CN113837412A - 订单列表推送方法、装置、存储介质和计算机设备 - Google Patents
订单列表推送方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN113837412A CN113837412A CN202111075847.2A CN202111075847A CN113837412A CN 113837412 A CN113837412 A CN 113837412A CN 202111075847 A CN202111075847 A CN 202111075847A CN 113837412 A CN113837412 A CN 113837412A
- Authority
- CN
- China
- Prior art keywords
- order
- value
- list
- paired
- order list
- 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 41
- 230000004044 response Effects 0.000 claims abstract description 106
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 12
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 239000003999 initiator Substances 0.000 claims description 5
- 238000012805 post-processing Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供订单列表推送方法，包括：获取目标司机预设距离范围内的待配对订单；基于预置的高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，将所述待配对订单按所述响应概率值从高至低进行排序，得到高价值订单列表；获取目标司机的前排订单响应率；根据所述前排订单响应率，判断是否达到预置的订单列表调整条件；若是，将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。该订单列表推送方法能够降低响应概率值高的待配对订单获得的曝光机会，进而促使目标司机服务其他订单，有效缓解众多司机聚集争抢同类订单的现象，提高司机人均配对订单数量。
Description
技术领域
本发明涉及用车数据处理技术领域，具体而言，本发明涉及一种订单列表推送方法、装置、计算机可读存储介质和计算机设备。
背景技术
随着时代的发展，网上约车成为了满足人们通勤、出行或者搬家等用车需求的重要方式。对于司机客户端，通常通过抢单大厅的订单列表进行抢单。
现有抢单大厅的附近订单列表展示方案为，当司机刷新查看附近待配对订单时，服务器查询司机所处位置周围的待配对订单，并依据该司机对订单的偏好程度对订单打分，按得分对订单排序后，将订单列表返回给司机版客户端展示。司机将从中选择一个订单，点击抢单以服务该订单。由于司机对订单的偏好程度趋近相似，并且同一个订单会展示给多个司机，单纯依靠司机对订单的偏好程度得分对订单排序，容易造成司机偏好程度高的订单集中在订单列表头部展示，进而加剧司机对订单的竞争，从而降低司机订单配对成功的概率。
发明内容
为至少能解决上述的技术缺陷之一，本发明提供了以下技术方案的订单列表推送方法及对应的装置、计算机可读存储介质和计算机设备。
本发明的实施例根据一个方面，提供了一种订单列表推送方法，包括如下步骤：
获取目标司机预设距离范围内的待配对订单；
基于预置的高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，将所述待配对订单按所述响应概率值从高至低进行排序，得到高价值订单列表；
获取目标司机的前排订单响应率；
根据所述前排订单响应率，判断是否达到预置的订单列表调整条件；若是，将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
优选地，所述高价值订单模型通过以下步骤预先训练生成：
获取历史订单的关联信息和历史订单是否在预设时间内被司机响应的订单响应结果；
根据所述关联信息，生成订单关联特征数据；
根据所述订单关联特征数据和所述订单响应结果，生成训练样本；
根据所述训练样本，基于决策树算法训练生成所述高价值订单模型；其中，所述高价值订单模型用于评估订单在预设时间内被司机响应的概率值。
优选地，所述历史订单的关联信息包括以下至少之一：订单基础信息、订单附近的待配对订单数量、可接单的司机数量。
优选地，所述订单基础信息包括以下至少之一：订单价格、用车距离、用车时长、订单发起人的信用评价、货物方便装卸程度。
优选地，所述根据所述前排订单响应率，判断是否达到预置的订单列表调整条件，包括：
根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值。
优选地，所述根据所述前排订单响应率，判断是否达到预置的订单列表调整条件，包括：
根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值；
若是，随机生成随机概率值，判断所述随机概率值是否大于预设概率值。
优选地，所述将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端，包括：
将所述高价值订单列表中排在首位的待配对订单调整至末位，生成最终订单列表并推送给目标司机的客户端。
此外，本发明的实施例根据另一个方面，提供了一种订单列表推送装置，包括：
订单获取模块，用于获取目标司机预设距离范围内的待配对订单；
订单价值排序模块，用于基于预置的高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，将所述待配对订单按所述响应概率值从高至低进行排序，得到高价值订单列表；
响应率获取模块，用于获取目标司机的前排订单响应率；
订单列表生成模块，用于根据所述前排订单响应率，判断是否达到预置的订单列表调整条件；若是，将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
本发明的实施例根据又一个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的订单列表推送方法。
本发明的实施例根据再一个方面，提供了一种计算机设备，所述计算机包括一个或多个处理器；存储器；一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于：执行上述的订单列表推送方法。
本发明与现有技术相比，具有以下有益效果：
本发明提供的订单列表推送方法、装置、计算机可读存储介质和计算机设备，首先基于高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，并结合目标司机的前排订单响应率，在前排订单响应率满足订单列表调整条件时对响应概率值较高的待配对订单在订单列表作后置处理，从而降低响应概率值高的待配对订单获得的曝光机会，进而促使目标司机服务其他订单，有效缓解众多司机聚集争抢同类订单的现象，提高司机人均配对订单数量。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例提供的订单列表推送方法的方法流程图；
图2为本发明实施例提供的高价值订单模型训练过程的方法流程图；
图3为本发明实施例提供的订单列表推送装置的结构示意图；
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本发明实施例提供了一种订单列表推送方法，如图1所示，该方法包括：
步骤S110：获取目标司机预设距离范围内的待配对订单；
对于本实施例，获取在目标司机附近发起的未配对成功的用车订单，通过设置预设距离来限制获取待配对订单的地理位置范围，所述目标司机预设距离范围内可以指目标司机所在地向四周辐射的直径距离范围，也可以指从目标司机所在地到待配对订单对应的起始点的行驶距离范围。其中，所述预设距离可以是3公里、5公里、8公里等距离，本发明实施例对此不作限定。
在其他实施例中，所述目标司机预设距离范围还可以指目标司机在预设时间内能够到达的距离范围，例如在3分钟、5分钟、10分钟等预设时间内目标司机以平均车速能够行驶到达的距离范围。
对于本实施例，所述目标司机为当前待推送订单列表的可提供用车服务的司机，所述待配对订单为用车人发起的尚未配对有提供用车服务司机的用车订单。
步骤S120：基于预置的高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，将所述待配对订单按所述响应概率值从高至低进行排序，得到高价值订单列表；
对于本实施例，预先训练有高价值订单模型，所述高价值订单模型用于评估待配对订单为高价值订单的可能性。高价值订单通常具有迎合司机偏好、有大量司机聚集争抢、能在很短时间内被司机接单等特性，故可以通过待配对订单是否在预设时间内被司机响应这一指标来衡量待配对订单是否为高价值订单，若待配对订单在订单创建后预设时间内有司机抢单并完成配对，则认为该待配对订单为高价值订单。
对于本实施例，高价值订单模型用于评估步骤S110所获取的各个待配对订单在预设时间内被司机响应的响应概率值，具体地，将待配对订单的关联信息输入预置的高价值订单模型，输出一个介于0到1之间的数值，为该待配对订单的响应概率值，所述响应概率值越高，则待配对订单为高价值订单的可能性越大，越容易获得司机抢单。
在一个可能的实现方式中，待配对订单的关联信息包括以下至少之一：订单基础信息、订单附近的待配对订单数量、可接单的司机数量。
在一个可能的实现方式中，所述订单基础信息包括以下至少之一：订单价格、用车距离、用车时长、订单发起人的信用评价、货物方便装卸程度。
对于本实施例，所述预设时间可以是10秒、20秒、30秒、1分钟等时长，所述预设时间的具体数值可根据实际应用需求确定和调整，本发明实施例对此不作限定。
例如，设置若待配对订单在订单创建后的10秒内有司机抢单，则认定该待配对订单为高价值订单，相应地，则基于预置的高价值订单模型评估步骤S110所获取的各个待配对订单在10秒内被司机响应的响应概率值。
对于本实施例，将步骤S110所获取的各个待配对订单按其各自的响应概率值从高至低进行排序，得到高价值订单列表，即所述高价值订单列表按待配对订单的价值从高至低进行排序，待配对订单在所述高价值订单列表中排得越前，则越可能在预设时间内被司机响应。
步骤S130：获取目标司机的前排订单响应率；
对于本实施例，预先获取目标司机的历史订单响应数据，根据其历史订单响应数据计算该目标司机的前排订单响应率。其中，司机的所述前排订单响应率是指司机在订单列表中选择前排订单进行接单的占比率。在历史订单响应数据中，所述订单列表中的订单按价值从高至低进行排序，在订单列表中排得越前，订单价值越高，越容易获得司机抢单。
例如，获取目标司机从业以来或者上一季度的订单响应数据，统计分析目标司机所接的各个订单在其所在订单列表中的排位，从而计算出该目标司机的前排订单响应率。
可选地，所述前排订单为排在订单列表前面的预定数量的订单。
例如，所述预定数量可以是1～10等数值，所述预定数量的具体数值可根据实际应用需求确定和调整，本发明实施例对此不作限定。其中，当所述预定数量为1时，所述前排订单为排在订单列表首位的订单。
可选地，所述前排订单为排在订单列表前面的预定比例的订单。
例如，所述预定比例可以是5％、10％、15％等百分比，所述预定比例的具体数值可根据实际应用需求确定和调整，本发明实施例对此不作限定。需明确指出的是，当预定比例的订单数不是整数时，可进行取整处理，所述前排订单的数量至少为1。
步骤S140：根据所述前排订单响应率，判断是否达到预置的订单列表调整条件；若是，将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
在实际应用场景中，司机对订单的偏好往往趋近相似，因此一个待配对的高价值订单通常在对应推送给多个司机的多个订单列表中均位于前排位置，容易导致司机聚集争抢此类订单。
对于本实施例，预先设置有订单列表调整条件，目标司机的前排订单响应率满足该订单列表调整条件时，将所述高价值订单列表中排在前N位的待配对订单进行后置处理，具体为将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成前排订单经后置处理的最终订单列表并推送给目标司机的客户端，以使目标司机接收查看最终订单列表并抢单，目标司机抢单时的关注度一般都集中在订单列表的前排，通过将前排订单后置处理能够避免目标司机查看订单列表时在短时间内发现高价值订单，降低了高价值订单被该目标司机抢单的概率，从而缓解司机聚集争抢此类订单的现象。
对于本实施例，N的具体数值可根据实际应用需求确定和调整，本发明实施例对此不作限定。例如N可以取1～10等数值；当N为1时，则将高价值订单列表中排在首位的待配对订单进行后置处理。
在一个可能的实现方式中，将待配对订单调整至第N位后的后置处理方式，具体为调整至高价值订单列表的末位。
例如，将所述高价值订单列表中排在首位的待配对订单调整至末位，生成最终订单列表并推送给目标司机的客户端。
在一个可能的实现方式中，将待配对订单调整至第N位后的后置处理方式，具体为随机分散调整至高价值订单列表第N位后的位置。
本发明实施例提供的订单列表推送方法，首先基于高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，并结合目标司机的前排订单响应率，在前排订单响应率满足订单列表调整条件时对响应概率值较高的待配对订单在订单列表作后置处理，从而降低响应概率值高的待配对订单获得的曝光机会，进而促使目标司机服务其他订单，有效缓解众多司机聚集争抢同类订单的现象，提高司机人均配对订单数量。
在一些实施例中，如图2所示，所述高价值订单模型通过以下步骤预先训练生成：
步骤S210：获取历史订单的关联信息和历史订单是否在预设时间内被司机响应的订单响应结果；
对于本实施例，历史订单分为有在预设时间内被司机响应和没有在预设时间内被司机响应两类订单，获取各个历史订单对应的订单响应结果，并可将有在预设时间内被司机响应的订单响应结果记作1，没有在预设时间内被司机响应的订单响应结果记作0，以用于后续的模型训练。
在一个可能的实现方式中，所述历史订单的关联信息包括以下至少之一：订单基础信息、订单附近的待配对订单数量、可接单的司机数量
在一个可能的实现方式中，所述订单基础信息包括以下至少之一：订单价格、用车距离、用车时长、订单发起人的信用评价、货物方便装卸程度。
步骤S220：根据所述关联信息，生成订单关联特征数据；
对于本实施例，将历史订单的关联信息转换为特征向量，生成用于作为训练高价值订单模型输入数据的订单关联特征数据。
步骤S230：根据所述订单关联特征数据和所述订单响应结果，生成训练样本；
对于本实施例，将步骤S220生成的历史订单的订单关联特征数据和对应的订单响应结果生成训练样本，多个历史订单对应的训练样本构成用于训练高价值订单模型的训练样本集。
步骤S240：根据所述训练样本，基于决策树算法训练生成所述高价值订单模型；其中，所述高价值订单模型用于评估订单在预设时间内被司机响应的概率值。
对于本实施例，将训练样本集中的训练样本输入决策树算法，由算法学习订单关联特征与订单是否在预设时间内被司机响应之间的关联关系，最终训练得高价值订单模型，所述高价值订单模型用于评估订单在预设时间内被司机响应的概率值，即可输出一个介于0到1之间的数值，为该待配对订单的响应概率值，所述响应概率值越高，则待配对订单为高价值订单的可能性越大，越容易获得司机抢单。
在一些实施例中，所述步骤S140中所述根据所述前排订单响应率，判断是否达到预置的订单列表调整条件，包括：根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值。
对于本实施例，预先设置有触发订单列表调整，即前排订单后置处理的条件，所述订单列表调整条件为目标司机的前排订单响应率大于预设阈值。具体地，通过获取目标司机的前排订单响应率，并将前排订单响应率与所述预设阈值进行比较；若所述前排订单响应率大于预设阈值，才将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端；若未达到预置的订单列表调整条件，即所述前排订单响应率小于等于预设阈值，则不进行前排订单后置处理，直接将高价值订单列表推送给目标司机的客户端。
对于本实施例，所述预设阈值介于0到1之间，所述预设阈值的具体数值可根据实际应用需求确定和调整，本发明实施例对此不作限定。
例如，预先设置所述预设阈值为0.7，若目标司机的前排订单响应率大于0.7，则将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
在本实施例中，由于前排订单响应率较高的司机有抢前排订单的操作习惯，通过向该类司机推送前排订单经后置的订单列表，能够以较大概率预估该司机不会因为当前推送订单列表中的前排订单价值有所下降而不接单或者花长时间挑选订单列表中的待配对订单，从而促使目标司机服务其他订单，有效缓解众多司机聚集争抢同类订单的现象，提高司机人均配对订单数量。
在一些实施例中，所述步骤S140中所述根据所述前排订单响应率，判断是否达到预置的订单列表调整条件，包括：根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值；若是，随机生成随机概率值，判断所述随机概率值是否大于预设概率值。
对于本实施例，所述订单列表调整条件具体为目标司机的前排订单响应率大于预设阈值且随机概率值大于预设概率值。具体地，通过获取目标司机的前排订单响应率，并将前排订单响应率与所述预设阈值进行比较；若所述前排订单响应率大于预设阈值，则进一步基于随机函数生成一个随机概率值；若随机概率值也大于预设概率值，才将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端；若未达到预置的订单列表调整条件，即所述前排订单响应率小于等于预设阈值或者所述前排订单响应率大于预设阈值但随机概率值小于等于预设概率值，则不进行前排订单后置处理，直接将高价值订单列表推送给目标司机的客户端。
对于本实施例，所述预设阈值和所述预设概率值介于0到1之间，所述预设阈值和所述预设概率值的具体数值可根据实际应用需求确定和调整，本发明实施例对此不作限定。
例如，预先设置所述预设阈值为0.7，所述预设概率值为0.1，若目标司机的前排订单响应率大于0.7，且所述随机概率值大于0.1，则将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
在本实施例中，由于前排订单响应率较高的司机有抢前排订单的操作习惯，通过以一定概率向该类司机推送前排订单经后置的订单列表，能够以较大概率预估该司机不会因为当前推送订单列表中的前排订单价值有所下降而不接单或者花长时间挑选订单列表中的待配对订单，从而促使目标司机服务其他订单，有效缓解众多司机聚集争抢同类订单的现象，提高司机人均配对订单数量。
此外，本发明实施例提供了一种订单列表推送装置，如图3所示，所述装置包括：订单获取模块31、订单价值排序模块32、响应率获取模块33和订单列表生成模块34；其中，
所述订单获取模块31，用于获取目标司机预设距离范围内的待配对订单；
所述订单价值排序模块32，用于基于预置的高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，将所述待配对订单按所述响应概率值从高至低进行排序，得到高价值订单列表；
所述响应率获取模块33，用于获取目标司机的前排订单响应率；
所述订单列表生成模块34，用于根据所述前排订单响应率，判断是否达到预置的订单列表调整条件；若是，将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
在一些实施例中，所述高价值订单模型通过以下步骤预先训练生成：
获取历史订单的关联信息和历史订单是否在预设时间内被司机响应的订单响应结果；
根据所述关联信息，生成订单关联特征数据；
根据所述订单关联特征数据和所述订单响应结果，生成训练样本；
根据所述训练样本，基于决策树算法训练生成所述高价值订单模型；其中，所述高价值订单模型用于评估订单在预设时间内被司机响应的概率值。
在一些实施例中，所述历史订单的关联信息包括以下至少之一：订单基础信息、订单附近的待配对订单数量、可接单的司机数量。
在一些实施例中，所述订单基础信息包括以下至少之一：订单价格、用车距离、用车时长、订单发起人的信用评价、货物方便装卸程度。
在一些实施例中，所述订单列表生成模块34用于根据所述前排订单响应率，判断是否达到预置的订单列表调整条件时，具体用于：
根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值。
在一些实施例中，所述订单列表生成模块34用于根据所述前排订单响应率，判断是否达到预置的订单列表调整条件时，具体用于：
根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值；
若是，随机生成随机概率值，判断所述随机概率值是否大于预设概率值。
在一些实施例中，所述将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端，包括：
将所述高价值订单列表中排在首位的待配对订单调整至末位，生成最终订单列表并推送给目标司机的客户端。
本发明方法实施例的内容均适用于本装置实施例，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同，具体请参见方法实施例中的说明，在此不再赘述。
此外，本发明实施例提供了一种计算机可读存储介质，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执行时实现以上任一实施例所述的订单列表推送方法。其中，所述计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(Random AcceSSMemory，随即存储器)、EPROM(EraSable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM(Electrically EraSable Programmable Read-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，存储设备包括由设备(例如，计算机、手机)以能够读的形式存储或传输信息的任何介质，可以是只读存储器，磁盘或光盘等。
本发明方法实施例的内容均适用于本存储介质实施例，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同，具体请参见方法实施例中的说明，在此不再赘述。
此外，本发明实施例还提供了一种计算机设备，本实施例所述的计算机设备可以是服务器、个人计算机以及网络设备等设备。所述计算机设备包括：一个或多个处理器，存储器，一个或多个计算机程序，其中所述一个或多个计算机程序被存储在存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于执行以上任一实施例所述的订单列表推送方法。
本发明方法实施例的内容均适用于本计算机设备实施例，本计算机设备实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同，具体请参见方法实施例中的说明，在此不再赘述。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种订单列表推送方法，其特征在于，包括如下步骤：
获取目标司机预设距离范围内的待配对订单；
基于预置的高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，将所述待配对订单按所述响应概率值从高至低进行排序，得到高价值订单列表；
获取目标司机的前排订单响应率；
根据所述前排订单响应率，判断是否达到预置的订单列表调整条件；若是，将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
2.根据权利要求1所述的订单列表推送方法，其特征在于，所述高价值订单模型通过以下步骤预先训练生成：
获取历史订单的关联信息和历史订单是否在预设时间内被司机响应的订单响应结果；
根据所述关联信息，生成订单关联特征数据；
根据所述订单关联特征数据和所述订单响应结果，生成训练样本；
根据所述训练样本，基于决策树算法训练生成所述高价值订单模型；其中，所述高价值订单模型用于评估订单在预设时间内被司机响应的概率值。
3.根据权利要求2所述的订单列表推送方法，其特征在于，所述历史订单的关联信息包括以下至少之一：订单基础信息、订单附近的待配对订单数量、可接单的司机数量。
4.根据权利要求3所述的订单列表推送方法，其特征在于，所述订单基础信息包括以下至少之一：订单价格、用车距离、用车时长、订单发起人的信用评价、货物方便装卸程度。
5.根据权利要求1所述的订单列表推送方法，其特征在于，所述根据所述前排订单响应率，判断是否达到预置的订单列表调整条件，包括：
根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值。
6.根据权利要求1所述的订单列表推送方法，其特征在于，所述根据所述前排订单响应率，判断是否达到预置的订单列表调整条件，包括：
根据所述前排订单响应率，判断所述前排订单响应率是否大于预设阈值；
若是，随机生成随机概率值，判断所述随机概率值是否大于预设概率值。
7.根据权利要求1所述的订单列表推送方法，其特征在于，所述将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端，包括：
将所述高价值订单列表中排在首位的待配对订单调整至末位，生成最终订单列表并推送给目标司机的客户端。
8.一种订单列表推送装置，其特征在于，包括：
订单获取模块，用于获取目标司机预设距离范围内的待配对订单；
订单价值排序模块，用于基于预置的高价值订单模型评估所述待配对订单在预设时间内被司机响应的响应概率值，将所述待配对订单按所述响应概率值从高至低进行排序，得到高价值订单列表；
响应率获取模块，用于获取目标司机的前排订单响应率；
订单列表生成模块，用于根据所述前排订单响应率，判断是否达到预置的订单列表调整条件；若是，将所述高价值订单列表中排在前N位的待配对订单调整至第N位后，生成最终订单列表并推送给目标司机的客户端。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的订单列表推送方法。
10.一种计算机设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于：执行根据权利要求1至7任一项所述的订单列表推送方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075847.2A CN113837412B (zh) | 2021-09-14 | 2021-09-14 | 订单列表推送方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075847.2A CN113837412B (zh) | 2021-09-14 | 2021-09-14 | 订单列表推送方法、装置、存储介质和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113837412A true CN113837412A (zh) | 2021-12-24 |
| CN113837412B CN113837412B (zh) | 2022-07-15 |
Family
ID=78959239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111075847.2A Active CN113837412B (zh) | 2021-09-14 | 2021-09-14 | 订单列表推送方法、装置、存储介质和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113837412B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156868A (zh) * | 2014-08-22 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于订单价值判断促进订单成交的出租车积分系统 |
| CN104157133A (zh) * | 2014-08-20 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机在线活跃情况的运力拉升系统 |
| US20160019644A1 (en) * | 2014-07-18 | 2016-01-21 | Chicago Mercantile Exchange Inc. | Size-based allocation prioritization |
| CN108647927A (zh) * | 2018-05-17 | 2018-10-12 | 北京顺丰同城科技有限公司 | 一种订单分配方法以及装置 |
| CN109685282A (zh) * | 2019-01-04 | 2019-04-26 | 杭州卓凯科技有限公司 | 根据司机在线活跃情况调节抢单优先权重的派单调度方法 |
| CN110458308A (zh) * | 2019-06-24 | 2019-11-15 | 天津五八到家科技有限公司 | 一种控制方法、装置及移动终端 |
| CN112465602A (zh) * | 2020-12-11 | 2021-03-09 | 深圳依时货拉拉科技有限公司 | 一种订单推送的方法、装置、计算机设备以及计算机可读存储介质 |
| CN112989188A (zh) * | 2021-03-08 | 2021-06-18 | 上海钧正网络科技有限公司 | 推荐订单的确定方法、装置和服务器 |
-
2021
- 2021-09-14 CN CN202111075847.2A patent/CN113837412B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160019644A1 (en) * | 2014-07-18 | 2016-01-21 | Chicago Mercantile Exchange Inc. | Size-based allocation prioritization |
| CN104157133A (zh) * | 2014-08-20 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机在线活跃情况的运力拉升系统 |
| CN104156868A (zh) * | 2014-08-22 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于订单价值判断促进订单成交的出租车积分系统 |
| CN108647927A (zh) * | 2018-05-17 | 2018-10-12 | 北京顺丰同城科技有限公司 | 一种订单分配方法以及装置 |
| CN109685282A (zh) * | 2019-01-04 | 2019-04-26 | 杭州卓凯科技有限公司 | 根据司机在线活跃情况调节抢单优先权重的派单调度方法 |
| CN110458308A (zh) * | 2019-06-24 | 2019-11-15 | 天津五八到家科技有限公司 | 一种控制方法、装置及移动终端 |
| CN112465602A (zh) * | 2020-12-11 | 2021-03-09 | 深圳依时货拉拉科技有限公司 | 一种订单推送的方法、装置、计算机设备以及计算机可读存储介质 |
| CN112989188A (zh) * | 2021-03-08 | 2021-06-18 | 上海钧正网络科技有限公司 | 推荐订单的确定方法、装置和服务器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113837412B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109118779B (zh) | 交通违章信息识别方法、设备及可读存储介质 | |
| CN107464001A (zh) | 预约单分配处理方法及服务器 | |
| CN109272360B (zh) | 一种广告智能推荐方法、系统及装置 | |
| CN107976919B (zh) | 一种智能机器人控制方法、系统及电子设备 | |
| CN111861566A (zh) | 一种基于分布式缓存的奖品池动态控制方法及系统 | |
| CN113704330A (zh) | 公平评议系统及其方法 | |
| CN110322261B (zh) | 监控资源获取的方法、装置和计算机可读存储介质 | |
| CN114187072A (zh) | 聚合打车方法、装置、计算机设备及存储介质 | |
| CN111967948A (zh) | 一种银行产品推荐方法、装置、服务器及存储介质 | |
| CN113837412B (zh) | 订单列表推送方法、装置、存储介质和计算机设备 | |
| Thomas et al. | Model‐Based Wisdom of the Crowd for Sequential Decision‐Making Tasks | |
| CN111625287B (zh) | 基于诱饵效应的雾节点任务卸载方法、系统、介质及设备 | |
| CN110874777A (zh) | 一种订单处理方法及装置 | |
| CN111325228B (zh) | 一种模型训练方法及装置 | |
| CN111984853B (zh) | 试驾报告生成方法和云端服务器 | |
| CN109587248B (zh) | 用户识别方法、装置、服务器及存储介质 | |
| Chen et al. | How Serious is Shill Bidding in Online Auctions? Evidence from eBay Motors | |
| CN113723970A (zh) | 订单列表推送方法、装置、存储介质和计算机设备 | |
| CN111988642A (zh) | 推荐视频的方法、装置、服务器和存储介质 | |
| JP2023060868A5 (zh) | ||
| CN111382348B (zh) | 一种社交应用程序的操作方法、装置、服务器和存储介质 | |
| US11562656B2 (en) | Systems and methods for improving driver safety using uplift modeling | |
| CN106101215A (zh) | 应用商店应用下载方法及装置 | |
| CN109886749A (zh) | 一种广告投放方法及系统 | |
| CN111824162B (zh) | 基于地图宠物的驾驶评判方法及装置、存储介质和终端 |
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 |