CN111429237A - 订单价格的确定方法、装置、服务器及存储介质 - Google Patents

订单价格的确定方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN111429237A
CN111429237A CN202010334008.7A CN202010334008A CN111429237A CN 111429237 A CN111429237 A CN 111429237A CN 202010334008 A CN202010334008 A CN 202010334008A CN 111429237 A CN111429237 A CN 111429237A
Authority
CN
China
Prior art keywords
order
price
cluster
bubbling
determining
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
CN202010334008.7A
Other languages
English (en)
Inventor
李海花
李忠
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.)
Hanhai Information Technology Shanghai Co Ltd
Original Assignee
Hanhai Information Technology Shanghai 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 Hanhai Information Technology Shanghai Co Ltd filed Critical Hanhai Information Technology Shanghai Co Ltd
Priority to CN202010334008.7A priority Critical patent/CN111429237A/zh
Publication of CN111429237A publication Critical patent/CN111429237A/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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0605—Supply or demand aggregation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • 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
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种订单价格的确定方法、装置、服务器及存储介质，属于互联网技术领域。所述方法包括：根据历史订单信息，确定订单集合中每个订单的紧急程度；根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱；确定多个知识图谱内每个冒泡簇的定价系数；根据订单的订单信息及所属的冒泡簇的定价系数，确定任一订单的订单价格。本公开根据每个订单的紧急程度和订单信息，构建知识图谱，并确定出不同冒泡簇的定价系数，根据定价系数可对不同订单进行个性化定价，定价方式多样化。且通过价格变化，刺激运力和需求，达到各个时段、各个地区的用户有车乘、司机有单接的稳定运营状态，保障了司乘双方的利益。

Description

订单价格的确定方法、装置、服务器及存储介质
技术领域
本公开涉及互联网技术领域，特别涉及一种订单价格的确定方法、装置、服务器及存储介质。
背景技术
在网约车应用中，不同时间段内订单数量是不同，在早晚高峰期乘客较多，订单数量达到峰值，而运力数量处于谷值，此时司乘比例严重失衡，导致司机挑单，部分订单响应慢，甚至无人响应；在平峰期乘客较少，订单数量处于低谷，而运力数量处于峰值，此时司乘比例同样严重失衡，导致司机空驶增加。由于订单价格是影响乘客提单、司机响应、运力调度等各个环节的关键因素，因此，需要合理地确定订单价格，以提高司乘体验。
目前，主要根据市场均价确定计价规则，并基于该计价规则和每个订单的订单信息，确定该订单的订单价格。
然而，遵循计价规则的订单价格确定方式，乘客付费和司机收入规则单一，很难满足波动的市场需求，尤其在司乘比例严重失衡时，司机挑单以及空驾现象时有发生，导致司乘体验较差。为了提升司乘双方体验，亟需一种订单价格的确定方法。
发明内容
为了提高司乘双方体验，本公开实施例提供了一种订单价格的确定方法、装置、服务器及存储介质。所述技术方案如下：
一方面，提供了一种订单价格的确定方法，所述方法包括：
根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，所述订单集合为由预设时间段内接收到的订单组成的集合；
根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，所述知识图谱用于表征具有相同紧急程度的多个订单之间的关联性；
确定多个知识图谱内每个冒泡簇的定价系数，所述冒泡簇包括知识图谱内满足预设条件的至少两个订单；
对于所述订单集合中的任一订单，根据所述订单的订单信息及所属的冒泡簇的定价系数，确定所述订单的订单价格。
在一种可能的实现方式中，所述根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，包括：
根据所述历史订单的订单信息，训练分类模型，所述分类模型用于根据每个订单的订单信息，确定每个订单的紧急程度；
将每个订单的订单信息输入到所述分类模型中，输出每个订单的紧急程度。
在一种可能的实现方式中，所述根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，包括：
根据每个订单的紧急程度，将具有相同紧急程度的订单划分为同一子集；
以每个订单为节点，将每个子集中具有至少一项相同订单信息的节点相连，得到多个知识图谱。
在一种可能的实现方式中，所述确定每个知识图谱内每个冒泡簇的定价系数之前，还包括：
对于任一知识图谱，以所述知识图谱中任一订单为起点进行多次随机游走，得到多条随机路径，每条随机路径包括第一预设数量个订单；
将多条随机路径中出现次数超过第二预设数量的订单与起点的订单组成一个冒泡簇。
在一种可能的实现方式中，所述确定每个知识图谱内每个冒泡簇的定价系数，包括：
对于任一知识图谱，获取提价和降价时服务人员的数量变化率；
根据所述提价和降价时服务人员的数量变化率、当前服务人员的数量、每个冒泡簇中的订单数量、每个冒泡簇待确定的定价系数，构建每个冒泡簇对应的供需比矩阵；
通过求解每个冒泡簇对应的供需比矩阵，得到每个冒泡簇的定价系数。
在一种可能的实现方式中，所述根据所述订单的订单信息及所属的冒泡簇的定价系数，确定所述订单的订单价格，包括：
根据所述订单的订单信息和基础价格表单，确定所述订单的基础价格，所述基础价格表单用于指示在不同订单信息下的基础价格；
将所述订单的基础价格和所述订单所属冒泡簇的定价系数的乘积，确定为所述订单的订单价格。
另一方面，提供了一种订单价格的确定的装置，所述装置包括：
紧急程度确定模块，用于根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，所述订单集合为由预设时间段内接收到的订单组成的集合；
知识图谱构建模块，用于根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，所述知识图谱用于表征具有相同紧急程度的多个订单之间的关联性；
定价系数确定模块，用于确定多个知识图谱内每个冒泡簇的定价系数，所述冒泡簇包括知识图谱内满足预设条件的至少两个订单；
价格确定模块，用于对于所述订单集合中的任一订单，根据所述订单的订单信息及所属的冒泡簇的定价系数，确定所述订单的订单价格。
在一种可能的实现方式中，所述紧急程度确定模块，用于根据所述历史订单的订单信息，训练分类模型，所述分类模型用于根据每个订单的订单信息，确定每个订单的紧急程度；将每个订单的订单信息输入到所述分类模型中，输出每个订单的紧急程度。
在一种可能实现方式中，所述知识图谱构建模块，用于根据每个订单的紧急程度，将具有相同紧急程度的订单划分为同一子集；以每个订单为节点，将每个子集中具有至少一项相同订单信息的节点相连，得到多个知识图谱。
在一种可能的实现方式中，所述装置还包括：
随机游走模块，用于对于任一知识图谱，以所述知识图谱中任一订单为起点进行多次随机游走，得到多条随机路径，每条随机路径包括第一预设数量个订单；
订单组成模块，用于将多条随机路径中出现次数超过第二预设数量的订单与起点的订单组成一个冒泡簇。
在一种可能的实现方式，所述定价系数确定模块，用于对于任一知识图谱，获取提价和降价时服务人员的数量变化率；根据所述提价和降价时服务人员的数量变化率、当前服务人员的数量、每个冒泡簇中的订单数量、每个冒泡簇待确定的定价系数，构建每个冒泡簇对应的供需比矩阵；通过求解每个冒泡簇对应的供需比矩阵，得到每个冒泡簇的定价系数。
在一种可能的实现方式中，所述价格确定模块，用于根据所述订单的订单信息和基础价格表单，确定所述订单的基础价格，所述基础价格表单用于指示在不同订单信息下的基础价格；将所述订单的基础价格和所述订单所属冒泡簇的定价系数的乘积，确定为所述订单的订单价格。
另一方面，提供了一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现上述一方面所述的订单价格的确定方法。
另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现上述一方面所述的订单价格的确定方法。
本公开实施例提供的技术方案带来的有益效果是：
根据每个订单的紧急程度和订单信息，构建知识图谱，并确定出不同冒泡簇的定价系数，根据定价系数可对不同订单进行个性化定价，定价方式多样化。且通过价格变化，刺激运力和需求，达到各个时段、各个地区的用户有车乘、司机有单接的稳定运营状态，保障了司乘双方的利益。
附图说明
为了更清楚地说明本公开实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的一种订单价格的确定方法所涉及的实施环境；
图2是本公开实施例提供的一种订单价格的确定方法流程图；
图3是本公开实施例提供的一种订单价格的确定方法流程图；
图4是本公开实施例提供的一种知识图谱的示意图；
图5是本公开实施例提供的一种订单价格的确定过程；
图6是本公开实施例提供的一种订单价格的确定装置结构示意图；
图7是根据一示例性实施例示出的一种用于订单价格的确定的服务器。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
请参考图1，其示出了本公开实施例提供的订单价格的确定方法所涉及的实施环境，该实施环境包括：服务器101和终端102。
其中，服务器101为网约车应用的后台服务器，可为用户提供网约车服务。该服务器101可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云存储、网络服务、云通信、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器。服务器101内存储根据历史订单信息和地区市场均价设置的基础价格表单，该基础价格表单为每个订单提供基础的定价标准。服务器101实时接收各个用户发送的订单信息，并基于每个用户的订单信息，通过构建知识图谱划分冒泡簇，为每个订单确定定价系数，进而基于所存储的基础价格表单进行定价。
终端102中安装有网约车应用，基于该网约车应用可为用户提供网约车服务。终端102可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。
终端102以及服务器101可以通过有线或无线通信方式进行直接或间接地连接，本公开实施例在此不做限制。
应用场景
本公开实施例提供的价格订单的确定方法，可应用于网约车场景，还可以应用于外卖配送场景等。
基于图1所示的实施环境，本公开实施例提供了一种订单价格的确定方法，参见图2，本公开实施例提供的方法流程包括：
201、根据历史订单的订单信息，确定订单集合中每个订单的紧急程度。
其中，订单集合为由预设时间段内接收到的订单组成的集合。
202、订单的紧急程度和每个订单的订单信息，构建多个知识图谱。
其中，知识图谱用于表征具有相同紧急程度的多个订单之间的关联性。
203、确定多个知识图谱内每个冒泡簇的定价系数。
其中，冒泡簇包括知识图谱内满足预设条件的至少两个订单。
204、对于订单集合中的任一订单，根据订单的订单信息及所属的冒泡簇的定价系数，确定订单的订单价格。
本公开实施例提供的方法，根据每个订单的紧急程度和订单信息，构建知识图谱，并确定出不同冒泡簇的定价系数，根据定价系数可对不同订单进行个性化定价，定价方式多样化。且通过价格变化，刺激运力和需求，达到各个时段、各个地区的用户有车乘、司机有单接的稳定运营状态，保障了司乘双方的利益。
在一种可能的实现方式中，根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，包括：
根据历史订单的订单信息，训练分类模型，分类模型用于根据每个订单的订单信息，确定每个订单的紧急程度；
将每个订单的订单信息输入到分类模型中，输出每个订单的紧急程度。
在一种可能的实现方式中，根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，包括：
根据每个订单的紧急程度，将具有相同紧急程度的订单划分为同一子集；
以每个订单为节点，通过将每个子集中具有相同订单信息的节点相连，得到多个知识图谱。
在一种可能的实现方式中，确定每个知识图谱内每个冒泡簇的定价系数之前，还包括：
对于任一知识图谱，以知识图谱中任一订单为起点进行多次随机游走，得到多条随机路径，每条随机路径包括第一预设数量个订单；
将多条随机路径中出现次数超过第二预设数量的订单与起点的订单组成一个冒泡簇。
在一种可能的实现方式中，确定每个知识图谱内每个冒泡簇的定价系数，包括：
对于任一知识图谱，获取提价和降价时服务人员的数量变化率；
根据提价和降价时服务人员的数量变化率、当前服务人员的数量、每个冒泡簇的数量、每个冒泡簇待确定的定价系数，构建每个冒泡簇对应的供需比矩阵；
通过求解每个冒泡簇对应的供需比矩阵，得到每个冒泡簇的定价系数。
在一种可能的实现方式中，根据订单的订单信息及所属的冒泡簇的定价系数，确定订单的订单价格，包括：
根据订单的订单信息和基础价格表单，确定订单的基础价格，基础价格表单用于指示在不同订单信息下的基础价格；
将订单的基础价格和订单所属冒泡簇的定价系数的乘积，确定为订单的订单价格。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
本公开实施例提供了一种订单价格的确定方法，参见图3，本公开实施例提供的方法流程包括：
301、服务器存储基础价格表单。
其中，基础价格表单为对网约车应用中每个订单进行定价的标准，该基础价格表单可根据历史订单信息和本地区的市场价格确定。该基础价格表单包括对起步价、里程费、时长费、远途费、恶劣天气的计价规则，可在早晚高峰期、夜间、平峰期、恶劣天气时确定每个订单的订单价格。
针对北京地区所制定的基础订单表单可参见表1。
表1
Figure BDA0002465951060000071
Figure BDA0002465951060000081
302、服务器根据历史订单的订单信息，确定订单集合中每个订单的紧急程度。
其中，历史订单的订单信息包括起点、终点、乘车时间段、天气、交通拥堵状况、车型等等。订单集合为由预设时间段内接收到的订单组成的集合，预设时间段可以为1分钟、2分钟、5分钟等。在本公开实施例中每个订单可以表示为一个冒泡。订单的紧急程度包括紧急、重度紧急、一般紧急、不紧急等，可以根据用户愿意等待的时长进行划分。例如，用户愿意等待时长小于2分钟的紧急程度为紧急、用户愿意等待时长大于2分钟小于5分钟的紧急程度为中度紧急、用户愿意等待时长大于5分钟小于10分钟的紧急程度为一般紧急、用户愿意等待时长大于10分钟的紧急程度为不紧急等等。
服务器根据历史订单的订单信息，确定订单集合中每个订单的紧急程度时，可采用如下步骤：
3021、服务器根据历史订单的订单信息，训练分类模型。
其中，分类模型用于根据每个订单的订单信息，确定每个订单的紧急程度。
服务器根据历史订单的订单信息训练分类模型的过程可以为：
第一步，服务器获取多个历史订单的订单信息，每个历史订单标注有相应的紧急程度，每种紧急程度对应一个标签值。
第二步，服务器将多个历史订单输入到初始分类模型中，输出对每个订单的预测值。
服务器可以预先为初始分类模型构建目标损失函数，并为初始分类模型的模型参数设置初始值，基于所设置的各个参数的初始值，可以确定出对每个历史订单的预测值，通过将每个历史订单的预测值和标注的标签值输入到目标损失函数中，可以计算出目标损失函数的函数值。
第三步，服务器根据目标损失函数的函数值，对初始分类模型的模型参数进行调整，得到分类模型。
如果目标损失函数的函数值不满足阈值条件，对初始分类模型的模型参数进行调整，并继续计算目标损失函数的函数值，直至得到的函数值满足阈值条件。其中，阈值条件可根据处理精度进行设置。
获取满足阈值条件时各个参数的参数值，并将满足阈值条件时各个参数的参数值所对应的初始分类模型，作为训练得到的分类模型。
3022、服务器将每个订单的订单信息输入到分类模型中，输出每个订单的紧急程度。
基于所训练的分类模型，服务器通过将每个订单的订单信息输入到该分类模型中，可以输出每个订单的紧急程度。
需要说明的是，本公开实施例中的紧急程度独立于用户生命周期，对于新用户和老用户平等计算其紧急和非紧急程度，并不会区别对待。
303、服务器根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱。
其中，知识图谱用于表征具有相同紧急程度的多个订单之间的关联性。将知识图谱中每个订单作为一个节点，任意相连的两个节点具有至少一项相同的订单信息，例如，相同的起点、终点、车程、乘车时间段、被接单概率等中至少一项。
服务器根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱时，可采用如下方法：
3031、服务器根据每个订单的紧急程度，将具有相同紧急程度的订单划分为同一子集。
服务器根据每个订单的紧急程度，将紧急程度为紧急的订单组成一个子集、将紧急程度为中度紧急的订单组成一个子集、将紧急程度为一般紧急的订单组成一个子集、将紧急程度为不紧急的订单组成一个子集，从而得到四个不同紧急程度的子集。
3032、服务器以每个订单为节点，将每个子集中具有至少一项相同订单信息的节点相连，得到多个知识图谱。
对于每个子集，服务器以每个子集中包括的每个订单为节点，将每个子集中具有至少一项相同订单信息的节点相连，得到多个知识图谱。
基于所得到的多个知识图谱，服务器还将根据每个知识图谱，生成多个冒泡簇。其中，冒泡簇包括知识图谱内满足预设条件的至少两个订单，该预设条件可以为将随机游走过程中得到的多条随机路径包括的大于第二预设数量的订单与起点订单组成一个冒泡簇。
以任一知识图谱为例，服务器在生成冒泡簇时，可采用如下步骤：
第一步，服务器以知识图谱中任一订单为起点进行多次随机游走，得到多条随机路径。
服务器选取知识图谱中的任一订单为起始冒泡，并以该起始冒泡为起点进行多次随机游走，得到多条随机路径，每条随机路径包括第一预设数量个订单。其中，第一预设数量可以为3个、4个、5个等等。
第二步，服务器将多条随机路径中出现次数超过第二预设数量的订单与起点的订单组成一个冒泡簇。
其中，第二预设数量可以为2个、3个等等。服务器根据每个订单在随机路径中出现的次数，选取数量超过第二预设数量的订单，并将数量超过第二预设数量的订单与起点订单组成一个冒泡簇。同样的，可以针对其他订单进行相同操作，直至所有订单全部有归属的冒泡簇。
需要说明的是，当两个冒泡簇中包括相同的冒泡时，可将两个冒泡簇合并为一个冒泡簇。
例如，图4所示的知识图谱，选取冒泡a为起始冒泡，重复执行5次随机游走。设置第一预设数量为3，从冒泡a开始，执行5次随机游走的路径为：冒泡a-冒泡f-冒泡、冒泡a-冒泡c-冒泡d、冒泡a-冒泡c-冒泡e、冒泡a-冒泡g-冒泡e、冒泡a-冒泡c-冒泡d。在以冒泡a为起始冒泡的随机路径中，各冒泡及其出现次数的对应关系为:{冒泡f出现1次、冒泡b出现1次、冒泡c出现3次、冒泡d出现2次、冒泡e出现2次、冒泡g出现1次}。设置第二预设数量为3，则可以将冒泡a与冒泡c划分为一个冒泡簇。
304、服务器确定多个知识图谱内每个冒泡簇的定价系数。
对于任一知识图谱，服务器在确定该知识图谱内每个冒泡簇的定价系数时，可采用如下步骤：
3041、服务器获取提价和降价时服务人员的数量变化率。
服务器获取历史订单信息，并根据历史订单信息，在具有相同起点、终点、紧急程度相同的情况下，获取提价或降价时服务器人员的数量变化率。为了便于计算，在进行提价或降价时，可每次提价1元或降价1元。
设定提价1元时服务人员的数量变化率为a，降低1元时服务人员的数量变化率为b，则服务人员的变化率f可以表示为
Figure BDA0002465951060000111
3042、服务器根据提价和降价时服务人员的数量变化率、当前服务人员的数量、每个冒泡簇中的订单数量、每个冒泡簇待确定的定价系数，构建每个冒泡簇对应的供需比矩阵。
设定每个冒泡簇中订单数量N1，当前服务人员的数量为N2，待确定的定价系数为q，价格变化率为q-1，基础价格为p，则每个冒泡簇对应的供需比Q为：
Figure BDA0002465951060000112
基于每个冒泡簇对应的供需比，可将知识图谱内每个冒泡簇对应的供需比组成供需比矩阵。
3043、服务器通过求解每个冒泡簇对应的供需比矩阵，得到每个冒泡簇的定价系数。
服务器预先设置各个冒泡簇对应的最优供需比，并根据所设置的最优供需比构建供需比最优目标函数，进而通过求解供需比最优目标函数，得到每个冒泡簇的定价系数。
例如，设定每个冒泡簇的最优供需比为
Figure BDA0002465951060000113
则每个冒泡簇的供需比最优目标函数为
Figure BDA0002465951060000114
设定知识图谱具有n个冒泡簇，则供需比矩阵可以表示为：
Figure BDA0002465951060000115
也即是，冒泡簇1的最优供需比g1可以表示为Q1，还可以表示为q1*c1+b1；冒泡簇2的最优供需比g2可以表示为Q2，还可以表示为q2*c2+b2；…；冒泡簇n的最优供需比gn可以表示为Qn，还可以表示为qn*cn+bn。
对于整个知识图谱而言，整个知识图谱包括的各个冒泡簇的最优供需比G为
Figure BDA0002465951060000121
通过求解limG＝0，可以得到每个冒泡簇的定价系数。
305、对于订单集合中的任一订单，服务器根据订单的订单信息及所属的冒泡簇的定价系数，确定订单的订单价格。
对于任一订单，服务器根据订单的订单信息及所属的冒泡簇的定价系数，确定订单的订单价格时，可根据订单的订单信息和基础价格表单，确定订单的基础价格，将订单的基础价格和订单所属冒泡簇的定价系数的乘积，确定为订单的价格。
对于本公开实施例提供的订单的价格确定方法，下面以图5为例进行说明。
第一步，根据历史订单信息，确定每个订单的紧急程度。
第二步，根据每个订单的紧急程度，将具有相同紧急程度的订单组成知识图谱，并基于知识图谱，生成多个冒泡簇。
第三步，根据基础价格表单，确定订单的基础价格，并将基础价格与冒泡簇的定价系数相乘，得到该订单的订单价格。
本公开实施例提供的方法，根据每个订单的紧急程度和订单信息，构建知识图谱，并确定出不同冒泡簇的定价系数，根据定价系数可对不同订单进行个性化定价，定价方式多样化。且通过价格变化，刺激运力和需求，达到各个时段、各个地区的用户有车乘、司机有单接的稳定运营状态，保障了司乘双方的利益。
本公开实施例提供的方法还具有以下有益效果：
第一、以冒泡为维度，未采用用户相关属性，对所有用户公平化对待。
第二、采用知识图谱的方式对冒泡订单进行分群，具备强可解释性，有效避免杀熟舆论；同时，在后期必须公布明确的计价规则前提下，更容易向监管和用户解释、呈现。
第三、在动态场景下，需求处理时间分布不合理，长期会导致某个时空维度的供需失衡，综合成本较高。通过动调的方式，促使需求处理时间分布、供需分布向着更加良性及合理的方向发展，最终达到降低成本、提升收益的目的。
参见图6，本公开实施例提供了一种订单价格的确定装置，该装置包括：
紧急程度确定模块601，用于根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，订单集合为由预设时间段内接收到的订单组成的集合；
知识图谱构建模块602，用于根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，知识图谱用于表征具有相同紧急程度的多个订单之间的关联性；
定价系数确定模块603，用于确定多个知识图谱内每个冒泡簇的定价系数，冒泡簇包括知识图谱内满足预设条件的至少两个订单；
价格确定模块604，用于对于订单集合中的任一订单，根据订单的订单信息及所属的冒泡簇的定价系数，确定订单的订单价格。
在一种可能的实现方式中，紧急程度确定模块601，用于根据历史订单的订单信息，训练分类模型，分类模型用于根据每个订单的订单信息，确定每个订单的紧急程度；将每个订单的订单信息输入到分类模型中，输出每个订单的紧急程度。
在一种可能实现方式中，知识图谱构建模块602，用于根据每个订单的紧急程度，将具有相同紧急程度的订单划分为同一子集；以每个订单为节点，通过将每个子集中具有相同订单信息的节点相连，得到多个知识图谱。
在一种可能的实现方式中，装置还包括：
随机游走模块，用于对于任一知识图谱，以知识图谱中任一订单为起点进行多次随机游走，得到多条随机路径，每条随机路径包括第一预设数量个订单；
订单组成模块，用于将多条随机路径中出现次数超过第二预设数量的订单与起点的订单组成一个冒泡簇。
在一种可能的实现方式，定价系数确定模块603，用于对于任一知识图谱，获取提价和降价时服务人员的数量变化率；根据提价和降价时服务人员的数量变化率、当前服务人员的数量、每个冒泡簇的数量、每个冒泡簇待确定的定价系数，构建每个冒泡簇对应的供需比矩阵；通过求解每个冒泡簇对应的供需比矩阵，得到每个冒泡簇的定价系数。
在一种可能的实现方式中，价格确定模块604，用于根据订单的订单信息和基础价格表单，确定订单的基础价格，基础价格表单用于指示在不同订单信息下的基础价格；将订单的基础价格和订单所属冒泡簇的定价系数的乘积，确定为订单的订单价格。
综上所述，本公开实施例提供的装置，根据每个订单的紧急程度和订单信息，构建知识图谱，并确定出不同冒泡簇的定价系数，根据定价系数可对不同订单进行个性化定价，定价方式多样化。且通过价格变化，刺激运力和需求，达到各个时段、各个地区的用户有车乘、司机有单接的稳定运营状态，保障了司乘双方的利益。
图7是根据一示例性实施例示出的一种用于订单价格的确定的服务器。参照图7，服务器700包括处理组件722，其进一步包括一个或多个处理器，以及由存储器732所代表的存储器资源，用于存储可由处理组件722的执行的指令，例如应用程序。存储器732中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件722被配置为执行指令，以执行上述订单价格的确定方法中服务器所执行的功能。
服务器700还可以包括一个电源组件726被配置为执行服务器700的电源管理，一个有线或无线网络接口750被配置为将服务器700连接到网络，和一个输入输出(I/O)接口758。服务器700可以操作基于存储在存储器732的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本公开实施例提供的服务器，根据每个订单的紧急程度和订单信息，构建知识图谱，并确定出不同冒泡簇的定价系数，根据定价系数可对不同订单进行个性化定价，定价方式多样化。且通过价格变化，刺激运力和需求，达到各个时段、各个地区的用户有车乘、司机有单接的稳定运营状态，保障了司乘双方的利益。
本公开实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现图2或图3所示的订单价格的确定方法。
本公开实施例提供的计算机可读存储介质，根据每个订单的紧急程度和订单信息，构建知识图谱，并确定出不同冒泡簇的定价系数，根据定价系数可对不同订单进行个性化定价，定价方式多样化。且通过价格变化，刺激运力和需求，达到各个时段、各个地区的用户有车乘、司机有单接的稳定运营状态，保障了司乘双方的利益。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种订单价格的确定方法，其特征在于，所述方法包括：
根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，所述订单集合为由预设时间段内接收到的订单组成的集合；
根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，所述知识图谱用于表征具有相同紧急程度的多个订单之间的关联性；
确定多个知识图谱内每个冒泡簇的定价系数，所述冒泡簇包括知识图谱内满足预设条件的至少两个订单；
对于所述订单集合中的任一订单，根据所述订单的订单信息及所属的冒泡簇的定价系数，确定所述订单的订单价格。
2.根据权利要求1所述的方法，其特征在于，所述根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，包括：
根据所述历史订单的订单信息，训练分类模型，所述分类模型用于根据每个订单的订单信息，确定每个订单的紧急程度；
将每个订单的订单信息输入到所述分类模型中，输出每个订单的紧急程度。
3.根据权利要求1所述的方法，其特征在于，所述根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，包括：
根据每个订单的紧急程度，将具有相同紧急程度的订单划分为同一子集；
以每个订单为节点，将每个子集中具有至少一项相同订单信息的节点相连，得到多个知识图谱。
4.根据权利要求1所述的方法，其特征在于，所述确定每个知识图谱内每个冒泡簇的定价系数之前，还包括：
对于任一知识图谱，以所述知识图谱中任一订单为起点进行多次随机游走，得到多条随机路径，每条随机路径包括第一预设数量个订单；
将多条随机路径中出现次数超过第二预设数量的订单与起点的订单组成一个冒泡簇。
5.根据权利要求1所述的方法，其特征在于，所述确定每个知识图谱内每个冒泡簇的定价系数，包括：
对于任一知识图谱，获取提价和降价时服务人员的数量变化率；
根据所述提价和降价时服务人员的数量变化率、当前服务人员的数量、每个冒泡簇中的订单数量、每个冒泡簇待确定的定价系数，构建每个冒泡簇对应的供需比矩阵；
通过求解每个冒泡簇对应的供需比矩阵，得到每个冒泡簇的定价系数。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述订单的订单信息及所属的冒泡簇的定价系数，确定所述订单的订单价格，包括：
根据所述订单的订单信息和基础价格表单，确定所述订单的基础价格，所述基础价格表单用于指示在不同订单信息下的基础价格；
将所述订单的基础价格和所述订单所属冒泡簇的定价系数的乘积，确定为所述订单的订单价格。
7.一种订单价格的确定装置，其特征在于，所述装置包括：
紧急程度确定模块，用于根据历史订单的订单信息，确定订单集合中每个订单的紧急程度，所述订单集合为由预设时间段内接收到的订单组成的集合；
知识图谱构建模块，用于根据每个订单的紧急程度和每个订单的订单信息，构建多个知识图谱，所述知识图谱用于表征具有相同紧急程度的多个订单之间的关联性；
定价系数确定模块，用于确定多个知识图谱内每个冒泡簇的定价系数，所述冒泡簇包括知识图谱内满足预设条件的至少两个订单；
价格确定模块，用于对于所述订单集合中的任一订单，根据所述订单的订单信息及所属的冒泡簇的定价系数，确定所述订单的订单价格。
8.根据权利要求7所述的装置，其特征在于，所述价格确定模块，用于对于任一知识图谱，获取提价和降价时服务人员的数量变化率；根据所述提价和降价时服务人员的数量变化率、当前服务人员的数量、每个冒泡簇中的订单数量、每个冒泡簇待确定的定价系数，构建每个冒泡簇对应的供需比矩阵；通过求解每个冒泡簇对应的供需比矩阵，得到每个冒泡簇的定价系数。
9.一种服务器，其特征在于，所述服务器包括处理器和存储器，所述存储器中存储有至少一条程序代码，所述至少一条程序代码由所述处理器加载并执行，以实现如权利要求1至6中任一项所述的订单价格的确定方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行，以实现如权利要求1至6中任一项所述的订单价格的确定方法。
CN202010334008.7A 2020-04-24 2020-04-24 订单价格的确定方法、装置、服务器及存储介质 Pending CN111429237A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010334008.7A CN111429237A (zh) 2020-04-24 2020-04-24 订单价格的确定方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010334008.7A CN111429237A (zh) 2020-04-24 2020-04-24 订单价格的确定方法、装置、服务器及存储介质

Publications (1)

Publication Number Publication Date
CN111429237A true CN111429237A (zh) 2020-07-17

Family

ID=71556726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010334008.7A Pending CN111429237A (zh) 2020-04-24 2020-04-24 订单价格的确定方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN111429237A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767030A (zh) * 2021-01-21 2021-05-07 上海钧正网络科技有限公司 网约车定价方法、装置及计算机可读存储介质
CN113191816A (zh) * 2021-05-18 2021-07-30 拉扎斯网络科技（上海）有限公司 订单的定价方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767030A (zh) * 2021-01-21 2021-05-07 上海钧正网络科技有限公司 网约车定价方法、装置及计算机可读存储介质
CN113191816A (zh) * 2021-05-18 2021-07-30 拉扎斯网络科技（上海）有限公司 订单的定价方法及系统

Similar Documents

Publication Publication Date Title
US20210232984A1 (en) Order allocation system and method
US11586992B2 (en) Travel plan recommendation method, apparatus, device and computer readable storage medium
US20180240054A1 (en) Systems and methods for order pairing
WO2018214361A1 (en) Systems and methods for improvement of index prediction and model building
CN104169950A (zh) 利用面向批处理的计算的数据库系统
Hussain et al. Two-stage fuzzy logic inference algorithm for maximizing the quality of performance under the operational constraints of power grid in electric vehicle parking lots
EP1159698A1 (en) Method and apparatus for providing availability of airline seats
CN111428137B (zh) 一种电动汽车充电设施的推荐方法及推荐装置
CN110020022B (zh) 数据处理方法、装置、设备及可读存储介质
CN109345166B (zh) 用于生成信息的方法和装置
CN111429237A (zh) 订单价格的确定方法、装置、服务器及存储介质
CN115423353A (zh) 配电网资源的消纳调度方法、装置、电子设备及存储介质
CN114912717B (zh) 基于物联网的智慧城市保障住房申请风险评估方法和系统
CN110832536B (zh) 推荐上车地点的系统和方法
CN116346863A (zh) 基于联邦学习的车载网数据处理方法、装置、设备及介质
WO2022127517A1 (en) Hierarchical adaptive contextual bandits for resource-constrained recommendation
CN115081958A (zh) 用户电力调整方法、装置、电子设备和计算机可读介质
CN112581184A (zh) 一种空铁联运票价制定方法、系统、设备及可读存储介质
CN114445102A (zh) 报价数据处理方法及装置
US20230229913A1 (en) Method and Apparatus for Training Information Adjustment Model of Charging Station, and Storage Medium
CN111353093B (zh) 问题推荐方法、装置、服务器及可读存储介质
CN113011911B (zh) 基于人工智能的数据预测方法、装置、介质及电子设备
CN113793195A (zh) 网约车订单处理方法、装置、计算机设备及可读存储介质
Li et al. Data-driven bus timetabling with spatial-temporal travel time
US20230214767A1 (en) Communications server apparatus and method for simulating supply and demand conditions related to a transport service

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200717