CN110998618A - 车辆管理方法和系统 - Google Patents
车辆管理方法和系统 Download PDFInfo
- Publication number
- CN110998618A CN110998618A CN201780093458.8A CN201780093458A CN110998618A CN 110998618 A CN110998618 A CN 110998618A CN 201780093458 A CN201780093458 A CN 201780093458A CN 110998618 A CN110998618 A CN 110998618A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time period
- value
- revenue
- 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.)
- Granted
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
车辆管理系统及方法。所述系统可以执行所述方法以获取第一时间段内与车辆相关联的信息;基于与所述车辆相关联的所述信息确定第二时间段内与所述车辆相关联的收入值;基于所述收入值和与所述车辆相关联的所述信息确定所述第二时间段内与所述车辆相关联的成本值;以及基于所述收入值和所述成本值生成是否淘汰所述车辆的推荐。
Description
技术领域
本申请一般涉及运输服务系统,尤其是涉及用于车辆管理的方法和系统。
背景技术
当车辆运行一段时间时,与该车辆相关联的用户,例如车辆驾驶员、车辆所有者或车辆管理平台的操作者,需要一个关于是否淘汰所述车辆的推荐。然而,现有的生成关于是否淘汰车辆建议的方法和系统中存在一些问题,例如低效率和严重依赖人的经验。因此,期望提供用于车辆管理的方法和系统以提高生成关于是否淘汰车辆的推荐的效率。
发明内容
其他特征将在以下部分描述中进行阐述,并且在检视以下及附图之后,部分特征对于本领域的普通技术人员来讲是显而易见的,或可以通过实例的生产及操作来了解。本申请的特性可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
根据本申请的第一方面,一种电子系统可以包括一个或以上存储媒体和一个或以上处理器被配置用于与所述一个或以上存储媒体进行通信。所述一个或以上存储媒体可以包括一组指令。当所述一个或以上处理器执行所述组指令时,所述一个或以上处理器可以用于执行一个或以上以下操作。所述一个或以上处理器可以获取第一时间段内与车辆相关联的信息。所述一个或以上处理器可以基于与所述车辆相关联的所述信息确定第二时间段内与所述车辆相关联的收入值。所述一个或以上处理器可以基于所述收入值和与所述车辆相关联的所述信息确定所述第二时间段内与所述车辆相关联的成本值。所述一个或以上处理器可以基于所述收入值和所述成本值生成是否淘汰所述车辆的推荐。
在一些实施例中,所述一个或以上处理器可以接收来自用户的评估所述车辆的请求。响应于所述请求,所述一个或以上处理器可以将所述推荐发送给所述用户。
在一些实施例中,为确定所述成本值,所述一个或以上处理器可以基于与所述车辆相关联的所述信息确定所述第二时间段内的车辆里程。所述一个或以上处理器可以基于所述第二时间段内的所述车辆里程确定所述第二时间段内与所述车辆相关联的运营成本。
在一些实施例中,为确定所述成本值,所述一个或以上处理器可以基于第一模型和与所述车辆相关联的所述信息确定所述车辆在第一时间点的当前价格,所述第一时间点在所述第二时间段之前。所述一个或以上处理器可以基于第二模型和与所述车辆相关联的所述信息确定与所述第二时间段内的一个或多个第二时间点相对应的所述车辆的一个或多个价格,所述第二模型与所述第一模型不同。所述一个或以上处理器可以基于所述车辆的所述当前价格和所述第二时间段内所述车辆的所述一个或多个价格中的一个,确定所述第二时间段内与所述车辆相关联的残值减少值。
在一些实施例中,所述第三时间段在所述第二时间段之前。
在一些实施例中,所述第一模型是梯度增强决策树回归模型,所述第二模型是自回归积分移动平均模型。
在一些实施例中,为基于所述收入值和所述成本值生成是否淘汰所述车辆的所述推荐,所述一个或以上处理器可以确定所述成本值是否大于所述收入值。响应于所述成本值大于所述收入值的确定结果,所述一个或以上处理器可以生成淘汰所述车辆的推荐。
在一些实施例中,所述第一时间段在所述第二时间段之前。
在一些实施例中,所述第一时间段内与所述车辆相关联的所述信息包括以下的至少一个:车型,车龄,车辆里程,所述车辆的运营成本,所述车辆的运营收入,或所述车辆的价格。
在一些实施例中,所述收入值包括以下的至少一个:所述第二时间段内的与所述车辆相关联的运营收入;或风险系数。
根据本申请的第二方面,一种方法可以包括以下操作中的一个或以上。一个或以上处理器可以获取第一时间段内与车辆相关联的信息。所述一个或以上处理器可以基于与所述车辆相关联的所述信息确定第二时间段内与所述车辆相关联的收入值。所述一个或以上处理器可以基于所述收入值和与所述车辆相关联的所述信息确定所述第二时间段内与所述车辆相关联的成本值。所述一个或以上处理器可以基于所述收入值和所述成本值生成是否淘汰所述车辆的推荐。
根据本申请的第三方面,一个非暂时性计算机可读媒介可以包括至少一组指令。所述至少一组指令可以由一个计算机服务器的一个或以上处理器执行。所述一个或以上处理器可以获取第一时间段内与车辆相关联的信息。所述一个或以上处理器可以基于与所述车辆相关联的所述信息确定第二时间段内与所述车辆相关联的收入值。所述一个或以上处理器可以基于所述收入值和与所述车辆相关联的所述信息确定所述第二时间段内与所述车辆相关联的成本值。所述一个或以上处理器可以基于所述收入值和所述成本值生成是否淘汰所述车辆的推荐。
附图说明
图1是根据本申请的一些实施例所示的示例性车辆管理系统的示意性框图。
图2是根据本申请的一些实施例所示的计算设备的示例性硬件和软件组件的示意图。
图3是根据本申请的一些实施例所示的服务器的示例的架构模组的示意性框图。
图4是根据本申请的一些实施例所示的生成推荐的示例性过程的流程图。
图5是根据本申请的一些实施例所示的确定未来残值减少值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,而是符合与权利要求一致的最广泛范围。
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。如本文所使用的“一”、“一个”、“所述”、“该”并非特指单数,也可包括复数形式,除非上下文明确提示例外情形。应该被理解的是,本申请中所使用的术语“包含”和/或“包括”仅提示已明确标识的特征、整数、步骤、操作、元素和/或部件,而不排除可以存在或添加其他一个或多个特征、整数、步骤、操作、元素、部件和/或其组合。
根据以下对附图的描述,本申请所述的和其他的特征、操作方法、相关组件的功能和经济的结构更加显而易见,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于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操作。而且,也可以将一个或多个其他操作添加到这些流程图中。从这些流程图中移除某一个或多个操作。本发明涉及用于车辆管理的在线系统以及方法。例如,与诸如车辆驾驶员、车辆所有者或车辆管理平台的操作员之类的车辆相关联的用户可以向本申请中的服务器发送请求以评估车辆。本申请中的服务器可以确定将由车辆引起的多个未来成本值和车辆可能产生的多个收入值。本申请中的服务器可以基于分别比较车辆的多个未来成本值和车辆的多个收入值,生成如何处置车辆(淘汰,出售或保留车辆)的推荐。
应当注意的是,线上车辆管理系统是深深扎根于互联网时代后车辆管理系统的一种新形式。它为用户诸如多辆车的管理者,提供仅在后互联网时代才能实现的技术解决方案。在互联网之前的时代,用户可以基于用户的经验来确定如何处置车辆(例如,是否淘汰,出售还是保留车辆)的推荐,这可能导致推荐的不准确。另外,由于该方法的不准确性和低效性,难以将基于用户经验的评估车辆的方法应用于多个辆车(例如,一千辆车)的评估。但是,线上车辆管理系统,通过互联网从车辆中获得与多个车辆相关联的信息,并基于与车辆相关联的信息自动生成如何处置车辆(例如,是否淘汰,出售,或保留车辆)的推荐。因此,通过互联网,在线车辆管理系统可以提供更加高效和准确的车辆管理平台,这对于用户在传统的前互联网车辆管理系统中可能永远不会遇到。
图1是根据本申请的一些实施例所示的示例性车辆管理系统100的示意性框图。车辆管理系统100可以包括车辆管理平台110,服务器120,车辆终端130,网络140和存储器150。
所述车辆管理平台110可被配置为管理多个车辆。所述车辆可以包括出租车、私家车、顺风车、巴士、自行车、电动自行车、三轮车、摩托车、列车、动车、高铁、地铁、船舶、飞机、飞船、热气球、无人驾驶的车辆等或上述举例的任意组合。在一些实施例中,车辆管理平台110可以在车龄、车辆里程、维护、收入、燃料消耗等或其任何组合等方面监控多个车辆。在一些实施例中,车辆管理平台110可以派遣多个车辆来提供运输服务。运输服务可以包括出租车服务,配送服务,巴士服务,地铁服务,铁路服务,消防服务,急救服务,航空服务,海运服务等。
服务器120可以被配置为评估由所述车辆管理平台110管理的所述多个车辆,并生成是否淘汰车辆的推荐。服务器120可以是单一服务器或服务器组。所述服务器组可以是集中式的或分布式的(例如服务器120可以是分布式系统)。在一些实施例中,服务器120可以是本地的或远程的。例如,服务器120可以经由网络140访问存储在车辆管理平台110,车辆终端130和/或存储器150中的信息和/或数据。在另一示例中,服务器120可与车辆管理平台110、车辆终端130和/或存储器150直接连接,并且访问存储的信息和/或数据。在一些实施例中,server 120可以在云平台中实施。仅仅作为范例,所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、内部云、多层云或其任意组合。在一些实施例中,服务器120可以在具有本申请图2中所示的一个或多个组件的计算设备200上实现。
在一些实施例中,服务器120可以处理与至少一个车辆相关的信息和/数据,以执行在本申请中描述的一个或多个功能。例如,服务器120可基于从车辆管理平台110和/或存储器150获得的与车辆相关联的信息来产生是否淘汰车辆的推荐。在一些实施例中,服务器120可以包括一个或多个处理引擎(例如,单核处理器或是多核处理器)。仅仅举个例子,服务器120可以包括中央处理器(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图形处理器(GPU)、物理运算处理单元(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。
在一些实施例中,车辆管理平台110和服务器120可以被一个单个设备来实现,所述单个设备被被配置为执行车辆管理平台110和本申请中所描述的服务器120的功能。
车辆终端130可以指被配置为向服务器120发送评估车辆的请求的设备,并且响应于来自服务器120的请求接收与评估相关联的推荐。在一些实施例中,诸如车辆驾驶员或车辆所有者的用户可以使用车辆终端130向服务器120发送请求并从服务器120接收推荐。
在一些实施例中,车辆终端130可以包括移动设备、平板电脑、膝上型电脑、机动车内置设备等或其任意组合。在一些实施例中,移动设备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、智能电器的控制设备、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,该可穿戴设备可包括一智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能穿着、智能背包、智能配件等或其任意组合。在一些实施例中,该智能移动设备可包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备等或其任意组合。在一些实施例中,虚拟现实设备和/或增强型虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实补丁、增强型虚拟现实头盔、增强型虚拟现实眼镜、增强型虚拟现实补丁等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中,机动车辆中的内置设备可以包括车载电脑、车载电视等。在一些实施例中,车辆终端130可以是具有用于定位车辆和/或车辆终端130的位置的定位技术的设备。
网络140可以促进信息和/或数据的交换。在一些实施例中,车辆管理系统100中的一个或多个部件(例如,服务器120、车辆管理平台110、车辆终端130和存储器150)在车辆管理系统100中经由网络140,可以向其他部件发送信息和/或数据。例如,服务器120可以经由网络140从车辆管理平台110获得/获取评估车辆的请求。在一些实施例中,网络140可以是任何类型的有线或无线网络或其组合。仅作为范例,网络140可以包括电缆网络、有线网络、光纤网络、电信网络、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(MAN)、公用电话交换网(PSTN)、蓝牙网络,ZigBee网络、近场通讯(NFC)等或其任意组合。在一些实施例中,网络140可以包括一个或多个网络接入点。例如,网络140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,车辆管理系统100的一个或多个部件可以通过该网络接入点连接到网络140以交换数据和/或信息。
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可以存储从车辆管理平台110和/或车辆终端130获得的数据。在一些实施例中,存储器150可以存储服务器120可以执行或用于执行本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储器150可以包括大容量存储器,可移动存储器,易失性读写存储器,只读存储器(ROM)等或其任何组合。示例性大容量存储器可包括磁盘、光盘、软盘、固态硬盘等。示例性的可移动存储器可包括快闪驱动、软盘、光盘、记忆卡、压缩盘、磁带等。示例性的易失性读写存储器可包括随机存储器(RAM)。示例性的随机存储器(RAM)可以包括动态随机储存器(DRAM)、双倍速率同步动态随机储存器(DDRSDRAM)、静态随机储存器(SRAM)、闸流体随机储存器(T-RAM)和零电容储存器(Z-RAM)等。示例性的只读存储器可以包括掩蔽型只读存储器(MROM)、可以程序只读存储器(PROM)、可以清除可以程序只读存储器(EPROM)、电子可以抹除可以程序只读存储器(EEPROM)、压缩盘只读存储器(CD-ROM)和数字通用磁盘只读存储器等。仅仅举个例子,所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、中间云、多云等或其任意组合。
在一些实施例中,存储器150可连接到网络140与车辆管理系统100中的一个或多个部件(例如,服务器120,车辆管理平台110,车辆终端130等)通信。车辆管理系统100中的一个或多个部件可以经由网络140访问存储在存储器150中的数据或指令。在一些实施例中,存储器150可直接连接到车辆管理系统100中的一个或多个部件(例如,服务器120,车辆管理平台110,车辆终端130等)或与其通信。在一些实施例中,存储器150可以是服务器120的一部分。
在一些实施例中,车辆管理系统100中的一个或多个部件(例如,服务器120,车辆管理平台110,车辆终端130等)可具有访问存储器150的许可。在一些实施例中,当满足一个或多个条件时,车辆管理系统100中的一个或多个部件可读取和/或修改关于车辆,发送请求以评估车辆的请求者和/或公众的信息。例如,服务器120可以在生成关于评估车辆的推荐之后读取和/或修改与车辆相关联的信息。作为另一示例,当从请求者接收到请求时,服务器120可以访问与请求者有关的信息。
图2是根据本申请的一些实施例所示的计算设备200的示例性硬件和软件的示意图,服务器120、车辆管理平台110和/或车辆终端130可以在计算设备200上实现。例如,服务器120可以在计算设备200上实现并被配置为实现本申请中所公开的功能。
计算设备200可以是通用计算机或专用计算机,两者可被用于实现本申请公开的车辆销售推荐系统。计算设备200可以用于实现本文所述的车辆销售推荐服务的任何部件。例如,服务器120可以通过其硬件、软件程序、固件或其组合在计算设备200上实现。尽管仅示出了一个这样的计算机,但是为了方便起见,与在此描述的车辆销售推荐服务相关的计算机功能可以以分布式方式在多个类似平台上实现,以分配处理负载。
例如,计算装置200可以包括与网络连接的通讯端口250,以促进数据通讯。计算设备200还可以包括处理器220,其以一个或多个处理器的形式用于执行程序指令。示例性计算机平台可以包括内部通信总线210、不同形式的程序存储器和数据存储器,例如磁盘270、只读存储器(ROM)230或随机存储器(RAM)240,用于由计算机处理和/或发送的各种数据文件。示例性计算机平台也可以包括储存于只读存储器230、随机存储器240和/或其他形式的非暂时性储存介质中的能够被处理器220执行的程序指令。本申请公开的方法及/或流程可以作为程序指令来实施。计算设备200还包括输入/输出260,其支持计算机与其中的其他组件(例如用户界面元件)之间的输入/输出。计算设备200也可以通过网络通信接收程序和数据。计算设备200也可以通过网络通讯接收程序设计和数据。
仅仅为了说明,在计算设备200中仅描述了一个处理器。然而,应当注意的是,本申请中的计算设备200还可包括多个处理器,因此本公开所述的由一个处理器执行的步骤和/或方法步骤也可由多个处理器共同或分别执行。例如,如果在本申请中,所述计算设备200的处理器执行步骤A和步骤B,应当理解的是,步骤A和步骤B也可以由所述计算设备200的两个不同的处理器共同或独立执行(例如,所述第一处理器执行步骤A,所述第二处理器执行步骤B,或者所述第一和所述第二处理器共同执行步骤A和步骤B)。
图3是根据本申请的一些实施例所示的服务器120的示例的架构模组的示意性框图。如图所示,服务器120可以包括输入输出模块310,车辆信息获取模块320,收入确定模块330,成本确定模块340和推荐生成模块350。模块可以是硬件电路的全部或是服务器120的一部分。模块还可以被实现为由服务器120读取和执行的应用程序或指令集。此外,模块可以是硬件电路和应用程序/指令的组合。例如,当服务器120正在执行应用程序/指令集时,模块可以是服务器120的一部分。
所述输入输出模块310可以被配置为接收来自用户的评估车辆的请求。在一些实施例中,用户可以包括与车辆(例如,出租车司机)相关联的服务提供者、车辆所有者或车辆管理平台110的操作员中的至少一个。在一些实施例中,所述请求可以与确定是否淘汰车辆相关联。在一些实施例中,服务提供者和/或车辆所有者可以经由网络140使用车辆终端130向服务器120发送评估与服务提供者和/或车辆所有者相关联的车辆的请求。例如,服务提供者可以发送请求到服务器120以评估由服务提供者驾驶的车辆。作为另一个例子,车辆所有者可以向服务器120发送评估车辆所有者拥有的车辆的请求。在一些实施例中,车辆管理平台110的操作员可以经由网络140使用车辆管理平台110发送请求到服务器120以评估由车辆管理平台110管理的一个或多个车辆。
在本申请中,时间段可以包括时间间隔。与时间段相比,时间间隔可以相对较短,例如一个月或一周。与时间间隔相比,时间段可以相对较长,例如一年或半年。例如,一年的时间段可以包括十二个时间间隔,每个时间间隔是一个月。当前时间间隔和当前时间点可以与输入输出模块310接收到请求的时间相关联。例如,输入输出模块310可以在2017年4月10日接收请求,当前时间间隔可以是2017年4月,当前时间点可以是输入输出模块310接收请求的时间。先前时间点,先前时间间隔和包括先前时间间隔和先前时间点的先前时间段可以在输入输出模块310接收到请求的时间之前。未来时间点,未来时间间隔和包括未来时间间隔和未来时间点的未来时间段可以在输入输出模块310接收到请求的时间之后。
所述车辆信息获取模块320可以被配置为获取与所述车辆相关联的信息。在一些实施例中,车辆信息获取模块320可以获取与先前时间段对应的与车辆相关联的信息。先前的时间段可以在输入输出模块310接收到请求的时间之前。例如,输入输出模块310可以在2017年4月10日接收请求,车辆信息获取模块320可以获得与车辆相关的2016年的信息。在一些实施例中,车辆信息获取模块320可以获取与车辆相关联的与先前时间段中的一个或多个先前时间间隔相对应的信息。例如,输入输出模块310可以在2017年4月10日接收请求,并且车辆信息获取模块320可以获取对应于2017年1月至2017年3月与车辆相关的信息。
在一些实施例中,与车辆相关的信息可以包括车型(例如,CAMRY TM的车辆),先前车龄,先前车辆里程,先前车辆的运营成本,先前车辆的运营收入,先前车辆的价格等,或其任何组合。
车龄可以指从车辆的生产年份到与某一时间间隔相关的年份之间的年数。先前车龄可以是先前时间段内的先前时间间隔中的车龄。先前车龄可以指从车辆的生产年份到与先前时间间隔相关的年份的年数。例如,车辆的生产年份可以是2012年,先前时间间隔可以是2017年3月,并且车龄可以是5年。
车辆里程可以指车辆从生产日期到与某一时间间隔相关的日期的行驶距离。先前车龄可以是先前时间段内的先前时间间隔内的车辆里程。先前车辆里程可以指车辆从生产日期到与先前时间间隔相关联的日期的行进距离。例如,先前车辆里程可以指车辆从生产日期到先前时间间隔的最后一天的行驶距离。
车辆的运营成本可以涉及维护车辆的金额。运营成本可包括修理成本,燃料成本等或其任何组合。先前的运营成本可以是先前时间段内的先前时间间隔内的运营成本。
车辆的运营收入可以指通过使用车辆提供运输服务而获得的收入金额。例如,对于出租车服务,车辆的运营收入可以指服务请求者(例如乘客)为出租车服务支付的金额。先前的运营收入可以是先前时间段内的先前时间间隔内的运营收入。
车辆的价格(例如,残值)可以指车辆在某一时间间隔或时间点的售价。车辆在某一时间间隔内的售价可以由车辆在该时间间隔内的平均售价或车辆在该时间间隔内的时间点的售价表示。先前车辆价格可以是车辆在先前时间段内的先前时间间隔内的车辆价格,或者先前时间段内的先前时间点的价格。
在一些实施例中,车辆管理平台110可以收集与由车辆管理110管理的车辆相关联的信息,并且可以将与车辆相关联的信息存储在存储器150中。例如,车辆管理平台110可以通过安装在车辆终端130中的定位技术来获取车辆里程。作为另一个例子,服务提供者(例如,出租车司机)可以将修理成本和/或燃料成本发送到车辆管理平台110。因此,服务器120可以从车辆管理平台110和/或存储器150获得与车辆相关联的信息。
收入确定模块330可以被配置为基于与车辆相关联的信息确定在未来时间段中与车辆相关联的至少一个未来收入值。在一些实施例中,与车辆相关联的收入值可以指车辆可以产生的金额。在一些实施例中,未来收入值可以是未来时间段内的未来时间间隔中的收入值。未来时间段和未来时间间隔可以在输入输出模块310接收到请求的时间之后。例如,输入输出模块310可以在2017年4月10日接收请求,收入确定模块330可以确定对应于2017年5月至2018年4月的12个未来收入值。
与车辆相关联的未来收入值可以包括未来的运营收入和/或风险系数。未来的运营收入可以指与未来时间段内的未来时间间隔对应的,通过使用和/或操作车辆产生的运营收入。风险系数可以被配置为减少或避免未来运营收入中的错误。收入确定模块330可以基于与输入输出模块310接收到请求的时间相关联的相同车型的新车辆的价格来确定风险系数。例如,输入输出模块310可以在2017年4月10日接收请求,收入确定模块330可以基于2017年4月或者2017年4月10日的某一时间点的相同车型的新车的价格确定风险系数。在一些实施例中,与输入输出模块310接收到请求的时间相关联的相同车型的新车的价格可以由公众知晓。在一些实施例中,对于不同的情况,风险系数可以是恒定的或可调整的。例如,收入确定模块330可以确定风险系数是与输入输出模块310接收到请求的时间相关联的相同车型的新车的价格的5%。作为另一个例子,对于高端车辆(例如兰博基尼TM),收入确定模块330可以确定相对较大的风险系数(例如,与输入输出模块310接收该请求的时间相关联的相同车型的新车的价格的7%)。对于普通车辆(例如AltoTM),收入确定模块330可以确定相对较小的风险系数(例如,与输入输出模块310接收到请求的时间相关联的相同车型的新车的价格的3%)。
成本确定模块340可以被配置成基于与车辆相关联的信息和至少一个未来收入值来确定在未来时间段中的与车辆相关联的至少一个未来成本值。与车辆相关联的成本值可以涉及运行车辆的成本的金额。在一些实施例中,未来成本值可以是未来时间段内的未来时间间隔中的成本值。在一些实施例中,一个未来成本值可以对应于一个未来收入值。例如,输入输出模块310可以在2017年4月10日接收请求,收入确定模块330可以确定对应于2017年5月到2018年4月的12个未来收入值以及对应于2017年5月到2018年4月的12个未来成本值。
未来成本值可以包括车辆的未来运营成本和/或车辆的未来残值减少值。未来成本值可以指未来时间段内未来时间间隔内的成本价值。残值减少值(例如折旧)可以指一个时间间隔(或在一个时间点)与另一个时间间隔(或在另一个时间点)的车辆的价格相比,价格的减少值。未来残值减少值可以指相比于与输入输出模块310接收请求的时间相关联的当前时间间隔(或者在当前时间点)内车辆的价格,在未来时间段内的未来时间间隔(或未来时间点)内的车辆的价格的减少值。例如,输入输出模块310可以在2017年4月10日接收到请求,6月份的未来残值减少值可以是与4月份的车辆价格相比6月份的车辆价格的减少值,成本确定模块340可以基于4月份的车辆价格和6月份的车辆价格确定6月份的未来残值减少值(例如,将结合图5详细描述)。作为另一示例,输入输出模块310可以在2017年4月10日接收请求,6月的未来残值减少值可以指与2017年4月10日的某一时间点的价格相比,在2017年6月的相同时间点车辆的价格的减少值,成本确定模块340可以基于在2017年4月10日的某一时间点处的车辆的价格以及在2017年6月的相同时间点处的车辆的价格来确定未来的6月的残值减少值(例如,将结合图5详细描述)。
推荐生成模块350可以被配置为基于至少一个未来成本值和至少一个未来收入值生成关于是否淘汰车辆的推荐。
输入输出模块310可以被进一步配置成响应于评价车辆的请求向用户发送所述推荐。在一些实施例中,输入输出模块310可以将推荐发送到车辆管理平台110和/或车辆终端130。
服务器120中的模块可以通过有线连接或无线连接彼此连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等,或其任何组合。无线连接可以包括局域网(LAN)、广域网(WAN)、蓝牙、ZigBee、近场通信(NFC)等或其任何组合。两个或更多个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更多个单元。例如,收入确定模块330可以被集成在成本确定模块340中作为既可以确定成本值又可以确定收入值的单个模块。作为另一个例子,输入输出模块310可以被分成两个单元。第一单元可以被配置成接收来自用户的评估车辆的请求。第二单元可以被配置为向用户发送推荐。
应该注意的是,图3中所描述的服务器120,仅仅是为了说明的目的而提供,并不构成对本申请公开范围的限制。对于本领域的普通技术人员而言,可以在本申请的教导下进行多种变化或修改。然而,这些变化和修改不脱离本申请的范围。例如,服务器120可以进一步包括存储模块,存储模块被配置为存储数据和/或指令。
本领域的普通技术人员应当理解,当按需服务系统100的元件执行时,该元件可以通过电信号(例如电流)和/或电磁信号来执行。例如,当请求者终端130向服务器110发出服务请求时,请求者终端130的处理器可以生成编码所述请求的电信号。然后请求者终端130的处理器可以将电信号发送到输出端口。如果请求者终端130经由有线网络与服务器110通信,则输出端口可以物理连接到电缆,电缆进一步将电信号传输到服务器110的输入端口。如果服务终端130经由无线网络与服务器110通信,则请求者终端130的输出端口可以是一个或多个天线,其将电信号转换为电磁信号。类似地,提供者终端140可以经由电信号或电磁信号从服务器110接收指令和/或服务请求。在诸如请求者终端130,提供者终端140和/或服务器110的电子设备中,当其处理器处理指令,发出指令和/或执行操作时,指令和/或操作通过电信号进行。例如,当处理器从存储介质中检索或保存数据时,它可以将电信号发送到存储介质的读/写设备,存储介质可以读取或写入存储介质中的结构化数据。结构化数据可以经由电子设备的总线以电信号的形式传输到处理器。这里,电信号可以指一个电信号,一系列电信号和/或多个离散电信号。
图4是根据本申请的一些实施例所示的评估车辆的示例性过程的流程图。在一些实施例中,流程400可以被应用在如图1所示的系统100中实现。例如,流程400可以作为指令的形式被存储在存储器150和/或存储设备(例如,只读存储器230,随机存储器240等)中,并且由服务器120调用和/或执行(例如,服务器120的处理器220,或图3中所示的服务器120中的一个或多个模块)。
为了简洁起见,流程400可以以一个车辆的评估为例。应该注意,下面描述的评估车辆的流程400仅仅是示例或实现。在一些实施例中,服务器120可以基于流程400逐个或同时评估至少一个车辆。
在步骤410中,输入输出模块310可以接收来自用户的评估车辆的请求。
在一些实施例中,用户可以包括与车辆相关联的服务提供者(例如,出租车司机),车辆所有者或车辆管理平台110的操作者中的至少一个。在一些实施例中,该请求可以包括关于如何处置车辆的推荐询问,例如询问应该保留车辆还是淘汰车辆(例如出售车辆(以及出售价格),或者将车辆送到垃圾场)。处置车辆还可以包括诸如将车辆拆卸成零件并出售零件,或更新/重建车辆的全部或部分等选项。纯粹出于说明的目的,而不意图限制本申请的范围和精神,下面的说明将以是否淘汰车辆为例。在一些实施例中,服务提供者和/或车辆所有者可以通过网络140使用车辆终端130向服务器120发送评估与服务提供者和/或车辆所有者相关联的车辆的请求。例如,服务提供者可以发送请求到服务器120以评估由服务提供者驾驶的车辆。作为另一个例子,车辆所有者可以向服务器120发送评估车辆所有者拥有的车辆的请求。在一些实施例中,车辆管理平台110的操作员可以经由网络140使用车辆管理平台110发送请求到服务器120以评估由车辆管理平台110管理的一个或多个车辆。
在步骤420中,车辆信息获取模块320可以获取与车辆相关联的信息。
在一些实施例中,车辆信息获取模块320可以获取与先前时间段对应的与车辆相关联的信息。先前的时间段可以在输入输出模块310接收到请求的时间之前。例如,输入输出模块310可以在2017年4月10日接收请求,车辆信息获取模块320可以获得与车辆相关的2016年的信息。在一些实施例中,车辆信息获取模块320可以获取与车辆相关联的与先前时间段中的一个或多个先前时间间隔相对应的信息。例如,输入输出模块310可以在2017年4月10日接收请求,车辆信息获取模块320可以获取对应于2017年1月至2017年3月与车辆相关的信息。在一些实施例中,与车辆相关的信息可以包括车型(例如,CAMRY TM的车辆),先前车龄,先前车辆里程,先前车辆的运营成本,先前车辆的运营收入,先前车辆的价格等,或其任何组合。
在步骤430中,收入确定模块330可以基于与车辆相关联的信息来确定和/或预测与车辆相关联的至少一个未来收入值。与车辆相关联的未来收入值可以包括未来的运营收入和/或风险系数。未来的运营收入可以指与未来时间段内的未来时间间隔对应的,通过使用和/或操作车辆产生的运营收入。
在一些实施例中,收入确定模块330可以基于至少一个先前运营收入来确定至少一个未来运营收入。例如,收入确定模块330可以基于对应于2015年1月到2016年12月的24个先前的运营收入,确定和/或预测对应于2017年5月到2018年4月的12个未来营业收入。在一些实施例中,收入确定模块330可以基于至少一个先前运营收入确定用于在不同时间间隔中描述运营收入的第一规则(例如,函数,数据表或模型),并基于第一规则确定至少一个未来运营收入。在一些实施例中,收入确定模块330可以基于自回归整合移动平均(ARIMA)模型来确定第一规则。在一些实施例中,收入确定模块330可通过使用车型,至少一个先前车龄或至少一个先前运营收入来训练ARIMA模型,以确定第一规则。
在一些实施例中,收入确定模块330可以逐一或同时确定至少一个未来运营收入。
为了简洁起见,作为示例,以下关于确定未来收入值的描述以确定一个未来收入值为例。应该注意的是,下面描述的确定未来收入值的描述仅仅是示例或实施。在一些实施例中,收入确定模块330可以基于下面描述的确定未来收入值的描述逐个或同时确定至少一个未来收入值。
在一些实施例中,未来收入值可以是未来运营收入和风险系数的线性组合。在一些实施例中,收入确定模块330可基于以下等式(1)确定未来收入值:
Vincome=x1CI+x2CP, 等式(1)
其中,Vincome可以指未来收入值,CI可以指未来运营收入,CP可以指风险系数,x1可以指未来运营收入的系数,x2可以指风险系数的系数,x1可以大于0,x2可以大于或等于0。
在一些实施例中,收入确定模块330可以基于某一未来时间间隔内的未来运营收入确定相同未来时间间隔内的未来收入值。例如,收入确定模块330可以基于2017年5月的未来运营收入确定2017年5月的未来收入值。
在步骤440中,成本确定模块340可以基于与车辆相关联的信息和至少一个未来收入值来确定与车辆相关联的至少一个未来成本值。与车辆相关的未来成本值可以包括未来运营成本和/或未来残值减少值。未来运营成本可包括未来修理成本,未来燃料成本等或其任何组合。未来修理成本可以指未来时间段内未来时间间隔内的修理成本。未来燃料成本可以指未来时间段内未来时间段内的燃料成本。在一些实施例中,车辆价格的下降速率可以随时间减少。但是,随着时间的推移,车辆的修理成本可能会增加。由于未来修理成本的影响,未来成本值可能会随着时间增加。在未来成本值的影响下,未来成本值可能会大于未来时间间隔的未来收入价值。
在一些实施例中,成本确定模块340可以基于至少一个先前运营成本来确定至少一个未来运营成本。例如,成本确定模块340可基于对应于2015年1月至2016年12月的24个先前运营成本,确定与2017年5月至2018年4月对应的12个未来运营成本。
在一些实施例中,成本确定模块340可以基于至少一个先前运营成本确定用于在不同时间间隔中描述运营成本的第二规则(例如,函数,数据表或模型),并基于第二规则确定至少一个未来运营成本。在一些实施例中,成本确定模块340可以基于自回归整合移动平均(ARIMA)模型来确定第二规则。在一些实施例中,成本确定模块340可通过使用车型,至少一个先前车龄或至少一个先前运营成本来训练ARIMA模型,以确定第二规则。
在一些实施例中,车辆行驶距离越长,运营成本可能越高。成本确定模块340可以基于至少一个先前车辆里程来确定至少一个未来运营成本。在一些实施例中,成本确定模块340可以基于至少一个先前车辆里程确定第三规则(例如,功能,数据表或模型)以在不同时间间隔中描述车辆里程数并且基于第三规则确定未来车辆里程。在一些实施例中,成本确定模块340可以基于自回归整合移动平均(ARIMA)模型来确定第三规则。在一些实施例中,成本确定模块340可通过使用车型,至少一个先前车龄或至少一个先前车辆里程来训练ARIMA模型,以确定第三规则。在一些实施例中,成本确定模块340可以基于至少一个先前运营成本和至少一个先前车辆里程来获得用于描述对应于不同车辆里程的运营成本的第四规则(例如,函数,数据表或模型)。在一些实施例中,成本确定模块340可以基于第四规则和未来车辆里程来确定未来运营成本。在一些实施例中,成本确定模块340可以逐个或同时确定至少一个未来运营成本。
残值减少值可以指一个时间间隔(或在一个时间点)与另一个时间间隔(或在另一个时间点)的车辆的价格相比,价格的减少值。未来残值减少值可以指相比与输入输出模块310接收请求的时间相关联的当前时间间隔(或者在当前时间点)内车辆的价格,在未来时间段内的未来时间间隔(或未来时间点)内的车辆的价格的减少值。例如,输入输出模块310可以在2017年4月10日接收到请求,6月份的未来残值减少值可以是与4月份的车辆价格相比6月份的车辆价格的减少值,成本确定模块340可以基于4月份的车辆价格和6月份的车辆价格确定6月份的未来残值减少值(例如,将结合图5详细描述)。5)。作为另一示例,输入输出模块310可以在2017年4月10日接收请求,6月的未来残值减少值可以指与2017年4月10日的某一时间点的价格相比,在2017年6月的同一时间点的车辆价格的减少值,成本确定模块340可以基于在2017年4月10日的某一时间点的车辆的价格以及在2017年6月的同一时间点的车辆价格来确定6月的未来残值减少值(例如,将结合图5详细描述)。
为了简洁起见,作为示例,确定未来成本值的描述以确定一个未来成本值为例。应该注意的是,下面描述的确定未来成本值的描述仅仅是示例或实施。在一些实施例中,收入确定模块340可以基于下面的关于确定未来成本值的描述逐个或同时确定至少一个未来成本值。
在一些实施例中,未来成本值可以是未来运营成本与未来残值减少值的线性组合。在一些实施例中,成本确定模块340可基于以下等式(2)确定未来成本值:
Vcost=x3Cc+x4CR, 等式(2)
其中,Vcost可以指未来成本值,Cc可以指未来运营成本,CR可以指未来残值减少值,x3可以指未来运营成本的系数,x4可以指未来残值减少值的系数,x3和x4可以大于0。
在一些实施例中,收入确定模块340可以基于某一未来时间间隔内的未来运营成本和相同未来时间间隔内的未来残值减少值,确定未来时间段内相同未来时间间隔内的未来成本值。例如,成本确定模块340可以基于2017年5月的未来运营成本和2017年5月的未来残值减少值来确定2017年5月的未来成本值。
在步骤450中,推荐生成模块350可基于至少一个未来成本值和至少一个未来收入值生成关于是否淘汰车辆的推荐。
在一些实施例中,推荐生成模块350可以分别比较至少一个未来成本值和至少一个未来收入值。推荐生成模块350可以基于至少一个比较结果生成推荐。在一些实施例中,在至少一个比较结果中,如果没有比较结果指示未来成本值大于未来收入值,则推荐生成模块350可以生成继续运行车辆的推荐。如果至少一个比较结果指示未来成本值大于未来收入值,则推荐生成模块350可以生成淘汰车辆的推荐(诸如出售车辆或将车辆送到垃圾场)。此外,推荐生成模块350可以生成从转折点淘汰车辆的推荐。转折点可以指第一未来时间间隔,与第一未来时间间隔对应的比较结果指示未来成本值大于未来收入值,而与第二未来时间间隔对应的比较结果指示未来成本值小于或等于未来收入值,第二未来时间间隔位于第一未来时间间隔之前且与第一未来时间间隔相邻。例如,输入输出模块310可以在2017年4月10日接收来自用户的评估车辆的请求,收入确定模块330可以确定与2017年5月至2018年4月对应的车辆的未来收入值,成本确定模块340可以确定与2017年5月至2018年4月对应的车辆的未来成本值。推荐生成模块350可以分别比较12个未来收入值和12个未来成本值。假设推荐生成模块350确定从2017年11月起未来成本值大于未来收入值,则推荐生成模块350可以生成从2017年11月起淘汰车辆的推荐。
在步骤460中,输入输出模块310可以响应于所述评价车辆的请求向用户发送推荐。在一些实施例中,输入输出模块310可以将推荐发送到车辆管理平台110和/或车辆终端130。
在一些实施例中,服务器120可以以任何顺序执行步骤430和步骤440。例如,服务器120可以在步骤440之前或之后执行步骤430。作为另一个例子,服务器120可以同时执行步骤430和步骤440。
图5是根据本申请的一些实施例所示的用于确定车辆的至少一个未来残值减少值的示例性流程的流程图。在一些实施例中,流程500可以被应用在如图1所示的系统100中实现。例如,流程500可以作为指令的形式被存储在存储器150和/或存储设备(例如,只读存储器230,随机存储器240等)中,并且由服务器120调用和/或执行(例如服务器120的处理器220,或图1中所示的服务器120中的一个或多个模块)。在一些实施例中,流程500可以用于在流程400中的步骤440中确定至少一个未来成本值。
在一些实施例中,成本确定模块340可基于与车辆在与输入输出模块310接收到所述请求相关联的当前时间间隔内的车辆价格相比,车辆在未来时间段内的未来时间间隔内的车辆价格的减少值,来确定未来残值减少值。
在步骤510中,成本确定模块340可以确定第一模型。在一些实施例中,成本确定模块340可以基于决策树模型来确定第一模型。此外,成本确定模块340可以基于梯度增强决策树(GBDT)模型来确定第一模型。在一些实施例中,成本确定模块340可通过使用车型,至少一个先前车龄或至少一个先前时间间隔中的车辆价格来训练GBDT模型,以确定第一模型。
在步骤520中,成本确定模块340可以基于第一模型和与车辆相关联的信息来确定车辆的当前价格。车辆的当前价格可以指在与输入输出模块310接收到请求的时间(例如,当前时间间隔)相关联的时间间隔中的车辆价格,或者在与输入输出模块310接收所述请求(例如,当前时间点)时间相关联的时间点处的车辆价格。在一些实施例中,成本确定模块340可以确定当前时间间隔中的车辆的当前价格。例如,输入输出模块310可以在2017年4月10日接收请求,成本确定模块340可以确定2017年4月的车辆价格。在一些实施例中,成本确定模块340可以将当前时间间隔中的车型和/或车龄输入到第一模型。第一个模型可以基于输入生成车辆的当前价格。成本确定模块340可以将当前时间间隔内的平均销售价格或当前时间间隔内某一时间点的销售价格,作为当前时间间隔内车辆的当前价格。
在步骤530中,成本确定模块340可以确定第二模型。在一些实施例中,成本确定模块340可以基于回归模型来确定第二模型。此外,成本确定模块340可以基于ARIMA模型来确定第二模型。在一些实施例中,成本确定模块340可以通过使用车型,至少一个在先前车龄或至少一个先前时间间隔的车辆的价格来训练ARIMA模型,以确定第二模型。
在步骤540中,成本确定模块340可以基于第二模型和与车辆相关联的信息来确定车辆的至少一个未来价格。在一些实施例中,成本确定模块340可以将车型,当前时间间隔中的车龄或一个或多个未来时间间隔输入到第二模型。第二模型可基于输入生成与未来时间段中的一个或多个未来时间间隔对应的车辆的一个或多个未来价格。车辆的每个未来价格可分别对应于未来时间间隔中的一个。例如,输入输出模块310可以在2017年4月10日接收请求,成本确定模块340可以输入车型,2017年4月的车龄以及2017年5月至2018年4月的12个时间间隔到第二模型。基于输入,第二模型可以生成从2017年5月到2018年4月的12个车辆未来价格。成本确定模块340可以确定将来时间间隔中的平均售价或未来时间间隔中的某一时间点处的售价作为未来时间间隔中车辆的未来价格。
在步骤550中,成本确定模块340可以基于车辆的当前价格和车辆的至少一个未来价格来确定车辆的至少一个未来残值减少值。在一些实施例中,成本确定模块340可以通过确定车辆的当前价格与车辆的未来价格之间的差来确定车辆的残值减少值。例如,输入输出模块310可以在2017年4月10日接收请求,成本确定模块340可以通过确定2017年4月的当前价格和5月的车辆的未来价格之间的差值来确定2017年5月的未来残值减少值。
在一些实施例中,成本确定模块340可以以任何顺序执行步骤510和步骤530。例如,成本确定模块340可以在步骤530之前或之后执行步骤510。作为另一个例子,成本确定模块340可以同时执行步骤510和步骤530。
在一些实施例中,成本确定模块340可基于与车辆在与输入输出模块310接收到所述请求相关联的当前时间点内的车辆的价格相比,车辆在未来时间段内的未来时间点内的车辆价格减少值,来确定未来的残值减少值。
成本确定模块340可以确定第一模型。在一些实施例中,成本确定模块340可以基于决策树模型来确定第一模型。此外,成本确定模块340可以基于梯度增强决策树(GBDT)模型来确定第一模型。在一些实施例中,成本确定模块340可通过使用车型,至少一个先前车龄或至少一个先前时间点中的车辆的价格来训练GBDT模型,以确定第一模型。
成本确定模块340可以基于第一模型和与车辆相关联的信息来确定车辆的当前价格。在一些实施例中,成本确定模块340可以确定当前时间点处的车辆的当前价格。例如,输入输出模块310可以在2017年4月10日接收请求,成本确定模块340可以确定在2017年4月10日的某一时间点的车辆的价格。在一些实施例中,成本确定模块340可以将车型和/或车龄输入到第一模型。第一个模型可以基于输入生成车辆的当前价格。
成本确定模块340可以确定第二模型。在一些实施例中,成本确定模块340可以基于回归模型来确定第二模型。此外,成本确定模块340可以基于ARIMA模型来确定第二模型。在一些实施例中,成本确定模块340可以通过使用车型,至少一个在先前车龄或至少一个先前时间点的车辆的价格来训练ARIMA模型,以确定第二模型。
成本确定模块340可以基于第二模型和与车辆相关联的信息来确定车辆的至少一个未来价格。在一些实施例中,成本确定模块340可将车型,车龄或一个或多个未来时间点输入到第二模型。第二模型可基于输入生成与未来时间段中的一个或多个未来时间点对应的车辆的一个或多个未来价格。车辆的每个未来价格可分别对应于未来时间点中的一个。例如,输入输出模块310可以在2017年4月10日接收请求,成本确定模块340可以输入车型,2017年4月的车龄以及2017年5月至2018年4月时间段的12个时间点到第二模型。第二模型可以基于输入生成2017年5月至2018年4月的时间段中的12个时间点对应的车辆的12个未来价格。
成本确定模块340可以基于车辆的当前价格和车辆的至少一个未来价格确定车辆的至少一个未来残值减少值。在一些实施例中,成本确定模块340可以通过确定车辆的当前价格与车辆的未来价格之间的差来确定车辆的残值减少值。例如,输入输出模块310可以在2017年4月10日接收请求,成本确定模块340可以通过确定车辆在2017年4月10日的当前价格和在2017年5月所述车辆的未来价格之间的差值,来确定2017年5月的未来残值减少值。
上文已对基本概念做了描述,显然,对于已阅读此详细揭露的本领域的普通技术人员来讲,上述详细揭露仅作为示例,而并不构成对本申请的限制。虽然此处并没有明确说明,本领域具有通常知识者可以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,本申请使用了特定术语来描述本申请的实施例。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、结构或特点。因此,应强调并注意的是本说明书中在不同位置两次或多次提到的“实施例”或“一个实施例”或“替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特性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制程、机器、产品或物质的组合,或对其任何新的和有用的改进。因此,本申请的各方面可完全实现硬件,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,其可在本文中通常被称为“单元”,“模块“或”系统“。此外,本申请的各方面可能表现为位于至少一个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。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除计算机可读储存介质之外的任何计算机可读介质,所述介质可以通过连接至一个指令执行系统、装置或装置以实现通讯、传播或传输供使用的程序。位于计算机可以读信号媒体上的程序编码可以通过任何合适的媒体进行传播,包括无线电、电缆、光纤缆线、RF、或类似媒体、或任何上述媒体的组合。
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,或类似的常规程序编程语言,如“C“编程语言、Visual Basic、Fortran2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy或其它编程语言。程序代码可以完全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上运行、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,本申请所述处理元素和序列的顺序、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,但应当理解此类细节仅起说明的目的,,附加的申请专利范围并不仅限于披露的实施例,相反,申请专利范围旨在覆盖所有符合本申请实施例精神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,为了简化本申请揭示的表述,从而帮助对一个或多个发明实施例的理解,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。但是,这种公开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。相反,要求保护的主题可能少于单个前述公开的实施例的全部特征。
Claims (20)
1.一种电子系统,包括:
至少一个存储媒介,包括一组指令;以及
至少一个处理器,被配置为与所述至少一个存储媒介通信,其中当执行所述指令时,所述至少一个处理器:
获取第一时间段内与车辆相关联的信息;
基于与所述车辆相关联的所述信息确定第二时间段内与所述车辆相关联的收入值;
基于所述收入值和与所述车辆相关联的所述信息确定所述第二时间段内与所述车辆相关联的成本值;以及
基于所述收入值和所述成本值生成是否淘汰所述车辆的推荐。
2.根据权利要求1所述的电子系统,其中,所述至少一个处理器进一步:
接收来自用户的评估所述车辆的请求;以及
响应于所述请求,将所述推荐发送给所述用户。
3.根据权利要求1所述的电子系统,其中,为确定所述成本值,所述至少一个处理器:
基于与所述车辆相关联的所述信息确定所述第二时间段内的车辆里程;以及
基于所述第二时间段内的所述车辆里程确定所述第二时间段内与所述车辆相关联的运营成本。
4.根据权利要求1所述的电子系统,其中,为确定所述成本值,所述至少一个处理器:
基于第一模型和与所述车辆相关联的所述信息确定所述车辆在第一时间点的当前价格,所述第一时间点在所述第二时间段之前;
基于第二模型和与所述车辆相关联的所述信息确定与所述第二时间段内的一个或多个第二时间点相对应的所述车辆的一个或多个价格,所述第二模型与所述第一模型不同;以及
基于所述车辆的所述当前价格和所述第二时间段内所述车辆的所述一个或多个价格中的一个,确定所述第二时间段内与所述车辆相关联的残值减少值。
5.根据权利要求4所述的电子系统,其中,所述第一模型是梯度增强决策树回归模型,所述第二模型是自回归积分移动平均模型。
6.根据权利要求1所述的电子系统,其中,为基于所述收入值和所述成本值生成是否淘汰所述车辆的所述推荐,所述至少一个处理器进一步:
确定所述成本值是否大于所述收入值;以及
响应于所述成本值大于所述收入值的确定结果,生成淘汰所述车辆的推荐。
7.根据权利要求1所述的电子系统,其中,所述第一时间段在所述第二时间段之前。
8.根据权利要求1所述的车辆管理系统,其中,所述第一时间段内与所述车辆相关联的所述信息包括以下的至少一个:
车型,
车龄,
车辆里程,
所述车辆的运营成本,
所述车辆的运营收入,或
所述车辆的价格。
9.根据权利要求1所述的电子系统,其中,所述收入值包括以下的至少一个:
所述第二时间段内的与所述车辆相关联的运营收入;或
风险系数。
10.一种在包括一个或以上处理器以及一个或以上存储媒介的计算设备上实现的方法,所述方法包括:
获取第一时间段内与车辆相关联的信息;
基于与所述车辆相关联的所述信息确定第二时间段内与所述车辆相关联的收入值;
基于所述收入值和与所述车辆相关联的所述信息确定所述第二时间段内与所述车辆相关联的成本值;以及
基于所述收入值和所述成本值生成是否淘汰所述车辆的推荐。
11.根据权利要求10所述的方法,所述方法进一步包括:
接收来自用户的评估所述车辆的请求;以及
响应于所述请求,将所述推荐发送给所述用户。
12.根据权利要求10所述的方法,其中,所述确定所述成本值包括:
基于与所述车辆相关联的所述信息确定所述第二时间段内的车辆里程;以及
基于所述第二时间段内的所述车辆里程确定所述第二时间段内与所述车辆相关联的运营成本。
13.根据权利要求10所述的方法,其中,所述确定所述成本值包括:
基于第一模型和与所述车辆相关联的所述信息确定所述车辆在第一时间点的当前价格,所述第一时间点在所述第二时间段之前;
基于第二模型和与所述车辆相关联的所述信息确定与所述第二时间段内的一个或多个第二时间点相对应的所述车辆的一个或多个价格,所述第二模型与所述第一模型不同;以及
基于所述车辆的所述当前价格和所述第二时间段内所述车辆的所述一个或多个价格中的一个,确定所述第二时间段内与所述车辆相关联的残值减少值。
14.根据权利要求13所述的方法,其中,所述第一模型是梯度增强决策树回归模型,所述第二模型是自回归积分移动平均模型。
15.根据权利要求10所述的方法,其中,所述基于所述收入值和所述成本值生成是否淘汰所述车辆的所述推荐包括:
确定所述成本值是否大于所述收入值;以及
响应于所述成本值大于所述收入值的确定结果,生成淘汰所述车辆的推荐。
16.根据权利要求10所述的方法,其中,所述第一时间段在所述第二时间段之前。
17.根据权利要求10所述的方法,其中,所述第一时间段内与所述车辆相关联的所述信息包括以下的至少一个:
车型,
车龄,
车辆里程,
所述车辆的运营成本,
所述车辆的运营收入,或
所述车辆的价格。
18.根据权利要求10所述的方法,其中,所述收入值包括以下的至少一个:
所述第二时间段内的与所述车辆相关联的运营收入;或
风险系数。
19.一种非暂时性计算机可读介质,包括至少一组指令,其中当所述至少一组指令由一个电子设备的一个或以上处理器执行时,所述至少一组指令使所述一个或以上处理器执行:
获取第一时间段内与车辆相关联的信息;
基于与所述车辆相关联的所述信息确定第二时间段内与所述车辆相关联的收入值;
基于所述收入值和与所述车辆相关联的所述信息确定所述第二时间段内与所述车辆相关联的成本值;以及
基于所述收入值和所述成本值生成是否淘汰所述车辆的推荐。
20.根据权利要求19所述的非暂时性计算机可读介质,其中,所述基于所述收入值和所述成本值生成是否淘汰所述车辆的所述推荐包括:
确定所述成本值是否大于所述收入值;以及
响应于所述成本值大于所述收入值的确定结果,生成淘汰所述车辆的推荐。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/094062 WO2019018980A1 (en) | 2017-07-24 | 2017-07-24 | METHODS AND SYSTEMS FOR VEHICLE MANAGEMENT |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110998618A true CN110998618A (zh) | 2020-04-10 |
CN110998618B CN110998618B (zh) | 2023-09-12 |
Family
ID=65039476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780093458.8A Active CN110998618B (zh) | 2017-07-24 | 2017-07-24 | 车辆管理方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10818108B2 (zh) |
EP (1) | EP3642779A4 (zh) |
CN (1) | CN110998618B (zh) |
WO (1) | WO2019018980A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150270A (zh) * | 2020-09-18 | 2020-12-29 | 中国建设银行股份有限公司 | 监控车辆信息的方法、装置、设备和计算机可读介质 |
CN113903102A (zh) * | 2021-10-29 | 2022-01-07 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516823B (zh) * | 2019-08-23 | 2023-06-27 | 优必爱信息技术(北京)有限公司 | 一种基于时序模型的车辆智慧保养模型 |
CN111860954B (zh) * | 2020-06-18 | 2024-07-05 | 上海钧正网络科技有限公司 | 车辆失联预测方法、装置、计算机设备和存储介质 |
US11995616B2 (en) | 2020-10-09 | 2024-05-28 | ANI Technologies Private Limited | Asset health management for vehicles |
US11842409B2 (en) | 2022-03-10 | 2023-12-12 | Honda Motor Co., Ltd. | Guiding vehicle users to build value with vehicle use |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194150A (zh) * | 2010-03-13 | 2011-09-21 | 张彩英 | 汽车运用管理数据系统 |
CN104303199A (zh) * | 2011-07-28 | 2015-01-21 | 真车股份有限公司 | 用于二手车定价数据分析与呈现的系统和方法 |
JP2015141600A (ja) * | 2014-01-29 | 2015-08-03 | 株式会社日立システムズ | リース残価設定額算出システム及びリース残価設定額算出方法、車両ビジネス活性化システム |
CN106127650A (zh) * | 2016-06-21 | 2016-11-16 | 北京保程保险公估有限公司 | 机动车报废判断装置及方法 |
CN106204138A (zh) * | 2016-07-11 | 2016-12-07 | 上海安吉星信息服务有限公司 | 一种车辆残值率评估方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170236227A1 (en) * | 2006-12-18 | 2017-08-17 | Steven B. Wagner | Financial benchmark and report generator and software distribution methods and systems |
KR100836234B1 (ko) * | 2007-08-13 | 2008-06-10 | 서원교 | 활동 정보 회계시스템 |
JP4241882B1 (ja) * | 2007-08-30 | 2009-03-18 | あいおい損害保険株式会社 | 物品残価予測装置、物品残価予測システム、車両残価予測装置及び車両残価予測システム |
US20100057479A1 (en) * | 2008-08-26 | 2010-03-04 | Gm Global Technology Operations, Inc. | System and method to compute vehicle health index from aggregate data |
WO2012018134A1 (ja) * | 2010-08-06 | 2012-02-09 | Ishida Hitoshi | 車両評価装置、並びに車両評価システム |
US9892568B2 (en) * | 2012-08-20 | 2018-02-13 | Innova Electronics Corporation | Method and system for determining the likely operating cost for a particular type of vehicle over a defined period |
-
2017
- 2017-07-24 CN CN201780093458.8A patent/CN110998618B/zh active Active
- 2017-07-24 EP EP17918961.8A patent/EP3642779A4/en not_active Withdrawn
- 2017-07-24 WO PCT/CN2017/094062 patent/WO2019018980A1/en unknown
-
2020
- 2020-01-22 US US16/749,968 patent/US10818108B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194150A (zh) * | 2010-03-13 | 2011-09-21 | 张彩英 | 汽车运用管理数据系统 |
CN104303199A (zh) * | 2011-07-28 | 2015-01-21 | 真车股份有限公司 | 用于二手车定价数据分析与呈现的系统和方法 |
JP2015141600A (ja) * | 2014-01-29 | 2015-08-03 | 株式会社日立システムズ | リース残価設定額算出システム及びリース残価設定額算出方法、車両ビジネス活性化システム |
CN106127650A (zh) * | 2016-06-21 | 2016-11-16 | 北京保程保险公估有限公司 | 机动车报废判断装置及方法 |
CN106204138A (zh) * | 2016-07-11 | 2016-12-07 | 上海安吉星信息服务有限公司 | 一种车辆残值率评估方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150270A (zh) * | 2020-09-18 | 2020-12-29 | 中国建设银行股份有限公司 | 监控车辆信息的方法、装置、设备和计算机可读介质 |
CN113903102A (zh) * | 2021-10-29 | 2022-01-07 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
CN113903102B (zh) * | 2021-10-29 | 2023-11-17 | 广汽埃安新能源汽车有限公司 | 调整信息获取方法、调整方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3642779A1 (en) | 2020-04-29 |
US10818108B2 (en) | 2020-10-27 |
EP3642779A4 (en) | 2020-04-29 |
WO2019018980A1 (en) | 2019-01-31 |
CN110998618B (zh) | 2023-09-12 |
US20200160630A1 (en) | 2020-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11279368B2 (en) | System and method for determining safety score of driver | |
CN110998618B (zh) | 车辆管理方法和系统 | |
US10859387B2 (en) | System and method for determining routes of transportation service | |
CN109478275B (zh) | 分配服务请求的系统和方法 | |
US20180240045A1 (en) | Systems and methods for allocating sharable orders | |
JP6632723B2 (ja) | サービスの順序列を更新するためのシステム及び方法 | |
CN114944059B (zh) | 确定预估到达时间的方法与系统 | |
US20190188818A1 (en) | Systems and methods for determining an estimated time of arrival | |
US20200300650A1 (en) | Systems and methods for determining an estimated time of arrival for online to offline services | |
CN111476588A (zh) | 订单需求预测方法、装置、电子设备及可读存储介质 | |
TW201903704A (zh) | 用於推薦預估到達時間的系統和方法 | |
US20200193357A1 (en) | Systems and methods for allocating service requests | |
CN111052158A (zh) | 用于分配服务请求的系统和方法 | |
CN111954891B (zh) | 一种跨业务的共享汽车资源复用方法 | |
US20200090232A1 (en) | Systems and methods for vehicle value evaluation | |
WO2020107440A1 (en) | Systems and methods for analyzing traffic congestion | |
CN112036774A (zh) | 服务策略的评估方法、装置、设备及存储介质 | |
CN111091221A (zh) | 一种出行等候容忍时间预测方法、系统、装置及存储介质 |
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 |