CN111667083B - 网约车预估价确定方法和装置 - Google Patents
网约车预估价确定方法和装置 Download PDFInfo
- Publication number
- CN111667083B CN111667083B CN202010529605.5A CN202010529605A CN111667083B CN 111667083 B CN111667083 B CN 111667083B CN 202010529605 A CN202010529605 A CN 202010529605A CN 111667083 B CN111667083 B CN 111667083B
- Authority
- CN
- China
- Prior art keywords
- time
- user
- boarding
- vehicle
- estimated
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000010365 information processing Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000002085 persistent effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
-
- G06Q50/40—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
公开了一种网约车预估价确定方法和装置。接收用户的约车信息,约车信息包括上车点。基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项,预测用户的预计上车时间。基于所述预计上车时间及其对应的时间分段计价规则确定预估价。由此,可以通过使用预测得到的用户的预计上车时间来计算预估价,使得预计时间与实际上车时间更为接近,提高预估价的准确性,减小预估价与结算价的差异。
Description
技术领域
本公开涉及互联网领域,尤其涉及网约车预估价的确定方法。
背景技术
随着互联网和智能终端技术的发展,人们越来越多地通过在智能终端上的网约车平台下单来满足自己的出行需求。
在网约车场景下,用户通过网约车平台打车最在意的因素之一就是价格,多数用户打车时都会认真参考预估价,来决定是否通过这一平台打车。用户实际完成订单后还会对比预估价与结算价的差异,如果预估价与最终结算价存在的差异较大,会引起用户不满进而咨询客服或者投诉。一方面给网约车平台带来了较大工作量,也带来了负面影响;另一方面,也降低了用户的体验。
现有技术中,订单的预估价一般为以预估价获取时刻或预约时刻为出发时间根据实时路况和相应计价规则给出的预估价。
网约车平台一般会引入分时段计价来缓解供需矛盾,例如,高峰时段的里程费要比平峰时段的起步费、里程费要高。而预估价所参考的上车时间通常会与用户的实际上车时间有一定的时间差,如果预估价所参考的上车时间与实际上车时间分属不同时段,就可能使得订单的结算价与预估价相差较大。
而如果网约车平台的订单出现了预估价和结算价不一致或者差距很大,特别是结算价远高于预估价的情况,用户就会觉得网约车平台存在利用低价陷阱误导消费者、虚假报价等问题。
为此,亟需一种改进的网约车预估价确定方法。
发明内容
本公开要解决的一个技术问题是提供一种网约车预估价确定方案,其能够提高预估价的准确性,减小预估价与结算价的差异。
根据本公开的第一个方面,提供了一种网约车预估价确定方法,包括:接收用户的约车信息,约车信息包括上车点;基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项,预测用户的预计上车时间;以及基于预计上车时间及其对应的时间分段计价规则确定预估价。
可选地,预测用户的预计上车时间的步骤包括:基于上车点附近可用车辆信息和/或上车点附近其他约车用户信息,确定潜在接单车辆的预计到达时间。
可选地,该方法还包括:基于用户当前位置和/或用户的历史订单数据,预测接单车辆到达上车点之后的预计等待时长,历史订单数据包括历史接单车辆的等待时长。
可选地,预测得到用户的预计上车时间的步骤包括:基于预计到达时间和预计等待时长,确定预计上车时间。
可选地,该方法还包括:在确定接单车辆后,基于接单车辆当前位置,重新预测用户的预计上车时间,并基于预计上车时间及其对应的时间分段计价规则调整预估价;以及/或者在接单车辆到达上车点后,基于用户信息,重新预测用户的预计上车时间,并基于预计上车时间及其对应的时间分段计价规则调整预估价;以及/或者在用户上车后,基于实际上车时间及其对应的时间分段计价规则调整预估价。
可选地,约车信息还包括目的地,该方法还包括:基于预计上车时间、上车点和目的地,确定预计行驶时间段;基于时间分段计价规则,将预计行驶时间段划分为一个或多个计价时间分段,其中,根据时间分段计价规则,每个计价时间分段分别具有对应的计价规则;针对一个或多个计价时间分段,分别确定预计分段行驶里程;以及基于一个或多个计价时间分段各自的预计分段行驶里程和计价规则,确定预估价。
根据本公开的第二个方面,提供了一种网约车预估价确定装置,包括:约车信息接收装置,用于接收用户的约车信息,约车信息包括上车点;上车时间预测装置,用于基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项,预测用户的预计上车时间;以及预估价预测装置,用于基于预计上车时间及其对应的时间分段计价规则确定预估价。
可选地,该装置还包括:到达时间预测装置,用于基于上车点附近可用车辆信息和/或上车点附近其他约车用户信息,确定潜在接单车辆的预计到达时间;等待时长预测装置,用于基于用户当前位置和/或用户的历史订单数据,预测接单车辆到达上车点之后的预计等待时长,历史订单数据包括历史接单车辆的等待时长;以及上车时间计算装置,用于基于预计到达时间和预计等待时长,确定预计上车时间。
根据本公开的第三个方面,提供了一种计算设备,包括:处理器;以及存储器,其上存储有可执行代码,当可执行代码被处理器执行时,使处理器执行如上述第一方面的方法。
根据本公开的第四个方面,提供了一种非暂时性机器可读存储介质,其上存储有可执行代码,当可执行代码被电子设备的处理器执行时,使处理器执行如上述第一方面的方法。
由此,通过使用预测得到的用户的预计上车时间来计算预估价,使得预计时间与实际上车时间更为接近,提高预估价的准确性,减小预估价与结算价的差异。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明一实施例的网约车预估价确定方法的示意性流程图。
图2示出了根据本发明一实施例确定预计上车时间的方法的示意性流程图。
图3示出了根据本发明一实施例的确定预估价方法的示意性流程图。
图4示出了根据本发明一实施例的网约车预估价确定装置的结构示意图。
图5示出了根据本发明一实施例的上车时间预测装置的结构示意图。
图6示出了根据本发明一实施例可用于实现上述网约车预估价确定方法的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
近年来,网约车平台为缓解供需矛盾,引入了分时段计价的计价规则,例如将一天分为早高峰时段(6-10时)、平峰时段(10-17时)、晚高峰时段(17-21时)和夜间凌晨时段(21-6时),不同时段的起步价、时长费、里程费有所不同。例如,夜间凌晨时段的里程费可以设为最高,平峰时段的起步费、里程费则可以设为最低。
一般来说,网约车平台提供的预估价在计算时,参考了用户获取预估价时刻作为用户上车时间,进而以该时间所在的时段对应的计价规则进行计算,而乘客实际上车时刻所处时段可能与预估价参考的用户上车时间所属时段不同,对应地,使用的计价规则也不同。
例如,可能用户看到的预估价计算时参考的上车时间所在时段为平峰时段,而用户实际上车时间则属于晚高峰时段,在分时段计价规则下,由于时段差异会导致预估价与结算价产生较大差异,难以保证平台所提供预估价的准确性,会给乘客带来较差的使用体验。
本发明提供了一种网约车预估价确定方法,该方法通过预测乘客的实际上车时间,在计算预估价使用预测的乘客上车时间及其所属时段对应的计价方式,使得预估价更为准确,减小计算预估价的参考时间与乘客实际上车时间之间的差异,从而避免由于跨时段计费,预估价与结算价产生较大的的差异。
图1示出了根据本发明一实施例的网约车预估价确定方法的示意性流程图。该预估价确定方法适用于在智能终端的各种网络约车平台上,提供一种确定网约车订单预估价的解决方案。
图4示出了根据本发明一实施例的网约车预估价确定装置的结构示意图,该网约车预估价确定装置400可以包括:约车信息接收装置410、上车时间预测装置420和预估价预测装置430。
在步骤S110,例如,可以通过约车信息接收装置410,接收用户的约车信息,约车信息至少包括上车点。
随后,在步骤S120,例如,可以通过上车时间预测装置420,基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项,预测用户的预计上车时间。
在某些实施例中,上车点附近可以是以上车点为圆心、某一阈值为半径的区域,也可以是上车点所在街道/街区和/或上车点所在街道的临街或对街。可用车辆可以包括没有订单、空闲的车辆,也可以包括订单行程即将结束的车辆。进而,上车点附近可用车辆信息可以包括:上车点附近可用车辆的数量和/或可用车辆所在的位置。更进一步地,可用车辆信息还可以包括各车辆的历史载客行为数据,例如接单频率、接单后到达上车点所用时长等等。
在某些实施例中,上车点附近其他约车用户信息可以由网约车平台服务器的大数据得到,具体可以包括上车点在用户上车点附近的其他约车用户的用车需求的数量等信息。
在其他实施例中,上车点附近交通状况则包括红绿灯、路况、路径中的掉头情况等。
在此,用户信息可以包括用户的当前位置信息、用户的历史订单数据等。
在一些实施例中,可以构建预测模型,以上述上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项为输入,以用户的预计上车时间为输出,使用网约车平台的历史数据,拟合出上述各项数据中的一项或多项与用户的预计上车时间的关系,或者对预测模型进行训练,以预测得到用户的预计上车时间。
下面参考图2和图5进一步描述步骤S120中预计上车时间的一种确定方案。
图2示出了根据本发明一实施例确定预计上车时间的方法的示意性流程图。图5示出了根据本发明一实施例的上车时间预测装置的结构示意图,该上车时间预测装置420包括:到达时间预测装置4210、等待时长预测装置4220和上车时间计算装置4230。
进一步地,如图2和图5所示,在步骤S1210,例如可以通过到达时间预测装置4210,基于上车点附近可用车辆信息和/或上车点附近其他约车用户信息,确定潜在接单车辆的预计到达时间。
例如,通过以上车点附近可用车辆的数量、可用车辆所在的位置和/或上车点附近的其他约车用户的用车需求的数量作为输入,使用事先基于历史数据进行拟合或训练建立的预测模型,可以得到潜在接单车辆的预计到达时间。由此,通过对车辆侧的运力和用户侧的需求两方面的综合分析,得出潜在接单车辆的预计到达时间。
这里,使用“潜在”一词是为了表示,在进行预估价预测时,尚没有确定哪个可用车辆将成为实际接单车辆。只是基于当前可用车辆信息和/或其他约车用户信息,来预测过多久会有车辆到达用户指定的上车点,而并不需要考虑实际是哪一辆可用车辆接单并到达。
另外,在建立预测模型时,还可以加入对上车点附近交通状况等信息作为输入,例如,红绿灯情况、拥堵状况等。这样,可以基于更丰富的现场实际信息来进行更加准确的预测。
在步骤S1220,例如可以通过等待时长预测装置4220,基于用户当前位置和/或用户的历史订单数据,预测接单车辆到达上车点之后的预计等待时长。历史订单数据例如可以包括用户的用车习惯,例如历史接单车辆接单并到达上车点后等待用户的等待时长等。
此处,可以通过当前位置与上车点位置的距离,预测用户何时到达上车点。
或者,还可以基于用户的历史订单数据中的历史接单车辆的等待时长所体现的用户用车习惯,来预测用户何时到达上车点。
或者,还可以结合上述两方面信息,通过分析实时数据结合大数据分析用户历史用车习惯,来预测接单车辆到达上车点之后的预计等待时长。
在步骤S1230,例如,可以通过上车时间计算装置4230,基于所述预计到达时间和所述预计等待时长,确定所述预计上车时间。例如,以预计到达时间为基础,延后预计等待时长,即可得到预计上车时间。
返回图1,随后,在步骤S130,例如,可以使用预估价预测装置430,基于所述预计上车时间及其对应的时间分段计价规则确定预估价。
例如,用户在平峰时段的16点50分下单,基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息等信息,给出的预计上车时间为17点零3分,则计算预估价时参考的是该预计上车时间所在的晚高峰时段(17-21时)对应的计价规则,而用户实际上车时间为17点零5分。预计上车时间于实际上车时间相差较小,且属于同一个计价规则时段。
这样,由于晚高峰时段的起步价和里程费都比平峰时段要高,则本公开给出的预估价会更接近结算价,而不会如现有技术一样给出按照平峰时段对应计价规则计算得出的预估价,进而不会出现预估价大幅低于结算价,引起用户不满甚至投诉的情况。
在一些实施例中,在用户下单后的某一阶段,例如,在确定接单车辆后,基于接单车辆的当前位置,可以重新预测用户的预计上车时间,并基于如前所述方案得到的预计上车时间及其对应的时间分段计价规则调整预估价。
在下单后的某一阶段,例如,在接单车辆到达上车点后,基于用户信息,如用户的实时位置信息,并根据实时位置与上车点的距离以及路径,重新预测用户的预计上车时间,并基于如前所述方案得到的预计上车时间及其对应的时间分段计价规则调整预估价。
在用户上车后,可以基于实际上车时间及其对应的时间分段计价规则调整预估价,另外,还可以参考当前所行驶路径或规划行驶路径的交通状况,根据现有的计价规则,产生相应的费用。例如,在交通拥堵的情况下,适当产生相应的低速费。在一个实施例中,在用户修改路径的情况下,相应地调整订单的预估价。
上述在用户下单后、结算前调整预估价的方法可以单一、或者结合使用,并不会具有不同的重要性。这样,在订单结算前,用户可以实时得到根据当前情况调整给出的预估价。
一般情况下,约车信息往往还可以包括目的地。这样,在确定预估价时,还可以进一步考虑目的地信息。
下面参考图3进一步描述在步骤S130中,进一步结合目的地信息来确定预估价的方法。
图3示出了根据本发明一实施例确定预估价的方法的示意性流程图。
如图3所示,在步骤S310,基于如前述方法所确定的预计上车时间、上车点和目的地,确定预计行驶时间段。此处,行驶时间段是由预计上车时间和预计行驶结束时间确定的时间段,预计结束时间可以由上车点、目的地结合路径规划、沿途交通状况的一项或多项来确定。
进一步地,在步骤S320,基于时间分段计价规则,将上述预计行驶时间段划分为一个或多个计价时间分段。
例如,以预计上车时间为开始时间,预计行驶结束时间为结束时间所确定的预计行驶时间段,将按照时间分段计价规则中的时间分段划分。
例如,如果预计行驶时间段横跨两个时间分段,如预计上车时间位于晚高峰时段,预计行驶结束时间位于夜间凌晨时段,则将该预计行驶时间段分为预计上车时间到21点,21点到预计行驶结束时间两个计价时间分段。其中,根据时间分段计价规则,每个计价时间分段分别具有对应的计价规则,也即预计上车时间到21点对应于晚高峰时段的计价规则,21点到预计行驶结束时间对应于夜间凌晨时段的计价规则。
在步骤S330,针对前述方案所确定的一个或多个计价时间分段,分别确定预计分段行驶里程。
具体地,在预计行驶时间段横跨多个时间分段的情况下,分别确定不同计价时间分段对应的预计分段行驶里程。
随后,在步骤S340,基于一个或多个计价时间分段各自的预计分段行驶里程和计价规则,确定所述预估价。
由此,可以更好地解决预估价计算时只参考计价规则下单一的时段而产生的预估价偏差较大的问题。
图6示出了根据本发明一实施例可用于实现上述网约车预估价确定方法的计算设备的结构示意图。
参见图6,计算设备600包括存储器610和处理器620。
处理器620可以是一个多核的处理器,也可以包含多个处理器。在一些实施例中,处理器620可以包含一个通用的主处理器以及一个或多个特殊的协处理器,例如图形处理器(GPU)、数字信号处理器(DSP)等等。在一些实施例中,处理器620可以使用定制的电路实现,例如特定用途集成电路(ASIC,Application Specific Integrated Circuit)或者现场可编程逻辑门阵列(FPGA,Field Programmable Gate Arrays)。
存储器610可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器620或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器610可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器610可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器610上存储有可执行代码,当可执行代码被处理器620处理时,可以使处理器620执行上文述及的网约车预估价确定方法。
上文中已经参考附图详细描述了根据本发明的网约车预估价确定方法及装置。
此外,根据本发明的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。
或者,本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时,使所述处理器执行根据本发明的上述方法的各个步骤。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (6)
1.一种网约车预估价确定方法,包括:
接收用户的约车信息,所述约车信息包括上车点;
基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项,预测用户的预计上车时间;以及
基于所述预计上车时间及其对应的时间分段计价规则确定预估价,
其中,基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项,预测用户的预计上车时间,包括:基于上车点附近可用车辆信息和/或上车点附近其他约车用户信息,确定潜在接单车辆的预计到达时间;基于用户当前位置和/或用户的历史订单数据,预测接单车辆到达上车点之后的预计等待时长,所述历史订单数据包括历史接单车辆的等待时长;基于所述预计到达时间和所述预计等待时长,确定所述预计上车时间。
2.根据权利要求1所述的方法,还包括:
在确定接单车辆后,基于接单车辆当前位置,重新预测用户的预计上车时间,并基于所述预计上车时间及其对应的时间分段计价规则调整预估价;以及/或者
在接单车辆到达上车点后,基于用户信息,重新预测用户的预计上车时间,并基于所述预计上车时间及其对应的时间分段计价规则调整预估价;以及/或者
在用户上车后,基于实际上车时间及其对应的时间分段计价规则调整预估价。
3.根据权利要求1所述的方法,其中,所述约车信息还包括目的地,基于所述预计上车时间及其对应的时间分段计价规则确定预估价的步骤包括:
基于所述预计上车时间、上车点和目的地,确定预计行驶时间段;
基于时间分段计价规则,将所述预计行驶时间段划分为一个或多个计价时间分段,其中,根据所述时间分段计价规则,每个计价时间分段分别具有对应的计价规则;
针对所述一个或多个计价时间分段,分别确定预计分段行驶里程;以及
基于所述一个或多个计价时间分段各自的预计分段行驶里程和计价规则,确定所述预估价。
4.一种网约车预估价确定装置,包括:
约车信息接收装置,用于接收用户的约车信息,所述约车信息包括上车点;
上车时间预测装置,用于基于上车点附近可用车辆信息、上车点附近其他约车用户信息、上车点附近交通状况以及用户信息中的至少一项,预测用户的预计上车时间;以及
预估价预测装置,用于基于所述预计上车时间及其对应的时间分段计价规则确定预估价,
其中,所述上车时间预测装置包括:
到达时间预测装置,用于基于上车点附近可用车辆信息和/或上车点附近其他约车用户信息,确定潜在接单车辆的预计到达时间;
等待时长预测装置,用于基于用户当前位置和/或用户的历史订单数据,预测接单车辆到达上车点之后的预计等待时长,所述历史订单数据包括历史接单车辆的等待时长;以及
上车时间计算装置,用于基于所述预计到达时间和所述预计等待时长,确定所述预计上车时间。
5.一种计算设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1至3中任何一项所述的方法。
6.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至3中任何一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010529605.5A CN111667083B (zh) | 2020-06-11 | 2020-06-11 | 网约车预估价确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010529605.5A CN111667083B (zh) | 2020-06-11 | 2020-06-11 | 网约车预估价确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667083A CN111667083A (zh) | 2020-09-15 |
CN111667083B true CN111667083B (zh) | 2023-07-14 |
Family
ID=72386617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010529605.5A Active CN111667083B (zh) | 2020-06-11 | 2020-06-11 | 网约车预估价确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667083B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408877A (zh) * | 2021-06-07 | 2021-09-17 | 北京百度网讯科技有限公司 | 网约车信息处理方法、装置、设备和计算机存储介质 |
CN113537570A (zh) * | 2021-06-18 | 2021-10-22 | 浙江吉利控股集团有限公司 | 一种基于预估数据区间调整的计算方法、装置及设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224992A (zh) * | 2014-05-28 | 2016-01-06 | 国际商业机器公司 | 对等待乘客数进行预测的方法和系统以及评价方法和系统 |
CN104794886A (zh) * | 2014-08-12 | 2015-07-22 | 北京东方车云信息技术有限公司 | 网络租车系统中打车费用预估系统和方法 |
CN105117790A (zh) * | 2015-07-29 | 2015-12-02 | 北京嘀嘀无限科技发展有限公司 | 车费预估方法及装置 |
EP3455840A4 (en) * | 2017-06-13 | 2019-07-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | SYSTEMS AND METHODS FOR ESTIMATED ARRIVAL TIME DETERMINATION |
CN107844853A (zh) * | 2017-10-23 | 2018-03-27 | 重庆大学 | 一种利用动态价格预测减少网约车费用的乘车推荐系统 |
CN110858365A (zh) * | 2018-08-24 | 2020-03-03 | 北京嘀嘀无限科技发展有限公司 | 提升用户发单意愿的方法、装置和服务器 |
CN111144603A (zh) * | 2018-11-02 | 2020-05-12 | 北京嘀嘀无限科技发展有限公司 | 一种服务信息推送方法、装置、电子设备和存储介质 |
CN110399999A (zh) * | 2019-05-08 | 2019-11-01 | 腾讯科技(深圳)有限公司 | 乘车服务处理方法、装置、设备及存储介质 |
CN110782282B (zh) * | 2019-10-23 | 2022-06-21 | 南京领行科技股份有限公司 | 一种网约车的费用展示方法、装置、设备和存储介质 |
-
2020
- 2020-06-11 CN CN202010529605.5A patent/CN111667083B/zh active Active
Non-Patent Citations (1)
Title |
---|
"因特网约车平台双边报价交易机制创新及策略研究";周乐欣,等;《中国管理科学》;第28卷(第3期);201-212 * |
Also Published As
Publication number | Publication date |
---|---|
CN111667083A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6568240B2 (ja) | 運輸サービスの料金を求める方法及びシステム | |
US20180156623A1 (en) | Generating travel instructions in multimodal transportation scenarios | |
US8738289B2 (en) | Advanced routing of vehicle fleets | |
CN111326015A (zh) | 一种停车点推荐方法及装置 | |
WO2008005187A2 (en) | Inferring road speeds for context-sensitive routing | |
WO2011079707A1 (zh) | 交通路况信息填补方法和系统 | |
US20200311848A1 (en) | Parking continuity with unused duration between automated vehicles | |
CN111667083B (zh) | 网约车预估价确定方法和装置 | |
US20230056115A1 (en) | Method of Collecting Data from Fleet of Vehicles | |
JP2019535049A (ja) | 不正検査を行うシステムおよび方法 | |
CN110570678A (zh) | 一种公交车辆从起点到终点总行驶时间预测方法及装置 | |
JP2018181304A (ja) | 自動バレーパーキングシミュレーション装置、自動バレーパーキングシミュレーション方法、プログラム | |
CN112435469A (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
AU2018217973A1 (en) | Dynamic selection of geo-based service options in a network system | |
CN111862590A (zh) | 路况预测方法、装置及存储介质 | |
US10635764B2 (en) | Method and device for providing vehicle navigation simulation environment | |
Tomaras et al. | Crowd-based ecofriendly trip planning | |
CN112669604B (zh) | 城市交通调度方法及装置 | |
Hörl et al. | Traffic uncertainty in on-demand high-capacity ride-pooling | |
Groß et al. | Evaluation of alternative paths for reliable routing in city logistics | |
CN112669603B (zh) | 基于大数据的城市交通协同方法及装置 | |
CN115083198A (zh) | 一种多车运力资源调度方法及装置 | |
CN112101677B (zh) | 一种公共交通出行路径规划方法、装置、设备及存储介质 | |
Erduran et al. | Negotiation in Ride-hailing between Cooperating BDI Agents. | |
Ehmke et al. | Integration of information and optimization models for vehicle routing in urban areas |
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 |