CN114820013A - 物流定价优化方法、装置、计算机设备以及存储介质 - Google Patents

Abstract

本申请提供一种物流定价优化方法、装置、计算机设备以及存储介质，所述方法包括：接收针对目标物流任务的物流询价请求，所述物流询价请求中携带有所述目标物流任务的线路信息和货物信息；响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格；基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价；当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价。采用本方法，可有效提高物流定价的准确率。

Description

物流定价优化方法、装置、计算机设备以及存储介质

技术领域

本申请涉及互联网技术领域，具体涉及一种物流定价优化方法、装置、计算机设备以及存储介质。

背景技术

随着互联网技术的快速发展和智能终端设备的广泛普及，应运而生了各种便于人们生活的服务业务，例如货运配送业务。货运配送业务的定价，通常是根据配送距离这一维度生成，或者根据当前路线的历史均价生成。

然而，传统的物流定价方法若单纯只考虑配送距离这一信息，则难免会引发货运定价的失衡；若单纯只考虑当前路线的历史均价，则又将使得最终定价普遍偏离市场认可的成交价格，从而增加人工调价的工作量。

因此，传统的物流定价方法存在因定价参考因素设置不合理，而导致物流定价准确率不高的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种物流定价优化方法、装置、计算机设备以及存储介质，用以合理设置物流定价的参考因素，促使最终所得的物流定价不仅能够符合市场环境，还能够体现出对物流成本的有效控制及物流定价准确率的有效提升，进而在物流定价准确率提升的基础上，提高物流资源的利用率，促使物流交易数量增长。

第一方面，本申请提供一种物流定价优化方法，所述方法包括：

接收针对目标物流任务的物流询价请求，所述物流询价请求中携带有所述目标物流任务的线路信息和货物信息；

响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格；

基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价；

当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价。

在本申请一些实施例中，所述基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价的步骤，包括：

基于预设的定价系数，分析所述任务候选价格和所述市场最低价格，得到所述目标物流任务的任务目标价格，所述定价系数大于等于0并且小于等于1；

若所述任务目标价格为多于一个的任务目标价格，则确定各所述任务目标价格中的最小值，作为所述目标物流任务的任务指导定价；

若所述任务目标价格为少于两个的任务目标价格，则确定所述任务目标价格，作为所述目标物流任务的任务指导定价。

在本申请一些实施例中，在所述当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价的步骤之前，所述方法还包括：

获取各个地区车型分段对应的单公里价格，所述各个地区车型分段为各个地区对应各个车型的预设分段，所述单公里价格是根据各个历史物流任务的任务总价和任务里程确定的；

基于各个地区车型分段对应的单公里价格，统计各个地区车型分段对应的历史任务数量；

基于各个地区车型分段对应的历史任务数量和单公里价格，判断所述任务指导定价是否满足预设的价格平衡条件。

在本申请一些实施例中，所述物流询价请求中还携带有目标物流任务的地区信息和车型信息，所述基于各个地区车型分段对应的历史任务数量和单公里价格，判断所述任务指导定价是否满足预设的价格平衡条件的步骤，包括：

分析各个地区车型分段对应的历史任务数量和单公里价格，得到各个地区车型分段对应的截断点价格；

根据所述目标物流任务的地区信息和车型信息，确定各个截断点价格中与所述目标物流任务相匹配的目标截断点价格；

若所述任务指导定价大于所述目标截断点价格，则判定所述任务指导定价不满足预设的价格平衡条件。

在本申请一些实施例中，所述分析各个地区车型分段对应的历史任务数量和单公里价格，得到各个地区车型分段对应的截断点价格的步骤，包括：

基于预设的业务场景，对各个地区车型分段对应的历史任务数量和单公里价格进行统计分析，得到各个地区车型分段对应的均值价格和标准差价格；

基于预设的截断点获取公式，计算所述各个地区车型分段对应的均值价格和标准差价格，得到各个地区车型分段对应的截断点价格。

在本申请一些实施例中，所述当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价的步骤，包括：

当所述任务指导定价不满足预设的价格平衡条件时，获取所述目标物流任务的任务总公里数；

计算所述任务总公里数与所述目标截断点价格之积，得到所述优化后的任务指导定价。

在本申请一些实施例中，所述物流询价请求中还携带有目标物流任务的地区信息和车型信息，在所述响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格之后，所述方法还包括：

若所述任务候选价格为多于一个的任务候选价格，则获取并分析各所述任务候选价格的变化趋势信息，确定各所述任务候选价格中的待验异常价格；

基于预存的目标单公里价格，对所述待验异常价格进行异常检测，得到各任务候选价格中的目标异常价格；所述目标单公里价格是根据所述目标物流任务的地区信息和车型信息匹配得到的单公里价格；

筛除所述任务候选价格中的目标异常价格，得到筛除后的任务候选价格，所述筛除后的任务候选价格用于分析获取所述目标物流任务的任务指导定价。

在本申请一些实施例中，所述响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格的步骤，包括：

响应所述物流询价请求，将所述目标物流任务的线路信息和货物信息输入至已训练的机器学习价格模型；所述已训练的机器学习价格模型是基于历史物流任务的线路信息、货物信息、地区信息、车型信息和附加信息训练得到的；

获取所述已训练的机器学习价格模型的输出结果，得到所述目标物流任务的任务候选价格。

第二方面，本申请提供一种物流定价优化装置，所述装置包括：

请求接收模块，用于接收针对目标物流任务的物流询价请求，所述物流询价请求中携带有所述目标物流任务的线路信息和货物信息；

请求响应模块，用于响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格；

定价获取模块，用于基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价；

定价优化模块，用于当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价

第三方面，本申请还提供一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的物流定价优化方法。

第四方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的物流定价优化方法中的步骤。

第五方面，本申请实施例提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述第一方面提供的方法。

上述物流定价优化方法、装置、计算机设备以及存储介质，服务器通过接收并响应针对目标物流任务的物流询价请求，获取目标物流任务的任务候选价格，可有效提高物流的定价效率。又引入市场最低价格来分析获取目标物流任务的任务指导定价，从整体考虑了市场对于价格的接受程度和节省成本这两个方面，使得物流定价准确率得以有效提升。同时，预设了价格平衡条件来动态监控任务指导定价是否异常，有效避免了实际业务中出现定价异常，进一步提升了最终所得物流定价的准确率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例中物流定价优化方法的场景示意图；

图2是本申请实施例中物流定价优化方法的流程示意图；

图3是本申请实施例中任务候选价格的趋势分析示意图；

图4是本申请实施例中物流定价优化装置的结构示意图；

图5是本申请实施例中计算机设备的结构示意图。

具体实施方式

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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动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。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本申请的描述中，需要理解的是，“例如”一词用来表示“用作例子、例证或说明”。本申请中被描述为“例如”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。

在本申请实施例中，需要说明的是，本申请提供的物流定价优化方法由于是在计算机设备中执行，各计算机设备的处理对象均以数据或信息的形式存在，例如时间，实质为时间信息，可以理解的是，后续实施例中若提及位置、价格等，均为对应的数据存在，以便计算机设备进行处理，具体此处不作赘述。

在本申请实施例中，还需说明的是，本申请实施例提供的物流定价优化方法，可以应用于如图1所示的物流定价优化系统中。其中，该物流定价优化系统包括终端100和服务器200，终端100可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。终端100具体可以是台式终端或移动终端，终端100具体还可以是手机、平板电脑、笔记本电脑等中的一种。服务器200可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成；网络包含但不限于是：广域网、城域网或局域网。

本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的计算机设备，例如图1中仅示出1个服务器200，可以理解的，该物流定价优化系统还可以包括一个或多个其他服务器，具体此处不作限定。另外，如图1所示，该物流定价优化系统还可以包括存储器，用于存储数据，如存储历史任务的线路信息、货物信息、地区信息、车型信息和附加信息等。

还需说明的是，图1所示物流定价优化系统的场景示意图仅仅是一个示例，本发明实施例描述的物流定价优化系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着物流定价优化系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。

参阅图2，本申请实施例提供了一种物流定价优化方法，主要以该方法应用于上述图1中的服务器200来举例说明，该方法包括步骤S201至S204，具体如下：

S201，接收针对目标物流任务的物流询价请求，所述物流询价请求中携带有所述目标物流任务的线路信息和货物信息。

其中，目标物流任务可以是指用户指定待询价的物流运输(配送)任务，例如，用户当前持有一个终端100，该终端100上装载并运行有一个指定应用程序，用户通过终端100打开该指定应用程序后，终端100将显示物流承运企业预先设置的物流任务询价界面。此时，用户可通过该界面输入物流任务开始时间(也可称为出发时间)、任务结束时间(也可称为到达时间)、任务开始地点(也可称为出发地点)、任务结束地点(也可称为到达地点)、待运货物(如衣物、电子产品、食物等)、所需车型(如1吨车、2吨车、3吨车等)等信息，并触发界面上显示的一个虚拟按钮“查询费用”。终端100检测到“查询费用”这一虚拟按钮被触发之后，即接收到用户提交的物流询价请求，而该请求即为针对上述信息整合而成的一个物流运输任务，此时可作为目标物流任务。

其中，线路信息可以是指目标物流任务所对应的任务开始地点到任务结束地点之间的地理路线，例如北京到上海之间的线路信息。

其中，货物信息可以是指目标物流任务所对应的待运输货物，例如食物、衣物、电子产品等。

具体地，上文所述用户可以是货物承运的司机，例如在上文所述指定应用程序所属平台上注册有效的兼职司机，或者是与该平台建立有合同关系的专职司机。除此之外，上文所述用户也可以是指待运输货物所属的对象，例如某个组织(企业、政府单位)或人。

更具体地，服务器200可通过终端100接收针对目标物流任务的物流询价请求，例如上文所述基于用户在终端100上触发的物流询价操作，来接收物流询价请求，该请求触发操作可以是针对虚拟按钮的点击、双击或长按等操作，具体本申请实施例不作限制。服务器200接收到终端100侧用户所提交针对目标物流任务的物流询价请求之后，可基于该请求获取目标物流任务的线路信息和货物信息，以此作为后续针对该目标物流任务的物流定价依据。

S202，响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格。

其中，任务候选价格可以是指服务器200通过初步分析得到的一个或多个待进一步深入分析的任务执行价格，该价格可能作为针对目标物流任务的最终定价，也可能不是针对目标物流任务的最终定价，判定依据取决于下文所述的进一步深入分析。可以理解的是，本申请实施例所涉及的价格，若无特别强调，一般是指货物承运费用价格，即“运送费”，该价格所指费用一般由提出目标物流任务的用户向承接该任务的用户支付。

具体地，服务器200接收到针对目标物流任务的物流询价请求，并得到该物流询价请求中携带的有关目标物流任务的线路信息和货物信息之后，即可响应该请求，分析目标物流任务的线路信息和货物信息，例如将目标物流任务的线路信息和货物信息输入至预先训练好的机器学习价格模型中，以使模型基于已学习到的能力，分析当前所获线路信息和货物信息，进而输出目标物流任务的任务候选价格。本实施例涉及的任务候选价格获取步骤将在下文详细描述。

在一个实施例中，本步骤包括：响应所述物流询价请求，将所述目标物流任务的线路信息和货物信息输入至已训练的机器学习价格模型；所述已训练的机器学习价格模型是基于历史物流任务的线路信息、货物信息、地区信息、车型信息和附加信息训练得到的；获取所述已训练的机器学习价格模型的输出结果，得到所述目标物流任务的任务候选价格。

其中，机器学习价格模型可以是由卷积神经网络(Convolutional NeuralNetwork，CNN)、循环神经网络(Recurrent Neural Network，RNN)、深度神经网络(DeepNeural Networks，DNN)等构成的网络模型，用于按照预先训练学习到的分析方式，输出目标物流任务的任务候选价格。

其中，历史物流任务可以是指除当前的目标物流任务之外历史时段内发生的物流任务。可以理解的是，历史物流任务也对应存在线路信息、货物信息、地区信息、车型信息和附加信息等信息，例如物流运力需求时间、物流运输费用、车辆类型、用车成本、标的性质、合作方式、服务附加费等信息。

具体地，本申请实施例提出一种机器学习价格模型，用于后续分析获取目标物流任务的任务候选价格，即预先构建初始的机器学习价格模型，进而将历史物流任务的线路信息、货物信息、地区信息、车型信息和附加信息等信息作为输出参数，输入至初始的机器学习价格模型，以便对其进行模型训练学习，从而具备能够解析出任务候选价格的能力，最终得到具备该能力的已训练的机器学习价格模型。如此，即可在用户提交针对目标物流任务的物流询价请求时，将目标物流任务的线路信息和货物信息输入至已训练的机器学习价格模型，获取其输出结果，即为目标物流任务的任务候选价格。

需要说明的是，上述关于已训练的机器学习价格模型的输入参数，本实施例中仅列举了目标物流任务的线路信息和货物信息，但不排除在其他实施例中还包括目标物流任务的其他信息，例如目标物流任务的地区信息、车型信息和附加信息等。可以理解的是，有关输出参数的类型设置，可针对提高物流定价准确率的这一目的，设置更多参数，具体本申请实施例不作限制。

在一个实施例中，所述物流询价请求中还携带有目标物流任务的地区信息和车型信息，本步骤之后还包括：若所述任务候选价格为多于一个的任务候选价格，则获取并分析各所述任务候选价格的变化趋势信息，确定各所述任务候选价格中的待验异常价格；基于预存的目标单公里价格，对所述待验异常价格进行异常检测，得到各任务候选价格中的目标异常价格；所述目标单公里价格是根据所述目标物流任务的地区信息和车型信息匹配得到的单公里价格；筛除所述任务候选价格中的目标异常价格，得到筛除后的任务候选价格，所述筛除后的任务候选价格用于分析获取所述目标物流任务的任务指导定价。

其中，待验异常价格可以是指待进一步验证是否异常的任务候选价格。

其中，目标单公里价格可以是指根据目标物流任务的地区信息和车型信息，匹配得到的单公里价格，例如与服务器200关联的数据库中预存有多个单公里价格，多个单公里价格分别对应各个地区车型分段，如地区A-车型1这个分段对应的单公里价格和地区B-车型2这个分段对应的单公里价格。因此，服务器200可根据目标物流任务的地区信息和车型信息，首先确定目标物流任务对应的地区车型分段，进而将该匹配所得分段对应的单公里价格作为目标单公里价格。需要说明的是，各个地区车型分段对应的单公里价格获取步骤，将在下文实施例中详细说明。

其中，目标异常价格可以是指检测确定为异常价格的任务候选价格，例如，大于某个预设价格阈值的任务候选价格，该预设价格阈值的设定取决于历史物流定价的平均值。

具体地，服务器200响应了用户提交的物流询价请求，并分析获取到目标物流任务的任务候选价格之后，可对当前得到的任务候选价格进行异常检测，即数据清洗，筛除掉任务候选价格中的异常价格，以此提高物流定价的准确率。

例如，如图3所示，服务器200可将获取到的多个任务候选价格按照预设的趋势特征，进行长短趋势和/或其他维度的价格划分，以此得到不同趋势维度下的任务候选价格；又或是，服务器200当前所得的多个任务候选价格，是根据不同趋势特征分析得到的价格，对应于不同趋势维度。而服务器200分析得到不同趋势维度对应的任务候选价格之后，可将各个任务候选价格发送至终端100，此时的终端100是物流工作人员使用的终端，物流工作人员可依据经验挑选出各个趋势维度中明显异常的任务候选价格，反馈至服务器200作为待验异常价格。

又例如，将各个任务候选价格进行数值分段，如将价格顺序分为两个段或更多段，即可获取到当前所获任务候选价格的变化趋势信息，其中的具体段数取决于实际业务需求。如任务候选价格在0-100之间的视为第一段、任务候选价格在101-200之间的视为第二段，任务候选价格在201-300之间的视为第三段，若实际业务需求是将末段中的价格作为待验异常价格，则此时可将第三段中的任务候选价格确定为是待验异常价格。

再例如，服务器200可确定目标物流任务的线路信息，进而查询数据库中已存储针对该线路所对应历史单公里价格(历史物流任务的物流总价与总里程之间的商值)的变化趋势信息(随时间变化的历史单公里价格增长趋势)，以及针对该变化趋势信息分析得到的异常价格和/或异常价格判定阈值，再利用该异常价格和/或异常价格判定阈值，对当前所获的任务候选价格进行分析判定：(1)将该线路对应的异常价格与各个任务候选价格进行比较分析，与异常价格具有相同特征的任务候选价格，即可确定为是待验异常价格，所提特征包括：价格数值、与正常价格的价格差值、落入与正常价格的价格差值范围等；(2)将该线路对应的异常价格判定阈值与各个任务候选价格进行大小比较，超过(大于或等于)异常价格判定阈值的任务候选价格，即可确定为是待验异常价格。需要说明的是，上文所涉及针对历史单公里价格其变化趋势信息的获取步骤，可以是在服务器200获取到任务候选价格之后进行获取，也可以是在获取到任务候选价格之前获取，还可以是与任务候选价格同步获取，具体本申请实施例不作限制。

进一步地，服务器200分析得到各所述任务候选价格中的待验异常价格之后，即可基于预存的目标单公里价格，对当前锁定的待验异常价格进行异常检测，即首先查询出与目标物流任务的地区信息和车型信息匹配一致且的预存单公里价格，作为目标单公里价格，进而将目标单公里价格与待验异常价格进行比较，计算目标单公里价格与待验异常价格之间的差值，若该差值超过预设的价格阈值，则可进一步确定该待验异常价格为目标异常价格，筛除掉各个任务候选价格中的目标异常价格，即可实现数据清洗，得到正常的任务候选价格进行后续分析处理。需要说明的是，上文所述预存的单公里价格，实际是基于各个历史物流任务的任务总价和任务里程确定的，详细获取步骤将在下文描述。

S203，基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价。

其中，市场最低价格可以是指市场可接受的物流最低价格，市场最低价格的设置取决于市场接受度，具体可根据实际情况分析设置。

具体地，服务器200获取到任务候选价格之后，可结合预设的市场最低价格，分析获取目标物流任务的任务指导定价，而引入市场最低价格进行分析的目的是平衡任务指导定价的准确度(正负5％以内)，以及实现成本控制。本实施例中涉及的任务指导定价获取步骤将在下文详细描述。

在一个实施例中，本步骤包括：基于预设的定价系数，分析所述任务候选价格和所述市场最低价格，得到所述目标物流任务的任务目标价格，所述定价系数大于等于0并且小于等于1；若所述任务目标价格为多于一个的任务目标价格，则确定各所述任务目标价格中的最小值，作为所述目标物流任务的任务指导定价；若所述任务目标价格为少于两个的任务目标价格，则确定所述任务目标价格，作为所述目标物流任务的任务指导定价。

其中，定价系数可以是指大于等于0并且小于等于1的可调系数，具体取值可根据实际业务需求确定。

具体地，本申请实施例提出一个损失函数，用于获取目标物流任务的任务指导定价，该损失函数的公式如下：

Final＝argMin L

其中，y表示为市场最低价格，

表示为任务候选价格，α表示为定价系数、L表示为任务目标价格。因此，服务器200可通过该损失函数，对应分析各个任务候选价格和所述市场最低价格，得到各个任务候选价格对应的任务目标价格。若此时的任务目标价格仅有一个，则该唯一的任务目标价格即可确定为是任务指导定价；若此时的任务目标价格存在多个，则需在多个任务目标价格中选取一个价格数值为最小值的任务目标价格，作为任务指导定价。

可以理解的是，上文所述损失函数的第一部分公式是用于确保最终所得任务指导定价的准确度维持在正负5％以内，以保证模型整体自动定价率指标。而损失函数的第二部分公式表示成本节省部分，数值越小表示成本节省越多。综上，本申请所提出的物流定价优化目标就是最小化该损失函数，但是通过该损失函数计算所得的任务指导定价并非是可发送至终端100侧用户查看的价格，可发送至终端100侧用户查看的价格具体是针对该任务指导价格优化后的价格。

S204，当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价。

其中，优化后的任务指导定价是用于发送至终端，以使终端展示的价格。

具体地，上文已说明通过该损失函数计算所得的任务指导定价，并非是可发送至终端100侧用户查看的价格，服务器200分析得到任务指导定价之后，还需判断任务指导定价是否满足于预设的价格平衡条件，通过这一判断，即可确保发送至终端100侧用户查看的价格不是异常价格。进而，在任务指导定价不满足预设的价格平衡条件时，对任务指导定价进行调整优化，以便将优化后的任务指导定价发送至终端100，供终端100侧的用户查看，确保物流定价准确率。本实施例中涉及的定价优化步骤将在下文详细说明。

在一个实施例中，本步骤之前还包括：获取各个地区车型分段对应的单公里价格，所述各个地区车型分段为各个地区对应各个车型的预设分段，所述单公里价格是根据各个历史物流任务的任务总价和任务里程确定的；基于各个地区车型分段对应的单公里价格，统计各个地区车型分段对应的历史任务数量；基于各个地区车型分段对应的历史任务数量和单公里价格，判断所述任务指导定价是否满足预设的价格平衡条件。

具体地，服务器200对任务指导定价进行调整优化之前，需获取各个地区车型分段各自对应的单公里价格，这个单公里价格是根据各个历史物流任务的任务总价和任务里程确定的，即单公里价格＝总价格÷总里程。地区车型分段已在上文举例说明，在此不再赘述。仅需注意的是，各个地区车型分段对应的单公里价格，若该分段对应有一个历史物流任务，则对应存在一个任务对应的单公里价格；若该分段对应有一个历史物流任务，则对应各个任务对应的单公里价格。在分析得到各个地区车型分段对应的单公里价格之后，即可统计各个地区车型分段对应的历史任务数量，如针对各个分段分别统计单公里价格大于单公里价格均值的N倍(如N＝1.5)的历史任务数量。其中，单公里价格均值是该分段内各个单公里价格的均值，这一步骤的实施目的是筛选出单公里价格大于“单公里价格均值的N倍”的任务，并统计所有符合这一条件的任务数量，得到各个地区车型分段对应的历史任务数量。

可以理解的是，此时所得各个地区车型分段对应的历史任务数量和单公里价格，可作进一步统计分析，以获取各个地区车型分段对应的截断点价格，该截断点价格是用于判断前序步骤所得的任务指导定价是否满足于价格平衡条件的判断条件。本实施例中涉及的任务指导定价判断步骤将在下文详细说明。

在一个实施例中，所述物流询价请求中还携带有目标物流任务的地区信息和车型信息，所述基于各个地区车型分段对应的历史任务数量和单公里价格，判断所述任务指导定价是否满足预设的价格平衡条件的步骤，包括：分析各个地区车型分段对应的历史任务数量和单公里价格，得到各个地区车型分段对应的截断点价格；根据所述目标物流任务的地区信息和车型信息，确定各个截断点价格中与所述目标物流任务相匹配的目标截断点价格；若所述任务指导定价大于所述目标截断点价格，则判定所述任务指导定价不满足预设的价格平衡条件。

具体地，可按照统计学3sigma原则，分析各个地区车型分段对应的历史任务数量和单公里价格，以此获取各个地区车型分段对应的截断点价格，进而在各个截断点价格中确定目标截断点价格，以便利用目标物流任务对应的目标截断点价格分析任务指导定价是否异常，最后在任务指导定价大于目标截断点价格的情况下，判定任务指导定价不满足预设的价格平衡条件，即当前的任务指导价格异常，需要进一步优化处理。

例如，地区车型分段包括分段①、分段②和分段③，分段①是地区A-车型1的地区车型分段，分段②是地区A-车型2的地区车型分段，分段③地区B-车型1的地区车型分段，分段①对应的截断点价格为“150”，分段②对应的截断点价格为“100”，分段③对应的截断点价格为“80”。而此时目标物流任务的地区信息为“地区A”、车型信息为“车型2”，则目标物流任务对应的目标截断点价格为“100”。若目标物流任务的任务指导定价为“95”，则判定任务指导定价满足预设的价格平衡条件，无需进行定价优化处理；若标物流任务的任务指导定价为“105”，则判定任务指导定价不满足预设的价格平衡条件，需对任务指导定价进行定价优化处理，例如下一个实施例。

在一个实施例中，所述分析各个地区车型分段对应的历史任务数量和单公里价格，得到各个地区车型分段对应的截断点价格的步骤，包括：基于预设的业务场景，对各个地区车型分段对应的历史任务数量和单公里价格进行统计分析，得到各个地区车型分段对应的均值价格和标准差价格；基于预设的截断点获取公式，计算所述各个地区车型分段对应的均值价格和标准差价格，得到各个地区车型分段对应的截断点价格。

其中，业务场景可以是指速运、冷运、医药、快运等业务场景，不同业务场景下的物流任务需要独立分析。

具体地，在上文所述按照统计学3sigma原则，分析各个地区车型分段对应的历史任务数量和单公里价格的基础上，本实施例提出需区分不同的业务场景，对各个地区车型分段对应的历史任务数量和单公里价格进行独立分析，以获取各个业务场景下各个地区车型分段的均值价格和标准差价格。然后，基于预设的截断点获取公式，计算各个场景下各个地区车型分段对应的均值价格和标准差价格，即可得到各个场景所对应各个地区车型分段的截断点价格。其中，若均值为μ，标准值为

则截断点获取公式：

基于该公式，可确定各个分段对应唯一的一个截断点价格。如此，即可在确定目标物流任务的业务场景信息基础上，进一步提高物流定价准确率。

在一个实施例中，本步骤包括：当所述任务指导定价不满足预设的价格平衡条件时，获取所述目标物流任务的任务总公里数；计算所述任务总公里数与所述目标截断点价格之积，得到所述优化后的任务指导定价。

具体地，优化后的任务指导定价是任务总公里数与目标截断点价格之间的积值。任务总公里数是目标物流任务的任务总公里数，目标截断点价格是与目标物流任务的业务场景信息、地区信息、车型信息相匹配的截断点价格。因此，当任务指导定价大于目标截断点价格是，可计算任务总公里数与目标截断点价格之积，作为优化后的任务指导定价，实现对任务指导定价的调整优化。而该优化后的任务指导定价可发送至请求针对目标物流任务进行物流询价的终端100，以使终端100能够展示用户所需的物流定价。

上述实施例所述的物流定价优化方法，服务器通过接收并响应针对目标物流任务的物流询价请求，获取目标物流任务的任务候选价格，可有效提高物流的定价效率。又引入市场最低价格来分析获取目标物流任务的任务指导定价，从整体考虑了市场对于价格的接受程度和节省成本这两个方面，使得物流定价准确率得以有效提升。同时，预设了价格平衡条件来动态监控任务指导定价是否异常，有效避免了实际业务中出现定价异常，进一步提升了最终所得物流定价的准确率。

为了更好实施本申请实施例中的物流定价优化方法，在物流定价优化方法基础之上，本申请实施例中还提供一种物流定价优化装置，如图4所示，所述物流定价优化装置400包括：

请求接收模块410，用于接收针对目标物流任务的物流询价请求，所述物流询价请求中携带有所述目标物流任务的线路信息和货物信息；

请求响应模块420，用于响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格；

定价获取模块430，用于基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价；

定价优化模块440，用于当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价。

在本申请一些实施例中，定价获取模块430还用于基于预设的定价系数，分析所述任务候选价格和所述市场最低价格，得到所述目标物流任务的任务目标价格，所述定价系数大于等于0并且小于等于1；若所述任务目标价格为多于一个的任务目标价格，则确定各所述任务目标价格中的最小值，作为所述目标物流任务的任务指导定价；若所述任务目标价格为少于两个的任务目标价格，则确定所述任务目标价格，作为所述目标物流任务的任务指导定价。

在本申请一些实施例中，物流定价优化装置400还包括价格统计模块，用于获取各个地区车型分段对应的单公里价格，所述各个地区车型分段为各个地区对应各个车型的预设分段，所述单公里价格是根据各个历史物流任务的任务总价和任务里程确定的；基于各个地区车型分段对应的单公里价格，统计各个地区车型分段对应的历史任务数量；基于各个地区车型分段对应的历史任务数量和单公里价格，判断所述任务指导定价是否满足预设的价格平衡条件。

在本申请一些实施例中，所述物流询价请求中还携带有目标物流任务的地区信息和车型信息，价格统计模块还用于分析各个地区车型分段对应的历史任务数量和单公里价格，得到各个地区车型分段对应的截断点价格；根据所述目标物流任务的地区信息和车型信息，确定各个截断点价格中与所述目标物流任务相匹配的目标截断点价格；若所述任务指导定价大于所述目标截断点价格，则判定所述任务指导定价不满足预设的价格平衡条件。

在本申请一些实施例中，价格统计模块还用于基于预设的业务场景，对各个地区车型分段对应的历史任务数量和单公里价格进行统计分析，得到各个地区车型分段对应的均值价格和标准差价格；基于预设的截断点获取公式，计算所述各个地区车型分段对应的均值价格和标准差价格，得到各个地区车型分段对应的截断点价格。

在本申请一些实施例中，定价优化模块440还用于当所述任务指导定价不满足预设的价格平衡条件时，获取所述目标物流任务的任务总公里数；计算所述任务总公里数与所述目标截断点价格之积，得到所述优化后的任务指导定价。

在本申请一些实施例中，物流定价优化装置400还包括异常检测模块，用于若所述任务候选价格为多于一个的任务候选价格，则获取并分析各所述任务候选价格的变化趋势信息，确定各所述任务候选价格中的待验异常价格；基于预存的目标单公里价格，对所述待验异常价格进行异常检测，得到各任务候选价格中的目标异常价格；所述目标单公里价格是根据所述目标物流任务的地区信息和车型信息匹配得到的单公里价格；筛除所述任务候选价格中的目标异常价格，得到筛除后的任务候选价格，所述筛除后的任务候选价格用于分析获取所述目标物流任务的任务指导定价。

上述实施例中，服务器通过接收并响应针对目标物流任务的物流询价请求，获取目标物流任务的任务候选价格，可有效提高物流的定价效率。又引入市场最低价格来分析获取目标物流任务的任务指导定价，从整体考虑了市场对于价格的接受程度和节省成本这两个方面，使得物流定价准确率得以有效提升。同时，预设了价格平衡条件来动态监控任务指导定价是否异常，有效避免了实际业务中出现定价异常，进一步提升了最终所得物流定价的准确率。

在本申请一些实施例中，物流定价优化装置400可以实现为一种计算机程序的形式，计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成该物流定价优化装置400的各个程序模块，比如，图4所示的请求接收模块410、请求响应模块420、定价获取模块430以及定价优化模块440。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的物流定价优化方法中的步骤。

例如，图5所示的计算机设备可以通过如图4所示的物流定价优化装置400中的请求接收模块410执行步骤S201。计算机设备可通过请求响应模块420执行步骤S202。计算机设备可通过定价获取模块430执行步骤S203。计算机设备可通过定价优化模块440执行步骤S204。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种物流定价优化方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在本申请一些实施例中，提供了一种计算机设备，包括一个或多个处理器；存储器；以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述物流定价优化方法的步骤。此处物流定价优化方法的步骤可以是上述各个实施例的物流定价优化方法中的步骤。

在本申请一些实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器进行加载，使得处理器执行上述物流定价优化方法的步骤。此处物流定价优化方法的步骤可以是上述各个实施例的物流定价优化方法中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上对本申请实施例所提供的一种物流定价优化方法、装置、计算机设备以及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种物流定价优化方法，其特征在于，所述方法包括：

接收针对目标物流任务的物流询价请求，所述物流询价请求中携带有所述目标物流任务的线路信息和货物信息；

响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格；

基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价；

当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价。

2.如权利要求1所述的物流定价优化方法，其特征在于，所述基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价的步骤，包括：

基于预设的定价系数，分析所述任务候选价格和所述市场最低价格，得到所述目标物流任务的任务目标价格，所述定价系数大于等于0并且小于等于1；

若所述任务目标价格为多于一个的任务目标价格，则确定各所述任务目标价格中的最小值，作为所述目标物流任务的任务指导定价；

若所述任务目标价格为少于两个的任务目标价格，则确定所述任务目标价格，作为所述目标物流任务的任务指导定价。

3.如权利要求1所述的物流定价优化方法，其特征在于，在所述当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价的步骤之前，所述方法还包括：

获取各个地区车型分段对应的单公里价格，所述各个地区车型分段为各个地区对应各个车型的预设分段，所述单公里价格是根据各个历史物流任务的任务总价和任务里程确定的；

基于各个地区车型分段对应的单公里价格，统计各个地区车型分段对应的历史任务数量；

基于各个地区车型分段对应的历史任务数量和单公里价格，判断所述任务指导定价是否满足预设的价格平衡条件。

4.如权利要求3所述的物流定价优化方法，其特征在于，所述物流询价请求中还携带有目标物流任务的地区信息和车型信息，所述基于各个地区车型分段对应的历史任务数量和单公里价格，判断所述任务指导定价是否满足预设的价格平衡条件的步骤，包括：

分析各个地区车型分段对应的历史任务数量和单公里价格，得到各个地区车型分段对应的截断点价格；

根据所述目标物流任务的地区信息和车型信息，确定各个截断点价格中与所述目标物流任务相匹配的目标截断点价格；

若所述任务指导定价大于所述目标截断点价格，则判定所述任务指导定价不满足预设的价格平衡条件。

5.如权利要求4所述的物流定价优化方法，其特征在于，所述分析各个地区车型分段对应的历史任务数量和单公里价格，得到各个地区车型分段对应的截断点价格的步骤，包括：

基于预设的业务场景，对各个地区车型分段对应的历史任务数量和单公里价格进行统计分析，得到各个地区车型分段对应的均值价格和标准差价格；

基于预设的截断点获取公式，计算所述各个地区车型分段对应的均值价格和标准差价格，得到各个地区车型分段对应的截断点价格。

6.如权利要求1所述的物流定价优化方法，其特征在于，所述当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价的步骤，包括：

当所述任务指导定价不满足预设的价格平衡条件时，获取所述目标物流任务的任务总公里数；

计算所述任务总公里数与所述目标截断点价格之积，得到所述优化后的任务指导定价。

7.如权利要求1所述的物流定价优化方法，其特征在于，所述物流询价请求中还携带有目标物流任务的地区信息和车型信息，在所述响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格之后，所述方法还包括：

若所述任务候选价格为多于一个的任务候选价格，则获取并分析各所述任务候选价格的变化趋势信息，确定各所述任务候选价格中的待验异常价格；

基于预存的目标单公里价格，对所述待验异常价格进行异常检测，得到各任务候选价格中的目标异常价格；所述目标单公里价格是根据所述目标物流任务的地区信息和车型信息匹配得到的单公里价格；

筛除所述任务候选价格中的目标异常价格，得到筛除后的任务候选价格，所述筛除后的任务候选价格用于分析获取所述目标物流任务的任务指导定价。

8.一种物流定价优化装置，其特征在于，所述装置包括：

请求接收模块，用于接收针对目标物流任务的物流询价请求，所述物流询价请求中携带有所述目标物流任务的线路信息和货物信息；

请求响应模块，用于响应所述物流询价请求，根据所述目标物流任务的线路信息和货物信息，获取所述目标物流任务的任务候选价格；

定价获取模块，用于基于所述任务候选价格和预设的市场最低价格，获取所述目标物流任务的任务指导定价；

定价优化模块，用于当所述任务指导定价不满足预设的价格平衡条件时，对所述任务指导定价进行调整优化，得到优化后的任务指导定价。

9.一种计算机设备，其特征在于，所述计算机设备包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至7中任一项所述的物流定价优化方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至7任一项所述的物流定价优化方法中的步骤。

Images