。预测模型可以输出与服务请求相关联的预估交易转换率。服务请求的一个或以上特征可以包括出发地点、目的地、小费、天气、服务请求的时间、附近服务请求的数量、附近驾驶员的数量和距离、费用调整率等，或其任何组合。
应该注意的是，以上描述仅仅是为了说明的目的而提供的，并且不旨在限制本申请的范围。对于本领域普通技术人员而言，可以在本申请的教导下进行多种变化和修改。然而，那些变化和修改不脱离本申请的范围。例如，可以在示例性过程600中的其他地方添加一个或以上其他可选步骤(例如，用于存储标识订单和服务请求的存储步骤)。作为另一个例子，步骤604和606可以是可逆的。
与图1中所示的实施例相关的其他细节和变化。图6的实施例也可以是本发明的一部分。在一些实施例中，可以根据服务请求的一些特征来选择至少两个标识订单。例如，在获得服务请求的某些特征(例如，时间段、起始位置、目的地、区域和/或距离)之后，处理引擎112可以选择具有相似特征的至少两个标识订单(如602所示)并继续指定服务订单，训练预测模型，测试准确度或预测模型，并基于训练的预测模型确定服务请求的预估交易转换率。
在一些其他实施例中，处理引擎112可预先训练至少两个预测模型并选择适当的模型以获得结果。例如，处理引擎112可以将更多数量的标识订单(例如，从历史数据的数据库)分类，每个类别包括具有类似特征(例如、时间段、开始位置、目的地、区域和/或距离)的至少两个标识订单。然后，处理引擎112可以利用来自每个类别的标识订单来训练预测模型，并且还测试预测模型的准确性。通过这样做，处理引擎112可以准备至少两个训练预测模型，这些模型可以在新服务请求到来时使用。在一些实施例中，可以使用新数据周期性地更新训练的预测模型。
图7是示出根据本申请的一些实施例的700用于基于目标函数确定优化费用调整率的示例性过程的流程图。过程700可以由按需服务系统100执行。例如，过程700可以被实现为存储在存储ROM 230或RAM 240中的一组指令(例如，应用程序)。CPU 220可以执行指令集，并且因此可以被指示执行过程700。以下呈现的所示过程的操作旨在说明。在一些实施例中，过程在实施时可以添加一个或以上本申请未描述的额外操作，和/或删减一个或以上此处所描述的操作。此外，图5中所示的和下文描述的流程/方法中操作的顺序并不对此加以限制。
在702，处理引擎112可以获得一个或以上预估调整费率和一个或以上相应的预估交易转换率。在一些实施例中，处理引擎112可以从在506中生成的预估调整费率中获得一个或以上预估调整费率。处理引擎112可以从在步骤508中生成的预估交易转换率获得一个或以上对应的预估交易转换率。
此外在，处理引擎112可以基于目标函数获得一个或以上函数值。处理引擎112可以通过利用一个或以上预估调整费率和一个或以上相应的预估交易转换率来获得一个或以上功能值。在一些实施例中，处理引擎112可以根据公式(1)获得一个或以上函数值。
在706中，处理引擎112可以通过比较一个或以上函数值来获得最大函数值。例如，处理引擎112可以从步骤706中生成的函数值中选择最大值。
在实施例中，处理引擎112可以将优化费用调整率确定为函数值的预估调整费率。一个或以上预估调整费率可以对应于一个或以上函数值。处理引擎112可以基于对应于最大函数值的预估调整费率来确定优化费用调整率。
如在过程500的描述中所指出的，用于确定优化费用调整率的细节和变化，这些也被认为是本发明的实施例。例如，用于确定优化费用调整率的公式可以与公式(1)不同。在一些实施例中，优化费用调整率可以被确定为费用调整率，其有助于最大化特定时间段中的有限区域内的所有交易的总价值的函数值(例如GMV)，而不是调整最大化函数值的费率，该函数值与服务请求相关的单个交易相关。
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。对于本领域普通技术人员而言，可以在本申请的教导下进行多种变化和修改。然而，那些变化和修改不脱离本申请的范围。例如，可以在示例性过程700中的其他地方添加一个或以上其他可选步骤(例如，存储用于存储一个或以上预估调整费率，一个或以上相应的预估交易转换率和/或一个或以上函数值的步骤)。
图8是示出根据本申请的一些实施例的800用于基于目标函数确定优化费用调整率的示例性过程的流程图。过程800可以由按需服务系统100执行。例如，过程800可以被实现为存储在存储ROM 230或RAM 240中的一组指令(例如，应用程序)。CPU 220可以执行指令集，并且因此可以被指示执行过程800。以下呈现的所示过程的操作旨在说明。在一些实施例中，过程在实施时可以添加一个或以上本申请未描述的额外操作，和/或删减一个或以上此处所描述的操作。此外，图8中所示的800和下文描述的流程/方法中操作的顺序并不对此加以限制。
在802中，处理引擎112可以确定最大函数值和最大迭代次数。最大函数值可以是目标函数的初始值，如图5所示开始第一次迭代。最大函数值可以由用户或任何默认值指定，例如，任何负数、零、合适的正数等。最大迭代次数可以是过程800的迭代次数。最大迭代次数可以由用户或默认情况下用任何值指定，例如，10次、50次、100次、150次等。
在804中，处理引擎112可以执行如图4中所描述的步骤506-510。在图5中，与所述服务请求相关联的所述预估交易转换率，以及所述目标函数的所述函数值。步骤804的详细描述可以参考图5中的步骤506-510的描述。
在806中，处理引擎112可以判断在804中获得的函数值是否大于在802中确定的最大函数值。如果函数值不大于最大函数值，则最大值可以保持相同的值，并且过程800可以进行到步骤810。如果函数值大于最大函数值，则可以在步骤808中用函数值指定或更新最大函数值，并且过程800可以进行到步骤810。
在810中，处理引擎112可以判断迭代次数的迭代次数是否满足最大迭代次数。如果迭代计数小于最大迭代次数，则过程800可以再次重复步骤804-808。例如，在步骤506中，可以通过预定增量值来更新估计的费用调整率。然后，可以根据步骤508和510获得预估交易转换率和目标函数的函数值。预定增量值可以是例如0.05、0.1、0.15、0.2等。如果迭代计数等于最大迭代次数，则过程800可以进行到步骤812。
在实施例中，处理引擎112可以将优化费用调整率确定为符合最大函数值的预估调整费率。例如，在步骤810之后，可以多次更新最大函数值。处理引擎112可以选择与最大函数值对应的预估调整率为优化费用调整率。在一些实施例中，可以存在对应于最大函数值的两个或更至少两个预估调整费率，处理引擎112可以确定例如两个或更至少两个预估调整费率的最小值作为优化费用调整率
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。对于本领域普通技术人员而言，可以在本申请的教导下进行多种变化和修改。然而，那些变化和修改不脱离本申请的范围。例如，可以在示例性过程800中的其他地方添加一个或以上其他可选步骤(例如，存储用于存储预估调整费率，相应的预估交易转换率和/或函数值的步骤)。
为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本文中描述之一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。若程控得当，计算机亦可用作服务器。
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。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属本申请示范实施例的精神和范围。
此外，某些术语已用于描述本申请的实施例。例如，术语“一个实施例”，“实施例”和/或“一些实施例”意味着结合该实施例描述的特定特征，结构或特性被包括在本申请的至少一个实施例中。因此，强调并且应该认识到，在本说明书的各个部分中对“实施例”或“一个实施例”或“替代实施例”的两个或更至少两个引用不一定都指的是相同的实施例。此外，在本申请的一个或以上实施例中，特定特征，结构或特性可以适当地组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可以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工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可完全实现为硬件，完全软件(包括固件，驻留软件，微代码等)或组合软件和硬件实现，其在本文中通常可被称为“单元”，“模块，“或”系统“。此外，本申请的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以包括其中包含有计算机可读程序代码的传播数据信号，例如在基带中或者作为载波的一部分。这样的传播信号可以采用多种形式中的任何形式，包括电磁，光学等或其任何合适的组合。计算机可读信号介质可以是任何计算机可读介质，其不是计算机可读存储介质并且可以通信，传播或传输程序以供指令执行系统，装置或设备使用或与其结合使用。位于计算机可读信号介质上的程序编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、或类似介质、或任何上述介质的组合。
用于执行本申请方面的操作的计算机程序代码可以用一种或多种编程语言的任何组合来编写，包括面向对象的编程语言，例如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB、NET、Python等、传统的过程编程语言(诸如“C”编程语言，VisualBasic，Fortran2003，Perl，COBOL2002，PHP，ABAP)、动态编程语言(诸如Python，Ruby和Groovy)或其他编程的常规过程编程语言语言。程序代码可以完全在用户的计算机上，部分在用户的计算机上，作为独立的软件包，部分在用户的计算机上，部分在远程计算机上，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(用于例如通过使用互联网服务提供商的互联网)或者在云计算环境中提供或作为诸如软件即服务(SaaS)的服务提供。
此外，处理元件或序列的叙述顺序或因此使用数字，字母或其他标记并非意图将要求保护的过程和方法限制为除了权利要求中可能指定的顺序之外的任何顺序。虽然上面的公开通过各种示例讨论了当前被认为是本申请的各种有用实施例的内容，但是应该理解，这样的细节仅仅是为了该目的，并且所附权利要求不限于所公开的实施例，而是相反，旨在覆盖在所公开的实施例的精神和范围内的修改和等同布置。例如，尽管上述各种组件的实现可以体现在硬件设备中，但是其也可以实现为仅软件解决方案，例如在现有服务器或移动设备上的安装。
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幷至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述揭露的单个实施例的全部特征。

Claims (20)

1.一种系统，包括：
至少一个存储介质，包括用于确定按需服务中的服务请求的费用的一组指令；以及
至少一个处理器，所述处理器被配置为与所述至少一个存储介质通讯，其中，当执行所述一组指令时，所述至少一个处理器用于：
(a)从终端接收服务请求；
(b)确定所述服务请求的预估基本费用；
(c)产生所述服务请求的预估调整费率；
(d)使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率；
(e)获取目标函数的函数值，其中所述目标函数涉及所述预估基本费用，所述预估交易转换率和所述预估调整费率；和
(f)通过重复步骤(c)-(e)并比较所述函数值来确定优化费用调整率，其中所述优化费用调整率使所述目标函数的所述函数值最大化。
2.根据权利要求1所述的系统，其中，所述目标函数用于通过将所述服务请求的所述预估基本费用、与所述服务请求相关联的所述预估调整费率以及与所述服务请求相关联的所述预估交易转换率相乘来计算商品总量GMV。
3.根据权利要求1所述的系统，其中，为了确定所述服务请求的所述预估基本费用，所述至少一个处理器用于：
确定与所述服务请求相关联的至少一条路线；
在所述至少一条路线中，确定目标路线；和
根据所述目标路线确定所述服务请求的所述预估基本费用。
4.根据权利要求1所述的系统，其中，使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率，所述至少一个处理器用于：
获取至少两个标识订单；
为所述至少两个标识订单中的每个标识订单指定一个或以上标签；
从所述至少两个标识订单中提取一个或以上特征，其中所述服务请求也包括所述一个或以上特征；
基于所述一个或以上特征和至少两个指定的标识订单训练所述预测模型；和
基于训练过的预测模型的所述预估调整率，确定与所述服务请求相关联的预估交易转换率。
5.根据权利要求3所述的系统，其中，所述一个或以上特征包括至少一个所述服务请求的基本特征，所述服务请求的实时特征和服务订单的历史特征。
6.根据权利要求1所述的系统，其中，通过重复步骤(c)-(e)并比较所述函数值来确定所述优化费用调整率，所述至少一个处理器用于：
获取一个或以上预估调整费率和一个或以上相应的预估交易转换率；
基于所述目标函数，利用所述一个或以上预估调整费率和所述一个或以上相应的预估交易转换率，获取一个或以上函数值；
通过比较所述一个或以上函数值获取最大函数值；和
确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
7.根据权利要求1所述的系统，其中，通过重复步骤(c)-(e)并比较所述函数值来确定所述优化费用调整率，所述至少一个处理器用于：
(1)确定最大函数值和最大迭代次数；
(2)进行步骤(c)-(e)以获取所述服务请求的所述预估调整费率，与所述服务请求相关联的所述预估交易转换率，以及所述目标函数的所述函数值；
(3)确定所述函数值大于所述最大函数值；
(4)将所述函数值指定为所述最大函数值；
(5)重复步骤(2)-(4)直到满足所述最大迭代次数；和
(6)确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
8.根据权利要求7所述的系统，其中，与所述服务请求相关联的所述预估调整费率受第一阈值限制，或者与所述服务请求相关联的所述预估交易转换率受第二阈值限制。
9.根据权利要求1所述的系统，其中，所述预估调整费率是从有限数量的预设值中选择的。
10.根据权利要求9所述系统，其中通过重复步骤(c)-(e)并比较所述函数值来确定所述优化费用调整率，所述至少一个处理器用于：
重复步骤(c)-(e)有限次数：
每次在步骤(c)中，将所述预估调整费率从所述有限数量的预设值重置为新值；
每次在步骤(d)中根据所述预估调整费率产生所述预估交易转换率；和
每次在步骤(e)中获取目标函数的所述函数值；和
进行步骤(f)以确定所述优化费用调整率作为所述预估调整费率，其使所述目标函数的函数值最大化。
11.一种方法，包括：
(a)从终端接收服务请求；
(b)确定所述服务请求的预估基本费用；
(c)产生与预估交易转换率相对应的所述服务请求的预估调整费率；
(d)使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率；
(e)获取目标函数的函数值，其中所述目标函数涉及所述预估基本费用，所述预估交易转换率和所述预估调整费率；和
(f)通过重复步骤(c)-(e)并比较所述函数值来确定优化费用调整率，其中所述优化费用调整率使所述目标函数的所述函数值最大化。
12.根据权利要求11所述的方法，其中，所述目标函数用于通过将所述服务请求的所述预估基本费用、与所述服务请求相关联的所述预估调整费率以及与所述服务请求相关联的所述预估交易转换率相乘来计算商品总量GMV。
13.根据权利要求11所述的方法，其中确定所述服务请求的所述预估基本费用还包括:
确定与所述服务请求相关联的至少一条路线；
在所述至少一条路线中，确定目标路线；和
根据所述目标路线确定所述服务请求的所述预估基本费用。
14.根据权利要求11所述的方法，其中使用预测模型输出对应于所述预估调整费率的服务请求相关的预估交易转换率，所述用于：
获取至少两个标识订单；
为所述至少两个标识订单中的每个标识订单指定一个或以上标签；
从所述至少两个标识订单中提取一个或以上特征，其中所述服务请求也包括所述一个或以上特征；
基于所述一个或以上特征和至少两个指定的标识订单训练所述预测模型；和
基于训练过的预测模型的所述预估调整率，确定与所述服务请求相关联的预估交易转换率。
15.根据权利要求13所述的方法，其中，所述一个或以上特征包括至少一个所述服务请求的基本特征，所述服务请求的实时特征和服务订单的历史特征。
16.根据权利要求11所述的方法，其中，通过重复步骤(c)-(e)并比较所述函数值来确定所述优化费用调整率还包括：
获取一个或以上预估调整费率和一个或以上相应的预估交易转换率；
基于所述目标函数，利用所述一个或以上预估调整费率和所述一个或以上相应的预估交易转换率，获取一个或以上函数值；
通过比较所述一个或以上函数值来获取最大函数值，和
确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
17.根据权利要求11所述的方法，其中通过重复步骤(c)-(e)并比较所述函数值来所述优化费用调整率，所述用于：
(1)确定最大函数值和最大迭代次数；
(2)进行步骤(c)-(e)以获取所述服务请求的所述预估调整费率，与所述服务请求相关联的所述预估交易转换率，以及所述目标函数的所述函数值；
(3)确定所述函数值大于所述最大函数值；
(4)将所述函数值指定为所述最大函数值；
(5)重复步骤(2)-(4)直到满足所述最大迭代次数；和
(6)确定对应于所述最大函数值的所述预估调整率作为所述优化费用调整率。
18.根据权利要求17所述的方法，其中，与所述服务请求相关联的所述预估调整费率受第一阈值限制，或者与所述服务请求相关联的所述预估交易转换率受第二阈值限制。
19.根据权利要求11所述的方法，其中，所述预估调整费率是从有限数量的预设值中选择的。
20.一种包括计算机程序产品的非暂时性计算机可读介质，该计算机程序产品包括配置计算设备的指令：
(a)从终端接收服务请求；
(b)确定所述服务请求的预估基本费用；
(c)产生与预估交易转换率相对应的所述服务请求的预估调整费率；
(d)使用预测模型输出与对应于所述预估调整费率的服务请求相关的预估交易转换率；
(e)获得目标函数的函数值，其中所述目标函数涉及所述预估基本费用，所述预估交易转换率和所述预估调整费率；和
(f)通过重复步骤(c)-(e)并比较所述函数值来确定优化费用调整率，其中所述优化费用调整率使所述目标函数的所述函数值最大化。
CN201780093469.6A 2017-07-28 2017-07-28 用于确定服务请求费用的系统和方法 Pending CN110998615A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/095070 WO2019019198A1 (en) 2017-07-28 2017-07-28 SYSTEMS AND METHODS FOR DETERMINING SERVICE REQUEST FEES

Publications (1)

Publication Number Publication Date
CN110998615A true CN110998615A (zh) 2020-04-10

Family

ID=65039304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780093469.6A Pending CN110998615A (zh) 2017-07-28 2017-07-28 用于确定服务请求费用的系统和方法

Country Status (4)

Country Link
US (1) US20200167812A1 (zh)
EP (1) EP3642782A1 (zh)
CN (1) CN110998615A (zh)
WO (1) WO2019019198A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861200A (zh) * 2020-07-17 2020-10-30 北京嘀嘀无限科技发展有限公司 一种服务订单分配方法、装置、电子设备及可读存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020944A (zh) * 2018-10-25 2019-07-16 阿里巴巴集团控股有限公司 对象计算方法、装置、电子设备及计算机可读存储介质
US11763406B2 (en) * 2019-04-26 2023-09-19 Walmart Apollo, Llc Method and apparatus for delivery order fee determination and assignment
CN112633814B (zh) * 2020-12-31 2024-04-26 浙江子不语电子商务有限公司 物流预上网信息管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120254581A1 (en) * 2011-03-28 2012-10-04 Samsung Electronics Co., Ltd. System and method for controlling nonvolatile memory
WO2012167319A1 (en) * 2011-06-09 2012-12-13 Ilekun Ayo Pty Ltd Public booking and payment system
CN104021667A (zh) * 2014-06-25 2014-09-03 哈尔滨工业大学 整合预约服务与实时打车的出租车合乘调度系统及调度方法
CN104217249A (zh) * 2014-07-02 2014-12-17 浙江工业大学 一种基于时间与费用约束的动态拼车匹配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150254581A1 (en) * 2014-03-04 2015-09-10 iCarpool, Inc. Rideshare system and method to facilitate instant carpooling

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120254581A1 (en) * 2011-03-28 2012-10-04 Samsung Electronics Co., Ltd. System and method for controlling nonvolatile memory
WO2012167319A1 (en) * 2011-06-09 2012-12-13 Ilekun Ayo Pty Ltd Public booking and payment system
CN104021667A (zh) * 2014-06-25 2014-09-03 哈尔滨工业大学 整合预约服务与实时打车的出租车合乘调度系统及调度方法
CN104217249A (zh) * 2014-07-02 2014-12-17 浙江工业大学 一种基于时间与费用约束的动态拼车匹配方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861200A (zh) * 2020-07-17 2020-10-30 北京嘀嘀无限科技发展有限公司 一种服务订单分配方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
EP3642782A4 (en) 2020-04-29
US20200167812A1 (en) 2020-05-28
WO2019019198A1 (en) 2019-01-31
EP3642782A1 (en) 2020-04-29

Similar Documents

Publication Publication Date Title
CN109863526B (zh) 为按需服务提供信息的系统和方法
US11398002B2 (en) Systems and methods for determining an estimated time of arrival
JP6737805B2 (ja) 将来の輸送サービス時点の予測分布を求めるシステム及び方法
CN111862585B (zh) 用于交通预测的系统和方法
CN108713326B (zh) 分配按需服务请求的系统及方法
TWI675184B (zh) 用於路線規劃的系統、方法及非暫時性電腦可讀取媒體
JP2019527871A (ja) 到着予定時刻を決定するシステム及び方法
JP2019530911A (ja) オンデマンドサービスを監視するシステムおよび方法
JP2018533778A (ja) 共有可能な注文を割り当てるためのシステムおよび方法
CN109791731B (zh) 一种预估到达时间的方法和系统
CN108780562B (zh) 更新服务序列的系统和方法
US20200300650A1 (en) Systems and methods for determining an estimated time of arrival for online to offline services
US20200167812A1 (en) Systems and methods for determining a fee of a service request
CN111937052B (zh) 用于车辆调度的系统和方法
CN112154473A (zh) 用于推荐上车点的系统和方法
US20200141741A1 (en) Systems and methods for determining recommended information of a service request
CN110782648B (zh) 确定预计到达时间的系统和方法
CN110839346A (zh) 用于分配服务请求的系统和方法
CN110914856B (zh) 用于确定线上到线下服务的营销策略的系统和方法
CN111275232A (zh) 生成未来价值预测模型的方法和系统
CN113924460B (zh) 确定服务请求的推荐信息的系统和方法

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20231103