CN111801701A - 用于调度服务提供者的系统和方法 - Google Patents
用于调度服务提供者的系统和方法 Download PDFInfo
- Publication number
- CN111801701A CN111801701A CN201880090487.3A CN201880090487A CN111801701A CN 111801701 A CN111801701 A CN 111801701A CN 201880090487 A CN201880090487 A CN 201880090487A CN 111801701 A CN111801701 A CN 111801701A
- Authority
- CN
- China
- Prior art keywords
- sub
- region
- area
- service providers
- regions
- 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
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000008569 process Effects 0.000 claims description 59
- 238000003860 storage Methods 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000000306 recurrent effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 72
- 230000000875 corresponding effect Effects 0.000 description 55
- 230000015654 memory Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 18
- 230000011218 segmentation Effects 0.000 description 18
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 230000003190 augmentative effect Effects 0.000 description 6
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 230000002045 lasting effect Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
提供了一种在O2O服务平台上调度可用服务提供者的方法。所述方法可以包括将区域分割成至少两个子区域。所述子区域可以形成包括第一子区域和第二子区域的至少一对子区域。所述方法还可以包括确定预设时间段中,第一子区域和第二子区域中的每个子区域的供需缺口。所述方法还可以包括确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度成本。所述方法还可以包括确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度效用。
Description
技术领域
本申请主要涉及线上到线下(O2O)服务平台,具体地说,涉及O2O服务平台中调度可用服务提供者的系统和方法。
背景技术
随着互联网技术的发展,O2O服务,如在线打车服务和送货服务,在人们的日常生活中发挥着越来越重要的作用。在某些情况下,不同区域的服务需求和服务供应可能不同。例如,如果一个区域中的可用服务提供者的数量大于服务请求者的数量,则该区域可能存在剩余服务供应,这可能导致所述区域中的服务资源浪费。相反,如果另一个区域中服务请求者的数量大于可用服务提供者的数量,则在该另一个区域中可能存在服务供应不足,这可能导致需要经历长时间等待才有可用服务提供者。因此,希望提供用于在不同区域之间调度可用服务提供者的有效系统和方法,从而提高资源利用率、服务效率以及服务请求者的用户体验。
发明内容
根据本申请的一个方面,提供了一种用于在O2O服务平台中调度可用服务提供者的系统。所述系统可以包括至少一个非暂时性计算机可读存储介质,其包括一组指令和与所述至少一个非暂时性计算机可读存储介质通信的至少一个处理器。当执行一组指令时,至少一个处理器可以被配置为指示系统将区域分割为至少两个子区域。至少两个子区域可以形成包括第一子区域和第二子区域的至少一对子区域。所述至少一个处理器可以进一步被配置用于指导系统为所述第一子区域和第二子区域中的每个子区域,确定预设时间段中的所述子区域的供需缺口。所述至少一个处理器还可以被配置为指示系统确定预设时间段中,从所述第二子区域调度可用服务提供者到第一子区域的调度成本。所述至少一个处理器可以进一步被配置为基于预设时间段中第一子区域的供需缺口、预设时间段中第二子区域的供需缺口,以及调度成本,指示系统确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度效用。
在一些实施例中,至少一对子区域可以是至少两对子区域。所述至少一个处理器可以进一步被配置为对于至少两对子区域中的每对子区域,指示系统确定预设时间段中,从所述子区域对的第二子区域调度可用服务提供者到所述子区域对的第一子区域的调度效用。所述至少一个处理器可以进一步被配置为指示系统对至少两个子区域对的调度效用进行排序。所述至少一个处理器还可以用于基于调度效用的排序结果确定至少两个子区域之间的调度可用服务提供者的策略。
在一些实施例中,为了确定预设时间段中子区域的供需缺口,可以进一步配置至少一个处理器以指示系统获取与子区域相关的至少两个第一数据集。至少两个第一数据集中的每个数据集可以对应于第一历史时间片,并且至少包括在相应的第一历史时间片中的子区域中发起的服务订单的历史数量。所述至少一个处理器还可以被配置为指导系统将与所述子区域相关的至少两个第一数据集输入到服务需求预测模型,以预测在预设时间段中在子区域中发起的服务订单数量。至少一个处理器可以进一步被配置为指导系统以获取与子区域相关的至少两个第二数据集。至少两个第二数据集中的每个数据集可以对应于第二历史时间片,并且至少包括在相应的第二历史时间片中的子区域中的可用服务提供者的历史数量。至少一个处理器可以进一步被配置为指导系统将与子区域相关的至少两个第二数据集输入到服务供应预测模型,以预测预设时间段中子区域中的可用服务提供者的数量。至少一个处理器可以进一步被配置为指导系统基于预设时间段中子区域发起的服务订单的数量和在预设时间段中子区域的可用服务提供者的数量,确定预设时间段中子区域的供需缺口。
在一些实施例中,为了获取与子区域相关的至少两个第二数据集,对于与所述子区域相关的至少两个第二数据集中的每个数据集,所述至少一个处理器可以进一步被配置为指导系统获取相应的第二历史时间片中进入所述子区域的可用服务提供者的第一数量。所述至少一个处理器还可以用于获取对应的第二历史时间片中离开所述子区域的可用服务提供者的第二数量。所述至少一个处理器还可以基于第一数量和第二数量确定相应的第二历史时间片中子区域的可用服务提供者的历史数量。
在一些实施例中,与子区域相关的至少两个第一数据集中的每个数据集还可以包括以下信息中的至少一种:与子区域中的高峰时段相关的信息、与子区域相关的位置信息、与子区域相关的道路信息、子区域在对应的第一历史时间片中的交通信息、子区域在对应的第一历史时间片中的天气信息、子区域在对应的第一历史时间片中的新闻信息、子区域在对应的第一历史时间片中的政策信息,或子区域在对应的第一历史时间片相关的日期信息。
在一些实施例中,与子区域相关的至少两个第二数据集中的每个数据集还可以包括以下信息中的至少一种:与子区域中的高峰时段相关的信息、与子区域相关的位置信息、与子区域相关的道路信息、子区域在对应的第二历史时间片中的交通信息、子区域在对应的第二历史时间片中的天气信息、子区域在对应的第二历史时间片中的新闻信息、子区域在对应的第二历史时间片中的政策信息、子区域在对应的第二历史时间片的日期信息、在对应的第二历史时间片中进入子区域的可用服务提供者的第一数量,或在对应的第二历史时间片中离开子区域的可用服务提供者的第二数量。
在一些实施例中,至少一个处理器可以进一步被配置为指导系统以获取与至少两个样本子区域相关的至少两个第一样本数据集。每个至少两个第一样本数据集可以对应于样本历史时间片,且至少包括对应样本历史时间片中至少两个样本子区域的每个区域中发起的服务订单的历史数量。至少一个处理器可以进一步被配置用于指导系统以获取初始模型。至少一个处理器还可以被配置为指导系统使用与至少两个样本子区域相关的至少两个第一样本数据集,训练初始模型生成服务需求预测模型。
在一些实施例中,至少一个处理器可以进一步被配置为指导系统以获取与至少两个样本子区域相关的至少两个第二样本数据集。至少两个第二样本数据集中的每个数据集可以对应于样本历史时间片,并且至少包括对应样本历史时间片的至少两个样本子区域的每个区域中的可用服务提供者的历史数量。至少一个处理器可以进一步被配置用于指导系统以获取初始模型。至少一个处理器可以进一步被配置为指导系统使用与至少两个样本子区域相关的至少两个第二样本数据集,训练初始模型来生成服务供应预测模型。
在一些实施例中,服务需求预测模型或服务供应预测模型中的至少一个可以是递归神经网络(RNN)模型。
在一些实施例中,至少两个第一历史时间片和至少两个第二历史时间片可以在预设时间段之前的1小时至72小时内。
在一些实施例中,为了确定从第二子区域调度可用服务提供者到第一子区域的调度成本,至少一个处理器可以进一步被配置为指示系统确定从第二子区域到第一子区域的路线。至少一个处理器还可以被配置为指示系统获取与路线相关的道路条件信息。所述至少一个处理器还可以被配置为指导系统基于与路线相关的道路条件信息确定从第二子区域调度可用服务提供者到第一子区域的调度成本。
在一些实施例中,与路线相关的道路条件信息可包括路线的长度、路线的预估行驶时间或路线的交通状况中的至少一个信息。
在一些实施例中,确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度效用可以根据如下公式来执行。
其中G[1]指的是预设时间段中第一子区域的供需缺口,G[2]指预设时间段中第二子区域的供需缺口,eta(1,2)指的是所述路线的预估行驶时间,θ指的是与所述路线交通状况有关的惩罚系数,表示从第二子区域调度可用服务提供者到第一子区域的调度成本。
在一些实施例中,与路线相关的道路条件可包括路线的交通状况。为了获取路线的交通状况,可以进一步配置至少一个处理器以指示系统将路线分割为至少两个道路段。所述至少一个处理器可以进一步被配置为指示系统为至少两个道路段中的每个道路段确定通过道路段的一个或以上服务提供者的行驶速度。至少一个处理器可以进一步被配置为指示系统基于对应于至少两个道路段的行驶速度来确定路线的交通状况。
在一些实施例中,对于至少两个道路段中的每个道路段,可以根据如下公式来执行确定通过道路段的一个或以上服务提供者的行驶速度:
其中i指的是至少两个道路段的i个道路段,Vi指通过i道路段的一个或以上服务提供者的行驶速度,J指通过i道路段的服务提供者的数量,j指通过i道路段的服务提供者中的第j个服务提供者,Trajj,i指的是i个道路段上的第j个服务提供者的行程轨迹,Length(Trajj,i)指的是Trajj,i的长度,Time(Trajj,i)是指与Trajj,i,对应的行驶时间,以及Wj指的是关于Trajj,i的权值。
根据本申请的另一方面,提供了一种用于在O2O服务平台中调度可用服务提供者的方法。所述方法可以包括将区域分割成至少两个子区域。至少两个子区域可以形成至少一对子区域,其包括第一子区域和第二子区域。所述方法还可以包括对于第一子区域和第二子区域中的每个子区域,确定预设时间段中子区域的供需缺口。所述方法还可以包括确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度成本。所述方法还可以包括基于预设时间段中第一子区域的供需缺口、预设时间段中第二子区域的供需缺口,以及调度成本,确定预设时间中第二子区域调度可用服务提供者到第一子区域的调度效用。
根据本申请的又一方面,提供了一种体现计算机程序产品的非暂时性计算机可读存储介质。包含指令的计算机程序产品可以被配置用于使计算设备将区域分割成至少两个子区域。至少两个子区域可以形成包括第一子区域和第二子区域的至少一对子区域。包含指令的计算机程序产品也可以被配置用于使计算设备为确定预设时间段第一子区域和第二子区域中的每个子区域的供需缺口。包含指令的计算机程序产品还可以被配置用于使计算设备确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度成本。包含指令的计算机程序产品可以进一步被配置为使计算设备根据预设时间段中第一子区域的供需缺口、预设时间段中第二子区域的供需缺口,以及调度成本,确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度效用。
本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征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。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例,在这些实施例中,各图中相同的编号表示相似的结构,其中:
图1是根据本申请的一些实施例所示的示例性O2O服务系统的示意图;
图2是根据本申请的一些实施例所示的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可以在其上实现终端的移动设备的示例性硬件和/或软件组件的示意图;
图4A和4B是根据本申请的一些实施例所示的示例性处理引擎112A和112B的框图;
图5是根据本申请的一些实施例所示的用于确定从第二子区域调度可用服务提供者到第一子区域的调度效用的示例性过程的流程图;
图6是根据本申请的一些实施例所示的用于确定区域中的可用服务提供者的调度策略的示例性过程的流程图;
图7是根据本申请的一些实施例所示的用于确定预设时间段中子区域的供需缺口的示例性过程的流程图;
图8是根据本申请的一些实施例所示的用于生成服务需求预测模型的示例性过程的流程图;
图9是根据本申请的一些实施例所示的用于生成服务供应预测模型的示例性过程的流程图;以及
图10是根据本申请的一些实施例所示的用于确定从第二子区域调度可用服务提供者到第一子区域的调度成本的示例性过程的流程图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。然而,本领域技术人员应该明白,可以在没有这些细节的情况下实施本申请。在其他情况下,为了避免不必要地模糊本申请的一些方面,本申请已经以相对高级别概略地描述了公知的方法、程序、系统、组件和/或电路。对于本领域的普通技术人员来讲,显然可以对所公开的实施例做出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请不限于所示的实施例,而是符合与申请专利范围一致的最广泛范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“所述”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本申请说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
应当理解,这里使用的术语“系统”、“引擎”、“单元”、“模块”和/或“块”是区分升级中不同级别的不同组件、元件、部件、部分或组件的一种方法。但是,如果这些术语达到同样的目的,则可能会被另一个术语所取代。
通常,这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑,或者是软件指令的集合。这里描述的模块,单元或块可以实现为软件和/或硬件,并且可以存储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中,可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解,软件模块可以从其他模块/单元/块或从它们自身调用,和/或可以响应检测到的事件或中断来调用。被配置用于在计算设备上执行的软件模块/单元/块可以在计算机可读介质上提供,例如光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质,或作为数字下载(并且最初可以以压缩或可安装的格式存储,在执行之前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中,并应用在计算设备的操作之中。软件指令可以嵌入固件中,例如可擦除可编程只读内存(EPROM)。还应当理解,硬件模块/单元/块可以包括在连接的逻辑组件中,例如门和触发器,和/或可以包括可编程单元,例如可编程门阵列或处理器。这里描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块,但是可以用硬件或固件表示。通常,这里描述的模块/单元/块指的是逻辑模块/单元/块,其可以与其他模块/单元/块组合或者分成子模块/子单元/子块,尽管它们的物理组织或存储。所述描述可适用于系统、引擎或其一部分。
应当理解,当单元、发动机、模块或块被称为“接通”、“连接到”或“耦合到”另一个单元、发动机、模块或块时,除非上下文另有明确说明,否则它可以直接在其他单元、发动机、模块或块上,连接或耦合到、或与其通信,或者可以存在中间单元、引擎、模块或块。在本申请中,术语“和/或”可包括任何一个或以上相关所列条目或其组合。
根据以下对附图的描述,本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些附图都构成本申请说明书的一部分。然而,应当理解的是,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,附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
本申请的实施例可以应用于不同的运输系统,所述不同的运输系统包括但不限于陆地、海洋、航空、航天等或其任意组合。以下描述以交通服务系统为例。这是只为了描述方便,不能把本申请限制在所举实施例范围之内。交通服务系统可以包括陆地、海洋、航空、航天等中的一种或几种的组合。所述运输系统还可包括应用管理和/或分配的任何运输系统,例如可以包括用于发送和/或接收快递的系统。
本申请的不同实施例应用场景可以包括但不限于网页、浏览器插件、客户端、定制系统、企业内部分析系统、人工智能机器人等中的一种或几种的组合。应当理解,本文公开的系统和方法的应用场景仅是一些示例或实施例。具有普通技能的本领域,没有进一步的创造性努力,可以将这些图纸应用于其他应用场景。例如,其他类似的服务器。
本申请中的术语“乘客”、“请求者”、“服务请求者”和“客户”可用于表示请求或订购服务的个人、实体或工具,并且可互换使用。同样地,本申请描述的“司机”、“提供者”、“服务提供者”与“供应者”是可以互换的,是指提供服务或者协助提供服务的个人、实体或工具。本申请中的词语“用户”可以指代可以请求服务、订购服务、提供服务或促进提供服务的个体、实体或工具。例如,用户可以是请求者、乘客、司机、操作员等,或其任何组合。在本申请中,“请求者”和“请求者终端”可以互换使用,“提供者”和“提供者终端”可以互换使用。
本申请中的术语“请求”、“服务”、“服务请求”和“订单”可用于表示由乘客、请求者、服务请求者、顾客、司机、提供者、服务提供者、供应者等或其任意组合发起的请求,并且可互换使用。所述服务请求可以被乘客、请求者、服务请求者、顾客、司机、提供者、服务提供者或供应者中的任一者接受。服务请求可以是计费的也可是免费的。
本申请提供了用于O2O服务平台中在区域中调度可用服务提供者的系统和方法。所述系统和方法可以将所述区域分割成至少两个子区域。至少两个子区域可以形成包括第一子区域和第二子区域的至少一对子区域。对于第一子区域和第二子区域中的每个子区域,系统和方法可以确定预设时间段中子区域的供需缺口。所述系统和方法还可以确定预设时间段中,从第二子区域调度可用服务提供者到第一子区域的调度成本。调度成本可以与第一和第二子区域之间的路线相关。例如,调度成本可以随着路线的长度、路线的预估行驶时间,或路线的拥挤等,或其任何组合而增加。基于第一和第二子区域的供需缺口和调度成本,系统和方法可以确定从第二子区域调度可用服务提供者到第一子区域的调度效用。调度效用同时考虑了第一和第二子区域的调度成本和供给/需求条件,可以作为确定所述区域的子区域中可用服务提供者的调度策略的基础。这样,可以提高所述区域中的资源利用率、服务效率和用户体验。
图1是根据本申请的一些实施例所示的示例性O2O服务系统100的框图。例如,O2O服务系统100可以是用于运输服务的在线运输服务平台。O2O服务系统100可以包括服务器110、网络120、请求者终端130、提供者终端140、车辆150、存储设备160和导航系统170。
O2O服务系统100可以提供多种服务。示例性的服务可以包括出租车呼叫服务、代驾服务、快车服务、拼车服务、公交车服务、司机租赁服务和班车服务。在一些实施例中,O2O服务可以是任何在线服务,诸如预订餐、购物等,或其任何组合。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。所述服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式的系统)。在一些实施例中,服务器110可以是本地的,也可以是远程的。例如,服务器110可以经由网络120访问存储在请求者终端130、提供者终端140和/或存储设备160中的信息和/或数据。又例如,服务器110可以直接连接到请求者终端130、提供者终端140和/或存储设备160以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,服务器110可以在本申请中的图2描述的包含了一个或以上组件的计算设备200上执行。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可以处理与O2O服务系统100有关的信息和/或数据,以执行本申请中描述的一个或以上的功能。例如,处理引擎112可以分析与区域的至少两个子区域相关的信息,以确定至少两个子区域中的可用服务提供者的调度策略。在一些实施例中,所述处理引擎112可包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为范例,处理引擎112可包括一个中央处理器(CPU)、一个特定应用集成电路(ASIC)、一个特定应用指令集处理器(ASIP)、一个图像处理器(GPU)、一个物理运算处理单元(PPU)、一个数字信号处理器(DSP)、一个现场可编程门阵列(FPGA)、一个可编程逻辑设备(PLD)、一个控制器、一个微控制器单元、一个精简指令集计算机(RISC)、一个微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,O2O服务系统100的一个或以上组件(例如,服务器110、请求者终端130、提供者终端140、车辆150、存储设备160和导航系统170)可以经由网络120将信息和/或数据发送到O2O服务系统100的其他组件。例如,服务器110可以通过网络120从请求者终端130接收服务请求。在一些实施例中,网络120可以是有线网络或无线网络等或其任意组合。仅作为示例,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通讯(NFC)网络等或其任意组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点,如基站和/或互联网交换点120-1、120-2、…,通过O2O服务系统100的一个或以上部件可以连接到网络120以交换数据和/或信息。
在一些实施例中,乘客可以是请求者终端130的所有者。在一些实施例中,请求者终端130的所有者可以是除乘客之外的其他人。例如,请求者终端130的所有者A可以使用请求者终端130来发送针对乘客B的服务请求或者从服务器110接收服务确认和/或信息或指令。在一些实施例中,服务提供者可以是提供者终端140的用户。在一些实施例中,提供者终端140的用户可以为除所述服务提供者之外的其他人。例如,提供者终端140的使用者C可以使用提供者终端140为服务提供者D接收服务请求,和/或来自服务器110的信息或指令。在一些实施例中,“乘客”和“乘客终端”可以交换使用,“服务提供者”和“提供者终端”可以交换使用。在一些实施例中,提供者终端可以与一个或以上服务提供者(例如,夜班服务提供者、或白班服务提供者)相关联。
在一些实施例中,请求者终端130可以包括移动设备130-1、平板电脑130-2、膝上型计算机130-3、车辆内置设备130-4、可穿戴设备130-5等,或其任何组合。在一些实施例中,移动设备130-1可以包括智能家居设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任何组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制装置、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,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强实境设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强实境头盔、增强实境眼镜、增强实境眼罩等或上述举例的任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、OculusRiftTM、HololensTM、Gear VRTM等。在一些实施例中,车载设备130-4可以包括车载计算机、车载电视等。在一些实施例中,请求者终端130可以具有用来确定乘客和/或请求者终端130位置的定位技术。在一些实施例中,可穿戴设备130-5可包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任何组合。
提供者终端140可以包括至少两个提供者终端140-1、140-2、……、140-n。在一些实施例中,提供者终端140可以是与请求者终端130相似或相同的设备。在一些实施例中,可以定制提供者终端140以实现O2O服务系统100。在一些实施例中,提供者终端140可以是具有定位技术的设备,用于定位服务提供者、提供者终端140和/或与提供者终端140相关联的车辆150。在一些实施例中,请求者终端130和/或提供者终端140可以与另一个定位设备通信以确定乘客、请求者终端130、服务提供者和/或提供者终端140的位置。在一些实施例中,请求者终端130和/或提供者终端140可以周期性地将定位信息发送到服务器110。在一些实施例中,提供者终端140还可以周期性地将可用性状态发送到服务器110。所述可用状态可以表明与提供者终端140相关的车辆150是否可以接载乘客。例如,请求者终端130和/或提供者终端140可以每30分钟将定位信息和可用性状态发送到服务器110。又例如,每当用户登录到与O2O服务系统100相关联的移动应用程序时,请求者终端130和/或提供者终端140可以将定位信息和可用性状态发送到服务器110。
在一些实施例中,提供者终端140可以对应于一个或以上的车辆150。车辆150可以接载乘客并送至目的地。车辆150可以包括至少两个车辆150-1、150-2、……、150-n。一个车辆可以对应一种类型的服务(例如,出租车呼叫服务、代驾服务、快车服务、拼车服务、公交车服务、司机招聘服务和班车服务)。
存储设备160可以存储数据和/或指令。在一些实施例中,存储设备160可以存储从请求者终端130和/或提供者终端140获取的数据。在一些实施例中,存储设备160可以存储服务器110用来执行或使用来完成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,存储设备160可包括大容量存储设备、可移除存储设备、易失性读写内存、只读内存(ROM)等,或其任何组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储设备可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDR SDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,所述存储设备160可在云端平台上执行。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备160可以连接到网络120以与O2O服务系统100的一个或以上组件(例如,服务器110、请求者终端130或提供者终端140)通信。O2O服务系统100的一个或以上组件可以经由网络120访问存储设备160中存储的数据或指令。在一些实施例中,存储设备160可以直接连接到O2O服务系统100的一个或以上组件(例如,服务器110、请求者终端130、提供者终端140)或与之通信。在一些实施例中,存储设备160可以是服务器110的一部分。
导航系统170可以确定与对象,例如,请求者终端130、提供者终端140、车辆150等中一个或多个相关联的信息。在一些实施例中,导航系统170可以是全球定位系统(GPS)、全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。所述信息可以包括对象的位置、高度、速度、加速度,或当前时间。导航系统170可以包括一个或以上卫星,例如,卫星170-1、卫星170-2和卫星170-3。卫星170-1至170-3可以独立地或共同地确定上述信息。卫星导航系统170可以经由无线连接将上述信息发送到网络120、请求者终端130、提供者终端140或车辆150。
在一些实施例中,O2O服务系统100的一个或以上组件(例如,服务器110、请求者终端130、提供者终端140)可以具有访问存储设备160的许可。在一些实施例中,当满足一个或以上条件时,O2O服务系统100的一个或以上组件可以读取和/或修改与乘客、服务提供者和/或公众有关的信息。例如,一个服务结束后,服务器110可以读取和/或修改一个或以上乘客的信息。又例如,一个服务结束后,服务器110可以读取和/或修改一个或以上服务提供者的信息。
本领域的普通技术人员将理解,当O2O服务系统100的元件(或组件)运行时,所述元件可以通过电信号和/或电磁信号运行。例如,当请求者终端130向服务器110发送服务请求时,请求者终端130的处理器可以生成一个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。若请求者终端130经由有线网络与服务器110通讯,则输出端口可物理连接至电缆,其进一步将电信号传输给服务器110的输入端口。如果请求者终端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以上天线,其将电信号转换为电磁信号。类似地,提供者终端130可以通过电信号或者电磁信号从服务器110接收指令和/或服务请求。在例如请求者终端130、提供者终端140和/或服务器110等电子设备中,当所述电子设备的处理器处理指令时,处理器发送指令和/或执行动作,所述指令和/或动作经由电信号传导。例如,当处理器从存储介质检索或获取数据时,可以将电信号发送给存储介质的读/写设备,所述读/写设备可读取存储介质中的结构化数据或将结构化数据写入存储介质中。所述结构化数据可以电信号的形式经由电子设备的总线传输至处理器。此处,电信号可以指一个电信号、一系列电信号和/或至少两个不连续的电信号。
图2示出了根据本申请的一些实施例的示例性计算设备200的示意图。计算设备200可以是计算机,例如图1中的服务器110和/或具有特定功能的计算机,被配置用于实现根据本申请的一些实施例的任何特定系统。计算设备200可以被配置用于实现执行本申请中公开的一个或以上功能的任何组件。例如,服务器110(例如,处理引擎112)可以以诸如计算设备200之类的计算机的硬件设备、软件程序、固件或其任何组合来实现。为简洁起见,图2仅描绘了一个计算设备。在一些实施例中,计算设备的功能可以由分布式模式中的一组类似平台来实现,以分散系统的处理负载。
计算设备200可以包括通信终端250,其可以与可以实现数据通信的网络连接。计算设备200还可以包括处理器220,其被配置为执行指令并且包括一个或以上处理器。示意性计算机平台可以包括内部通信总线210、不同类型的程序存储单元和数据存储单元(例如,硬盘270、只读内存(ROM)230、随机存取内存(RAM)240)、适用于计算机处理和/或通信的各种数据文件,以及可能由处理器220执行的一些程序指令。计算设备200还可以包括I/O设备260,其可以支持计算设备200与其他组件之间的数据流的输入和输出。此外,计算设备200可以通过通信网络接收程序和数据。
图3是根据本申请的一些实施例所示的可以在其上实现终端(例如,请求者终端130和/或提供者终端140)的示例性移动设备的示例性硬件和/或软件组件的示意图。如图3所示,移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360、移动操作系统(OS)370、应用程序和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可包括在移动设备300内。
在一些实施例中,操作系统370(例如,iOSTM、AndroiTM、Windows PhoneTM等)和一个或以上应用程序380可从存储器390下载至内存360以及由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序,用于从O2O服务系统100接收和呈现与图像处理或其他信息有关的信息。用户与信息流的交互可以通过I/O 350实现,并提供给存储设备160、服务器110和/或O2O服务系统100的其他组件。在一些实施例中,移动设备300可以是与请求者终端130或提供者终端140相对应的示例性实施例。
为了实施本申请描述的各种模块、单元及其功能,计算机硬件平台可用作本文中描述的一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。如果适当编程,计算机也可以充当系统。
图4A和4B是根据本申请的一些实施例所示的示例性处理引擎112A和112B的框图。在一些实施例中,处理引擎112A和112B可以是图1描述的处理引擎112的实施例。
在一些实施例中,处理引擎112A可以被配置为分析区域的至少两个子区域中的服务需求和/或供应,并且可选地确定子区域中的可用服务提供者的调度策略。处理引擎112B可以是配置用于生成服务需求预测模型和/或服务供应预测模型。在一些实施例中,处理引擎112A和112B可分别在图2所示的计算设备200(例如,处理器220)或图3所示的CPU 340上实现。仅作为示例,处理引擎112A可以在移动设备的CPU 340上实现,处理引擎112B可以在计算设备200上实现。或者,处理引擎112A和112B可以在同一计算设备200或相同的CPU 340上实现。
如图4A所示,处理引擎112A可包括分割模块401和确定模块402。
分割模块401可以被配置为将区域分割成至少两个子区域。至少两个子区域可以形成至少一对子区域,所述至少一对子区域包括第一子区域和第二子区域。在一些实施例中,分割模块401可以根据一个或以上参数来分割区域,例如,面积大小、人口密度、行政区域划分、办公楼密度、住宅建筑密度等,或其任何组合。在一些实施例中,分割模块401可以将所述区域分割成至少两个单位区域,然后通过聚类单位区域来生成子区域。关于所述区域的分割的更多描述可以在本申请的其他地方找到。例如,参见图5中的操作510及其相关描述。
确定模块402可以被配置用于为确定在预设时间内,第一子区域和第二子区域中的每个子区域的供需缺口。在一些实施例中,确定模块402可以分别基于服务需求预测模型和服务供应预测模型预测子区域的服务需求和服务供应。此外,确定模块402可以基于预测服务需求和预测服务需求来确定供需缺口。关于供需缺口的确定的更多描述可以在本申请的其他地方找到。例如,参见图5中的操作520及其相关描述。
确定模块402也可以被配置用于确定预设时间段中第二子区域中的调度服务提供者到第一子区域的调度成本。在一些实施例中,确定模块402可以基于从第二子区域到第一子区域的路线来确定调度成本。关于调度成本的确定的更多描述可以在本申请的其他地方找到。例如,参见操作530和过程1000及其相关描述。
确定模块402可以进一步被配置用于确定预设时间段中从第二子区域调度可用服务提供者到第一子区域的调度效用。调度效用可以用于测量预设时间段中从第二子区域调度可用服务提供者到第一子区域的价值(或值)。关于调度效用的确定的更多描述可以在本申请的其他地方找到。例如,参见图5中的操作540及其相关描述。
附加地或替代地,确定模块402可以被配置用于确定所述区域中的至少两个子区域中的可用服务提供者的调度策略。关于调度策略的确定的更多描述可以在本申请的其他地方找到。例如,参见图8及其相关描述。
如图4B所示,处理引擎112B可包括获取模块403和训练模块404。
获取模块403可以被配置为获取用于生成服务需求预测模型和/或服务供应预测模型的信息。在一些实施例中,获取模块403可以获取与子区域相关的至少两个第一数据集和至少两个第二数据集。每个第一组数据可以对应于第一历史时间片,并且至少包括对应的第一历史时间片中子区域内发起的服务订单的历史数量。每个第二组数据可以对应于第二历史时间片,并且至少包括在对应的第二历史时间片中子区域内可用服务提供者的历史数量。关于获取用于生成服务需求预测模型和/或服务供应预测模型的信息的细节可以在本申请的其他地方找到。例如,参见操作810和910及其相关描述。
训练模块404可以被配置为训练模型。例如,训练模块404可以通过使用至少两个第一数据集训练初始模型来生成服务需求预测模型。又例如,训练模块405可以通过使用至少两个第二数据集训练初始模型来生成服务供应预测模型。关于服务需求预测模型和服务供应预测模型的生成的细节可以在本申请的其他地方找到。例如,参见操作830和930及其相关描述。
应当注意以上对处理引擎112A和112B的描述是出于说明的目的而提供的,并不意图限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。在一些实施例中,上述任何模块可以以两个或以上单独的单元实现。例如,确定模块402的功能可以在两个独立的单元中实现,其中一个单元被配置用于确定第一和第二子区域的供需缺口,另一个是被配置为确定从第二子区域调度可用服务提供者到第一子区域的调度成本。在一些实施例中,处理引擎112A和/或处理引擎112B还可包括一个或以上附加模块(例如,存储模块)。附加地或替代地,可以省略上面提到的一个或以上模块。在一些实施例中,处理引擎112A和112B可以集成为一个处理引擎。
图5是根据本申请的一些实施例所示的用于确定从第二子区域调度可用服务提供者到第一子区域的调度效用的示例性过程的流程图。过程500的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中,过程500的一个或以上操作可以在如图1所示的O2O服务系统100中实现。在一些实施例中,过程500中的一个或以上操作可以以指令的形式存储在存储设备(例如,存储设备160、ROM 230、RAM 240、存储器390)中,由服务器110(例如,服务器110中的处理引擎112,或计算设备200的处理器220)或移动设备300的CPU 340调用和/或执行。在一些实施例中,所述指令可以以电子电流或电信号的形式传输。
在510中,处理引擎112A(例如,分割模块401)可以将区域分割成至少两个子区域。在一些实施例中,由分割模块401分割的区域可以是行政区域(例如,国家、省、市或区)、地理区域(例如,青藏高原、华北平原、四川盆地)、经济区域(例如,长江三角洲经济区、珠江三角洲经济区、京津经济区)等,或其任何组合。
在一些实施例中,分割模块401可以根据一个或以上参数来划分区域,例如区域大小、人口密度、行政区域划分、办公楼的密度、住宅建筑的密度等,或其任何组合。在一些实施例中,分割模块401可以根据参数将区域均匀划分,以生成子区域。例如,分割模块401可以根据参数将区域划分为具有相同的大小的子区域。又例如,分割模块401可以将所述区域分割成子区域,每个区域具有相似的办公楼或人口密度。作为又一示例,分割模块401可以将区域分割成具有相同形状的子区域,例如三角形、矩形、菱形、六边形等,或其任何组合。在一些实施例中,分割模块401可以将所述区域分割成至少两个六边形子区域,每个子区域具有预设长度的边(例如,100米、200米、300米或400米)。在一些实施例中,两个相邻子区域之间可能没有间隙。
在一些实施例中,分割模块401可以将所述区域分割成至少两个单位区域,然后通过聚类单位区域来生成子区域。单位区域可以具有相同的尺寸和相同的形状。可以以任何合适的方式执行单位区域的聚类。在一些实施例中,可以基于单位区域的位置信息和每个单位区域中发起(或完成)的历史服务订单的数量来执行单位区域的聚类。例如,如果在预设历史时间段期间内,两个或以上的相邻单位区域中发起(或完成)的历史服务订单的总数小于阈值,则分割模块401可以将相邻单位区域聚类到一个子区域。
至少两个子区域可以形成一个或以上的子区域对。每对子区域可包括第一子区域和第二子区域。在一些实施例中,可以认为第一子区域和第二子区域形成的配对与第二子区域和第一子区域形成的配对不同,考虑到从第一子区域调度可用服务提供者到第二子区域的调度效用可能不同于从第二子区域调度可用服务提供者到第一子区域的调度效用。或者,可以认为第一子区域和第二子区域形成的配对与第二子区域和第一子区域形成的配对相同。出于说明目的,本发明假设第一子区域和第二子区域形成的配对与第二子区域和第一子区域形成的配对不同,并且描述了如何确定从第二子区域调度可用服务提供者到第一子区域的调度效用以作为示例。应当注意,这并不旨在限制,通过本领域技术人员已知的微小修改,本申请的实施例可以应用于第一子区域和第二子区域形成的配对被认为与第二子区域和第一子区域形成的配对相同的场景。
在一些实施例中,对于区域中的每个子区域,分割模块401可以将子区域与其余子区域中的每个区域配对以形成一对子区域。例如,区域S可以被分割为子区域A、B和C。子区域A到C可以形成六对子区域,即子区域A和B形成的配对、子区域B和A形成的配对、子区域A和C形成的配对、子区域C和A形成的配对、子区域B和C形成的配对,以及子区域C和B形成的配对。在一些实施例中,只有当第一子区域和第二子区域满足特定条件时,分割模块401才会将其进行配对。例如,如果它们之间的距离小于阈值距离,则分割模块401可以将第一和第二子区域配对。又例如,分割模块401可以根据两个子区域中的供求条件对第一和第二子区域进行配对。仅作为示例,仅当第一子区域具有不足的服务供应并且第二子区域具有剩余服务供应时,分割模块401才会将第一子区域和第二子区域进行配对。在一些实施例中,如果子区域中的服务需求大于子区域中的服务供应,则子区域可能具有不足的服务供应。如果子区域中的服务供应大于子区域中的服务需求,则子区域可以具有过剩的服务供应。
在520中,对于第一子区域和第二子区域中的每个子区域,处理引擎112A(例如,确定模块402)可以确定预设时间段中子区域的供需缺口。
如这里所使用的,子区域的供需缺口可以与需求供给缺口互换使用,以指代子区域中的服务需求和服务供应之间的差异。在一些实施例中,子区域的服务需求可以通过以下诸如在子区域中发起的服务订单数量、子区域中的请求者终端130的数量、在子区域中启动了O2O服务的应用程序的请求者终端130的数量等参数,或其任何组合来测量。子区域的服务供应可以通过诸如子区域中的提供者终端140的数量、在子区域上启动了O2O服务的应用程序的提供者终端140的数量、子区域中的可用服务提供者的数量等参数,或其任何组合来测量。供需缺口可以通过诸如服务需求和服务供应的数值差异、服务需求与服务供应的比率、服务供应与服务需求的比率等来测量。
可用服务提供者可以指能够或即将能够提供O2O服务的服务提供者。例如,可用服务提供者可以是等待O2O服务订单的服务提供者。又例如,可用服务提供者可以是提供服务过程中、但将在一定时期内(例如,0.5分钟、1分钟)完成上一个服务订单的服务提供者。又例如,可用服务提供者在提供服务的过程中、但是可以同时接受O2O服务订单的服务提供者。对于某些类型的O2O服务,例如但不限于拼车服务、递送服务和接送服务,服务提供者可以同时为至少两个服务请求者提供服务。
在一些实施例中,子区域的服务需求和服务供应可以分别通过子区域中发起的服务订单的数量和子区域中的可用服务提供者的数量来测量。子区域的供需缺口可以是子区域中发起的服务订单的数量与子区域中的可用服务提供者的数量之间的数值差异,其可以通过从子区域的可用服务提供者的数量减去子区域中发起的服务订单的数量或者从在子区域中发起的服务订单的数量中减去子区域的可用服务提供者的数量来确定。或者,子区域的供需缺口可以是子区域中发起的服务订单数量与子区域的可用服务提供者的数量的比率,或者子区域的可用服务提供者的数量与子区域中发起的服务订单数量的比率。
在一些实施例中,预设时间段可以是相对于当前时刻的任何时间点或任何时间段。例如,预设时间段可以是当前时间点,或非常短、可以被视为当前时间点的时间段(例如,持续时间短于阈值)。又例如,预设时间段可以当前时刻之后的30分钟、45分钟、60分钟等任何时间段。在一些实施例中,取决于当前时刻,预设时间段的持续时间可以相同或不同。例如,相比与普通时段(例如,上午10:00至上午11:00),处理引擎112A可以在高峰时段(例如,上午8:00至上午9:00)设置较短的预设时间段。
在一些实施例中,为了确定预设时段中子区域的供需缺口,确定模块402可以分别确定预设时间段中子区域中发起的服务订单的数量和子区域中的可用服务提供者的数量。然后,确定模块402可以基于在预设时间内在子区域中发起的服务订单的数量以及在预设时间内子区域中的可用服务提供者的数量来确定供需缺口。关于确定供需缺口的细节可以在本申请的其他地方找到(例如,图7及其相关描述)。
在530中,处理引擎112A(例如,确定模块402)可以确定预设时间段中从第二子区域调度可用服务提供者到第一子区域的调度成本(为简洁而称为调度成本)。
调度成本可以被配置用于测量在预设时间段中,从第二子区域调度可用服务提供者到第一子区域的成本(例如,时间成本和/或资源成本)。较高的调度成本可能表明从第二子区域调度可用服务提供者到第一子区域更加困难和昂贵。在一些实施例中,可以基于从第二子区域到第一子区域的路线来确定调度成本。仅作为示例,调度成本可以随着该路线的长度和/或该路线的预估行驶时间的增加而增加。又例如,如果路线的交通状况拥挤,则调度成本可能会增加。在一些实施例中,可以根据过程1000中的一个或以上操作,基于与路线相关的道路条件信息来确定调度成本。
在540中,处理引擎112A(例如,确定模块402)可以基于预设时间段中第一子区域的供需缺口、预设时间段中第二子区域的供需缺口,以及调度成本,确定预设时间段中将可用服务提供者从第二子区域调度到第一子区域的调度效用。为简洁起见,预设时间段中第一子区域的供需缺口可被称为第一供需缺口,预设时间段中第二子区域的供需缺口可被称为第二供需缺口,调度可用服务提供者从预设时间段中的第二子区域到第一子区域的调度效用可以被称为调度效用。
调度效用可以用于测量从第二子区域调度可用服务提供者到第一子区域是否值得(或价值)。在一些实施例中,正调度效用可以说明从第二子区域调度可用服务提供者到第一子区域是值得的(或有价值的),并且值得程度(或价值)可以随着正调度效用的值而增加。另一方面,负调度效用可以指示从第二子区域调度可用服务提供者到第一子区域是不值得的(或有价值的)。
在一些实施例中,调度效用可以与第一供需缺口、第二供需缺口或调度成本中的至少一个相关联。例如,如果第一供需缺口显示第一子区域在预设时间段中有剩余供应,在预设时间段中可能没有必要将调度可用服务提供者调到第一子区域,而调度效用可能是负的。又例如,如果第一供需缺口显示第一子区域供应不足,则调度效用也可能取决于第二子区域的第二供需缺口。仅作为示例,如果第二子区域具有剩余供应,则调度效用可以是正的。如果第二子区域也供应不足,则调度效用可以是负的。另一方面,当其他条件(例如,第一和第二供需缺口)确定时,调度效用可随着调度成本的增加而减小。
在一些实施例中,确定模块402可以根据如下公式(1)确定预设时间段中从第二子区域到第一子区域的调度效用:
其中G[1]指的是预设时间段中第一子区域的第一供需缺口,G[2]指的是预设时间段中第二子区域的第二供需缺口,Cost指的是在预设时间段中从第二子区域到第一子区域的调度成本。
根据公式(1),调度效用可以与G[1]和G[2]之间的差异具有正相关。在一些实施例中,可以通过从相应子区域中的服务需求中减去服务供应来确定G[1]和G[2]。如果G[1]大于G[2],则调度效用可能具有正值,表明在第一子区域中存在比第二子区域更大的服务需求,值得从第二子区域调度可用服务提供者到第一子区域。调度效用与调度成本有负相关关系。当分母固定时,调度成本的增加会降低调度效用的值。
应当注意公式(1)仅用于说明的目的,并不意图限制本申请的范围。通过本领域技术人员已知的微小修改,可以根据除了上面示出的公式(1)之外的公式来确定调度效用。在一些实施例中,可以省略公式(1)的一个或以上参数和/或可以将一个或以上附加参数添加到公式(1)中。例如,可以将代表供需缺口阈值的参数添加到公式(1)中,并将公式(1)修改为分段函数。在分段函数中,如果G[1]小于供需缺口阈值,则Utility(1,2)可等于负无穷大,并且如果G[1]大于或等于供需缺口阈值,则可以根据原始公式(1)确定Utility(1,2)。
关于过程500的以上描述的应当注意仅仅是出于说明的目的而提供的,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。
在一些实施例中,可以省略一个或以上操作和/或可以添加一个或以上附加操作。例如,可以省略操作530,操作540中的调度效用可以基于第一供需缺口和第二供需缺口确定。又例如,可以将过程600中的操作添加到过程500中,以确定所述区域中的调度策略。再例如,在执行操作530之前,处理引擎112A(例如,确定模块402)可以分析第一供需缺口和/或第二供需缺口以确定是否需要确定调度效用。仅作为示例,如果第一子区域具有剩余供应或第二子区域供应不足,则确定模块402可以确定不需要确定调度效用。在确定不需要确定调度效用时,可以省略操作530和540。
图6是根据本申请的一些实施例所示的用于确定在区域中可用服务提供者的调度策略的示例性过程的流程图。过程600的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中,过程600的一个或以上操作可以在如图1所示的O2O服务系统100中实现。在一些实施例中,过程600中的一个或以上操作可以以指令的形式存储在存储设备(例如,存储设备160、ROM 230、RAM 240、存储器390)中,并且由服务器110(例如,服务器110中的处理引擎112,或计算设备200的处理器220)或移动设备300的CPU 340调用和/或执行。在一些实施例中,所述指令可以以电子电流或电信号的形式传输。
在610中,对于至少两对子区域中的每对子区域,处理引擎112A(例如,确定模块402)可以确定从所述子区域对的第二子区域调度可用服务提供者到所述子区域对的第一子区域的调度效用。
结合操作510所描述的,在一些实施例中,区域中的至少两个子区域可以形成至少两个子区域对。每个子区域对可包括第一子区域和第二子区域。对于每个子区域对,确定模块402可以执行图5所述的操作520至540,确定预设时间段中从所述子区域对的第二子区域调度可用服务提供者到所述子区域对的第一子区域的调度效用。
在620中,处理引擎112A(例如,确定模块402)可以对与每个子区域对相对应的调度效用进行排名。
结合操作540所描述的,子区域对的调度效用可以测量从所述子区域对的第二子区域调度可用服务提供者到第一子区域的价值(或值)。如果A和B形成的配对相对于C和D形成的配对有更高的调度效用,则可以推测从B调度可用服务提供者到A比从D调度可用服务提供者到C更有价值。在一些实施例中,确定模块402可以降序等方式对子区域配对的调度效用进行排序。
在630中,处理引擎112A(例如,确定模块402)可以基于排序结果确定至少两个子区域之间可用服务提供者的调度策略。
在一些实施例中,确定模块402可以根据排序结果选择子区域配对中的一个或以上候选配对。例如,候选配对可以包括在排序结果中调度效用前N(例如,1、3、5、10%、30%或50%)的配对。又例如,候选配对可以包括调度效用大于阈值的一个或以上配对。然后,确定模块402可以确定每个候选配对的调度策略。
在一些实施例中,候选配对的调度策略可用于从候选配对的第二子区域调度可用服务提供者到候选配对的第一子区域。例如,确定模块402可以向位于候选配对的第二子区域的可用服务提供者发送消息,以建议他们前往候选配对的第一子区域。又例如,如果候选配对的第二子区域中的可用服务提供者位于候选配对的第一子区域的服务订单起始位置的预设距离内,确定模块402可以该服务订单分配给该可用服务提供者。作为又一示例,确定模块402可以增加候选配对的第一子区域中的服务价格以吸引候选配对的第二子区域中的可用服务提供者到第一子区域。
附加地或替代地,调度策略可以用于在候选配对的第一和第二子区域之间调度其他类型的服务资源(例如,服务请求者和/或服务订单)。仅作为示例,确定模块402可以将服务请求者从候选配对的第一子区域调度到候选配对的第二子区域。例如,确定模块402可以向候选配对的第一子区域中的服务请求者发送消息,以建议他们前往候选配对的第二子区域,因为第二子区域具有更多的服务提供者。又例如,为了吸引第一子区域中的服务请求者前往第二子区域,确定模块402可以将能在第二子区域中使用的优惠券发送给第一子区域中的服务请求者。
应当注意以上对过程600的描述仅仅是出于说明的目的而提供的,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。在一些实施例中,可以对满足一个或以上条件的至少两个子区域配对上执行过程600。仅作为示例,每子区域对的第一子区域和第二子区域的距离可能必须小于阈值。
图7是根据本申请的一些实施例所示的用于确定预设时间段中子区域的供需缺口的示例性过程的流程图。过程700的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中,过程700的一个或以上操作可以在O2O服务系统100中实现,如图1所示。在一些实施例中,过程700中的一个或以上操作可以作为指令的形式存储在存储设备(例如,存储设备160、ROM 230、RAM 240、存储器390)中,并且由服务器110(例如,服务器110中的处理引擎112,或计算设备200的处理器220)或移动设备300的CPU340调用和/或执行。在一些实施例中,指令可以以电子电流或电信号的形式传输。
在710中,处理引擎112A(例如,确定模块402)可以获取与子区域相关的至少两个第一数据集。至少两个第一数据集中的每个数据集可以对应于第一历史时间片,并且包括与子区域有关的信息。
在一些实施例中,第一数据集中的每个数据集可以包括在相应的第一历史时间片中的子区域中发起的至少一个服务订单的历史数量。第一历史时间片中的子区域中发起的服务订单的历史数量可以表示第一历史时间片中子区域的服务需求。在一些实施例中,子区域的大小可能会影响子区域中的服务需求。例如,较大的子区域中发起的服务订单历史数量可能会高于较小的子区域。为了消除或减小区域大小的影响,确定模块402可以根据子区域的大小来归一化每个第一历史时间片中的子区域中发起的服务订单的历史数量。例如,确定模块402可以根据如下公式(2)对服务订单的历史数量进行归一化:
H[i].T[j].On=H[i].T[j].O*H[i].T[j].Weight (2)
其中,H[i].T[j]指第j个第一历史时间片中的i个子区域;H[i].T[j].O指在第j个第一历史时间片中,在i个子区域中发起的服务订单的历史数量;H[i].T[j].On指第j个第一历史时间片中,i个子区域中被发起的服务订单的归一化后的历史数量;H[i].T[j].Weight指与子区域大小相关的归一化系数。在一些实施例中,H[i].T[j].Weight可以根据如下公式(3)确定:
其中H[i].T[j].AREA指第i个子区域的大小;Threshold指区域大小的阈值。当i个子区域的大小小于Threshold时,则H[i].T[j].Weight可以等于1。当i个子区域的大小等于或大于Threshold时,H[i].T[j].Weight可能随着i个子区域的大小的增加而减小。
在一些实施例中,与子区域相关的第一数据集中的每个数据集还可以包括与子区域相关的其他信息,例如,与子区域中的高峰时段相关的信息、与子区域相关的位置信息、与子区域相关的道路信息、子区域对应的第一历史时间片中的交通信息、子区域对应的第一历史时间片中的天气信息、子区域对应的第一历史时间片中的新闻信息、子区域对应的第一历史时间片中的政策信息、子区域对应的第一历史时间片的日期信息等,或其任何组合。
与子区域中的高峰时段相关的信息可包括子区域是否具有早高峰和/或晚高峰、子区域中的早高峰和/或晚高峰的时间等,或其任何组合。与子区域相关的位置信息可以包括子区域的位置(例如,坐标)、子区域中地点(例如,中心点)的位置、子区域的一侧的位置、子区域中道路的位置等,或其任何组合。与子区域相关的道路信息可以包括子区域中道路的类型、位置和/或速度限制。交通信息可包括车流量、交通拥堵状况、交通事故及其位置、在相应的第一历史时间片中的子区域的车速(例如,平均速度、瞬时速度)信息,或其任何组合。天气信息可包括子区域在相应的第一历史时间片中的空气质量指数、温度、能见度、湿度、压力、风速、PM 2.5的指数、降水量、降水类型(例如雪、雨)、降水的百分比可能性等,或其任何组合。政策信息可能包括在相应的第一历史时间片中与交通、车辆管理(例如,只有具有某些车牌号(例如,偶数或奇数)的车辆可以在某些区域内驾驶)、子区域的速度限制等等,或其任何组合相关的法律和规则。新闻信息可以包括子区域对应的第一历史时间片中发生的一个或以上事件(例如,音乐会、展览、竞赛、市场促销)相关的信息。日期信息可以包括相应的第一历史时间片的特征,例如,是否为工作日、周末、假日和/或节日。
第一历史时间片可以是预设时间段之前的一系列时间段。每一个历史时间片可以具有相同的持续时间。在一些实施例中,所述第一历史时间片可以在预设时间段之前的特定时间段中。特定时间段可以是任何合适的值,例如,1小时、12小时、24小时、72小时、100小时等。在一些实施例中,第一历史时间片可以在预设时间段之前的1小时至72小时内。在一些实施例中,可以将一天均匀地划分为一定数量的时间片,例如,每个持续30分钟的48个时间片、每个持续1小时的24个时间片等。第一历史时间片可以是对应于预设时间段的时间片之前的至少两个时间片。例如,如果预设时间段是下午4:30至下午5:00,则第一历史时间片可以是在下午4:30之前的48个时间片,其中每个时间片具有30分钟的持续时间。
在720中,处理引擎112A(例如,确定模块402)可以通过将与子区域相关的第一数据集输入到服务需求预测模型中,预测在预设时间段中,子区域中发起的服务订单数量。
服务需求预测模型可用于基于输入确定预设时间段中子区域中发起的服务订单的数量。在一些实施例中,服务需求预测模型可以是递归神经网络(RNN)模型,例如,长短期内存(LSTM)模型。在一些实施例中,服务需求预测模型可以经由网络120从O2O服务系统100的一个或以上组件(例如,存储设备150、ROM 230和/或RAM 240)或外部源获取。附加地或替代地,服务需求预测模型可以由处理引擎112B使用样本数据训练初始模型来生成。关于服务需求预测模型的生成的细节可以在本申请的其他地方找到(例如,图8及其相关描述)。
在730中,处理引擎112A可以(例如,确定模块402)获取与子区域相关的至少两个第二数据集。至少两个第二数据集中的每个数据集可以对应于第二历史时间片,并且包括与子区域有关的信息。
在一些实施例中,第二数据集中的每个数据集可以至少包括在对应的第二历史时间片中,子区域中可用服务提供者的历史数量。第二历史时间片中子区域的可用服务提供者的历史数量可以表示第二历史时间片中子区域中的服务供应。在一些实施例中,第二历史时间片中子区域的可用服务提供者的历史数量可以是在第二历史时间片中进入子区域的可用服务提供者的第一数量和在第二历史时间片中离开子区域的可用服务提供者的第二数量之间的差异。通常,可用服务提供者可能不会长时间(例如,20分钟或30分钟)停留在子区域。可以在不考虑始终留在第二历史时间片中的子区域的可用服务提供者的情况下确定第二历史时间片中的子区域的服务供应。
在一些实施例中,确定模块402可以分别获取或确定可用服务提供者的第一数量和可用服务提供者的第二数量。确定模块402还可以基于第二历史时间片中的子区域中的可用服务提供者的历史数量来确定可用服务提供者的第二数量和第一数量。可选地,确定模块402可以归一化每个第二组数据中的可用服务提供者的历史数量,以消除或减少子区域的大小的影响。可用服务提供者的历史数量的归一化可以与操作710描述的服务订单的历史数量的归一化基本相似,并且这里不再重复其描述。
在某些实施例中,子区域可以是具有至少两个侧面的多边形,例如六边形。可用服务提供者的第一数量可以是在第二历史时间片中进入子区域的每一侧的可用服务提供者的数量的累积数量。可用服务提供者的第二数量可以是在第二历史时间片中离开子区域的每一侧的可用服务提供者的数量的累积数量。在第二历史时间片中子区域的可用服务提供者的历史数量可以如下公式(4)确定:
H[i].T[j].A=∑K(H[i].T[j].E[k].in-H[i].T[j].E[k].out) (4)
其中H[i].T[j].A是指第j个第二历史时间片中i个子区域中可用服务提供者的历史数量;E[k]指子区域的第k侧;K是指子区域的边数;H[i].T[j].E[k].in是指在第j个历史时间片中进入i个子区域的第k侧的可用服务提供者的数量;H[i].T[j].E[k].out是指在第j个历史时间片中离开i个子区域的第k侧的可用服务提供者的数量。在一些实施例中,确定模块402可以将公式(4)乘以与子区域大小相关的归一化系数(例如,根据公式(3)确定的归一化系数)来进一步归一化H[i].T[j].A。
在一些实施例中,与子区域相关的第二数据集中的每个数据集还可以包括与子区域相关的其他信息,例如,与子区域中的高峰时段相关的信息、与子区域相关的位置信息、与子区域相关的道路信息、子区域对应的第二历史时间片中的交通信息、子区域对应的第二历史时间片中的天气信息、子区域对应的第二历史时间片中的新闻信息、子区域对应的第二历史时间片中的政策信息、子区域对应的第二历史时间片的日期信息、在子区域对应的第二历史时间片中进入子区域的可用服务提供者的第一数量,或在子区域对应的第二历史时间片中离开子区域的可用服务提供者的第二数量。
与子区域相关的高峰时段、位置信息、道路信息、交通信息、天气信息、新闻信息、政策信息、日期信息可以与操作710描述的基本相似,并且这里不再重复其描述。在一些实施例中,子区域可以是包括至少两个边的多边形。对应于第二历史时间片的第二组数据可以包括进入第二历史时间片中子区域每一侧的可用服务提供者的第一数量和/或第二历史时间片中离开子区域每一侧的可用服务提供者的第二数量。
第二历史时间片可以是预设时间段之前的一系列时间段。第二历史时间片中的每个时间片可以具有相同的持续时间。在一些实施例中,第二历史时间片可以与第一历史时间片相同。例如,第一历史时间片和第二历史时间片都可以是预设时间段之前的48个时间片,每个时间片持续30分钟。或者,第二历史时间片可以与第一历史时间片不同。例如,每个第二历史时间片的持续时间可以与每个第一历史时间片的持续时间略微不同。如这里所使用的,如果每个第一历史时间片和每个第二历史时间片的持续时间之间的差异小于阈值(例如,1分钟、3分钟),第一和第二历史时间片的持续时间可以被认为是彼此略有不同。又例如,第一历史时间片和第二历史时间片的数量可能不同。仅作为示例,第一历史时间片可以是预设时间段之前的48个时间片,而第二历史时间片可以是预设时间段之前的50个时间片。
在740中,处理引擎112A(例如,确定模块402)可以将与子区域相关的第二数据集输入到服务供应预测模型,预测在预设时间段的子区域中的可用服务提供者的数量。
服务供应预测模型可以用于基于输入确定预设时间段中子区域中的可用服务提供者的数量。在一些实施例中,服务供应预测模型可以是RNN模型,例如,LSTM模型。在一些实施例中,服务供应预测模型可以从O2O服务系统100的一个或以上组件(例如,存储设备150、ROM 230和/或Ram 240)或经由网络120的外部源获取。附加地或替代地,服务供应预测模型可以由处理引擎112B通过使用样本数据训练初始模型来生成。关于服务供应预测模型的生成的细节可以在本申请的其他地方找到(例如,图9及其相关描述)。
在750中,处理引擎112A(例如,确定模块402)可以基于预设时间段中在子区域发起的服务订单的数量和预设时间段中子区域中的可用服务提供者的数量,确定预设时间段中子区域的供需缺口。例如,供需缺口可以是预设时间段子区域中发起的服务订单的数量与预设时间段子区域中的可用服务提供者的数量之间的数值差。
应当注意以上对过程700的描述仅仅是出于说明的目的而提供的,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。在一些实施例中,可以省略过程700中的一个或以上操作和/或可以将一个或以上附加操作添加到过程700。在一些实施例中,可以以任何顺序执行过程700的操作。例如,操作710和730可以同时执行,或者操作730可以在操作710之前执行。在一些实施例中,在确定每个第二组数据中子区域的可用服务提供者的历史数量时,确定模块402可以通过考虑在相应的第二历史时间片中留在该子区域的可用服务提供者。
图8是根据本申请的一些实施例所示的用于生成服务需求预测模型的示例性过程的流程图。过程800的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中,过程800的一个或以上操作可以在O2O服务系统100中实现,如图1所示。在一些实施例中,过程800中的一个或以上操作可以作为指令的形式存储在存储设备(例如,存储设备160、ROM 230、RAM 240、存储器390)中,并且由服务器110(例如,服务器110中的处理引擎112B,或计算设备200的处理器220)或移动设备300的CPU 340调用和/或执行。在一些实施例中,可以在操作720中使用服务需求预测模型来预测在预设时间段中在子区域中发起的服务订单的数量。
在810中,处理引擎112B(例如,获取模块403)可以获取与至少两个样本子区域相关的至少两个第一样本数据集。在一些实施例中,样本子区域可以包括在操作510中确定的子区域的一个或以上。附加地或替代地,样本子区域可以包括由处理引擎112A从另一区域分割的一个或以上子区域。
第一样本数据集中的每个数据集可以对应于样本历史时间片,并且包括与样本子区域有关的信息。在一些实施例中,每个第一样本数据集可以至少包括对应样本历史时间片中的每个样本子区域中发起的服务订单的历史数量。样本子区域中发起的服务订单的历史数量基本上类似于操作710描述的子区域中发起的服务订单的历史数量,并且不重复其描述。
在一些实施例中,与样本子区域相关的第一样本数据集中的每个数据集可以包括与每个样本子区域相关的其他信息,例如,与样本子区域中的高峰时段相关的信息、与样本子区域相关的位置信息、与样本子区域相关的道路信息、样本在对应历史时间片中的样区子区域的交通信息、样本在对应的历史时间片中样本子区域的天气信息、样本对应的历史时间片中的样本子区域的新闻信息、样本对应的历史时间片中的样本子区域的政策信息、样本对应历史时间片的样本子区域的日期信息等,或其任何组合。每个第一样本数据集中包括的样本子区域相关的信息基本上类似于与操作710描述的第一组数据中包括的子区域有关的信息,并且不再重复其描述。
样本历史时间片可以是当前时刻之前的一系列时间段。每个样本历史时间片可以具有相同的持续时间(例如,15分钟、30分钟、45分钟或60分钟)。样本历史时间片的持续时间可以是O2O服务系统100的默认参数,或者可以根据不同情况进行调整。在一些实施例中,样本历史时间片可以在当前时刻之前的特定时间段中。特定时间段可以是诸如一个月、两个月、三个月、五个月或任何其他合适的值。在一些实施例中,可以将一天均匀地划分为一定数量的时间片,例如,每个持续30分钟的48个时间片、每个持续1小时的24个时间片等。样本历史时间片可以是对应于当前时刻的时间片之前的至少两个时间片。例如,样本历史时间片可以是在当前时刻之前两个月内的2,880个时间片,每个时间片具有30分钟的持续时间。
在820中,处理引擎112B(例如,获取模块403)可以获取初始模型。初始模型可具有一个或以上的初始参数。初始模型的初始参数可以是O2O服务系统100的默认设置,或者可以根据不同情况下设定。
在一些实施例中,初始模型可以是RNN模型,例如,LSTM模型。在某些实施例中,LSTM模型可包括至少两个单元,每个单元包括单元格(cell)、输入门、输出门和忘记门。单元格可以被配置为在任意时间间隔内“记住”值。输入门可以被配置用于控制流入单元格的新信息的输入。遗忘门可以被配置用于确定保留在单元格中的信息。输出门可以是配置用于确定从单元格输出的信息。
在830中,处理引擎112B(例如,训练模块404)可以使用与样本子区域相关的第一样本数据集,训练初始模型来生成服务需求预测模型。
为了便于说明,样本历史时间片可以表示为时间序列{t1,t2,…tn},对应于与样本子区域相关的样本历史时间片的第一样本数据集可以表示为{d1,d2,…dn},样本历史时间片中样本子区域中发起的服务订单的历史数量可以表示为{o1,o2,…on}。在一些实施例中,在模型训练期间,对于每个样本子区域,训练模块404可以通过输入对应于{t1,t2,…ti-1}的{d1,d2,…di-1}进入初始模型,确定样本子区域在ti中的预测oi。例如,训练模块404可以通过输入对应于{t1,t2,…tn-1}的{d1,d2,…dn-1}进入初始模型,确定最后一个样本历史时间片(例如,最后30分钟)中的预测on。训练模块404可以进一步确定至少两个样本子区域的预测oi和已知oi之间的差异,为了简洁,其也可以被称为损失函数。示例性损失函数可以包括绝对百分误差(MAPE)、均方误差(MSE)、均方根误差(RMSE)、交叉熵损失等。根据损失函数,训练模块404可以进一步调整初始模型(例如,调整初始参数),直到损失函数达到期望值。在损失函数达到期望值之后,可以将调整后的初始二元模型指定为服务需求预测模型。
图9是根据本申请的一些实施例所示的用于生成服务供应预测模型的示例性的流程图。过程900的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中,过程900的一个或以上操作可以在如图1所示的O2O服务系统100中实现。在一些实施例中,过程800中的一个或以上操作可以作为指令的形式存储在存储设备(例如,存储设备160、ROM 230、RAM 240,存储器390)中,并且由服务器110(例如,服务器110中的处理引擎112B,或计算设备200的处理器220)或移动设备的CPU 340调用和/或执行。在一些实施例中,可以在操作740中使用服务供应预测模型来预测预设时间段中子区域中的可用服务提供者的数量。
在910中,处理引擎112B(例如,获取模块403)可以获取与至少两个样本子区域相关的至少两个第二样本数据集。在一些实施例中,样本子区域可以包括在操作510中确定的子区域的一个或以上。附加地或替代地,样本子区域可以包括由处理引擎112A从另一区域分割的一个或以上子区域。
第二样本数据集中的每个数据集可以对应于样本历史时间片,并且包括与样本子区域有关的信息。在一些实施例中,每个第二样本数据集可以至少包括对应样本历史时间片中的每个样本子区域中的历史数量的可用服务提供者。样本子区域中的可用服务提供者的历史数量可以与结合操作730描述的子区域中的可用服务提供者的历史数量基本相似,并且不再重复其描述。
在一些实施例中,与样本子区域相关的第二样本数据集中的每个数据集可以包括与每个样本子区域相关的其他信息,例如样区子区域中的高峰时段相关的信息、与样本子区域相关的位置信息、与样本子区域相关的道路信息、样本对应的历史时间片中的样本子区域的交通信息、样本对应的历史时间片中的样本子区域的天气信息、样本对应的历史时间片中的样本子区域的新闻信息、样本对应的历史时间片中的样本子区域的政策信息、样本对应的历史时间片中样本子区域的日期信息、样本进入对应历史时间片中的样本子区域的可用服务提供者的第一数量,或者样本留在相应的历史时间片中的样本子区域的可用服务提供者的第二数量。与包括每个第二样本数据集中包括的样本子区域相关的信息基本上类似于与操作730描述的第二组数据中包括的子区域有关的信息,并且不再重复其描述。
在920中,处理引擎112B(例如,获取模块403)可以获取初始模型。操作920可以以与操作820类似的方式执行,并且这里不再重复其描述。
在930中,处理引擎112(例如,训练模块404)可以通过使用与至少两个样本子区域相关的至少两个第二样本数据集,训练初始模型来生成服务供应预测模型。操作930可以以与操作830类似的方式执行,并且这里不再重复其描述。
应当注意以上对过程800的描述和/或过程900仅仅是出于说明的目的而提供的,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。在一些实施例中,可以省略过程800和900中的一个或以上操作和/或可以将一个或多个附加操作添加到过程900和/或过程900。例如,可以在830之后添加操作以测试服务需求预测模型或在930之后添加操作以测试服务供应预测模型。
图10是根据本申请的一些实施例所示的用于确定从第二子区域调度可用服务提供者到第一子区域的调度成本的示例性过程的流程图。过程1000的至少一部分可以在如图2所示的计算设备200或如图3所示的移动设备300上实现。在一些实施例中,过程1000的一个或以上操作可以在O2O服务系统100中实现,如图1所示。在一些实施例中,过程1000中的一个或以上操作可以作为指令的形式存储在存储设备(例如,存储设备160、ROM 230、RAM240、存储器390等)中,并且由服务器110(例如,服务器110中的处理引擎112A,或计算设备200的处理器220)或移动设备300的CPU340调用和/或执行。在一些实施例中,可以执行过程1000的部分或全部以实现如结合图5所描述的操作530。
在1010中,处理引擎112A(例如,确定模块402)可以规划从第二子区域到第一子区域的路线。
第一和第二子区域之间的路线可以是第一子区域的第一位置和子区域的第二位置之间的路线。第一位置可以是第一子区域内的任何位置,第二位置可以是第二子区域内的任何位置。例如,第一位置和第二位置可以分别是第一子区域和第二子区域的中心点。第一和第二子区域之间的路线可以是直线路径或沿第一和第二子区域中的一个或以上道路延伸的路径。
在一些实施例中,确定模块402可以规划从第二子区域到第一子区域的多个可能的路线。然后,确定模块402可以从可能路线中的选择一条路线作为从第二子区域到第一子区域的路线。可以随机地或根据特定规则来执行路线的选择。仅作为示例,可以选择具有最短路线距离或行驶时间的路线作为从第二子区域到第一子区域的路线。
在1020中,处理引擎112A(例如,确定模块402)可以获取与路线相关的道路条件信息。
与路线相关的示例性道路条件信息可包括路线的长度、路线的预估行驶时间、路线的交通状况、路线上交叉路口的数量、路线红绿灯的数量、路线中道路的类型(如高速公路、高速公路、高架路、主干道、二级公路)、与路线相关的交通事故信息、路线的交通限制等,或其任何组合。如这里所使用的,路线的交通状况可以指路线的拥堵程度,其可以用诸如该路线上服务提供者的行驶速度、该路线上的车流量、该路线的行驶时间等参数,或其的任何组合来测量。在一些实施例中,道路条件信息可包括路线的长度、路线的预估行驶时间或路线的交通状况中的至少一种。在一些实施例中,与路线相关的道路条件信息可包括实时道路条件信息和/或在当前时刻之前的特定时间段(例如,30分钟、1小时)内历史道路条件信息。
在一些实施例中,道路条件信息的至少一部分可以从外部源获取,例如由处理引擎112A(例如,确定模块402)经由网络120从外部源获取。例如,处理引擎112A(例如,确定模块402)可以获取经由网络120从地图平台、交通网站或数据库等处获取所述路线上的一条或以上道路的交通状况信息、交通事故信息、道路类型信息。附加地或替代地,与路线相关的道路条件信息的至少一部分可以由处理引擎112A(例如,确定模块402)确定。
例如,确定模块402可以基于各种因素确定该路线的预估行驶时间,示例性的因素可以包括路线的长度、路线的交通状况、路线上的交叉路口数量、路线上的红绿灯数量、路线的道路类型、交通事故信息、交通限制和/或规则、天气信息等,或其任何组合。
在一些实施例中,确定模块402可以基于路线上服务提供者的行驶速度来确定该路线的交通状况。为此,确定模块402可以将路线分割为至少两个道路段。不同的道路段可以具有相同的长度或不同的长度。对于每个道路段,确定模块402可以确定通过道路段的一个或以上服务提供者的行驶速度。在一些实施例中,通过道路段的服务提供者可以包括目前在道路段和/或在当前时刻之前一段时间内(例如,30分钟内)经过该道路段的一个或以上服务提供者。通过道路段的服务提供者的行驶速度可以是,例如,目前在道路段的服务提供者的瞬时速度的平均值(或中值)、通过道路段的服务提供者的平均速度的平均值(或中值)等,或其任何组合。在一些实施例中,通过道路段的一个或以上服务提供者的行驶速度可以根据公式(5)确定如下:
其中i指的是至少两个通路段的i个通路段;Vi指通过i通路段的服务提供者的行驶速度;J指通过i道路段的服务提供者的数量,j指通过i道路段的服务提供者中的第j个服务提供者,Trajj,i指的是i个道路段上的第j个服务提供者的行程轨迹,Length(Trajj,i)指的是Trajj,i的长度,Time(Trajj,i)是指与Trajj,i,对应的行驶时间,并且Wj指的是关于Trajj,i的权值。
在一些实施例中,权值Wj可以与Trajj,i的置信因子相关。置信因子可以由处理引擎112A通过分析Trajj,i来确定。例如,处理引擎112A可以确定Trajj,i是否包括异常停止(例如,相应的服务提供者停止的时间长于阈值)、不均匀的行驶速度,和/或行驶速度相对于同一道路段中的其他行程轨迹的明显不同,或其任何组合。在确定Trajj,i包括异常停止、不均匀的行驶速度和/或明显不同的行驶速度时,处理引擎112A可以将低置信因子(例如,0)和低权值Wj(例如,0)分配给Trajj,i。
在确定通过每个道路段的服务提供者的行驶速度之后,确定模块402可以基于对应于至少两个道路段的行驶速度来确定路线的交通状况。
在一些实施例中,确定模块402可基于行驶速度确定每个道路段的拥堵水平。例如,道路段的拥堵程度可以包括“非常拥挤”、“拥挤”、“缓慢”和“通畅”,每个拥堵程度可以对应于特定的行驶速度范围。仅作为示例,行驶速度范围[0km/h,5km/h]可以对应于“极度拥挤”,行驶速度范围[25km/h,+∞]可以对应于“通畅”。然后,确定模块402可以基于路线的道路段的拥堵水平来确定路线的交通状况。例如,确定模块402可以将道路段的最常见拥堵水平确定为道路的交通状况。附加地或替代地,确定模块402可确定道路段的行驶速度的平均行驶速度,并基于一个或以上行驶速度阈值确定路线的交通状况。例如,如果平均行驶速度小于5km/h,则路线的交通状况可能非常拥挤。又例如,如果行驶速度的平均值大于25公里/小时,则所述路线的交通状况可能是通畅的。
在1030中,处理引擎112A(例如,确定模块402)可以基于道路条件信息确定调度成本。
在一些实施例中,确定模块402可以基于操作1120描述的道路条件信息的一个或以上类型来确定调度成本。仅作为示例,调度成本可以与路线的长度(或路线的预估行驶时间)具有正关系。如果路线A的长度(或预估行驶时间)大于路线B,则确定模块402分配给路线A的调度成本高于路线B。又例如,确定模块402可以根据预估行驶时间和路线的交通状况根据如下公式(6)确定调度成本:
其中eta(1,2)指的是从第二子区域到第一子区域的路线的预估行驶时间;θ是指与路线的交通状况有关的惩罚系数。在一些实施例中,可以基于如操作1020所描述的路线的拥挤程度来确定θ。θ的值可以随着路线的拥挤程度而增加。仅作为示例,对应于拥挤度“极度拥挤”、“拥挤”、“慢速”和“通畅”的θ值分别可以是3、2、1和0。
关于过程1000的以上描述的应当注意仅仅是出于说明的目的而提供的,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。在一些实施例中,可以省略公式(5)和/或公式(6)的一个或以上参数。例如,可以省略公式(6)中的θ,并且可以仅在eta(1,2)上确定调度成本。附加地或替代地,公式(5)和/或公式(6)可以进一步包括可以添加一个或以上附加参数。例如,可以将与路线上发生的交通事故的数量相关的参数添加到公式(6)中。
在一些实施例中,如操作540所描述的,公式(6)中所示的调度成本可以用于确定从第二子区域调度可用服务提供者到第一子区域的调度效用。仅作为示例,可以根据如下公式(7)确定从第二子区域调度可用服务提供者到第一子区域的调度效用:
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。所述类修改、改进和修正在本申请中被建议,所以所述类修改、改进、修正仍属于本申请示例性实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。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、结构或特性。因此,应强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上实施例中的某些特征、结构或特点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过程、机器、产品或物质的组合,或对其任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储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、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF等,或任何上述介质的组合。
本申请各部分操作所需的计算机程序代码可以用任意一种或以上程序设计语言编写,包括面向对象程序设计语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化程序设计语言如C程序设计语言、Visual Basic、Fortran1703、Perl、COBOL 1702、PHP、ABAP,动态程序设计语言如Python、Ruby和Groovy,或其他程序设计语言等。所述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,但应当理解的是,所述类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质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,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,本申请的所述方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (33)
1.一种在线上到线下(O2O)服务平台中调度可用服务提供者的系统,包括:
至少一个非暂时性计算机可读存储介质,包括一组指令;
至少一个处理器与所述至少一个非暂时性计算机可读存储介质通信,其中,当执行所述指令时,所述至少有一个处理器被配置为指导所述系统:
将一个区域划分为至少两个子区域,所述至少两个子区域形成至少一对子区域,所述至少一对子区域包括一个第一子区域和一个第二子区域;
对于所述第一子区域和第二子区域中的每个子区域,确定预设时间段中所述子区域的供需缺口;
确定所述预设时间段中,从所述第二子区域调度可用服务提供者到所述第一子区域的调度成本;以及
基于所述预设时间段中第一子区域的供需缺口、所述预设时间段中第二子区域的供需缺口,以及所述调度成本,确定所述预设时间段中从所述第二子区域调度可用服务提供者到所述第一子区域的调度效用。
2.根据权利要求1所述的系统,其特征在于,所述至少一对子区域是至少两对子区域,
所述至少一个处理器还被配置为指导所述系统:
对于所述至少两对子区域中的每对子区域,确定所述预设时间段中,从所述子区域对的第二子区域调度可用服务提供者到所述子区域对的第一子区域的调度效用;
对所述至少两个对子区域的调度效用进行排序;以及
基于所述调度效用的排序结果,确定在至少两个子区域之间的调度可用服务提供者的策略。
3.根据权利要求1或2所述的系统,其特征在于,确定预设时间段中所述子区域的所述供需缺口,所述至少一个处理器进一步被配置为指导所述系统:
获取与所述子区域相关的至少两个第一数据集,所述至少两个第一数据集中的每个数据集对应于第一历史时间片,并且至少包括在对应的第一历史时间片中所述子区域中发起的服务订单的历史数量;
将与所述子区域相关的所述至少两个第一数据集输入到服务需求预测模型,以预测在所述预设时间段中在子区域中发起的服务订单数量;
获取与所述子区域相关的至少两个第二数据集,所述至少两个第二数据集中的每个数据集对应于第二历史时间片,并且至少包括对应的第二历史时间片中所述子区域中的可用服务提供者的历史数量;
将与所述子区域相关的所述至少两个第二数据集输入服务供应预测模型,以预测所述在所述预设时间段中所述子区域中的可用服务提供者的数量;以及
基于在所述预设时间段中子区域发起的服务订单数量以及在所述预设时间段中子区域中的可用服务提供者的数量,确定所述预设时间段中的子区域的供需缺口。
4.根据权利要求3所述的系统,其特征在于,获取与所述子区域相关的所述至少两个第二数据集,所述至少一个处理器进一步被配置为指导所述系统:
对与所述子区域相关的至少两个第二数据集中的每个数据集,
获取在对应的第二历史时间片中进入所述子区域的可用服务提供者的第一数量;
获取在对应的第二历史时间片中离开所述子区域的可用服务提供者的第二数量;以及
基于所述第一数量和所述第二数量,确定在所述对应的第二历史时间片中所述子区域的可用服务提供者的历史数量。
5.根据权利要求4所述的系统,其特征在于,基于所述第一数量和第二数量,确定在对应的第二历史时间片中所述子区域的可用服务提供者的历史数量,所述至少一个处理器进一步被配置为指导所述系统:
获取所述子区域的大小;以及
基于所述第一数量、所述第二数量、所述子区域的大小,对在对应的第二历史时间片中子区域的可用服务提供者的历史数量进行归一化。
6.根据权利要求3至5任一项所述的系统,其特征在于,与所述子区域相关的至少两个第一数据集中的每个数据集还包括以下信息中的至少一种:与所述子区域中的高峰时段有关的信息、与所述子区域相关的位置信息、与所述子区域相关的道路信息、所述子区域在对应的第一历史时间片中的交通信息、所述子区域在对应的第一历史时间片中的天气信息、所述子区域在对应的第一历史时间片中的新闻信息、所述子区域在对应的第一历史时间片中的政策信息,或所述子区域在对应的第一历史时间片中的日期信息。
7.根据权利要求3至5任一项所述的系统,其特征在于,与所述子区域相关的至少两个第二数据集中的每个数据集还包括以下信息中的至少一种:与所述子区域中的高峰时段有关的信息、与所述子区域相关的位置信息、与所述子区域相关的道路信息、所述子区域在对应的第二历史时间片中的交通信息、所述子区域在对应的第二历史时间片中的天气信息、所述子区域在对应的第二历史时间片中的新闻信息、所述子区域在对应的第二历史时间片中的政策信息、所述子区域在对应的第二历史时间片相关的日期信息、在所述对应的第二历史时间片中进入所述子区域的可用服务提供者的第一数量,或在所述对应的第二历史时间片中离开所述子区域的可用服务提供者的第二数量。
8.根据权利要求3至7任一项所述的系统,其特征在于,所述服务需求预测模型是根据服务需求预测模型培训过程生成的,所述服务需求预测模型培训过程包括:
获取与至少两个样本子区域相关的至少两个第一样本数据集,所述至少两个第一样本数据集中的每个数据集对应于样本历史时间片,并且至少包括所述对应样本历史时间片中所述至少两个样本子区域中的每个区域中发起的服务订单的历史数量;
获取初始模型;以及
使用与所述至少两个样本子区域相关的至少两个第一样本数据集,训练所述初始模型来生成所述服务需求预测模型。
9.根据权利要求3至7任一项所述的系统,其特征在于,所述服务供应预测模型是根据服务供应预测模型培训过程生成的,所述服务供应预测模型培训过程包括:
获取与至少两个样本子区域相关的至少两个第二样本数据集,所述至少两个第二样本数据集中的每个数据集对应于样本历史时间片,并且至少包括所述对应样本历史时间片中所述至少两个样本子区域中的每个区域中的可用服务提供者的历史数量;
获取初始模型;以及
使用与所述至少两个样本子区域相关的至少两个第二样本数据集,训练所述初始模型生成所述服务供应预测模型。
10.根据权利要求3至9中任一项所述的系统,其特征在于,所述服务需求预测模型或所述服务供应预测模型中的至少一个是递归神经网络(RNN)模型。
11.根据权利要求3至10中任一项所述的系统,其特征在于,所述至少两个第一历史时间片和所述至少两个第二历史时间片在所述预设时间段之前1小时至72小时之内。
12.根据权利要求1至11任一项所述的系统,其特征在于,确定从所述第二子区域调度可用服务提供者到所述第一子区域的所述调度成本,所述至少一个处理器进一步被配置为指导所述系统:
确定从所述第二子区域到所述第一子区域的路线;
获取与所述路线有关的道路条件信息;以及
基于与所述路线有关的道路条件信息,确定从所述第二子区域调度可用服务提供者到所述第一子区域的所述调度成本。
13.根据权利要求12所述的系统,其特征在于,与所述路线相关的道路条件信息包括所述路线的长度、所述路线的预估行驶时间,或所述路线的交通状况中的至少一种。
15.根据权利要求12所述的系统,其特征在于,与所述路线相关的道路条件包括所述路线的交通状况,以及
为了获取所述路线的交通状况,所述至少有一个处理器进一步被配置为指导所述系统:
将所述路线分成至少两个道路段;
对所述至少两个道路段中的每个道路段,确定通过所述道路段的一个或以上服务提供者的行驶速度;以及
基于所述至少两个道路段对应的所述行驶速度,确定所述路线的交通状况。
17.一种在计算设备上实现的方法,具有至少一个处理器、至少一个计算机可读存储介质和连接到网络的通信平台,包括:
将一个区域划分为至少两个子区域,所述至少两个子区域形成至少一对子区域,所述至少一对子区域包括第一子区域和第二子区域;
对于所述第一子区域和第二子区域中的每个子区域,确定预设时间段中所述子区域的供需缺口;
确定所述预设时间段中,从所述第二子区域调度可用服务提供者到所述第一子区域的调度成本;以及
基于所述预设时间段中所述第一子区域的所述供需缺口、所述预设时间段中所述第二子区域的所述供需缺口,以及所述调度成本,确定所述预设时间段中,从所述第二子区域调度可用服务提供者到所述第一子区域的调度效用。
18.根据权利要求17所述的方法,其特征在于,所述至少一对子区域是至少两个子区域对,并且所述方法还包括:
对于所述至少两对子区域中的每对子区域,确定所述预设时间段中,从所述子区域对的第二子区域调度可用服务提供者到所述子区域对的第一子区域的调度效用;
对所述至少两个对子区域的所述调度效用进行排序;以及
基于所述调度效用的排序结果,确定在至少两个子区域之间的调度可用服务提供者的策略。
19.根据权利要求17或18所述的方法,其特征在于,确定所述预设时间段中所述子区域的所述供需缺口包括:
获取与所述子区域相关的至少两个第一数据集,所述至少两个第一数据集中的每个数据集对应于第一历史时间片,并且至少包括在对应的第一历史时间片中所述子区域中发起的服务订单的历史数量;
将与所述子区域相关的所述至少两个第一数据集输入到服务需求预测模型,以预测在所述预设时间段中在所述子区域中发起的服务订单数量;
获取与所述子区域相关的至少两个第二数据集,所述至少两个第二数据集中的每个数据集对应于第二历史时间片,并且至少包括对应的第二历史时间片中所述子区域中的可用服务提供者的历史数量;
将与所述子区域相关的所述至少两个第二数据集输入服务供应预测模型,以预测在所述预设时间段中所述子区域中的可用服务提供者所述数量;以及
基于在所述预设时间段中子区域发起的服务订单数量以及所述预设时间段中子区域中的可用服务提供者的数量,确定所述预设时间段中的所述子区域的供需缺口。
20.根据权利要求19所述的方法,其特征在于,所述获取与所述子区域相关的所述至少两个第二数据集包含:
对与所述子区域相关的至少两个第二数据集中的每个数据集,
获取在对应的第二历史时间片中进入所述子区域的可用服务提供者的第一数量;
获取在对应的第二历史时间片中离开所述子区域的可用服务提供者的第二数量;以及
基于所述第一数量和所述第二数量,确定在所述对应的第二历史时间片中所述子区域的可用服务提供者的历史数量。
21.根据权利要求20所述的方法,其特征在于,基于所述第一数量和第二数量,
确定在对应的第二历史时间片中的所述子区域的可用服务提供者的历史数量包括:
获取所述子区域的大小;以及
基于所述第一数量、所述第二数量、所述子区域的大小,对在对应的第二历史时间片中子区域的可用服务提供者的历史数量进行归一化。
22.根据权利要求19至21任一项所述的方法,其特征在于,与所述子区域相关的至少两个第一数据集中的每个数据集还包括以下信息中的至少一种:与所述子区域中的高峰时段有关的信息、与所述子区域相关的位置信息、与所述子区域相关的道路信息、所述子区域在对应的第一历史时间片中的交通信息、所述子区域在对应的第一历史时间片中的天气信息、所述子区域在对应的第一历史时间片中的相关的新闻信息、所述子区域在所述对应的第一历史时间片中的政策信息,或所述子区域在对应的第一历史时间片中的日期信息。
23.根据权利要求19至21任一项所述的方法,其特征在于,与所述子区域相关的至少两个第二数据集中的每个数据集还包括以下信息中的至少一种:与所述子区域中的高峰时段有关的信息、与所述子区域相关的位置信息、与所述子区域相关的道路信息、所述子区域在对应的第二历史时间片中的交通信息、所述子区域在对应的第二历史时间片中的天气信息、所述子区域在对应的第二历史时间片中的新闻信息、所述子区域在所述对应的第二历史时间片中的政策信息、或所述子区域对应的第二历史时间片相关的日期信息、在所述对应的第二历史时间片中进入所述子区域的可用服务提供者的第一数量,或在所述对应的第二历史时间片中离开所述子区域的可用服务提供者的第二数量。
24.根据权利要求19至23任一项所述的方法,其特征在于,所述服务需求预测模型是根据服务需求预测模型培训过程生成的,所述服务需求预测模型培训过程包括:
获取与至少两个样本子区域相关的至少两个第一样本数据集,所述至少两个第一样本数据集中的每个数据集对应于样本历史时间片,并且至少包括所述对应样本历史时间片中所述至少两个样本子区域中的每个区域中发起的服务订单的历史数量;
获取初始模型;以及
使用与所述至少两个样本子区域相关的至少两个第一样本数据集,训练所述初始模型来生成所述服务需求预测模型。
25.根据权利要求19至23任一项所述的方法,其特征在于,所述服务供应预测模型是根据服务供应预测模型培训过程生成的,所述服务供应预测模型培训过程包括:
获取与至少两个样本子区域相关的至少两个第二样本数据集,所述至少两个第二样本数据集中的每个数据集对应于样本历史时间片,并且至少包括所述对应样本历史时间片中所述至少两个样本子区域中的每个区域中的可用服务提供者的历史数量;
获取初始模型;以及
使用与所述至少两个样本子区域相关的至少两个第二样本数据集,训练所述初始模型生成所述服务供应预测模型。
26.根据权利要求19至25中任一项所述的方法,其特征在于,所述服务需求预测模型或所述服务供应预测模型中的至少一个是递归神经网络(RNN)模型。
27.根据权利要求19至26中任一项所述的方法,其特征在于,所述至少两个第一历史时间片和所述至少两个第二历史时间片在所述预设时间段之前1小时至72小时内。
28.根据权利要求17至27任一项所述的方法,其特征在于,确定从所述第二子区域调度可用服务提供者到所述第一子区域的所述调度成本,包括:
确定从所述第二子区域到所述第一子区域的路线;
获取与所述路线有关的道路条件;以及
基于与所述路线有关的道路条件信息,确定从所述第二子区域调度可用服务提供者到所述第一子区域的所述调度成本。
29.根据权利要求28所述的方法,其特征在于,与所述路线相关的道路条件信息包括所述路线的长度、所述路线的预估行驶时间,或所述路线的交通状况中的至少一种。
31.根据权利要求28所述的方法,其特征在于,与所述路线相关的道路条件包括所述路线的交通状况,以及
获取所述路线的所述交通情况包括:
将所述路线分成至少两个道路段;
对所述至少两个道路段中的每个道路段,确定通过所述道路段的一个或以上服务提供者的行驶速度;以及
基于所述至少两个道路段对应的所述行驶速度,确定所述路线的交通状况。
33.一种非暂时性计算机可读存储介质,其包含计算机程序产品,所述计算机程序产品包括被配置的指令,用于使计算设备:
将区域划分为至少两个子区域,所述至少两个子区域形成至少一对子区域,所述至少一对子区域包括第一子区域和第二子区域;
对于所述第一子区域和第二子区域中的每个子区域,确定预设时间段中所述子区域的供需缺口;
确定所述预设时间段中,从所述第二子区域调度可用服务提供者到所述第一子区域的调度成本;以及
基于所述预设时间段中所述第一子区域的所述供需缺口、所述预设时间段中所述第二子区域的所述供需缺口,以及所述调度成本,确定所述预设时间段中,从所述第二子区域调度可用服务提供者到所述第一子区域的调度效用。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/097205 WO2020019237A1 (en) | 2018-07-26 | 2018-07-26 | Systems and methods for dispatching service providers |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111801701A true CN111801701A (zh) | 2020-10-20 |
CN111801701B CN111801701B (zh) | 2024-08-20 |
Family
ID=69181062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880090487.3A Active CN111801701B (zh) | 2018-07-26 | 2018-07-26 | 用于调度服务提供者的系统和方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111801701B (zh) |
WO (1) | WO2020019237A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669603A (zh) * | 2020-12-17 | 2021-04-16 | 广东南方通信建设有限公司 | 基于大数据的城市交通协同方法及装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118605327A (zh) * | 2020-02-07 | 2024-09-06 | 大连富士冰山智控系统有限公司 | 控制系统和控制方法 |
CN114096973B (zh) * | 2020-03-06 | 2023-03-24 | 格步计程车控股私人有限公司 | 需求通知设备、计算设备及需求通知方法 |
CN112529279A (zh) * | 2020-12-02 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 一种生成接单指导信息的方法、装置、计算机设备和介质 |
US20230351279A1 (en) * | 2022-04-28 | 2023-11-02 | Maplebear Inc. (Dba Instacart) | Predicting shopper supply during a time interval based on interactions by shoppers with a shopper assignment application during earlier time intervals |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100299177A1 (en) * | 2009-05-22 | 2010-11-25 | Disney Enterprises, Inc. | Dynamic bus dispatching and labor assignment system |
CN105389980A (zh) * | 2015-11-09 | 2016-03-09 | 上海交通大学 | 基于长短时记忆递归神经网络的短时交通流预测方法 |
CN106781447A (zh) * | 2017-02-28 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 一种智能出租车调度通信方法 |
US20180120843A1 (en) * | 2016-11-03 | 2018-05-03 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Controlling Vehicle Using Neural Network |
CN108010306A (zh) * | 2017-08-16 | 2018-05-08 | 北京嘀嘀无限科技发展有限公司 | 运力调度方法、运力调度系统及服务器 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170091856A1 (en) * | 2015-09-28 | 2017-03-30 | Skurt, Inc. | Vehicle delivery through a mobile computing device |
CN107545486A (zh) * | 2016-06-28 | 2018-01-05 | 滴滴(中国)科技有限公司 | 一种用车订单处理方法及服务器 |
-
2018
- 2018-07-26 WO PCT/CN2018/097205 patent/WO2020019237A1/en active Application Filing
- 2018-07-26 CN CN201880090487.3A patent/CN111801701B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100299177A1 (en) * | 2009-05-22 | 2010-11-25 | Disney Enterprises, Inc. | Dynamic bus dispatching and labor assignment system |
CN105389980A (zh) * | 2015-11-09 | 2016-03-09 | 上海交通大学 | 基于长短时记忆递归神经网络的短时交通流预测方法 |
US20180120843A1 (en) * | 2016-11-03 | 2018-05-03 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Controlling Vehicle Using Neural Network |
CN106781447A (zh) * | 2017-02-28 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 一种智能出租车调度通信方法 |
CN108010306A (zh) * | 2017-08-16 | 2018-05-08 | 北京嘀嘀无限科技发展有限公司 | 运力调度方法、运力调度系统及服务器 |
Non-Patent Citations (2)
Title |
---|
LINGYU ZHANG, ET AL.: "A Taxi Order Dispatch Model based On Combinatorial Optimization", 《KDD 2017 APPLIED DATA SCIENCE PAPER》, pages 2151 - 219 * |
张国兴;李亚东;张磊;樊庆富;李想;: "基于SDZ-RNN的出租车出行目的地预测方法", 计算机工程与应用, no. 06, pages 148 - 154 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669603A (zh) * | 2020-12-17 | 2021-04-16 | 广东南方通信建设有限公司 | 基于大数据的城市交通协同方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111801701B (zh) | 2024-08-20 |
WO2020019237A1 (en) | 2020-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111801701B (zh) | 用于调度服务提供者的系统和方法 | |
CN109074622B (zh) | 确定运输服务路线的系统及方法 | |
CN109155104B (zh) | 推荐估计到达时间的系统和方法 | |
JP6680798B2 (ja) | 推奨サービス位置を推奨するシステム及び方法 | |
CN110050300B (zh) | 交通拥堵监控系统和方法 | |
Alexander et al. | Assessing the impact of real-time ridesharing on urban traffic using mobile phone data | |
AU2019246799B2 (en) | Systems and methods for distributing a service request for an on-demand service | |
CN110675621B (zh) | 预测交通信息的系统和方法 | |
JP6737805B2 (ja) | 将来の輸送サービス時点の予測分布を求めるシステム及び方法 | |
US9424515B2 (en) | Predicting taxi utilization information | |
CN110741402B (zh) | 用于运力调度的系统和方法 | |
TWI689744B (zh) | 用於確定預估到達時間的系統和方法及相關的非暫時性機器可讀取儲存媒體 | |
CN110462655B (zh) | 运力调度系统和方法 | |
WO2019154398A1 (en) | Systems and methods for recommending transportation services | |
CN112154473A (zh) | 用于推荐上车点的系统和方法 | |
CN111476588A (zh) | 订单需求预测方法、装置、电子设备及可读存储介质 | |
CN110998686B (zh) | 一种交通灯配时的系统和方法 | |
CN109891469B (zh) | 交通信号灯配时系统与方法 | |
WO2019001178A1 (en) | SYSTEMS AND METHODS FOR EXAMINING CHEST | |
WO2021056303A1 (en) | Systems and methods for determining a pick-up location | |
TW201903660A (zh) | 區域劃分系統和方法 | |
CN111159317B (zh) | 用于确定路径拓扑关系的系统和方法 | |
CN111433795A (zh) | 一种确定线上到线下服务的预估到达时间的系统和方法 | |
US20230291805A1 (en) | Prioritized Provision and Retrieval of Offline Map Data | |
CN111859183A (zh) | 一种上车点推荐方法、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 |