CN111861079A - 服务请求处理方法、装置、设备及存储介质 - Google Patents
服务请求处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111861079A CN111861079A CN201910977326.2A CN201910977326A CN111861079A CN 111861079 A CN111861079 A CN 111861079A CN 201910977326 A CN201910977326 A CN 201910977326A CN 111861079 A CN111861079 A CN 111861079A
- Authority
- CN
- China
- Prior art keywords
- threshold
- service
- preset
- sharing
- service request
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000011176 pooling Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000977 initiatory effect Effects 0.000 description 5
- 230000002787 reinforcement Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种服务请求处理方法、装置、设备及存储介质,涉及数据处理技术领域。其中,该方法包括:根据预设模型确定待处理服务请求对应的共享阈值;根据预设分单模型计算已成单服务与待处理服务请求之间的共享参数;根据共享参数和共享阈值,在待处理服务请求中确定已成单服务的共享服务。本申请实施例可以针对不同待处理服务请求,对共享阈值进行动态调整,从而使得在待处理服务请求中确定已成单服务的共享服务时,可以更加灵活的确定是否可以共享服务,增强服务请求处理的灵活性,提高拼单成功率。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种服务请求处理方法、装置、设备及存储介质。
背景技术
拼单一般是指在用户请求服务过程中,可以基于服务平台找到与该用户有相近服务需求的其他用户,并促使这些用户共享服务,如常见的拼单包括:网约车拼单、外卖拼单、快递拼单、酒店拼单等。
现有技术中,服务平台为用户提供拼单服务的主要方式为:接收用户输入的服务请求信息,多个不同的服务请求信息输入分单模型,通过分单模型获取不同服务请求之间可拼单的分值,进而根据拼单分值及预设阈值确定是否可以拼单。
但是,上述现有拼单服务的实现方式中,预设阈值通常为预先设定的一个固定值,导致服务平台的拼单服务方式单一,拼单成功率较低。
发明内容
有鉴于此,本申请实施例的目的在于提供一种服务请求处理方法、装置、设备及存储介质,能够在根据共享阈值和待处理服务请求与已成单服务之间的共享参数,判断不同的待处理服务请求与已成单服务是否可以进行共享服务时,针对不同的待处理服务请求对共享阈值进行动态调整,从而使得服务平台的拼单服务方式具有多样性,以解决现有技术中存在的拼单成功率较低的问题。
第一方面,本申请实施例提供了一种服务请求处理方法,该方法包括:
根据预设模型确定待处理服务请求对应的共享阈值,待处理服务请求包括:用户标识、服务请求信息、时间信息、服务区域信息;根据预设分单模型计算已成单服务与待处理服务请求之间的共享参数;根据共享参数和共享阈值,在待处理服务请求中确定已成单服务的共享服务。
可选地,上述预设模型指示时间信息和/或服务区域与共享阈值的映射关系。
可选地,上述根据预设模型确定待处理服务请求对应的共享阈值,包括:
根据预设决策模型获取待处理服务请求对应的区域时间决策值,并获取区域时间决策值对应的共享阈值。
可选地,上述预设决策模型根据标注有区域时间决策值的历史服务数据训练获取,历史服务数据包括预设时间段内的服务信息,服务信息包括下述一项或多项:服务内容、服务时间、服务费用、位置区域、是否共享服务、共享参数。
可选地,上述历史服务数据按照预设的区域时间分类。
可选地,区域时间决策值用于指示阈值放松或阈值收紧;上述获取区域时间决策值对应的共享阈值,包括:
若区域时间决策值指示阈值放松,则将预设阈值减小第一预设参数,获取共享阈值;若区域时间决策值指示阈值收紧,将预设阈值增大第二预设参数,获取共享阈值。
可选地,上述获取区域时间决策值对应的共享阈值之前,该方法还包括:
根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设阈值。
可选地,区域时间决策值用于指示阈值放松或阈值收紧;上述获取区域时间决策值对应的共享阈值,包括:
若区域时间决策值指示阈值放松,则将预设放松阈值作为共享阈值;若区域时间决策值指示阈值收紧,将预设收紧阈值作为共享阈值,其中,预设收紧阈值小于预设放松阈值。
可选地,上述获取区域时间决策值对应的共享阈值之前,该方法还包括:
根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设收紧阈值、预设放松阈值。
第二方面,本申请实施例提供了一种服务请求处理装置,该装置包括:
共享阈值确定模块,用于根据预设模型确定待处理服务请求对应的共享阈值,待处理服务请求包括:用户标识、服务请求信息、时间信息、服务区域信息;计算模块,用于根据预设分单模型计算已成单服务与待处理服务请求之间的共享参数;共享服务确定模块,用于根据共享参数和共享阈值,在待处理服务请求中确定已成单服务的共享服务。
可选地,上述预设模型指示时间信息和/或服务区域与共享阈值的映射关系。
可选地,共享阈值确定模块,具体用于根据预设决策模型获取待处理服务请求对应的区域时间决策值,并获取区域时间决策值对应的共享阈值。
可选地,上述预设决策模型根据标注有区域时间决策值的历史服务数据训练获取,历史服务数据包括预设时间段内的服务信息,服务信息包括下述一项或多项:服务内容、服务时间、服务费用、位置区域、是否共享服务、共享参数。
可选地,上述历史服务数据按照预设的区域时间分类。
可选地,区域时间决策值用于指示阈值放松或阈值收紧;上述共享阈值确定模块,具体用于若区域时间决策值指示阈值放松,则将预设阈值减小第一预设参数,获取共享阈值;若区域时间决策值指示阈值收紧,将预设阈值增大第二预设参数,获取共享阈值。
可选地,该装置还包括:第一获取模块,用于在共享阈值确定模块获取区域时间决策值对应的共享阈值之前,根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设阈值。
可选地,区域时间决策值用于指示阈值放松或阈值收紧;上述共享阈值确定模块,具体用于若区域时间决策值指示阈值放松,则将预设放松阈值作为共享阈值;若区域时间决策值指示阈值收紧,将预设收紧阈值作为共享阈值,其中,预设收紧阈值小于预设放松阈值。
可选地,该装置还包括:第二获取模块,用于在共享阈值确定模块获取区域时间决策值对应的共享阈值之前,根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设收紧阈值、预设放松阈值。
第三方面,本申请实施例提供了一种服务请求处理设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当服务请求处理设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行时执行如第一方面所述的服务请求处理方法的步骤。
第四方面,本申请实施例提供了一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行如第一方面所述的服务请求处理方法的步骤。
本申请实施例通过根据预设模型确定待处理服务请求对应的共享阈值,使得可以针对不同待处理服务请求,对共享阈值进行动态调整,从而使得根据预设分单模型计算得到的已成单服务与待处理服务请求之间的共享参数后,可以根据共享参数和共享阈值更加灵活的确定待处理服务请求与已成单服务之间是否可以共享服务,增强服务请求处理的灵活性,提高拼单成功率,进而也可以提升用户体验。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例提供的服务请求处理方法的流程示意图;
图2示出了本申请实施例提供的训练获取预设决策模型的流程示意图;
图3示出了本申请实施例提供的服务请求处理方法的另一流程示意图;
图4示出了本申请实施例提供的服务请求处理方法的又一流程示意图;
图5示出了本申请实施例提供的服务请求处理装置的结构示意图;
图6示出了本申请实施例提供的服务请求处理装置的另一结构示意图;
图7示出了本申请实施例提供的服务请求处理装置的又一结构示意图;
图8示出了本申请实施例提供的服务请求处理设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,本申请所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。还应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。在本申请的描述中,还需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本申请实施例提供一种服务请求处理方法,该方法可以应用于服务平台,服务平台可以基于该方法对用户发起的服务请求进行处理,例如,可以确定具有相近服务需求的用户,为这些用户提供用户共享服务。该方法的执行主体可以是服务平台的服务器、计算机等具有数据处理能力的设备,本申请对此不作限制。
在一些实施例中,服务器可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器可以是分布式系统)。在一些实施例中,用户可以通过手机、电脑登终端向服务器发起服务请求,服务器相对于终端,可以是本地的、也可以是远程的。例如,服务器可以经由网络访问存储在用户终端或数据库中的信息或数据。在一些实施例中,服务器还可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。
可选地,该服务平台可以是网约车服务平台、外卖服务平台、快递服务平台、酒店网络服务平台或网购服务平台等。为了使得本领域技术人员能够使用本申请内容,本申请将结合特定应用场景“拼车服务”,给出以下实施方式。虽然本申请主要围绕拼车服务进行描述,但是应该理解,这仅是一个示例性实施例,对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,也可以将这里下述实施例中所定义的一般原理,应用于其他实施例、外卖拼单服务、快递拼单服务、酒店拼单服务平台、网购拼单服务等其他应用场景中。对于本申请实施例提供的服务请求处理方法的应用场景,本申请不作限定。
图1示出了本申请实施例提供的服务请求处理方法的流程示意图。
如图1所示,该服务请求处理方法可以包括:
S101、根据预设模型确定待处理服务请求对应的共享阈值。
可选地,待处理服务请求可以是用户通过终端上的客户端提交给服务平台的。该待处理服务请求可以包括:用户标识、服务请求信息、时间信息、服务区域信息等,在此不具体限定,可以根据实际请求的服务包含对应的请求信息。
其中,预设模型的输入可以为待处理服务请求,输出可以为待处理服务请求对应的共享阈值,在预设模型中输入不同的待处理服务请求,预设模型可以输出不同待处理服务请求各自所对应的共享阈值。该预设模型可以根据历史数据训练获取,为不同待处理服务请求匹配对应的共享阈值。
可选地,本申请实施例中,待处理服务请求可以是一个或多个,当待处理服务请求为多个时,可以依次将待处理服务请求输入至预设模型,得到对应的共享阈值。针对不同待处理服务请求获取到的共享阈值可能相同,也可能不同。
S102、根据预设分单模型计算已成单服务与待处理服务请求之间的共享参数。
可选地,预设分单模型为根据历史服务数据训练获取,该历史服务数据可以包括:共享成功的历史服务数据、及共享未成功的历史服务数据。将待处理服务请求和已成单服务输入该预设分单模型后,预设分单模型可以输出已成单服务与待处理服务请求之间的共享参数。
需要说明的是,具体实现过程中,待处理服务请求和已成单服务都是用户授权可以共享的服务。
以“拼车服务”为例,假设用户A发起的服务请求为从起点M至目的地N,且用户A发起的服务请求为已成单服务;用户B发起的服务请求为从起点M至目的地W,则可以将用户A和B分别发起的服务请求输入该预设分单模型,预设分单模型可以计算得到用户A发起的服务请求与用户B发起的服务请求之间的拼单分值,拼单分值即为上述共享参数。该拼单分值可以用于表示用户A和用户B所发起服务请求的可共享程度,例如,可以表示用户A的行程与用户B的行程之间的顺路程度。
可选地,上述步骤S101和步骤S102也可以是先执行步骤S102、再执行步骤S101,或者还可以是步骤S101和步骤S102同时执行,对于步骤S101和步骤S102的执行顺序,本申请在此不作限制。
S103、根据共享参数和共享阈值,在待处理服务请求中确定已成单服务的共享服务。
可选地,在得到待处理服务请求与已成单服务之间的共享参数、以及待处理服务请求对应的共享阈值后,可以根据共享参数和共享阈值判断待处理服务请求与已成单服务之间是否可以共享服务。
例如,上述拼车服务中,共享参数可以是待处理服务请求与已成单服务之间的拼单分值,则可以判断该拼单分值是否大于或等于共享阈值,当大于或等于共享阈值时,即可确定待处理服务请求与已成单服务之间可以进行拼单,即,可以进行共享服务。
可选地,当待处理服务请求为多个时,可以按照上述方法依次判断每个待处理服务请求是否可以与已成单服务进行共享服务,满足共享用户数量后则停止,例如每次共享不能超过3名共享成员,已成单服务中包含1名成员,那么可以选择包含2名成员的待处理服务请求,或者2个包含1名成员的待处理服务请求。确定共享服务后,其他待处理服务请求可以另外确定服务或与其他已成单服务共享,本申请中不作具体限制。
举例说明,若已成单服务为S0,待处理服务请求包括:S1、S2、S3三个待处理服务请求,则可以依次判断S1、S2和S3与S0之间是否可以进行共享服务。例如,若判断得到只有S1与S0之间的拼单分值大于或等于S1对应的共享阈值,则可以确定在待处理服务请求S1、S2和S3中,S1可以与已成单服务S0拼单成功,进行共享服务。
本申请实施例提供的服务请求处理方法,通过根据预设模型确定待处理服务请求对应的共享阈值,使得可以针对不同待处理服务请求,对共享阈值进行动态调整,从而使得根据预设分单模型计算得到的已成单服务与待处理服务请求之间的共享参数后,可以根据共享参数和共享阈值更加灵活的确定待处理服务请求与已成单服务之间是否可以共享服务,增强服务请求处理的灵活性,提高拼单成功率,进而也可以提升用户体验。
可选地,可以根据历史服务数据的用户标识、服务请求信息、时间信息、服务区域信息等预先为历史服务数据设置不同的共享阈值,并建立服务请求与共享阈值之间的关联关系作为预设模型,预设模型可以通过查询该关联关系确定待处理服务请求的共享阈值;或者,也可以基于机器学习算法和预先设置有不同共享阈值的历史服务数据对神经网络进行训练,得到该预设模型,该预设模型可以针对待处理服务请求预测得到对应的共享阈值;又或者,该预设模型也可以是针对不同待处理服务请求,可以对共享阈值的大小进行调整的一些预设规则所构成的算法模型,可以预先设置一个预设共享阈值,该预设模型可以按照预设规则针对不同待处理服务请求,对预设共享阈值的大小进行调整,如可以将预设共享阈值增大或减小一定的值,得到待处理服务请求对应的共享阈值等。
一种实施方式中,上述预设模型可以指示时间信息和/或服务区域与共享阈值的映射关系。
其中,时间信息和/或服务区域与共享阈值的映射关系,可以用于根据待处理服务请求的时间信息和/或服务区域确定待处理服务请求对应的共享阈值。例如,可以针对不同服务区域和/或不同服务时间段内的待处理服务请求,可以预先设置不同的共享阈值,从而建立服务区域和/或服务时间段(时间信息)与不同共享阈值间的映射关系,作为预设模型;对于待处理服务请求,预设模型可以先获取待处理服务请求所处的服务区域和/或发起服务请求的时间所处的服务时间段,然后查询前述映射关系确定待处理服务请求对应的共享阈值。
可选地,上述时间信息和/或服务区域与共享阈值的映射关系,也可以是通过对历史服务数据标注,如:对不同服务区域或服务时间段内的历史服务订单标注不同的共享阈值,然后,基于深度学习的方法对神经网络进行训练,得到共享阈值的预设模型。将待处理服务请求输入该预设模型后,预设模型可以根据历史服务数据的时间信息和/或服务区域与共享阈值的映射关系,预测得到待处理服务请求对应的共享阈值。
以拼车服务为例,拼车服务中服务区域可以是指起点所在区域、终点所在区域等,时间信息可以是指服务请求方(如:乘客)发起拼车订单的发单时间、订单出发时间等。可以根据历史拼车订单数据的服务区域和/或时间信息、以及为各历史拼车订单预先设置的相应共享阈值,建立拼车订单的时间信息和/或服务区域与共享阈值的映射关系,例如,在预先设置共享阈值时,对于早上7:30至8:30、以及下午17:30至18:30等高峰时间段,可以将共享阈值设置为较高的值,以提高拼车订单的顺路程度,提升乘客体验;在其他非高峰时间段则可以将共享阈值设置为相对较低的值,以提高拼单成功率等。对于新的待处理拼车订单,可以根据前述映射关系确定其对应的共享阈值。
另一种实施方式中,上述根据预设模型确定待处理服务请求对应的共享阈值,可以包括:
根据预设决策模型获取待处理服务请求对应的区域时间决策值,并获取区域时间决策值对应的共享阈值。
其中,预设决策模型的输入为待处理服务请求,输出为区域时间决策值,以网约车为例,时间区域决策值可以是起点-终点-时间(Origin-Destination-Time,ODT)值;或者,以外卖为例,时间区域决策值可以是商家位置-外卖送达位置-时间值。
将待处理服务请求输入预设决策模型后,预设决策模型可以输出待处理服务请求对应的区域时间决策值,区域时间决策值可以用于指示判断待处理服务请求与已成单服务之间是否可以进行共享服务时所使用的共享阈值。
在一些实施方式中,该区域时间决策值可以是“0”或“1”,例如,“0”对应的共享阈值为60,“1”对应的共享阈值为80,则当预设决策模型输出待处理服务请求对应的区域时间决策值为“0”时,可以确定共享阈值为60;当预设决策模型输出待处理服务请求对应的区域时间决策值为“1”时,可以确定共享阈值为80。
或者,在另外一些实施方式中,该区域时间决策值也可以是其他数值或字符,且不同的区域时间决策值对应有不同的共享阈值,通过预设决策模型得到待处理服务请求的区域时间决策值,即可确定出对应的共享阈值。
又或者,在其他一些实施方式中,区域时间决策值也可以用于指示对预设共享阈值的大小进行调整,例如:可以预先设置有一个共享阈值P,当预设决策模型输出待处理服务请求对应的区域时间决策值为“1”时,可以将该共享阈值P的数值调大,如:可以由70调整为80;当预设决策模型输出待处理服务请求对应的区域时间决策值为“0”时,可以将该共享阈值P的数值调小,如:可以由70调整为60等。
可选地,本申请实施例中,待处理服务请求可以是一个或多个,当待处理服务请求为多个时,针对每个待处理服务请求,均可以将其输入预设决策模型,得到对应的区域时间决策值,然后,可以基于该区域时间决策值获取到对应的共享阈值。针对不同待处理服务请求获取到的区域时间决策值或共享阈值可能相同,也可能不同。
可选地,上述预设决策模型可以根据标注有区域时间决策值的历史服务数据训练获取,历史服务数据可以包括预设时间段内的服务信息,服务信息可以包括下述一项或多项:服务内容、服务时间、服务费用、位置区域、是否共享服务、共享参数。
其中,预设时间段可以是过去一天、过去一周或过去一个月等,本申请在此不作限制。例如,可以获取预设时间段内的历史服务信息,并针对不同的历史服务信息标注相应的区域时间决策值,然后,可以基于标注有区域时间决策值的历史服务信息,对神经网络、深度学习模型等进行训练,得到上述预设决策模型。
可选地,本申请实施例中,可以采用多Agent强化学习模型,对历史服务数据进行训练,以获取预设决策模型。
图2示出了本申请实施例提供的训练获取预设决策模型的流程示意图,如图2所示,训练获取预设决策模型的步骤可以包括:
S201、获取标注有区域时间决策值的历史服务数据。
以拼车服务为例,历史服务数据可以是预设时间段内(过去一天、过去一周或过去一个月等)的历史服务订单,历史服务订单可以包括下述一项或多项:服务内容(如:拼车)、服务时间(如:订单发起时间、订单结束时间、订单时长)、服务费用(如:订单预估费用、订单实际结算费用等)、位置区域(如:拼车起点、拼车终点)、是否共享服务(如:拼单成功、拼单未成功)、共享参数(即上述拼单分值)。可选地,可以对历史服务数据标注相应的区域时间决策值。
S202、基于多Agent强化学习模型,将历史服务数据作为输入、标注的区域时间决策值作为输出进行训练,得到预设决策模型。
同样以拼车服务为例,可以将历史服务订单作为多Agent强化学习模型的输入,将历史服务订单对应的已标注区域时间决策值作为多Agent强化学习模型的输出,对多Agent强化学习模型进行训练,从而得到预设决策模型。
可选地,上述历史服务数据按照预设的区域时间分类。
例如,对于拼车服务中的历史服务订单,可以基于拼车起点或拼车终点,对历史服务订单进行聚类分析,将其划分为不同的区域,针对不同区域对应的历史服务订单,可以为其标注不同的区域时间决策值。假设,区域时间决策值越小,表明对应的共享阈值小,区域时间决策值越大,表明对应的共享阈值越大;则,对于较为偏僻(可拼车辆较多)区域内的历史服务订单,可以为其标注相对较小的区域时间决策值,以使得根据拼单分值与共享阈值进行比较是否可以拼车时,对应的共享阈值较小而更加容易拼车成功;而对于较为繁华(可拼车辆较多)区域内的历史服务订单,则可以为其标注相对较大的区域时间决策值,以使得根据拼单分值与共享阈值进行比较是否可以拼车时,拼车顺路程度更高,以提高用户(乘客或司机)的服务体验。
或者,本申请一些实施例中也可以基于拼车服务请求的发起时间或结束时间,对历史服务订单进行聚类分析,将其划分为不同的时间段,针对不同时间段对应的历史服务订单,同样可以为其标注不同的区域时间决策值。例如,对于上下班时间(如:早上7:30至9:30、下午17:30至18:30等)内的历史服务订单,可以为其标注相对较大的区域时间决策值,以使得根据拼单分值与共享阈值进行比较是否可以拼车时,拼车顺路程度更高,减少绕路等情况的发生,以提高用户(乘客或司机)的服务体验;而对于其他出行人员相对疏散的时间段(如:下午三点左右、早上十点左右等)内的历史服务订单,则可以为其标注相对较小的区域时间决策值,以使得根据拼单分值与共享阈值进行比较是否可以拼车时,对应的共享阈值较小而更加容易拼车成功,减少用户的等车时间,同样可以提高用户的服务体验。
可选地,本申请部分实施例中,区域时间决策值用于指示阈值放松或阈值收紧;相应地,上述获取区域时间决策值对应的共享阈值,可以包括:
若区域时间决策值指示阈值放松,则将预设阈值减小第一预设参数,获取共享阈值;若区域时间决策值指示阈值收紧,将预设阈值增大第二预设参数,获取共享阈值。
其中,第一预设参数和第二预设参数可以相同,也可以不同。
以上述拼车服务、及区域时间决策值包括“0”和“1”为例:假设,区域时间决策值为“0”时,用于指示阈值放松;区域时间决策值为“1”时,用于指示阈值收紧;预设阈值为P,第一预设参数为a,第二预设参数为b。
对于任一待处理服务请求,若预设决策模型输出待处理服务请求对应的区域时间决策值为“0”,则表示需要将阈值放松,可以将预设阈值P减小第一预设参数a,即,获取到的共享阈值为“P-a”;若预设决策模型输出待处理服务请求对应的区域时间决策值为“1”,则表示需要将阈值收紧,可以将预设阈值P增大第二预设参数b,即,获取到的共享阈值为“P+b”。a可以等于b,也可以大于或小于b。
例如,若预设阈值P为80,a和b均为10,则当区域时间决策为“0”时,共享阈值为:80-10=70;当区域时间决策为“1”时,共享阈值为:80+10=90。
也即,本申请实施例中,可以预先设置有预设阈值,通过该服务请求处理方法,可以获取到待处理服务请求对应的区域时间决策值,基于该区域时间决策值可以对预设阈值的大小进行调整,得到共享阈值,从而实现针对不同的待处理服务请求对共享阈值进行动态调整。
可选地,上述获取区域时间决策值对应的共享阈值之前,该服务请求处理方法还可以包括:
根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设阈值。
可选地,本申请实施例中,针对不同服务区域、不同服务时间段内的待处理服务请求,可以预先设置不同的预设阈值。例如,可以建立服务区域或服务时间段与不同预设阈值间的关联关系,对于待处理服务请求,可以先获取待处理服务请求所处的服务区域、或发起服务请求的时间所处的服务时间段,然后根据前述关联关系确定待处理服务请求对应的预设阈值。
可选地,上述服务区域或服务时间段与不同预设阈值间的关联关系,也可以是通过对历史服务数据标注,如:对不同服务区域或服务时间段内的历史服务订单标注不同的预设阈值,然后,基于深度学习的方法对神经网络进行训练,得到预设阈值的预设模型,作为前述关联关系。即,将待处理服务请求输入该预设阈值的预设模型中,即可得到匹配的预设阈值。
图3示出了本申请实施例提供的服务请求处理方法的另一流程示意图。
可选地,如图3所示,一种可能的实施方式中,通过本申请实施例提供的服务请求处理方法对待处理服务请求进行处理的具体步骤可以如下:
S310、根据预设决策模型获取待处理服务请求对应的区域时间决策值。
S320、根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设阈值。
S331、若区域时间决策值指示阈值放松,则将预设阈值减小第一预设参数,获取共享阈值。
S332、若区域时间决策值指示阈值收紧,将预设阈值增大第二预设参数,获取共享阈值。
S340、根据预设分单模型计算已成单服务与待处理服务请求之间的共享参数。
S350、根据共享参数和共享阈值,在待处理服务请求中确定已成单服务的共享服务。
可选地,本申请其他实施例中,区域时间决策值用于指示阈值放松或阈值收紧时,上述获取区域时间决策值对应的共享阈值,也可以包括:
若区域时间决策值指示阈值放松,则将预设放松阈值作为共享阈值;若区域时间决策值指示阈值收紧,将预设收紧阈值作为共享阈值,其中,预设收紧阈值小于预设放松阈值。
同样以上述拼车服务、及区域时间决策值包括“0”和“1”为例:假设,区域时间决策值为“0”时,用于指示阈值放松;区域时间决策值为“1”时,用于指示阈值收紧;预设放松阈值为P1,预设收紧阈值为P2,且P1大于P2。
对于任一待处理服务请求,若预设决策模型输出待处理服务请求对应的区域时间决策值为“0”,则表示需要将阈值放松,可以将预设放松阈值P1作为共享阈值;若预设决策模型输出待处理服务请求对应的区域时间决策值为“1”,则表示需要将阈值收紧,可以将预设收紧阈值P2作为共享阈值。
例如,若预设放松阈值为70,预设收紧阈值为90,则当区域时间决策为“0”时,共享阈值为:70;当区域时间决策为“1”时,共享阈值为:90。
也即,本申请实施例中,也可以预先设置有预设放松阈值和预设收紧阈值两种预设阈值,通过该服务请求处理方法,可以获取到待处理服务请求对应的区域时间决策值,基于该区域时间决策值可以从预设放松阈值和预设收紧阈值中选择合适的预设阈值作为共享阈值,从而实现针对不同的待处理服务请求对共享阈值进行动态调整。
可选地,上述获取区域时间决策值对应的共享阈值之前,该服务请求处理方法还可以包括:
根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设收紧阈值、预设放松阈值。
类似地,本申请实施例中,也可以针对不同服务区域、不同服务时间段内的待处理服务请求,预先设置不同的预设阈值,与前述实施例的区别在于,针对每个待处理服务请求,可以预先设置预设收紧阈值和预设放松阈值两个不同的预设阈值。例如,可以建立服务区域或服务时间段与不同预设阈值间的关联关系,但该关联关系中,每个服务区域或每个服务时间段对应具有预设收紧阈值和预设放松阈值两个不同的预设阈值。对于待处理服务请求,可以先获取待处理服务请求所处的服务区域、或发起服务请求的时间所处的服务时间段,然后根据前述关联关系确定待处理服务请求对应的预设收紧阈值和预设放松阈值。
可选地,也可以采用机器学习的方法,对标注有预设收紧阈值和预设放松阈值的历史服务数据进行训练,得到预设收紧阈值和预设放松阈值的预设模型,然后,将待处理服务请求输入预设收紧阈值和预设放松阈值的预设模型中,即可得到匹配的预设收紧阈值、预设放松阈值,本申请在此不再赘述。
图4示出了本申请实施例提供的服务请求处理方法的又一流程示意图。
可选地,如图4所示,另外一种可能的实施方式中,通过本申请实施例提供的服务请求处理方法对待处理服务请求进行处理的具体步骤也可以如下:
S410、根据预设决策模型获取待处理服务请求对应的区域时间决策值。
S420、根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设收紧阈值、预设放松阈值。
其中,预设收紧阈值小于预设放松阈值。
S431、若区域时间决策值指示阈值放松,则将预设放松阈值作为共享阈值。
S432、若区域时间决策值指示阈值收紧,将预设收紧阈值作为共享阈值。
S440、根据预设分单模型计算已成单服务与待处理服务请求之间的共享参数。
S450、根据共享参数和共享阈值,在待处理服务请求中确定已成单服务的共享服务。
本申请实施例中,图3和图4所示的两种服务请求处理方法,均可以实现对待处理服务请求对应的共享阈值进行动态调整,技术效果均已在前述实施例中描述,在此不再赘述。
可选地,本申请实施例还提供一种服务请求处理方法,该方法可以先获取标注有ODT值的历史服务数据,然后对历史服务数据进行按照区域或时间段进行聚类,得到多个类别的历史服务数据。每个类别的历史服务数据,均可以生成对应的ODT值表,每个ODT值表具有相应的共享阈值。对于任一待处理服务请求,可以先获取待处理服务请求的类别,确定出待处理服务请求对应的ODT值表,进而可以将ODT值表对应的共享阈值作为待处理服务请求对应的共享阈值。
例如,可以将历史服务数据按照时间段进行划分,如:对于过去一天的历史服务数据,可以以半小时为间隔,将一天划分为48个时间片,并根据历史服务数据的服务时间,将历史服务数据分别划分到48个时间片分别对应的类别中,得到48个类别的历史服务数据。针对每个时间片对应的历史服务数据,可以根据标注的ODT值,建立该时间片对应的类别所对应的ODT值表。如下表1所示,表1示出了一种可能的ODT值表:
表1
T<sub>n</sub> | O1 | O2 | O3 | … |
D1 | 0 | 1 | 0 | 1 |
D2 | 1 | 1 | 0 | 1 |
D3 | 1 | 1 | 1 | 0 |
… | 0 | 1 | 0 | 1 |
表1中,ODT值为“1”表示阈值收紧,ODT值为“0”表示阈值放松。每个ODT值表可以对应具有一个共享阈值,不同ODT值表的共享阈值可以进行预先设置,例如,可以根据ODT值表中“1”和“0”的相对占比,确定共享阈值的设置大小,如:若“1”的占比较大,则可以将共享阈值设置为较大的值,若“0”的占比较大,则可以将共享阈值设置为较小的值等。
可选地,本申请实施例中,还可以根据每个时间片计费比对对应的ODT值表的共享阈值进行调整,其中,计费比表示全部司机拼成和拼不成的收益差。例如,在拼车服务中,对于任一时间片而言,该时间片对应的历史服务数据包括:拼成订单和未拼成订单;可以根据拼车订单的收益和未拼车订单的收益计算得到该时间片对应的计费比;当该时间片对应的计费比较大时,可以适当将相应的ODT值表的共享阈值进行增大;当该时间片对应的计费比较小时,可以适当将相应的ODT值表的共享阈值进行减小,以保证服务质量的提高。
基于前述方法实施例,对应的,本申请实施例还提供一种服务请求处理装置,图5示出了本申请实施例提供的服务请求处理装置的结构示意图。
如图5所示,该服务请求处理装置可以包括:共享阈值确定模块11、计算模块12和共享服务确定模块13。
共享阈值确定模块11用于根据预设模型确定待处理服务请求对应的共享阈值,待处理服务请求包括:用户标识、服务请求信息、时间信息、服务区域信息。计算模块12用于根据预设分单模型计算已成单服务与待处理服务请求之间的共享参数。共享服务确定模块13用于根据共享参数和共享阈值,在待处理服务请求中确定已成单服务的共享服务。
可选地,上述预设模型指示时间信息和/或服务区域与共享阈值的映射关系。
可选地,共享阈值确定模块,具体用于根据预设决策模型获取待处理服务请求对应的区域时间决策值,并获取区域时间决策值对应的共享阈值。
可选地,上述预设决策模型根据标注有区域时间决策值的历史服务数据训练获取,历史服务数据包括预设时间段内的服务信息,服务信息包括下述一项或多项:服务内容、服务时间、服务费用、位置区域、是否共享服务、共享参数。
可选地,上述历史服务数据按照预设的区域时间分类。
可选地,区域时间决策值用于指示阈值放松或阈值收紧;上述共享阈值确定模块11具体可以用于若区域时间决策值指示阈值放松,则将预设阈值减小第一预设参数,获取共享阈值;若区域时间决策值指示阈值收紧,将预设阈值增大第二预设参数,获取共享阈值。
图6示出了本申请实施例提供的服务请求处理装置的另一结构示意图。
可选地,如图6所示,该服务请求处理装置还可以包括:第一获取模块14,用于在共享阈值确定模块11获取区域时间决策值对应的共享阈值之前,根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设阈值。
可选地,区域时间决策值用于指示阈值放松或阈值收紧;上述共享阈值确定模块11具体用于若区域时间决策值指示阈值放松,则将预设放松阈值作为共享阈值;若区域时间决策值指示阈值收紧,将预设收紧阈值作为共享阈值,其中,预设收紧阈值小于预设放松阈值。
图7示出了本申请实施例提供的服务请求处理装置的又一结构示意图。
可选地,如图7所示,该服务请求处理装置还可以包括:第二获取模块15,用于在共享阈值确定模块11获取区域时间决策值对应的共享阈值之前,根据待处理服务请求对应的服务区域和服务时间,获取匹配的预设收紧阈值、预设放松阈值。
上述装置可以集成于终端或服务器等设备,本申请在此不作限制。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质可以包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
基于此,本申请实施例还提供一种服务请求处理设备,该设备可以是上述个人计算机、服务器、或者网络设备等具有数据处理能力的设备,图8示出了本申请实施例提供的服务请求处理设备的结构示意图。
如图8所示,该服务请求处理设备可以包括:处理器21、存储介质22和总线23,存储介质22存储有处理器21可执行的机器可读指令,当服务请求处理设备运行时,处理器21与存储介质22之间通过总线23通信,处理器21执行机器可读指令,以执行时执行如前述方法实施例中所述的服务请求处理方法的步骤。具体实现方式和技术效果类似,在此不再赘述。
为了便于说明,在上述服务请求处理设备中仅描述了一个处理器。然而,应当注意,本申请中的服务请求处理还可以包括多个处理器,因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如,若服务请求处理的处理器执行步骤A和步骤B,则应该理解,步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一处理器和第二处理器共同执行步骤A和B等。
在一些实施例中,处理器可以包括一个或多个处理核(例如,单核处理器(S)或多核处理器(S))。仅作为举例,处理器可以包括中央处理单元(Central Processing Unit,CPU)、专用集成电路(Application Specific Integrated Circuit,ASIC)、专用指令集处理器(Application Specific Instruction-set Processor,ASIP)、图形处理单元(Graphics Processing Unit,GPU)、物理处理单元(Physics Processing Unit,PPU)、数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field ProgrammableGate Array,FPGA)、可编程逻辑器件(Programmable Logic Device,PLD)、控制器、微控制器单元、简化指令集计算机(Reduced Instruction Set Computing,RISC)、或微处理器等,或其任意组合。
可选地,本申请实施例还提供一种程序产品,该程序产品可以是上述U盘、移动硬盘、ROM、RAM、磁碟或者光盘等存储介质,存储介质上可以存储有计算机程序,计算机程序被处理器运行时执行如前述方法实施例中所述的服务请求处理方法的步骤。具体实现方式和技术效果类似,在此同样不再赘述。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (20)
1.一种服务请求处理方法,其特征在于,所述方法包括:
根据预设模型确定待处理服务请求对应的共享阈值,所述待处理服务请求包括:用户标识、服务请求信息、时间信息、服务区域信息;
根据预设分单模型计算已成单服务与所述待处理服务请求之间的共享参数;
根据所述共享参数和共享阈值,在所述待处理服务请求中确定所述已成单服务的共享服务。
2.根据权利要求1所述的方法,其特征在于,所述预设模型指示时间信息和/或服务区域与所述共享阈值的映射关系。
3.根据权利要求1所述的方法,其特征在于,所述根据预设模型确定待处理服务请求对应的共享阈值,包括:
根据预设决策模型获取待处理服务请求对应的区域时间决策值,并获取所述区域时间决策值对应的共享阈值。
4.根据权利要求3所述的方法,其特征在于,所述预设决策模型根据标注有区域时间决策值的历史服务数据训练获取,所述历史服务数据包括预设时间段内的服务信息,所述服务信息包括下述一项或多项:服务内容、服务时间、服务费用、位置区域、是否共享服务、共享参数。
5.根据权利要求4所述的方法,其特征在于,所述历史服务数据按照预设的区域时间分类。
6.根据权利要求3-5任一项所述的方法,其特征在于,所述区域时间决策值用于指示阈值放松或阈值收紧;
所述获取所述区域时间决策值对应的共享阈值,包括:
若所述区域时间决策值指示阈值放松,则将预设阈值减小第一预设参数,获取所述共享阈值;
若所述区域时间决策值指示阈值收紧,将预设阈值增大第二预设参数,获取所述共享阈值。
7.根据权利要求6所述的方法,其特征在于,所述获取所述区域时间决策值对应的共享阈值之前,还包括:
根据所述待处理服务请求对应的服务区域和服务时间,获取匹配的所述预设阈值。
8.根据权利要求3-5任一项所述的方法,其特征在于,所述区域时间决策值用于指示阈值放松或阈值收紧;
所述获取所述区域时间决策值对应的共享阈值,包括:
若所述区域时间决策值指示阈值放松,则将预设放松阈值作为所述共享阈值;
若所述区域时间决策值指示阈值收紧,将预设收紧阈值作为所述共享阈值,其中,所述预设收紧阈值小于所述预设放松阈值。
9.根据权利要求8所述的方法,其特征在于,所述获取所述区域时间决策值对应的共享阈值之前,还包括:
根据所述待处理服务请求对应的服务区域和服务时间,获取匹配的所述预设收紧阈值、所述预设放松阈值。
10.一种服务请求处理装置,其特征在于,所述装置包括:
共享阈值确定模块,用于根据预设模型确定待处理服务请求对应的共享阈值,所述待处理服务请求包括:用户标识、服务请求信息、时间信息、服务区域信息;
计算模块,用于根据预设分单模型计算已成单服务与所述待处理服务请求之间的共享参数;
共享服务确定模块,用于根据所述共享参数和共享阈值,在所述待处理服务请求中确定所述已成单服务的共享服务。
11.根据权利要求10所述的装置,其特征在于,所述预设模型指示时间信息和/或服务区域与所述共享阈值的映射关系。
12.根据权利要求10所述的装置,其特征在于,所述共享阈值确定模块,具体用于根据预设决策模型获取待处理服务请求对应的区域时间决策值,并获取所述区域时间决策值对应的共享阈值。
13.根据权利要求12所述的装置,其特征在于,所述预设决策模型根据标注有区域时间决策值的历史服务数据训练获取,所述历史服务数据包括预设时间段内的服务信息,所述服务信息包括下述一项或多项:服务内容、服务时间、服务费用、位置区域、是否共享服务、共享参数。
14.根据权利要求13所述的装置,其特征在于,所述历史服务数据按照预设的区域时间分类。
15.根据权利要求12-14任一项所述的装置,其特征在于,所述区域时间决策值用于指示阈值放松或阈值收紧;
所述共享阈值确定模块,具体用于若所述区域时间决策值指示阈值放松,则将预设阈值减小第一预设参数,获取所述共享阈值;
若所述区域时间决策值指示阈值收紧,将预设阈值增大第二预设参数,获取所述共享阈值。
16.根据权利要求15所述的装置,其特征在于,还包括:第一获取模块,用于在所述共享阈值确定模块获取所述区域时间决策值对应的共享阈值之前,根据所述待处理服务请求对应的服务区域和服务时间,获取匹配的所述预设阈值。
17.根据权利要求12-14任一项所述的装置,其特征在于,所述区域时间决策值用于指示阈值放松或阈值收紧;
所述共享阈值确定模块,具体用于若所述区域时间决策值指示阈值放松,则将预设放松阈值作为所述共享阈值;
若所述区域时间决策值指示阈值收紧,将预设收紧阈值作为所述共享阈值,其中,所述预设收紧阈值小于所述预设放松阈值。
18.根据权利要求17所述的装置,其特征在于,还包括:第二获取模块,用于在所述共享阈值确定模块获取所述区域时间决策值对应的共享阈值之前,根据所述待处理服务请求对应的服务区域和服务时间,获取匹配的所述预设收紧阈值、所述预设放松阈值。
19.一种服务请求处理设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当服务请求处理设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1至9任一项所述的服务请求处理方法的步骤。
20.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至9任一项所述的服务请求处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910977326.2A CN111861079B (zh) | 2019-10-15 | 2019-10-15 | 服务请求处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910977326.2A CN111861079B (zh) | 2019-10-15 | 2019-10-15 | 服务请求处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861079A true CN111861079A (zh) | 2020-10-30 |
CN111861079B CN111861079B (zh) | 2024-07-19 |
Family
ID=72970658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910977326.2A Active CN111861079B (zh) | 2019-10-15 | 2019-10-15 | 服务请求处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861079B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004192366A (ja) * | 2002-12-12 | 2004-07-08 | Hitachi Kokusai Electric Inc | 配車システム |
CN102903046A (zh) * | 2011-07-25 | 2013-01-30 | 上海博路信息技术有限公司 | 一种移动终端的实时拼车系统 |
CN102903020A (zh) * | 2011-07-25 | 2013-01-30 | 上海博路信息技术有限公司 | 一种拼车系统实时撮合方法 |
CN103050003A (zh) * | 2011-10-17 | 2013-04-17 | 通用汽车环球科技运作有限责任公司 | 拼车服务 |
CN104408910A (zh) * | 2014-11-24 | 2015-03-11 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 多方有益的出租车拼车调度方法 |
CN104933136A (zh) * | 2015-06-15 | 2015-09-23 | 北方工业大学 | 基于海量车牌自动识别数据的动态拼车方法和系统 |
US20170270447A1 (en) * | 2014-09-02 | 2017-09-21 | Telecom Italia S.P.A. | Method and system for providing a dynamic ride sharing service |
CN108876156A (zh) * | 2018-06-25 | 2018-11-23 | 清华大学 | 拼车及用户订单处理方法、系统及所适用的设备 |
CN109949068A (zh) * | 2019-01-09 | 2019-06-28 | 深圳北斗应用技术研究院有限公司 | 一种基于预测结果的实时拼车方法和装置 |
CN110047279A (zh) * | 2019-04-04 | 2019-07-23 | 东南大学 | 一种基于订单数据确定共享单车调度量的方法 |
-
2019
- 2019-10-15 CN CN201910977326.2A patent/CN111861079B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004192366A (ja) * | 2002-12-12 | 2004-07-08 | Hitachi Kokusai Electric Inc | 配車システム |
CN102903046A (zh) * | 2011-07-25 | 2013-01-30 | 上海博路信息技术有限公司 | 一种移动终端的实时拼车系统 |
CN102903020A (zh) * | 2011-07-25 | 2013-01-30 | 上海博路信息技术有限公司 | 一种拼车系统实时撮合方法 |
CN103050003A (zh) * | 2011-10-17 | 2013-04-17 | 通用汽车环球科技运作有限责任公司 | 拼车服务 |
US20170270447A1 (en) * | 2014-09-02 | 2017-09-21 | Telecom Italia S.P.A. | Method and system for providing a dynamic ride sharing service |
CN104408910A (zh) * | 2014-11-24 | 2015-03-11 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 多方有益的出租车拼车调度方法 |
CN104933136A (zh) * | 2015-06-15 | 2015-09-23 | 北方工业大学 | 基于海量车牌自动识别数据的动态拼车方法和系统 |
CN108876156A (zh) * | 2018-06-25 | 2018-11-23 | 清华大学 | 拼车及用户订单处理方法、系统及所适用的设备 |
CN109949068A (zh) * | 2019-01-09 | 2019-06-28 | 深圳北斗应用技术研究院有限公司 | 一种基于预测结果的实时拼车方法和装置 |
CN110047279A (zh) * | 2019-04-04 | 2019-07-23 | 东南大学 | 一种基于订单数据确定共享单车调度量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111861079B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600057B (zh) | 一种快递配送任务调度方法及装置 | |
CN108269087B (zh) | 位置信息的处理方法及装置 | |
CN112819576B (zh) | 充电站推荐模型的训练方法、装置、及充电站的推荐方法 | |
CN110570003A (zh) | 一种基于空闲行程车辆的预约出行订单的派单方法和装置 | |
CN107844843B (zh) | 一种订单处理方法及服务器 | |
CN108399460B (zh) | 网络约车订单分配处理方法及服务器 | |
CN110782301A (zh) | 一种拼单方法、装置、电子设备及计算机可读存储介质 | |
CN111860902A (zh) | 订单处理方法、装置、设备及计算机可读存储介质 | |
CN112329965B (zh) | 乘车服务调度方法、装置、电子设备及存储介质 | |
CN111353092A (zh) | 服务推送方法、装置、服务器及可读存储介质 | |
CN108989063B (zh) | 群组账户数据的处理方法、装置、设备及可读存储介质 | |
CN111899061A (zh) | 订单推荐方法、装置、设备及存储介质 | |
CN113923529A (zh) | 直播连麦方法、装置、设备以及存储介质 | |
CN110889738B (zh) | 一种订单派发方法及装置 | |
CN107786600B (zh) | 一种司机终端推荐处理方法及服务器 | |
CN110992123B (zh) | 一种订单派发方法及装置 | |
CN111178558B (zh) | 网约车订单处理方法及装置、计算机设备和可读存储介质 | |
CN110910557A (zh) | 一种业务办理时长预测方法、装置、服务器及存储介质 | |
CN110910202B (zh) | 一种订单处理方法及装置 | |
CN111861079A (zh) | 服务请求处理方法、装置、设备及存储介质 | |
JP2019220081A (ja) | 共用車管理システム | |
CN110853333A (zh) | 一种基于实时单行程车辆的预约单派单方法和装置 | |
CN110163700B (zh) | 分单方法、装置、服务器和介质 | |
CN111612286B (zh) | 一种订单分配方法、装置、电子设备及存储介质 | |
CN111260424A (zh) | 一种信息处理方法及装置 |
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 |