CN112990527A - 一种时效估算方法和装置 - Google Patents
一种时效估算方法和装置 Download PDFInfo
- Publication number
- CN112990527A CN112990527A CN201911301686.7A CN201911301686A CN112990527A CN 112990527 A CN112990527 A CN 112990527A CN 201911301686 A CN201911301686 A CN 201911301686A CN 112990527 A CN112990527 A CN 112990527A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- task
- time
- determining
- task node
- 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 71
- 230000032683 aging Effects 0.000 title claims abstract description 42
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013439 planning Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000012797 qualification Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000153 supplemental 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种时效估算方法和装置，其中，该方法包括：当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点；确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间；根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。通过本发明实施例提供的时效估算方法和装置，可以针对车辆交付任务路径中确定的业务节点对交付车辆的履约时间进行计算，提高了履约时效的准确率。
Description
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种时效估算方法和装置。
背景技术
目前，在车辆买卖的流程中，为了提高客户的车辆购买体验，可以在收到客户的首付款后，对办理车辆的过户、上牌等手续的履约时效进行估算，然后根据评估得到的履约时效确定向客户的交车时间，并将确定的交车时间告知客户。
相关技术中，基于历史数据的统计均值对履约时效进行估算。
但是履约时效的估算过程由于涉及到多部门角色合作的过程，耗时长且业务流程复杂，导致通过统计历史数据均值得到的履约时效并不准确。
发明内容
为解决上述问题，本发明实施例的目的在于提供一种时效估算方法和装置。
第一方面，本发明实施例提供了一种时效估算方法，包括：
当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点；
确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间；
根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。
第二方面，本发明实施例还提供了一种时效估算装置，包括：
确定模块，用于当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点；
处理模块，用于确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间；
计算模块，用于根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。
第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质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上述第一方面所述的方法的步骤。
第四方面，本发明实施例还提供了一种时效估算装置，所述时效估算装置包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行上述第一方面所述的方法的步骤。
本发明实施例上述第一方面至第四方面提供的方案中，通过确定客户交付首付资源信息后的车辆交付任务路径中各任务节点的预测执行时间，并根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间，与相关技术中基于历史数据的统计均值对履约时效进行估算的方式相比，可以先确定出客户交付首付资源信息后的车辆交付任务路径，并基于车辆交付任务路径中各所述任务节点的预测执行时间计算向所述客户交付车辆的履约时间，从而针对车辆交付任务路径中确定的业务节点对交付车辆的履约时间进行计算，比简单的统计历史数据均值得到的履约时效的准确率更高，提高了客户的购车体验；而且，只需针对车辆交付任务路径中确定的业务节点进行履约时效预估，无需关心上层业务流程变更，可快速接入新业务，极大的减少了开发工作量。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了一种可应用于本发明实施例中的上述服务器的结构框图；
图2示出了本发明实施例1所提供的一种时效估算方法的流程图；
图3示出了本发明实施例1所提供的时效估算方法中，车辆交付任务路径的一种实现方式；
图4示出了本发明实施例2所提供的一种时效估算装置的结构示意图；
图5示出了本发明实施例3所提供的另一种时效估算装置的结构示意图。
具体实施方式
目前，在车辆买卖的流程中，为了提高客户的车辆购买体验，可以在收到客户的首付款后，对办理车辆的过户、上牌等手续的履约时效进行估算，然后根据评估得到的履约时效确定向客户的交车时间，并将确定的交车时间告知客户。相关技术中，基于历史数据的统计均值对履约时效进行估算。但是履约时效的估算过程由于涉及到多部门角色合作的过程，耗时长且业务流程复杂，导致通过统计历史数据均值得到的履约时效并不准确。
基于此，本实施例提出一种时效估算方法和装置，可以先确定出客户交付首付资源信息后的车辆交付任务路径，并基于车辆交付任务路径中各所述任务节点的预测执行时间计算向所述客户交付车辆的履约时间，从而针对车辆交付任务路径中确定的业务节点对交付车辆的履约时间进行计算，比简单的统计历史数据均值得到的履约时效的准确率更高，提高了客户的购车体验；而且，只需针对车辆交付任务路径中确定的业务节点进行履约时效预估，无需关心上层业务流程变更，可快速接入新业务，极大的减少了开发工作量。
图1示出了一种可应用于本发明实施例中的上述服务器的结构框图。如图1所示，服务器200包括：存储器201、处理器202以及网络模块203。
存储器201可用于存储软件程序以及模块，如本发明实施例中的时效估算方法和装置对应的程序指令/模块，处理器202通过运行存储在存储器201内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本发明实施例中的时效估算方法。存储器201可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。进一步地，上述软件程序以及模块还可包括：操作系统221以及服务模块222。其中操作系统221，例如可为LINUX、UNIX、WINDOWS，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通讯，从而提供其他软件组件的运行环境。服务模块222运行在操作系统221的基础上，并通过操作系统221的网络服务监听来自网络的请求，根据请求完成相应的数据处理，并返回处理结果给客户端。也就是说，服务模块222用于向客户端提供网络服务。
网络模块203用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
可以理解，图1所示的结构仅为示意，服务器200还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。另外，本发明实施例中的服务器还可以包括多个具体不同功能的服务器。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请做进一步详细的说明。
实施例1
本实施例提出一种时效估算方法，执行主体就是上述服务器。
参见图2所示的一种时效估算方法的流程图，本实施例提出一种时效估算方法，包括以下具体步骤：
步骤100、当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点。
在上述步骤100中，当客户与车商洽谈好车辆购买的订单后，工作人员就会将客户的订单信息上传至服务器。服务器对工作人员上传的订单信息进行存储。
所述订单信息，包括但不限于：客户信息、购买车辆的车款、购买车辆(即需要向客户交付的车辆)的车架号、车辆(即需要向客户交付的车辆)所在地、交车城市、购车资源信息和首付资源信息。
所述客户信息。包括但不限于：客户名称以及客户证件标识。
所述首付资源信息，用于表示车辆的首付费用。
所述购车资源信息，用于表示车辆的全款费用。
所述车辆所在地，用于表示车辆所在仓库的地点。
所述交车城市，用于表示客户选择的交车地点。
当确定客户支付所述首付资源信息后，工作人员就会触发在服务器中运行的单源最短路径(Dijkstra)动态规划查找算法，从任务有向图中确定出车辆交付任务路径。
只有将所述车辆交付任务路径中的所有任务节点对应的任务执行完成后，才可以向客户交付车辆。
所述任务有向图，存储在服务器中，用于存储有各种任务节点以及各种任务节点之间的任务执行顺序。
通过在服务器中存储所述任务有向图，并在所述任务有向图中配置了各种任务节点之间的任务执行顺序，使得所有车辆交付任务路径中名称相同的任务节点都是一致的，无需担心不同车辆交付任务路径中名称相同的任务节点的数据不一致的风险。
在一个实施方式中，所述任务有向图中具有任务节点A和任务节点B；其中，设置任务节点A执行完毕后可以执行任务节点B，那么在任务有向图中，用任务节点A可达(箭头)任务节点B的方式，表达任务节点A执行完毕后可以执行任务节点B的执行顺序。
在有新的任务节点加入到任务有向图中时，可以根据业务的需要，针对新加入的任务节点配置新的任务节点执行顺序，或者利用新加入的任务节点对已有的任务节点之间的执行顺序进行更改，从而可以很好的处理高度并行化的业务流程。
当实际业务节点的执行顺序发生变化时，仅需简单修改业务节点之间的执行顺序，即可快速响应实际业务的变更，极大的减少了业务流程变更带来的改动代价。
所述服务器可以使用现有的任何Dijkstra动态规划查找算法，从任务有向图中确定出车辆交付任务路径，这里不再赘述。
所述车辆交付任务路径，可以包括但不限于以下任务节点：首付资源信息、绑定进项票、签收合格证、缴税以及补充缴税字段。在一个实施方式中，参见图3所示的以首付资源信息为起始任务节点的车辆交付任务路径的示意图，上述首付资源信息、绑定进项票、签收合格证、缴税以及补充缴税字段各任务节点组成的车辆交付任务路径。
当然，图3描述的车辆交付任务路径仅为示意，车辆交付任务路径还可以有其他的任何形式，这里不再一一赘述。
在通过上述步骤100确定出客户交付首付资源信息后的车辆交付任务路径后，可以继续执行以下步骤102，得到所述车辆交付任务路径中各所述任务节点的预测执行时间。
步骤102、确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间。
为了得到各所述任务节点的预测执行时间，上述步骤202可以执行以下步骤(1)至步骤(2)：
(1)获取当前时间往前的一段时间内所述至少两个任务节点中各任务节点的多个完成时间；
(2)分别对当前时间往前的一段时间内各任务节点的多个完成时间按照从短到长的顺序进行排序，并分别将各任务节点排序后的多个完成时间中位于预设分位值的完成时间确定为各所述任务节点的预测执行时间。
在上述步骤(1)中，所述当前时间往前的一段时间，可以是距离当前时间最近的30天，也可以是距离当前时间最近的45天或者60天。
各所述任务节点的多个完成时间，均存储在服务器中，以任务节点名称、完成日期和完成时间的对应关系的形式进行存储。
当所述任务节点是绑定进项票时，服务器可以存储以下任务节点名称、完成日期和完成时间的对应关系：
绑定进项票2019年10月20日2小时30分钟
绑定进项票2019年10月22日3小时30分钟
绑定进项票2019年10月22日3小时15分钟
所述完成时间，用于表示执行任务节点对应任务所花费的时间。
这里，基于图3所示的车辆交付任务路径，以签收合格证的任务节点的完成过程为例，对服务器如何确定任务节点已经完成的过程进行说明：
根据车辆交付任务路径，服务器可以确定客户已经交付首付资源信息后需要执行签收合格证的任务节点的签收合格证任务，所以服务器就会将确定客户已经交付首付资源信息的时刻，记录为执行签收合格证的任务节的起始时刻(该起始时刻具有具体的日期和时间)，当接收到签收合格证的任务节点的完成信息时，服务器会确定签收合格证的任务节点对应的签收合格证任务已经完成，并将接收到签收合格证的任务节点的完成信息的时刻确定为执行签收合格证的任务节点的完成时刻(该完成时刻具有具体的日期和时间)，然后利用所述执行签收合格证的任务节点的完成时刻减去所述执行签收合格证的任务节的起始时刻，就可以得到执行签收合格证的任务节点的完成时间。然后以任务节点名称、完成日期和完成时间的对应关系的方式存储起来。
其中，签收合格证的任务节点的完成信息是工作人员将车辆的合格证照片上传到服务器后，点击服务器展示的签收合格证的任务节点的完成按钮后生成的。
所述签收合格证的任务节点的完成信息，用于通知服务器签收合格证的任务节点已经完成。
所述确定客户已经交付首付资源信息的时刻，是工作人员收到客户的首付资源信息后，点击服务器展示的客户交付首付资源信息按钮时，服务器记录的时间点。
所述确定客户已经交付首付资源信息的时刻，用于表示向所述客户交付车辆的履约时间的起始时间。
所述确定客户已经交付首付资源信息的时刻，服务器可以从服务器自身的系统时钟获取到。
在上述步骤(2)中，预设分位值，可以是但不限于：50分位值、60分位值、70分位值以及80分位值。当然，还可以是其他任何大于50分位值且小于80分位值的其他分位值，这里不再一一赘述。
从各任务节点排序后的多个完成时间中确定位于预设分位值的完成时间的过程可以采用现有技术中任何计算任意分位值的方法，这里不再一一赘述。
在通过步骤102得到各所述任务节点的预测执行时间后，可以将各所述任务节点的预测执行时间进行存储，并继续执行以下步骤104，计算向所述客户交付车辆的履约时间。
步骤104、根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。
具体地，为了计算向所述客户交付车辆的履约时间，上述步骤204可以执行以下步骤(1)至步骤(3)：
(1)当所述车辆交付任务路径中存在并行执行的多个任务节点时，将并行执行的多个任务节点的预测执行时间中时长最长的预测执行时间确定为并行执行的多个任务节点的预测执行时间；
(2)当需要向所述客户交付的车辆的交车城市与所述车辆所在地不一致时，确定所述车辆的调拨预测时间；
(3)根据确定的各所述任务节点的预测执行时间和/或者所述调拨预测时间，计算向所述客户交付车辆的履约时间。
在上述步骤(1)中，参见图3所示的车辆交付任务路径，绑定进项票的任务节点和签收合格证的任务节点就是两个并行的任务节点，只有这两个任务节点对应的任务都完成后，才可以执行后续的缴税的任务节点对应的缴税任务。
所以，以绑定进项票的任务节点和签收合格证的任务节点为并行的任务节点为示例，对确定并行执行的多个任务节点的预测执行时间的过程进行说明：在对履约时间进行计算时，服务器需要将绑定进项票的任务节点的预测执行时间和签收合格证的任务节点的预测执行时间中时长最长的预测执行时间确定为绑定进项票的任务节点和签收合格证的任务节点的预测执行时间，并利用该时长最长的预测执行时间计算履约时间。
在上述步骤(2)中，有些车辆需要从外地调拨，才可以交付给客户。为了确定所述车辆的调拨预测时间，上述步骤(2)可以执行以下步骤(21)至步骤(23)：
(21)获取所述客户的订单信息，所述订单信息，包括：需要向所述客户交付的车辆的交车城市以及车辆所在地；
(22)当需要向所述客户交付的车辆的所述交车城市与所述车辆所在地不一致时，规划出从所述车辆所在地到所述交车城市的车辆调拨路径；
(23)根据规划出的所述车辆调拨路径，确定所述车辆的调拨预测时间。
在上述步骤(22)中，当需要向所述客户交付的车辆的所述交车城市与所述车辆所在地不一致时，服务器确定车辆需要从外地调拨，那么就将所述交车城市和所述车辆所在地输入到服务器自身运行的第三方地图软件中，通过该第三方地图软件规划所述车辆所在地到所述交车城市的车辆调拨路径。
上述第三方地图软件可以通过现有的任何规划路径算法对车辆调拨路径进行规划，这里不再赘述。
在上述步骤(23)中，在规划得到车辆调拨路径后，所述第三方地图软件可以获取规划的车辆调拨路径的路况，并根据车辆调拨路径的路况确定所述车辆的调拨预测时间。
上述第三方地图软件可以使用现有的任何路径导航算法根据车辆调拨路径的路况确定所述车辆的调拨预测时间，这里不再赘述。
在上述步骤(3)中，获取确定客户已经交付首付资源信息的时刻；当车辆无需从外地调拨时，在确定客户已经交付首付资源信息的时刻的基础上累加各所述任务节点的预测执行时间，计算得到向所述客户交付车辆的履约时间；当车辆需要从外地调拨时，那么在确定客户已经交付首付资源信息的时刻的基础上累加各所述任务节点的预测执行时间和所述车辆的调拨预测时间，计算得到向所述客户交付车辆的履约时间。
在通过以上步骤100至步骤104描述的过程，计算得到向所述客户交付车辆的履约时间后，可以根据车辆交付任务路径中的任务节点的完成时间，对所述履约时间进行更新。所以，本实施例提出的时效估算方法，还可以包括以下具体步骤(1)至步骤(2)：
(1)当获取到所述车辆交付任务路径中的任务节点的完成信息时，对比所述任务节点的完成时间和所述任务节点的预测执行时间，得到对比结果；
(2)当所述对比结果指示所述任务节点的完成时间和所述任务节点的预测执行时间不一致时，利用所述任务节点的完成时间对所述履约时间进行更新。
在上述步骤(1)中，获取所述车辆交付任务路径中的任务节点的完成信息的具体过程已经在前述步骤102中描述的以签收合格证的任务节点的完成过程为例，对服务器如何确定任务节点已经完成的过程中进行说明，这里不再赘述。
服务器可以在得到任务节点的完成时间后，获取该已完成的任务节点的预测执行时间，并进行所述任务节点的完成时间和所述任务节点的预测执行时间对比。
所述服务器得到任务节点的完成时间的过程已经在前述步骤102中描述的以签收合格证的任务节点的完成过程为例，对服务器如何确定任务节点已经完成的过程中进行说明，这里不再赘述。
在上述步骤(2)中，所述利用所述任务节点的完成时间对所述履约时间进行更新，可以包括以下步骤：对所述确定客户已经交付首付资源信息的时刻、所述任务节点的完成时间以及除已完成的任务节点外的其他任务节点的预测执行时间进行累加操作，得到更新后的所述履约时间。
所述已完成的任务节点，就是服务器获取到完成信息的任务节点。
通过本实施例提出的时效估算方法建立了一个统一的、基于事件驱动的，对业务流程抽象的数据体系，用任务节点表示车辆交付任务路径中不同的履约业务流程，任务节点的发生与否代表了履约业务流程是否实际完成。通过将不同的履约业务流程抽象到任务节点上，从而可以实现对履约业务流程的统一管理以及处理。
针对于不同作业系统，例如采购、仓库、物流、调拨等，本发明提供一个统一的任务节点命名规范，为每个业务系统提供统一的任务节点命名规则。同时会将不同业务系统的特性附加在任务节点的属性中，就可以实现用统一的方式来管理不同业务系统业务流程的特性。
同时，在针对不同业务系统建立基于任务节点驱动模型的时候，业务流程变化需实时变更，履约时效预估也需实时更新。模型采用消息驱动计算的方式实时计算，进行履约时效预估。
综上所述，本实施例提出一种时效估算方法，通过确定客户交付首付资源信息后的车辆交付任务路径中各任务节点的预测执行时间，并根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间，与相关技术中基于历史数据的统计均值对履约时效进行估算的方式相比，可以先确定出客户交付首付资源信息后的车辆交付任务路径，并基于车辆交付任务路径中各所述任务节点的预测执行时间计算向所述客户交付车辆的履约时间，从而针对车辆交付任务路径中确定的业务节点对交付车辆的履约时间进行计算，比简单的统计历史数据均值得到的履约时效的准确率更高，提高了客户的购车体验；而且，只需针对车辆交付任务路径中确定的业务节点进行履约时效预估，无需关心上层业务流程变更，可快速接入新业务，极大的减少了开发工作量。
基于同一发明构思，本申请实施例中还提供了与上述时效估算方法和对应的时效估算装置，由于本申请实施例中的装置解决问题的原理与本申请实施例1所述的时效估算方法相似，因此装置的实施可以参见前述时效估算方法的实施，重复之处不再赘述。
实施例2
参见图4所示的一种时效估算装置的结构示意图，本实施例提出一种时效估算装置，包括：
确定模块400，用于当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点；
处理模块402，用于确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间；
计算模块404，用于根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。
所述处理模块402，具体用于：
获取当前时间往前的一段时间内所述至少两个任务节点中各任务节点的多个完成时间；
分别对当前时间往前的一段时间内各任务节点的多个完成时间按照从短到长的顺序进行排序，并分别将各任务节点排序后的多个完成时间中位于预设分位值的完成时间确定为各所述任务节点的预测执行时间。
计算模块404，具体用于：
当所述车辆交付任务路径中存在并行执行的多个任务节点时，将并行执行的多个任务节点的预测执行时间中时长最长的预测执行时间确定为并行执行的多个任务节点的预测执行时间；
当需要向所述客户交付的车辆的交车城市与所述车辆所在地不一致时，确定所述车辆的调拨预测时间；
根据确定的各所述任务节点的预测执行时间和/或者所述调拨预测时间，计算向所述客户交付车辆的履约时间。
综上所述，本实施例提出一种时效估算装置，通过确定客户交付首付资源信息后的车辆交付任务路径中各任务节点的预测执行时间，并根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间，与相关技术中基于历史数据的统计均值对履约时效进行估算的方式相比，可以先确定出客户交付首付资源信息后的车辆交付任务路径，并基于车辆交付任务路径中各所述任务节点的预测执行时间计算向所述客户交付车辆的履约时间，从而针对车辆交付任务路径中确定的业务节点对交付车辆的履约时间进行计算，比简单的统计历史数据均值得到的履约时效的准确率更高，提高了客户的购车体验；而且，只需针对车辆交付任务路径中确定的业务节点进行履约时效预估，无需关心上层业务流程变更，可快速接入新业务，极大的减少了开发工作量。
基于同一发明构思，本申请实施例中还提供了与上述时效估算方法和对应的计算机存储介质和时效估算装置，由于本申请实施例中的计算机存储介质和装置解决问题的原理与本申请实施例1所述的时效估算方法相似，因此装置的实施可以参见前述时效估算方法的实施，重复之处不再赘述。
实施例3
本实施例提出一种计算机可读存储介质，所述计算机可读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上述实施例1描述的时效估算方法的步骤。具体实现可参见方法实施例1，在此不再赘述。
此外，参见图5所示的另一种时效估算装置的结构示意图，本实施例还提出一种时效估算装置，上述时效估算装置包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。上述时效估算装置包括有存储器55。
本实施例中，上述时效估算装置还包括：存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序，经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤(1)至步骤(3)：
(1)当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点；
(2)确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间；
(3)根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。
收发机53，用于在处理器52的控制下接收和发送数据。
在图5中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由通用处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本实施例不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操纵杆。
处理器52负责管理总线51和通常的处理，如前述上述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。
可选的，处理器52可以是但不限于：中央处理器、单片机、微处理器或者可编程逻辑器件。
可以理解，本发明实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统551和应用程序552。
其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序552中。
综上所述，本实施例提出一种计算机存储介质和时效估算装置，通过确定客户交付首付资源信息后的车辆交付任务路径中各任务节点的预测执行时间，并根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间，与相关技术中基于历史数据的统计均值对履约时效进行估算的方式相比，可以先确定出客户交付首付资源信息后的车辆交付任务路径，并基于车辆交付任务路径中各所述任务节点的预测执行时间计算向所述客户交付车辆的履约时间，从而针对车辆交付任务路径中确定的业务节点对交付车辆的履约时间进行计算，比简单的统计历史数据均值得到的履约时效的准确率更高，提高了客户的购车体验；而且，只需针对车辆交付任务路径中确定的业务节点进行履约时效预估，无需关心上层业务流程变更，可快速接入新业务，极大的减少了开发工作量。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种时效估算方法，其特征在于，包括：
当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点；
确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间；
根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。
2.根据权利要求1所述的方法，其特征在于，确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间，包括：
获取当前时间往前的一段时间内所述至少两个任务节点中各任务节点的多个完成时间；
分别对当前时间往前的一段时间内各任务节点的多个完成时间按照从短到长的顺序进行排序，并分别将各任务节点排序后的多个完成时间中位于预设分位值的完成时间确定为各所述任务节点的预测执行时间。
3.根据权利要求1所述的方法，其特征在于，根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间，包括：
当所述车辆交付任务路径中存在并行执行的多个任务节点时，将并行执行的多个任务节点的预测执行时间中时长最长的预测执行时间确定为并行执行的多个任务节点的预测执行时间；
当需要向所述客户交付的车辆的交车城市与所述车辆所在地不一致时，确定所述车辆的调拨预测时间；
根据确定的各所述任务节点的预测执行时间和/或者所述调拨预测时间，计算向所述客户交付车辆的履约时间。
4.根据权利要求3所述的方法，其特征在于，当需要向所述客户交付的车辆的交车城市与所述车辆所在地不一致时，确定所述车辆的调拨预测时间，包括：
获取所述客户的订单信息，所述订单信息，包括：需要向所述客户交付的车辆的交车城市以及车辆所在地；
当需要向所述客户交付的车辆的所述交车城市与所述车辆所在地不一致时，规划出从所述车辆所在地到所述交车城市的车辆调拨路径；
根据规划出的所述车辆调拨路径，确定所述车辆的调拨预测时间。
5.根据权利要求1所述的方法，其特征在于，还包括：
当获取到所述车辆交付任务路径中的任务节点的完成信息时，对比所述任务节点的完成时间和所述任务节点的预测执行时间，得到对比结果；
当所述对比结果指示所述任务节点的完成时间和所述任务节点的预测执行时间不一致时，利用所述任务节点的完成时间对所述履约时间进行更新。
6.一种时效估算装置，其特征在于，包括：
确定模块，用于当确定客户已经交付首付资源信息时，确定出客户交付首付资源信息后的车辆交付任务路径；其中，所述车辆交付任务路径，包括至少两个任务节点；
处理模块，用于确定所述车辆交付任务路径中至少两个任务节点中的各所述任务节点的预测执行时间；
计算模块，用于根据得到的各所述任务节点的预测执行时间，计算向所述客户交付车辆的履约时间。
7.根据权利要求6所述的装置，其特征在于，所述处理模块，具体用于：
获取当前时间往前的一段时间内所述至少两个任务节点中各任务节点的多个完成时间；
分别对当前时间往前的一段时间内各任务节点的多个完成时间按照从短到长的顺序进行排序，并分别将各任务节点排序后的多个完成时间中位于预设分位值的完成时间确定为各所述任务节点的预测执行时间。
8.根据权利要求6所述的装置，其特征在于，计算模块，具体用于：
当所述车辆交付任务路径中存在并行执行的多个任务节点时，将并行执行的多个任务节点的预测执行时间中时长最长的预测执行时间确定为并行执行的多个任务节点的预测执行时间；
当需要向所述客户交付的车辆的交车城市与所述车辆所在地不一致时，确定所述车辆的调拨预测时间；
根据确定的各所述任务节点的预测执行时间和/或者所述调拨预测时间，计算向所述客户交付车辆的履约时间。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1-5任一项所述的方法的步骤。
10.一种时效估算装置，其特征在于，所述时效估算装置包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行权利要求1-5任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911301686.7A CN112990527B (zh) | 2019-12-17 | 2019-12-17 | 一种时效估算方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911301686.7A CN112990527B (zh) | 2019-12-17 | 2019-12-17 | 一种时效估算方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112990527A true CN112990527A (zh) | 2021-06-18 |
| CN112990527B CN112990527B (zh) | 2024-10-15 |
Family
ID=76342229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911301686.7A Active CN112990527B (zh) | 2019-12-17 | 2019-12-17 | 一种时效估算方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112990527B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113850441A (zh) * | 2021-09-30 | 2021-12-28 | 广州品唯软件有限公司 | 一种预测送达时效方法及装置 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2371177A1 (en) * | 2001-04-02 | 2002-10-02 | Ontain Corporation | Remote ordering system for mobile commerce |
| US20020143655A1 (en) * | 2001-04-02 | 2002-10-03 | Stephen Elston | Remote ordering system for mobile commerce |
| US20070282618A1 (en) * | 2006-05-31 | 2007-12-06 | International Business Machines Corporation | Method and system for scheduling delivery of at least one of goods and services |
| US7363126B1 (en) * | 2002-08-22 | 2008-04-22 | United Parcel Service Of America | Core area territory planning for optimizing driver familiarity and route flexibility |
| US7801769B1 (en) * | 2005-09-22 | 2010-09-21 | Hewlett-Packard Development Company, L.P. | Computing a set of K-best solutions to an auction winner-determination problem |
| CN102263812A (zh) * | 2010-05-03 | 2011-11-30 | 英特尔公司 | 交付边缘简档汇聚 |
| WO2014127379A1 (en) * | 2013-02-18 | 2014-08-21 | Theranos, Inc. | Systems and methods for multi-analysis |
| US20140278634A1 (en) * | 2013-03-15 | 2014-09-18 | Microsoft Corporation | Spatiotemporal Crowdsourcing |
| US20170098185A1 (en) * | 2014-05-30 | 2017-04-06 | Wal-Mart Stores, Inc. | Apparatus and Method for Aggregating Like Products for Customer Product Orders |
| US20180058864A1 (en) * | 2016-08-25 | 2018-03-01 | International Business Machines Corporation | Methods and systems for vehicle and drone based delivery system |
| US20180108058A1 (en) * | 2016-10-18 | 2018-04-19 | Autoalert, Llc | Visual discovery tool for automotive manufacturers with network encryption, data conditioning, and prediction engine |
| US20180204231A1 (en) * | 2017-01-19 | 2018-07-19 | Quick Bites, Inc. | Dispensation delay prediction systems and methods |
| US20180283886A1 (en) * | 2017-04-04 | 2018-10-04 | Here Global B.V. | Method and apparatus for providing a minimum overlapping alternative path |
| CN108846617A (zh) * | 2018-07-05 | 2018-11-20 | 北京智行者科技有限公司 | 全自动物流统筹派送服务方法 |
| CN108960730A (zh) * | 2018-07-05 | 2018-12-07 | 北京智行者科技有限公司 | 物品运输和交付方法 |
| CN109886576A (zh) * | 2019-02-20 | 2019-06-14 | 司空科技股份有限公司 | 数字化交付任务管理方法、装置以及存储介质 |
| WO2019161394A1 (en) * | 2018-02-19 | 2019-08-22 | Target Brands, Inc. | Lead time determinations in supply chain architecture |
| CN110264133A (zh) * | 2019-06-12 | 2019-09-20 | 浙江大搜车软件技术有限公司 | 车辆调配方法、装置、计算机设备和存储介质 |
| CN110414936A (zh) * | 2019-07-30 | 2019-11-05 | 河北时代电子有限公司 | 一种基于区块链技术的交易订单流转系统及方法 |
-
2019
- 2019-12-17 CN CN201911301686.7A patent/CN112990527B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2371177A1 (en) * | 2001-04-02 | 2002-10-02 | Ontain Corporation | Remote ordering system for mobile commerce |
| US20020143655A1 (en) * | 2001-04-02 | 2002-10-03 | Stephen Elston | Remote ordering system for mobile commerce |
| US7363126B1 (en) * | 2002-08-22 | 2008-04-22 | United Parcel Service Of America | Core area territory planning for optimizing driver familiarity and route flexibility |
| US7801769B1 (en) * | 2005-09-22 | 2010-09-21 | Hewlett-Packard Development Company, L.P. | Computing a set of K-best solutions to an auction winner-determination problem |
| US20070282618A1 (en) * | 2006-05-31 | 2007-12-06 | International Business Machines Corporation | Method and system for scheduling delivery of at least one of goods and services |
| CN102263812A (zh) * | 2010-05-03 | 2011-11-30 | 英特尔公司 | 交付边缘简档汇聚 |
| WO2014127379A1 (en) * | 2013-02-18 | 2014-08-21 | Theranos, Inc. | Systems and methods for multi-analysis |
| US20140278634A1 (en) * | 2013-03-15 | 2014-09-18 | Microsoft Corporation | Spatiotemporal Crowdsourcing |
| US20170098185A1 (en) * | 2014-05-30 | 2017-04-06 | Wal-Mart Stores, Inc. | Apparatus and Method for Aggregating Like Products for Customer Product Orders |
| US20180058864A1 (en) * | 2016-08-25 | 2018-03-01 | International Business Machines Corporation | Methods and systems for vehicle and drone based delivery system |
| US20180108058A1 (en) * | 2016-10-18 | 2018-04-19 | Autoalert, Llc | Visual discovery tool for automotive manufacturers with network encryption, data conditioning, and prediction engine |
| US20180204231A1 (en) * | 2017-01-19 | 2018-07-19 | Quick Bites, Inc. | Dispensation delay prediction systems and methods |
| US20180283886A1 (en) * | 2017-04-04 | 2018-10-04 | Here Global B.V. | Method and apparatus for providing a minimum overlapping alternative path |
| WO2019161394A1 (en) * | 2018-02-19 | 2019-08-22 | Target Brands, Inc. | Lead time determinations in supply chain architecture |
| CN108846617A (zh) * | 2018-07-05 | 2018-11-20 | 北京智行者科技有限公司 | 全自动物流统筹派送服务方法 |
| CN108960730A (zh) * | 2018-07-05 | 2018-12-07 | 北京智行者科技有限公司 | 物品运输和交付方法 |
| CN109886576A (zh) * | 2019-02-20 | 2019-06-14 | 司空科技股份有限公司 | 数字化交付任务管理方法、装置以及存储介质 |
| CN110264133A (zh) * | 2019-06-12 | 2019-09-20 | 浙江大搜车软件技术有限公司 | 车辆调配方法、装置、计算机设备和存储介质 |
| CN110414936A (zh) * | 2019-07-30 | 2019-11-05 | 河北时代电子有限公司 | 一种基于区块链技术的交易订单流转系统及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113850441A (zh) * | 2021-09-30 | 2021-12-28 | 广州品唯软件有限公司 | 一种预测送达时效方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112990527B (zh) | 2024-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11162803B2 (en) | Providing alternative routing options to a rider of a transportation management system | |
| US9424515B2 (en) | Predicting taxi utilization information | |
| US20160048802A1 (en) | Transportation planning for a regional logistics network | |
| US11443335B2 (en) | Model-based deep reinforcement learning for dynamic pricing in an online ride-hailing platform | |
| US10430814B2 (en) | System, method and computer program for improved forecasting residual values of a durable good over time | |
| CN111507541B (zh) | 货量预测模型构建方法、货量测量方法、装置及电子设备 | |
| WO2020024406A1 (zh) | 电子装置、基于路况因子的车险查勘调度方法及存储介质 | |
| CN111507542B (zh) | 货运订单量测量方法、装置及电子设备 | |
| CN111859172A (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
| CN111476389A (zh) | 一种预估接单等待时长的方法及装置 | |
| CN111831967A (zh) | 一种到店识别方法、装置、电子设备及介质 | |
| US11397906B1 (en) | Predicting demand for route generation | |
| US9412098B1 (en) | Systems and methods for daily task optimization | |
| CN112990527A (zh) | 一种时效估算方法和装置 | |
| CN111833119A (zh) | 一种订单分配的方法、装置、电子设备及存储介质 | |
| US20210295224A1 (en) | Utilizing a requestor device forecasting model with forward and backward looking queue filters to pre-dispatch provider devices | |
| US20100082405A1 (en) | Multi-period-ahead Forecasting | |
| US20180060887A1 (en) | Brand equity prediction | |
| CN111753386B (zh) | 一种数据处理方法及装置 | |
| US20210035252A1 (en) | Determining disutility of shared transportation requests for a transportation matching system | |
| Fricker et al. | Stochastic modelling of free-floating car-sharing systems | |
| CN115983902A (zh) | 基于用户实时事件的信息推送方法及系统 | |
| CN111222932A (zh) | 订单周期计算方法、装置及电子设备 | |
| CN114741618A (zh) | 线下服务点推荐方法、推荐装置、设备及介质 | |
| CN114399368A (zh) | 基于人工智能的商品推荐方法、装置、电子设备及介质 |
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 |