CN111126914A - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111126914A CN111126914A CN201911344687.XA CN201911344687A CN111126914A CN 111126914 A CN111126914 A CN 111126914A CN 201911344687 A CN201911344687 A CN 201911344687A CN 111126914 A CN111126914 A CN 111126914A
- Authority
- CN
- China
- Prior art keywords
- price
- delivery
- task
- tasks
- distribution
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 238000005070 sampling Methods 0.000 claims description 109
- 238000012549 training Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 4
- 208000034423 Delivery Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0834—Choice of carriers
- G06Q10/08345—Pricing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及信息处理技术领域，公开了一种数据处理方法、装置、电子设备及存储介质。数据处理方法，包括：预先接收来自客户端的消息或指令；解析消息或指令，获取配送任务的特征数据，特征数据包括配送任务的类型；根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，确定配送任务的类型对应的预算；预测配送任务的价格弹性，价格弹性表征配送任务的价格与价格对应的被接起率间的关系；根据配送任务的价格弹性和配送任务的类型对应的预算，对配送任务的基础价格进行调整。采用本发明的实施例，能够为配送任务提供合理的配送价格并提升配送任务的被接起率，保证配送任务的配送效率。
Description
技术领域
本发明实施例涉及信息处理技术领域，特别涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
随着物流配送行业的快速发展，众包物流成为一种重要的业务模式，众包物流模式中配送任务将被转包至非专业群体进行配送，每个配送任务按照价格进行结算。然而发明人发现相关技术中至少存在如下问题：相关技术中对于配送任务的定价需要耗费较多人力且定价不够科学合理，不合理的配送任务的价格使得配送任务被配送资源接起的意愿较低，导致配送任务的被接起时长和配送时间的被动延长，明显影响了配送效率造成配送任务的成本和配送任务的被接起率之间的失衡。
发明内容
本发明实施例的目的在于提供一种数据处理方法、装置、电子设备及存储介质，能够为配送任务提供合理的配送价格并提升配送任务的被接起率，保证配送任务的配送效率。
为解决上述技术问题，本发明的实施例提供了一种数据处理方法，包括：预先接收来自客户端的消息或指令；通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整。
本发明的实施例还提供了一种数据处理装置，包括:接收模块，用于预先接收来自客户端的消息或指令；获取模块，用于解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；确定模块，用于根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，确定所述配送任务的类型对应的预算；预测模块，用于预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率的关系；调整模块，用于根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，对所述配送任务的基础价格进行调整。
本发明的实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：预先接收来自客户端的消息或指令；通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率的关系；根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整。
本发明的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的数据处理方法。
本发明实施例相对于现有技术而言，预先接收来自客户端的消息或指令；通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整；可以理解的是，在根据配送任务的价格弹性对基础价格进行调整时，也就是根据配送任务的价格与价格对应的被接起率间的关系，对基础价格进行调整，从而能够在配送任务的被接起率较低时，通过调价来提升配送任务的被接起率，以保证配送任务的正常配送质量，配送任务更快被接起能够缩短对服务器对配送任务的处理时长，也就是提高了服务器对配送任务的处理效率；还根据配送任务的类型对应的预算，对基础价格进行调整，从而使得配送任务产生的成本在可控范围内；采用本发明的实施例以提升配送任务的被接起率的需求及控制预算的需求作为导向来调整配送任务的价格，有针对性地提升了配送任务的价格在影响被接起率时所体现的利用效率，有利于从整体上均衡配送任务的价格和被接起率，保证配送任务的配送效率。
另外，预设有价格弹性与调价数值的对应关系；所述根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，对所述配送任务的基础价格进行调整，包括：根据所述对应关系，通过所述至少一个处理器获取所述配送任务的价格弹性对应的调价数值，并根据所述调价数值对所述配送任务的基础价格进行调整，调整后所述配送任务的基础价格不低于预设兜底价格且不高于所述配送任务的类型对应的预算。
另外，所述根据所述调价数值对所述配送任务的基础价格进行调整，包括：将所述配送任务的特征数据传输到用于预测配送任务被接起率的第一预测模型，通过所述至少一个处理器基于所述第一预测模型计算得到所述配送任务的被接起率；其中，所述第一预测模型是根据所述历史的配送任务的特征数据训练得到；通过所述至少一个处理器比较所述配送任务的被接起率和预设阈值，若判定所述配送任务的被接起率小于或等于所述预设阈值，则根据所述调价数值提高所述配送任务的基础价格。上述提供了一种调整配送任务的基础价格的方式，紧密结合了对被接起率的指标需求来调整基础价格，在配送任务的被接起率较低时通过调高价格来令配送任务能被快速接起，使得调整后得到的配送任务的价格向被接起率的转化效率得到有效提升。
另外，所述通过所述至少一个处理器预测所述配送任务的价格弹性，包括：将所述配送任务的特征数据、预设的所述配送任务的采样价格传输到用于预测配送任务的价格对应的被接起率的第二预测模型，通过所述至少一个处理器基于所述第二预测模型计算得到所述配送任务的采样价格对应的被接起率；其中，所述第二预测模型根据所述历史的配送任务的特征数据训练得到；通过所述至少一个处理器拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性。预设的第二预测模型是根据历史的配送任务的特征数据训练得到的，因此能够较为真实准确地对配送任务的价格对应的被接起率进行预测，预测的被接起率的可参考价值和合理性较高。在得到预测的被接起率后，对采样价格和采样价格对应的被接起率进行拟合，从而能够得到被接起率受到价格因素的影响而变化的规律，以便于根据变化规律对配送任务的基础价格进行调整；拟合结果的斜率越大，反映出的是配送任务的被接起率越容易受到价格因素的影响而变化。
另外，拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性，包括：通过所述至少一个处理器，对所述配送任务的采样价格和所述采样价格对应的被接起率进行第一次拟合，并根据所述第一次拟合的结果，剔除异常的所述配送任务的采样价格和所述采样价格对应的被接起率；其中，所述异常的所述采样价格对应的被接起率和所述采样价格呈反比关系；通过所述至少一个处理器，对剔除后的所述配送任务的采样价格和所述采样价格对应的被接起率进行第二次拟合，获取所述第二次拟合的结果的斜率作为所述配送任务的价格弹性。在以提升配送任务的被接起率的需求作为导向的情况下，过滤剔除掉明显异常的采样价格和接起率，以避免出现提升配送任务的价格而导致配送任务的被接起率下降的负面情况。
另外，根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算，包括：根据所述历史的配送任务的特征数据，通过所述至少一个处理器确定历史的各类型配送任务的平均基础价格；根据所述各类型配送任务的数量和平均基础价格，通过所述至少一个处理器确定所述各类型配送任务的预算比例；根据所述总预算和所述各类型配送任务的预算比例，通过所述至少一个处理器确定所述配送任务的类型对应的预算。
另外，配送任务的特征数据还包括以下之一或其任意组合：配送任务属性数据、时间数据、环境数据、商户数据、配送资源数据。通过不同维度的数据组合对模型进行训练，使得模型训练的参考数据较为丰富，模型的预测结果更为准确可靠；将多种影响配送任务的被接起率的因素综合作用到模型中，侧面实现了对配送任务的配送成本的量化。
附图说明
图1是根据本发明第一实施例中数据处理方法的流程图；
图2是根据本发明第一实施例中步骤102的具体实现的流程图；
图3是根据本发明第一实施例中步骤103的具体实现的流程图；
图4是根据本发明第一实施例中步骤1032的具体实现的流程图；
图5是根据本发明第二实施例中数据处理方法的流程图；
图6是根据本发明第三实施例中数据处理装置的结构方框图；
图7是根据本发明第四实施例中电子设备的结构方框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施例进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施例中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施例的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明第一实施例涉及一种数据处理方法，本实施例中的配送任务可以为外卖平台上的外卖订单、快递平台上的快递订单或是在线购物平台上产生的订单等，本实施例中，以配送任务为外卖平台上的外卖订单为例进行说明。具体流程如图1所示，包括以下步骤。
步骤101，预先接收来自客户端的消息或指令，通过至少一个处理器解析消息或指令，获取配送任务的特征数据。
步骤102，根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过至少一个处理器确定配送任务的类型对应的预算。
步骤103，通过至少一个处理器预测配送任务的价格弹性。
步骤104，根据配送任务的价格弹性和配送任务的类型对应的预算，通过至少一个处理器对配送任务的基础价格进行调整。
本实施例中，预测的配送任务的价格弹性用于表征配送任务的价格与价格对应的被接起率间的关系，因此在根据配送任务的价格弹性对基础价格进行调整时，也就是根据配送任务的价格与价格对应的被接起率间的关系，对基础价格进行调整，从而能够在配送任务的被接起率较低时，通过调价来提升配送任务的被接起率，以保证配送任务的正常配送质量，配送任务更快被接起能够缩短对服务器对配送任务的处理时长，也就是提高了服务器对配送任务的处理效率；还根据配送任务的类型对应的预算，对基础价格进行调整，从而使得配送任务产生的成本在可控范围内；采用本发明的实施例以提升配送任务的被接起率的需求及控制预算的需求作为导向来调整配送任务的价格，有针对性地提升了配送任务的价格在影响被接起率时所体现的利用效率，有利于从整体上均衡配送任务的价格和被接起率，保证配送任务的配送效率。
下面对本实施例的数据处理方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
在步骤101中，预先接收来自客户端的消息或指令，通过至少一个处理器解析消息或指令，获取配送任务的特征数据，其中配送任务的特征数据包括配送任务的类型，根据配送任务的不同类型可以为配送任务分摊不同的配送费用，以均衡配送任务的价格和被接起率之间的关系。在实例中，配送任务的类型可以包括短单类型和长单类型，短单类型的配送任务指代的是配送距离小于或等于预设距离阈值的配送任务，长单类型的配送任务指代的是配送距离大于预设距离阈值的任务，也就是根据配送任务的配送距离将配送任务进行了如上的分类，从而对于配送距离较短的配送任务可分摊较少的配送费用，对于配送距离较长的配送任务可分摊较多的配送费用以刺激配送资源对配送任务的接起。
另外，配送任务的特征数据还包括以下维度数据的任意组合：配送任务属性数据(如订单的预计出餐时长、订单的商品价格、订单的重量等)、时间数据(如当前的时间、当前是一周中的第几天等)、环境数据(如当前的城市、当前的天气类别、当前的天气等级等)、商户数据(如商户)、配送资源数据(如订单的配送资源当前所处的位置、订单的配送资源的最大背单能力、订单的配送资源的平均接单率等)。本实施例中的配送任务在生成后进入众包配送流程，配送任务被分配至若干个候选配送资源，候选配送资源可对配送任务进行接起操作或拒绝操作；其中，配送资源可以理解为完成配送所用到的资源，例如配送外卖订单的骑手、配送快递的快递员、无人车或是无人机等，在此不做限制。
在步骤102中，根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过至少一个处理器确定配送任务的类型对应的预算。具体地说，本实施例中提供了一种确定配送任务的类型对应的预算的具体方式，也就是对步骤102的具体实现，其流程如图2所示，包括：
步骤1021，根据历史的配送任务的特征数据，通过至少一个处理器确定历史的各类型配送任务的平均基础价格。
具体地说，历史的配送任务的特征数据中包括历史的配送任务的类型和配送价格，那么将历史的配送任务按照类型进行分类，并计算各类型历史的配送任务的配送价格平均值，作为各类型配送任务的平均基础价格。
步骤1022，根据各类型配送任务的数量和平均基础价格，通过至少一个处理器确定各类型配送任务的预算比例。
具体地说，将预测的各类型配送任务的数量和平均基础价格相乘，得到预测的各类型配送任务的总配送费用，将预测的各类型配送任务的总配送费用的比值作为各类型配送任务的预算比例。其中，各类型配送任务的数量可以根据历史的配送任务的数量进行预测得到。
步骤1023，根据总预算和各类型配送任务的预算比例，通过至少一个处理器确定配送任务的类型对应的预算。
具体地说，根据总预算和各类型配送任务的预算比例可以计算得到各类型配送任务分摊得到的预算，也就能够确定配送任务的类型对应的预算。
在实例中，配送任务的类型包括短单类型和长单类型，预测的各类型配送任务的数量分别为：短单类型配送任务40个，长单类型配送任务60个，计算得到短单类型配送任务的平均基础价格为2.5元，长单类型配送任务的平均基础价格为5元，预设的总预算为800元。根据上述数据，计算得到预测的短单类型配送任务的总配送费用为(40×2.5)＝100(元)，预测的长单类型配送任务的总配送费用为(60×5)＝300(元)，从而短单类型配送任务和长单类型配送任务的预算比例为(100:300)＝(1:3)。根据上述数据，计算得到在总预算为800元的情况下，每个短单类型配送任务分摊到的预算为[800×(1/4)×(1/40)]＝5(元)，每个长单类型配送任务分摊到的预算为[800×(3/4)×
(1/60)]＝10(元)。也就是说，当配送任务的类型为短单类型时，其对应的预算为5(元)，当配送任务的类型为长单类型时，其对应的预算为10(元)。
在步骤103中，通过至少一个处理器预测配送任务的价格弹性。本实施例中提供了一种价格弹性的预测方法，也就是对步骤103的具体实现，其流程图如图3所示，包括：
步骤1031，将配送任务的特征数据、预设的配送任务的采样价格传输到用于预测配送任务的价格对应的被接起率的第二预测模型，通过至少一个处理器基于第二预测模型计算得到配送任务的采样价格对应的被接起率进行预测。
本实施例中，对一确定的配送任务，预设有若干个采样价格，将配送任务的特征数据和若干个采样价格分别输入第二预测模型，得到第二预测模型对各采样价格输出的被接起率，也就是预测得到了配送任务的采样价格对应的被接起率。可以理解的是，由于配送任务的价格对配送任务的被接起率的影响较大，因此预设若干个采样价格来预测采样价格对应的被接起率，从而能够根据预测的结果来综合总结出配送任务的被接起率随价格的变化趋势，作为调整配送任务的基础价格时的参考材料。
本实施例中，第二预测模型是根据历史的配送任务的特征数据训练得到的，第二预测模型可采用xgboost模型，xgboost模型能够增加模型的鲁棒性，相较于传统的机器学习算法，速度快、效果好，能处理大规模数据，且支持多种语言和自定义损失函数。本实施例中，历史的配送任务的特征数据可从配送任务管理后台存储的历史数据中获取得到，特征数据所包括的内容可以理解为同步骤101中的特征数据包括的内容。通过不同维度的数据组合对模型进行训练，使得模型训练的参考数据较为丰富，模型的预测结果更为准确可靠；将多种影响配送任务的被接起率的因素综合作用到模型中，侧面实现了对配送任务的配送成本的量化。
更具体地说，在训练模型时，将历史的配送任务分为正样本(可以理解为被接起的配送任务)和负样本(可以理解为被拒接的配送任务)，将正样本和负样本的特征数据均输入模型进行训练，模型输出的是[0,1]之间的一个值，将其视为配送任务的被接起率；在使用模型时，将配送任务的特征数据输入模型，模型输出的是[0,1]之间的一个值，将其视为配送任务的被接起率。
步骤1032，通过至少一个处理器拟合配送任务的采样价格和采样价格对应的被接起率，获取拟合结果的斜率作为配送任务的价格弹性。也就是说，在得到预测的配送任务的采样价格对应的被接起率后，以采样价格为自变量，以采样价格对应的被接起率为因变量，进行拟合，得到被接起率受到价格因素的影响而变化的规律，以便于根据变化规律对配送任务的基础价格进行调整；可以理解的是，拟合配送任务的采样价格和采样价格对应的被接起率后得到的是一条反映配送任务的采样价格和采样价格对应的被接起率间变化规律的光滑曲线，而拟合结果的斜率越大，反映出的是配送任务的被接起率越容易受到价格因素的影响而变化；因此，将拟合结果的斜率作为配送任务的价格弹性，用于表征配送任务的价格与价格对应的被接起率间的关系，价格弹性越大，说明配送任务的被接起率越容易因价格的变化而变化；价格弹性越小，说明配送任务的被接起率越不容易因价格的变化而变化。
另外，本实施例中还提供了一种通过拟合获取价格弹性的具体实现方式，即对步骤1032的具体实现方式，如图4所示，包括步骤201至步骤203。
步骤201，通过至少一个处理器，对配送任务的采样价格和采样价格对应的被接起率进行第一次拟合，并根据第一次拟合的结果，剔除异常的配送任务的采样价格和采样价格对应的被接起率。
具体地说，在得到预测的配送任务的采样价格对应的被接起率后，以采样价格为自变量，以采样价格对应的被接起率为因变量，进行第一次拟合，得到被接起率受到价格因素的影响而变化的规律。根据第一次拟合后得到的接起率受到价格因素的影响而变化的规律，将其中异常的采样价格对应的被接起率和采样价格呈反比关系的异常数据进行剔除，以避免出现价格提升而价格对应的被接起率下降的负面情况，也就是使得被接起率是随着价格的提升和提升的。
在一个实例中，已知下述若干组对应关系：采样价格为5元，对应的被接起率为0.6；采样价格为6元，对应的被接起率为0.2；采样价格为7元，对应的被接起率为0.8；采样价格为8元，对应的被接起率为0.9；由采样价格和对应的被接起率的变化规律可以发现，当采样价格为6元时，对应的被接起率为0.2，被接起率随着采样价格的提升而下降，也就是该采样价格和对应的被接起率属于明显异常的数据，需要进行剔除。此处异常数据后的余下3组对应关系中，被接起率是随着采样价格的提升而提升的。
步骤202，通过至少一个处理器，对剔除后的配送任务的采样价格和采样价格对应的被接起率进行第二次拟合，获取第二次拟合的结果的斜率作为配送任务的价格弹性。此步骤与步骤1032中拟合的过程大致相同，此处不再赘述。
上述通过拟合获取价格弹性的方式，是以提升配送任务的被接起率的需求作为导向的，以避免出现提升配送任务的价格而导致配送任务的被接起率下降的负面情况。
在步骤104中，根据配送任务的价格弹性和配送任务的类型对应的预算，通过至少一个处理器对配送任务的基础价格进行调整。由于价格弹性用于表征配送任务的价格与价格对应的被接起率间的关系，价格弹性越大，说明配送任务的被接起率越容易因价格的变化而变化；价格弹性越小，说明配送任务的被接起率越不容易因价格的变化而变化，因此根据价格弹性的大小可确定对基础价格的调整幅度。
本实施例中，预设有价格弹性与调价数值的对应关系，以及配送任务的兜底价格(即预设的配送任务的最低配送费用)；在预测得到配送任务的价格弹性后，根据预设的对应关系，获取到配送任务的价格弹性对应的一确定的调价数值，并根据调价数值来调整配送任务的基础价格；可以理解的是，调整后配送任务的基础价格不低于预设兜底价格且不高于配送任务的类型对应的预算，从而能够在通过调价均衡配送任务的被接起率的同时，使得配送任务产生的成本在可控范围之内。由于对配送任务的采样价格和采样价格对应的被接起率进行拟合后，被接起率是随着价格的提升和提升的因此可将配送任务的基础价格按照获取到的调价数值进行提高，以提升配送任务的被接起率，保证配送任务的正常配送质量。
本实施例中，配送任务的基础价格可以理解为人工制定的基础价格，人工可根据某种预设规则来制定配送任务的基础价格，预设规则可以理解为通过历史配送任务的客单价、重量、配送距离、商户位置、配送时间等历史数据总结出的一套定价规则。
本实施例相对于现有技术而言，根据配送任务的特征数据和预设的配送任务的采样价格，预测配送任务的被接起率，并将采样价格和被接起率进行拟合以获取配送任务的价格弹性，用于得到被接起率受到价格因素的影响而变化的规律，以便于根据变化规律对配送任务的基础价格进行调整；根据配送任务的价格弹性及计算得到的配送任务的类型对应的预算，对配送任务的基础价格进行调整，能够在配送任务的被接起率较低时，通过调价来提升配送任务的被接起率，以保证配送任务的正常配送质量，并保证配送任务产生的成本在可控范围内；也就是说，以提升配送任务的被接起率的需求及控制预算的需求作为导向来调整配送任务的价格，有针对性地提升了配送任务的价格在影响被接起率时所体现的利用效率，有利于从整体上均衡配送任务的价格和被接起率，保证配送任务的配送效率。
本发明第二实施例涉及一种数据处理方法，第二实施例提供了一种调整配送任务的基础价格的具体实现方式；本实施例中数据处理方法如图5所示，下面图5的流程做具体说明：
步骤301，预先接收来自客户端的消息或指令，通过至少一个处理器解析消息或指令，获取配送任务的特征数据。；此步骤与步骤101大致相同，此处不再赘述。
步骤302，根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过至少一个处理器确定配送任务的类型对应的预算。此步骤与步骤102大致相同，此处不再赘述。
步骤303，通过至少一个处理器预测配送任务的价格弹性。此步骤与步骤103大致相同，此处不再赘述。
步骤304，根据对应关系，通过至少一个处理器获取配送任务的价格弹性对应的调价数值。此步骤与步骤104中涉及的说明大致相同，此处不再赘述。
步骤305，将配送任务的特征数据传输到用于预测配送任务被接起率的第一预测模型，通过至少一个处理器基于第一预测模型计算得到配送任务的被接起率。
具体地说，对一确定的配送任务，将配送任务的特征数据输入第一预测模型，得到第一预测模型对输出的配送任务的被接起率，其中，第一预测模型是根据历史的配送任务的特征数据训练得到的，对第一预测模型的训练过程及使用方式的说明大致同步骤1031中对第二预测模型的说明，此处不再赘述。
步骤306，通过至少一个处理器比较配送任务的被接起率和预设阈值，若判定配送任务的被接起率小于或等于预设阈值，则根据调价数值提高配送任务的基础价格。
具体地说，本实施例中紧密结合了对被接起率的指标需求来调整基础价格，也就是结合业务目标来对期望对配送任务给出一个合理的价格，在实际应用中，当对于配送任务要求保持一定的被接起率时，可对配送任务预设一指标被接起率(即预设阈值)；将预测得到的被接起率与预设阈值进行对比，若预测的被接起率小于预设阈值，说明配送任务的基础价格是不合适的，需要提高基础价格以提升配送任务的被接起率使其达到指标需求。
另外，如果判定配送任务的被接起率大于预设阈值，说明配送任务的基础价格是合适的，能够使得配送任务的被接起率达到指标需求，那么在保证配送任务的被接起率达到指标需求的情况下，可以根据调价数值适当降低配送任务的基础价格，从而控制配送任务产生的成本，但并不影响配送任务的正常接起和配送。在降低配送任务的基础价格后，可再次基于第一预测模型对配送任务的被接起率进行预测，如果降低配送任务的基础价格后预测得到配送任务的被接起率小于预设阈值，则放弃此次降低基础价格的操作。
上述调整基础价格的方式紧密结合了对被接起率的指标需求，使得调整后得到的配送任务的价格向被接起率的转化效率得到有效提升。
本实施例相对于现有技术而言，提供了调整配送任务的基础价格的具体实现方式，在保证配送任务的配送质量的同时，紧密结合对被接起率的指标需求来调整基础价格，使得调整后得到的配送任务的价格向被接起率的转化效率得到有效提升。
本发明第三实施例涉及一种数据处理装置，如图6所示，包括接收模块501，获取模块502，确定模块503，预测模块504和调整模块505。
接收模块501，用于预先接收来自客户端的消息或指令；
获取模块502，用于解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；
确定模块503，用于根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，确定所述配送任务的类型对应的预算；
预测模块504，用于预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率的关系；
调整模块505，用于根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，对所述配送任务的基础价格进行调整。
在一个实例中，预设有价格弹性与调价数值的对应关系；所述调整模块505根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，对所述配送任务的基础价格进行调整，包括：
根据所述对应关系，获取所述配送任务的价格弹性对应的调价数值，并根据所述调价数值对所述配送任务的基础价格进行调整，调整后所述配送任务的基础价格不低于预设兜底价格且不高于所述配送任务的类型对应的预算。
在一个实例中，所述调整模块505根据所述调价数值对所述配送任务的基础价格进行调整，包括：将所述配送任务的特征数据传输到用于预测配送任务被接起率的第一预测模型，基于所述第一预测模型计算得到所述配送任务的被接起率；其中，所述第一预测模型是根据所述历史的配送任务的特征数据训练得到；比较所述配送任务的被接起率和预设阈值，若判定所述配送任务的被接起率小于或等于所述预设阈值，则根据所述调价数值提高所述配送任务的基础价格。
在一个实例中，所述预测模块504预测所述配送任务的价格弹性，包括：将所述配送任务的特征数据、预设的所述配送任务的采样价格传输到用于预测配送任务的价格对应的被接起率的第二预测模型，基于所述第二预测模型计算得到所述配送任务的采样价格对应的被接起率；其中，所述第二预测模型根据所述历史的配送任务的特征数据训练得到；拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性。
在一个实例中，所述预测模块504拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性，包括：对所述配送任务的采样价格和所述采样价格对应的被接起率进行第一次拟合，并根据所述第一次拟合的结果，剔除异常的所述配送任务的采样价格和所述采样价格对应的被接起率；其中，所述异常的所述采样价格对应的被接起率和所述采样价格呈反比关系；对剔除后的所述配送任务的采样价格和所述采样价格对应的被接起率进行第二次拟合，获取所述第二次拟合的结果的斜率作为所述配送任务的价格弹性。
在一个实例中，所述确定模块503根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，确定所述配送任务的类型对应的预算，包括：根据所述历史的配送任务的特征数据，确定历史的各类型配送任务的平均基础价格；根据所述各类型配送任务的数量和平均基础价格，确定所述各类型配送任务的预算比例；根据所述总预算和所述各类型配送任务的预算比例，确定所述配送任务的类型对应的预算。
在一个实例中，所述配送任务的特征数据还包括以下之一或其任意组合：配送任务属性数据、时间数据、环境数据、商户数据、配送资源数据。
不难发现，本实施例为与第一实施例或第二实施例的相对应的装置实施例，本实施例可与第一实施例或第二实施例互相配合实施。第一实施例或第二实施例中提到的相关技术细节在本实施例中依然有效，为了减少重复，这里不再赘述。相应的，本实施例中提到的相关技术细节也可应用在第一实施例或第二实施例中。
值得一提的是，本实施例中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施例中不存在其它的单元。
本发明第四实施例涉及一种电子设备，如图7所示，该电子设备包括至少一个处理器601；以及，与至少一个处理器601通信连接的存储器602；以及，与处理器601连接的通信组件603，通信组件503在处理器601的控制下接收和发送数据；其中，存储器602存储有可被至少一个处理器601执行的指令，指令被至少一个处理器601执行以实现：预先接收来自客户端的消息或指令；通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整。
具体地，该电子设备包括：一个或多个处理器601以及存储器602，图7中以一个处理器601为例。处理器601、存储器602可以通过总线或者其他方式连接，图7中以通过总线连接为例。存储器602作为一种计算机可读存储介质，可用于存储计算机软件程序、计算机可执行程序以及模块。处理器601通过运行存储在存储器602中的计算机软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述数据处理方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器602中，当被一个或者多个处理器601执行时，执行上述任意方法实施例中的数据处理方法。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
在本实施例中，预先接收来自客户端的消息或指令；通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整；可以理解的是，在根据配送任务的价格弹性对基础价格进行调整时，也就是根据配送任务的价格与价格对应的被接起率间的关系，对基础价格进行调整，从而能够在配送任务的被接起率较低时，通过调价来提升配送任务的被接起率，以保证配送任务的正常配送质量，配送任务更快被接起能够缩短对服务器对配送任务的处理时长，也就是提高了服务器对配送任务的处理效率；还根据配送任务的类型对应的预算，对基础价格进行调整，从而使得配送任务产生的成本在可控范围内；采用本发明的实施例以提升配送任务的被接起率的需求及控制预算的需求作为导向来调整配送任务的价格，有针对性地提升了配送任务的价格在影响被接起率时所体现的利用效率，有利于从整体上均衡配送任务的价格和被接起率，保证配送任务的配送效率。
本发明第五实施例涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述数据处理方法实施例。
即，本领域技术人员可以理解，实现上述数据处理方法实施例中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
本申请实施例公开了A1.一种数据处理方法，包括：
预先接收来自客户端的消息或指令；
通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；
根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；
通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；
根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整。
A2.如A1所述的数据处理方法，预设有价格弹性与调价数值的对应关系；所述根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整，包括：
根据所述对应关系，通过所述至少一个处理器获取所述配送任务的价格弹性对应的调价数值，并根据所述调价数值对所述配送任务的基础价格进行调整，调整后所述配送任务的基础价格不低于预设兜底价格且不高于所述配送任务的类型对应的预算。
A3.如A2所述的数据处理方法，所述根据所述调价数值对所述配送任务的基础价格进行调整，包括：
将所述配送任务的特征数据传输到用于预测配送任务被接起率的第一预测模型，通过所述至少一个处理器基于所述第一预测模型计算得到所述配送任务的被接起率；其中，所述第一预测模型是根据所述历史的配送任务的特征数据训练得到；
通过所述至少一个处理器比较所述配送任务的被接起率和预设阈值，若判定所述配送任务的被接起率小于或等于所述预设阈值，则根据所述调价数值提高所述配送任务的基础价格。
A4.如A1所述的数据处理方法，所述通过所述至少一个处理器预测所述配送任务的价格弹性，包括：
将所述配送任务的特征数据、预设的所述配送任务的采样价格传输到用于预测配送任务的价格对应的被接起率的第二预测模型，通过所述至少一个处理器基于所述第二预测模型计算得到所述配送任务的采样价格对应的被接起率；其中，所述第二预测模型根据所述历史的配送任务的特征数据训练得到；
通过所述至少一个处理器拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性。
A5.如A4所述的数据处理方法，所述通过所述至少一个处理器拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性，包括：
通过所述至少一个处理器，对所述配送任务的采样价格和所述采样价格对应的被接起率进行第一次拟合，并根据所述第一次拟合的结果，剔除异常的所述配送任务的采样价格和所述采样价格对应的被接起率；其中，所述异常的所述采样价格对应的被接起率和所述采样价格呈反比关系；
通过所述至少一个处理器，对剔除后的所述配送任务的采样价格和所述采样价格对应的被接起率进行第二次拟合，获取所述第二次拟合的结果的斜率作为所述配送任务的价格弹性。
A6.如A1所述的数据处理方法，所述根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算，包括：
根据所述历史的配送任务的特征数据，通过所述至少一个处理器确定历史的各类型配送任务的平均基础价格；
根据所述各类型配送任务的数量和平均基础价格，通过所述至少一个处理器确定所述各类型配送任务的预算比例；
根据所述总预算和所述各类型配送任务的预算比例，通过所述至少一个处理器确定所述配送任务的类型对应的预算。
A7.如A1至A6中任一项所述的数据处理方法，所述配送任务的特征数据还包括以下之一或其任意组合：配送任务属性数据、时间数据、环境数据、商户数据、配送资源数据。
本申请实施例公开了B1.一种数据处理装置，包括：
接收模块，用于预先接收来自客户端的消息或指令；
获取模块，用于解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；
确定模块，用于根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，确定所述配送任务的类型对应的预算；
预测模块，用于预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率的关系；
调整模块，用于根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，对所述配送任务的基础价格进行调整。
本申请实施例公开了C1.一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：
预先接收来自客户端的消息或指令；
通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；
根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；
通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；
根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整。
C2.如C1所述的电子设备，预设有价格弹性与调价数值的对应关系；所述根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整，包括：
根据所述对应关系，通过所述至少一个处理器获取所述配送任务的价格弹性对应的调价数值，并根据所述调价数值对所述配送任务的基础价格进行调整，调整后所述配送任务的基础价格不低于预设兜底价格且不高于所述配送任务的类型对应的预算。
C3.如C2所述的电子设备，所述根据所述调价数值对所述配送任务的基础价格进行调整，包括：
将所述配送任务的特征数据传输到用于预测配送任务被接起率的第一预测模型，通过所述至少一个处理器基于所述第一预测模型计算得到所述配送任务的被接起率；其中，所述第一预测模型是根据所述历史的配送任务的特征数据训练得到；
通过所述至少一个处理器比较所述配送任务的被接起率和预设阈值，若判定所述配送任务的被接起率小于或等于所述预设阈值，则根据所述调价数值提高所述配送任务的基础价格。
C4.如C1所述的电子设备，所述通过所述至少一个处理器预测所述配送任务的价格弹性，包括：
将所述配送任务的特征数据、预设的所述配送任务的采样价格传输到用于预测配送任务的价格对应的被接起率的第二预测模型，通过所述至少一个处理器基于所述第二预测模型计算得到所述配送任务的采样价格对应的被接起率；其中，所述第二预测模型根据所述历史的配送任务的特征数据训练得到；
通过所述至少一个处理器拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性。
C5.如C4所述的电子设备，所述通过所述至少一个处理器拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性，包括：
通过所述至少一个处理器，对所述配送任务的采样价格和所述采样价格对应的被接起率进行第一次拟合，并根据所述第一次拟合的结果，剔除异常的所述配送任务的采样价格和所述采样价格对应的被接起率；其中，所述异常的所述采样价格对应的被接起率和所述采样价格呈反比关系；
通过所述至少一个处理器，对剔除后的所述配送任务的采样价格和所述采样价格对应的被接起率进行第二次拟合，获取所述第二次拟合的结果的斜率作为所述配送任务的价格弹性。
C6.如C1所述的电子设备，所述根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算，包括：
根据所述历史的配送任务的特征数据，通过所述至少一个处理器确定历史的各类型配送任务的平均基础价格；
根据所述各类型配送任务的数量和平均基础价格，通过所述至少一个处理器确定所述各类型配送任务的预算比例；
根据所述总预算和所述各类型配送任务的预算比例，通过所述至少一个处理器确定所述配送任务的类型对应的预算。
C7.如C1至C6中任一项所述的电子设备，所述配送任务的特征数据还包括以下之一或其任意组合：配送任务属性数据、时间数据、环境数据、商户数据、配送资源数据。
本申请实施例公开了D1.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现A1-A7任一项所述的数据处理方法。
Claims (10)
1.一种数据处理方法，其特征在于，包括：
预先接收来自客户端的消息或指令；
通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；
根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；
通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；
根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整。
2.根据权利要求1所述的数据处理方法，其特征在于，预设有价格弹性与调价数值的对应关系；所述根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整，包括：
根据所述对应关系，通过所述至少一个处理器获取所述配送任务的价格弹性对应的调价数值，并根据所述调价数值对所述配送任务的基础价格进行调整，调整后所述配送任务的基础价格不低于预设兜底价格且不高于所述配送任务的类型对应的预算。
3.根据权利要求2所述的数据处理方法，其特征在于，所述根据所述调价数值对所述配送任务的基础价格进行调整，包括：
将所述配送任务的特征数据传输到用于预测配送任务被接起率的第一预测模型，通过所述至少一个处理器基于所述第一预测模型计算得到所述配送任务的被接起率；其中，所述第一预测模型是根据所述历史的配送任务的特征数据训练得到；
通过所述至少一个处理器比较所述配送任务的被接起率和预设阈值，若判定所述配送任务的被接起率小于或等于所述预设阈值，则根据所述调价数值提高所述配送任务的基础价格。
4.根据权利要求1所述的数据处理方法，其特征在于，所述通过所述至少一个处理器预测所述配送任务的价格弹性，包括：
将所述配送任务的特征数据、预设的所述配送任务的采样价格传输到用于预测配送任务的价格对应的被接起率的第二预测模型，通过所述至少一个处理器基于所述第二预测模型计算得到所述配送任务的采样价格对应的被接起率；其中，所述第二预测模型根据所述历史的配送任务的特征数据训练得到；
通过所述至少一个处理器拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性。
5.根据权利要求4所述的数据处理方法，其特征在于，所述通过所述至少一个处理器拟合所述配送任务的采样价格和所述采样价格对应的被接起率，获取拟合结果的斜率作为所述配送任务的价格弹性，包括：
通过所述至少一个处理器，对所述配送任务的采样价格和所述采样价格对应的被接起率进行第一次拟合，并根据所述第一次拟合的结果，剔除异常的所述配送任务的采样价格和所述采样价格对应的被接起率；其中，所述异常的所述采样价格对应的被接起率和所述采样价格呈反比关系；
通过所述至少一个处理器，对剔除后的所述配送任务的采样价格和所述采样价格对应的被接起率进行第二次拟合，获取所述第二次拟合的结果的斜率作为所述配送任务的价格弹性。
6.根据权利要求1所述的数据处理方法，其特征在于，所述根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算，包括：
根据所述历史的配送任务的特征数据，通过所述至少一个处理器确定历史的各类型配送任务的平均基础价格；
根据所述各类型配送任务的数量和平均基础价格，通过所述至少一个处理器确定所述各类型配送任务的预算比例；
根据所述总预算和所述各类型配送任务的预算比例，通过所述至少一个处理器确定所述配送任务的类型对应的预算。
7.根据权利要求1至6中任一项所述的数据处理方法，其特征在于，所述配送任务的特征数据还包括以下之一或其任意组合：配送任务属性数据、时间数据、环境数据、商户数据、配送资源数据。
8.一种数据处理装置，其特征在于，包括：
接收模块，用于预先接收来自客户端的消息或指令；
获取模块，用于解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；
确定模块，用于根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，确定所述配送任务的类型对应的预算；
预测模块，用于预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率的关系；
调整模块，用于根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，对所述配送任务的基础价格进行调整。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行：
预先接收来自客户端的消息或指令；
通过至少一个处理器解析所述消息或指令，获取配送任务的特征数据，所述特征数据包括所述配送任务的类型；
根据预设总预算、预测的各类型配送任务的数量和历史的配送任务的特征数据，通过所述至少一个处理器确定所述配送任务的类型对应的预算；
通过所述至少一个处理器预测所述配送任务的价格弹性，所述价格弹性表征所述配送任务的价格与所述价格对应的被接起率间的关系；
根据所述配送任务的价格弹性和所述配送任务的类型对应的预算，通过所述至少一个处理器对所述配送任务的基础价格进行调整。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911344687.XA CN111126914B (zh) | 2019-12-24 | 2019-12-24 | 数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911344687.XA CN111126914B (zh) | 2019-12-24 | 2019-12-24 | 数据处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111126914A true CN111126914A (zh) | 2020-05-08 |
| CN111126914B CN111126914B (zh) | 2023-09-26 |
Family
ID=70501693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911344687.XA Active CN111126914B (zh) | 2019-12-24 | 2019-12-24 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111126914B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114663169A (zh) * | 2022-05-25 | 2022-06-24 | 浙江口碑网络技术有限公司 | 订单数据的处理方法及装置、存储介质、计算机设备 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140201009A1 (en) * | 2013-01-11 | 2014-07-17 | Yahoo! Inc. | Dynamic pricing for guaranteed online display advertising |
| CN107203912A (zh) * | 2017-06-26 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 动态定价方法和装置 |
| CN107239929A (zh) * | 2017-04-26 | 2017-10-10 | 深圳市华傲数据技术有限公司 | 众包任务的定价评估方法及系统 |
| CN107451779A (zh) * | 2017-08-01 | 2017-12-08 | 北京同城必应科技有限公司 | 一种动态调价方法和装置、计算机设备、存储介质 |
| CN107679732A (zh) * | 2017-09-27 | 2018-02-09 | 北京同城必应科技有限公司 | 一种订单价格的调价方法和装置 |
| JP2018081612A (ja) * | 2016-11-18 | 2018-05-24 | 株式会社Ｎｔｔぷらら | 販売価格決定システム及び販売価格決定方法 |
| CN109376929A (zh) * | 2018-10-24 | 2019-02-22 | 北京小度信息科技有限公司 | 配送参数的确定方法、确定装置、存储介质和电子设备 |
| CN109376942A (zh) * | 2018-11-12 | 2019-02-22 | 达疆网络科技(上海)有限公司 | 订单处理方法、存储介质和装置 |
| CN109377291A (zh) * | 2018-12-19 | 2019-02-22 | 拉扎斯网络科技（上海）有限公司 | 任务价格预测方法、装置、电子设备及计算机存储介质 |
| CN109858934A (zh) * | 2017-11-30 | 2019-06-07 | 北京京东尚科信息技术有限公司 | 定价方法、装置和计算机可读存储介质 |
| CN110390545A (zh) * | 2018-04-19 | 2019-10-29 | 北京嘀嘀无限科技发展有限公司 | 运力定价方法、装置、服务器和计算机可读存储介质 |
| CN110555711A (zh) * | 2018-05-31 | 2019-12-10 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、服务器和计算机可读存储介质 |
| US20210035172A1 (en) * | 2018-04-19 | 2021-02-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for transport pricing |
-
2019
- 2019-12-24 CN CN201911344687.XA patent/CN111126914B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140201009A1 (en) * | 2013-01-11 | 2014-07-17 | Yahoo! Inc. | Dynamic pricing for guaranteed online display advertising |
| JP2018081612A (ja) * | 2016-11-18 | 2018-05-24 | 株式会社Ｎｔｔぷらら | 販売価格決定システム及び販売価格決定方法 |
| CN107239929A (zh) * | 2017-04-26 | 2017-10-10 | 深圳市华傲数据技术有限公司 | 众包任务的定价评估方法及系统 |
| CN107203912A (zh) * | 2017-06-26 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 动态定价方法和装置 |
| CN107451779A (zh) * | 2017-08-01 | 2017-12-08 | 北京同城必应科技有限公司 | 一种动态调价方法和装置、计算机设备、存储介质 |
| CN107679732A (zh) * | 2017-09-27 | 2018-02-09 | 北京同城必应科技有限公司 | 一种订单价格的调价方法和装置 |
| CN109858934A (zh) * | 2017-11-30 | 2019-06-07 | 北京京东尚科信息技术有限公司 | 定价方法、装置和计算机可读存储介质 |
| CN110390545A (zh) * | 2018-04-19 | 2019-10-29 | 北京嘀嘀无限科技发展有限公司 | 运力定价方法、装置、服务器和计算机可读存储介质 |
| US20210035172A1 (en) * | 2018-04-19 | 2021-02-04 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for transport pricing |
| CN110555711A (zh) * | 2018-05-31 | 2019-12-10 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、服务器和计算机可读存储介质 |
| CN109376929A (zh) * | 2018-10-24 | 2019-02-22 | 北京小度信息科技有限公司 | 配送参数的确定方法、确定装置、存储介质和电子设备 |
| CN109376942A (zh) * | 2018-11-12 | 2019-02-22 | 达疆网络科技(上海)有限公司 | 订单处理方法、存储介质和装置 |
| CN109377291A (zh) * | 2018-12-19 | 2019-02-22 | 拉扎斯网络科技（上海）有限公司 | 任务价格预测方法、装置、电子设备及计算机存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114663169A (zh) * | 2022-05-25 | 2022-06-24 | 浙江口碑网络技术有限公司 | 订单数据的处理方法及装置、存储介质、计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111126914B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111275470B (zh) | 服务发起概率预测方法及其模型的训练方法和装置 | |
| EP3446469B1 (en) | Method of user behavior based service dispatch | |
| CN110378529B (zh) | 一种数据生成的方法、装置、可读存储介质和电子设备 | |
| CN112491564B (zh) | 网络设备的带宽计费值检测方法、装置、设备及介质 | |
| CN111127154A (zh) | 订单处理方法、装置、服务器和非易失性存储介质 | |
| CN111814056A (zh) | 基于信息处理的供应商推荐方法及相关设备 | |
| CN111582539A (zh) | 配送时长获取、配送时长预测模型生成的方法、装置 | |
| CN111539780A (zh) | 一种任务处理方法、装置、存储介质和电子设备 | |
| CN113300982B (zh) | 资源分配方法、设备、系统及存储介质 | |
| CN111126914A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN114103987A (zh) | 车辆续航预警方法、装置及电子设备 | |
| CN110516872B (zh) | 一种信息处理方法、装置、存储介质和电子设备 | |
| CN112684396A (zh) | 电能表运行误差监测模型的数据预处理方法及系统 | |
| CN110689177B (zh) | 订单准备时间的预测方法和装置，电子设备及存储介质 | |
| CN112218114A (zh) | 视频缓存控制方法、装置和计算机可读存储介质 | |
| CN116362348A (zh) | 参数优化方法以及装置 | |
| CN111291957A (zh) | 生成客服调度信息的方法及装置、电子设备、存储介质 | |
| CN113570114B (zh) | 一种资源服务智能匹配方法、系统和计算机设备 | |
| CN110020728B (zh) | 业务模型强化学习方法以及装置 | |
| CN113689125A (zh) | 信息推送方法和装置 | |
| CN113822609A (zh) | 物流线路的生成方法、装置以及服务器 | |
| CN111754050A (zh) | 配送对象配送画像的预测方法及装置 | |
| CN111768021A (zh) | 订单价格调整方法、装置、服务器及存储介质 | |
| CN110020895A (zh) | 一种投放对象确定方法、装置、设备和介质 | |
| Xue et al. | CoMap: Proactive Provision for Crowdsourcing Map in Automotive Edge Computing |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231121 Address after: 200333 Room 509, No. 788, Zhenbei Road, Putuo District, Shanghai Patentee after: Shanghai Hummingbird Instant Information Technology Co.,Ltd. Address before: Room 507, 788 Zhenbei Road, Putuo District, Shanghai, 200333 Patentee before: Lazas Network Technology (Shanghai) Co., Ltd. |