CN116109349A - 网约车运力激励方法、装置、计算机设备和存储介质 - Google Patents
网约车运力激励方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116109349A CN116109349A CN202310376975.3A CN202310376975A CN116109349A CN 116109349 A CN116109349 A CN 116109349A CN 202310376975 A CN202310376975 A CN 202310376975A CN 116109349 A CN116109349 A CN 116109349A
- Authority
- CN
- China
- Prior art keywords
- driver
- target
- silent
- model
- data
- 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.)
- Pending
Links
- 230000005284 excitation Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000000694 effects Effects 0.000 claims abstract description 136
- 230000006399 behavior Effects 0.000 claims description 75
- 238000012216 screening Methods 0.000 claims description 33
- 230000003542 behavioural effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008450 motivation Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 238000013075 data extraction Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 4
- 230000004936 stimulating effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0222—During e-commerce, i.e. online transactions
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0235—Discounts or incentives, e.g. coupons or rebates constrained by time limit or expiration date
-
- 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)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种网约车运力激励方法、装置、计算机设备和存储介质。所述方法包括:接收网约车平台上报的目标沉默司机的行为特征数据;其中,行为特征数据在网约车平台识别到电子围栏区域内存在运力缺少区域时上报;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;根据行为特征数据确定目标沉默司机的激励活动模型;向网约车平台反馈激励活动模型,以使网约车平台向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。采用本方法能够避免区域性车辆运力不足。
Description
技术领域
本申请涉及网约车技术领域,特别是涉及一种网约车运力激励方法、装置、计算机设备和存储介质。
背景技术
近年来,随着移动互联网行业的迅速发展,传统交通运输与互联网融合的行业新业态蓬勃发展,使得网络约车服务(简称网约车)俨然已经成为用户出行的一个重要方式。
在实际打车过程中,由于用户出行需求的差异性,可能有些区域用车需求较大,有某些区域用车需求较小,而司机凭借经验选择自己的候车地点,从而可能出现区域性车辆运力不足的问题,导致用户出行需求与车辆运力失衡。
发明内容
基于此,有必要针对上述技术问题,提供一种能够避免区域性车辆运力不足的网约车运力激励方法、装置、计算机设备和存储介质。
第一方面,提供一种网约车运力激励方法,上述方法应用于平台管理服务器,上述方法包括:
接收网约车平台上报的目标沉默司机的行为特征数据;其中,行为特征数据在网约车平台识别到电子围栏区域内存在运力缺少区域时上报;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;
根据行为特征数据确定目标沉默司机的激励活动模型;
向网约车平台反馈激励活动模型,以使网约车平台向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
在其中一个实施例中,行为特征数据包括目标沉默司机的注册时间、在线时长、历史完单数、订单取消率、历史营销将近占收入比例、历史参与营销活动数量、历史参与营销活动类型和接单偏好的一种或多种。
在其中一个实施例中,根据行为特征数据确定目标沉默司机的激励活动模型,包括:将行为特征数据输入至预先训练好的个性化推荐模型,并得到激励活动模型。
在其中一个实施例中,根据行为特征数据确定目标沉默司机的激励活动模型,包括:对行为特征数据进行特征识别,得到目标沉默司机的生命周期阶段;基于奖励活动模型数据库,根据生命周期阶段进行匹配,得到激励活动模型。
在其中一个实施例中,激励活动模型包括冲单奖励模型、时长奖励模型、流水奖励模型和保底奖励模型。
第二方面,提供了一种网约车运力激励方法,上述方法应用于网约车平台,上述方法包括:
响应于电子围栏区域内存在运力缺少区域,向平台管理服务器上报目标沉默司机的行为特征数据;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;
接收平台管理服务器反馈的激励活动模型;其中,激励活动模型根据行为特征数据确定;
向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
在其中一个实施例中,向平台管理服务器上报目标沉默司机的行为特征数据之前还包括:获取沉默司机名单中各沉默司机的接单能力特征数据;根据各接单能力特征数据进行接单能力评估,得到目标沉默司机;基于行为特征数据库,根据目标沉默司机进行数据提取,得到行为特征数据。
在其中一个实施例中,获取沉默司机名单中各沉默司机的接单能力特征数据,包括:获取电子围栏区域的各司机的活跃度筛选数据;根据各活跃度筛选数据进行活跃度筛选,得到沉默司机名单;基于接单能力特征数据库,根据沉默司机名单进行数据提取,得到对应的接单能力特征数据。
在其中一个实施例中,根据各接单能力特征数据进行接单能力评估,得到目标沉默司机,包括:将各接单能力特征数据输入至预先训练好的能力评估模型,并得到目标沉默司机。
在其中一个实施例中,上述方法还包括:接收司机听单信息和司机完单信息;其中,司机听单信息和司机完单信息由电子围栏区域的各司机的用户终端上报;根据司机听单信息和司机完单信息,更新行为特征数据库。
在其中一个实施例中,接单能力特征数据包括司机的历史完单数、每小时收入、订单取消率、出车时长、顺路驾驶位置、高频行驶区域、接单偏好的一种或多种。
第三方面,提供了一种网约车运力激励装置,上述装置应用于平台管理服务器,上述装置包括数据接收模块、模型确定模块和模型反馈模块。
其中,数据接收模块用于接收网约车平台上报的目标沉默司机的行为特征数据;其中,行为特征数据在网约车平台识别到电子围栏区域内存在运力缺少区域时上报;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;模型确定模块用于根据行为特征数据确定目标沉默司机的激励活动模型;模型反馈模块用于向网约车平台反馈激励活动模型,以使网约车平台向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
第四方面,提供了一种网约车运力激励装置,上述装置应用于网约车平台,上述装置包括数据上报模块、模型接收模块和奖励确定模块。
其中,数据上报模块用于响应于电子围栏区域内存在运力缺少区域,向平台管理服务器上报目标沉默司机的行为特征数据;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;模型接收模块用于接收平台管理服务器反馈的激励活动模型;其中,激励活动模型根据行为特征数据确定;奖励确定模块用于向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
第五方面,提供了一种计算机设备,该计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行所述计算机程序时实现上述第一方面的方法实施例中任一方法的步骤或第二方面的方法实施例中任一方法的步骤。
第六方面,提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面的方法实施例中任一方法的步骤或第二方面的方法实施例中任一方法的步骤。
上述网约车运力激励方法、装置、计算机设备和存储介质,,通过接收网约车平台上报的目标沉默司机的行为特征数据;其中,行为特征数据在网约车平台识别到电子围栏区域内存在运力缺少区域时上报;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;而后,根据行为特征数据确定目标沉默司机的激励活动模型,从而提高了激励活动模型对于目标沉默司机的针对性;向网约车平台反馈激励活动模型,以使网约车平台向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额,有利于激励目标沉默司机出车积极性,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配,避免了因网约车平台派单后的网约车行驶到乘客的位置的时间比较长乘客不愿意长时间等待导致订单接起后被取消,降低了订单取消率,对于提高用户乘车体验,提高车辆运力利用率具有重要意义。
附图说明
图1为一个实施例中网约车运力激励方法的应用环境图;
图2为一个实施例中网约车运力激励方法的第一流程示意图;
图3为一个实施例中根据行为特征数据确定目标沉默司机的激励活动模型的步骤的流程示意图;
图4为一个实施例中根据行为特征数据确定目标沉默司机的激励活动模型的步骤的流程示意图;
图5为一个实施例中网约车运力激励方法的第二流程示意图;
图6为一个实施例中网约车运力激励方法的第三流程示意图;
图7为一个实施例中获取沉默司机名单中各沉默司机的接单能力特征数据的步骤的流程示意图;
图8为一个实施例中网约车运力激励方法的第四流程示意图;
图9为一个实施例中网约车运力激励方法的第五流程示意图;
图10为一个实施例中网约车运力激励装置的第一结构框图;
图11为一个实施例中网约车运力激励装置的第二结构框图;
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一电阻称为第二电阻,且类似地,可将第二电阻称为第一电阻。第一电阻和第二电阻两者都是电阻,但其不是同一电阻。
可以理解,以下实施例中的“连接”,如果被连接的电路、模块、单元等相互之间具有电信号或数据的传递,则应理解为“电连接”、“通信连接”等。
在此使用时,单数形式的“一”、“一个”和“所述/该”也可以包括复数形式,除非上下文清楚指出另外的方式。还应当理解的是,术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在,但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。
下面,将本申请实施例提供的网约车运力激励方法的应用环境进行简要说明。
如图1所示,该应用环境是一种网约车服务系统,上述网约车服务系统可以包括平台管理服务器102、多个网约车平台103和多个用户终端104。其中,平台管理服务器102通过网络与各网约车平台103进行通信,网约车平台103通过网络与各用户终端104进行通信。其中,用户终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,平台管理服务器102和网约车平台103可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个具体示例中,平台管理服务器102是一种用于对各网约车平台进行管理服务的组件或设备。网约车平台103可以但不限于是网约车平台;例如,AA出行、XX出行、BB出租或ZZ骑行。以上仅为具体示例,实际应用中根据用户需求而灵活设置,在此不进行限制。
第一方面,如图2所示,提供一种网约车运力激励方法,以该方法应用于图1中的平台管理服务器102为例进行说明,包括以下步骤步骤201至步骤203。
步骤201,接收网约车平台上报的目标沉默司机的行为特征数据。
其中,目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机。可以理解的是,运力缺少区域是指在电子围栏区域内出行需求的订单数量大于车辆运力最大承载的订单数量的区域。电子围栏区域可以根据网约车平台的具体业务需求而灵活设置,在此不进行限制。沉默司机是指承接订单的活跃度小于设定值的司机。接单能力评估分数用于表征司机的接单能力,而接单能力评估分数大于分数阈值的司机则说明该司机的接单能力较强。
具体地,目标沉默司机的行为特征数据在网约车平台103识别到电子围栏区域内存在运力缺少区域时上报;也就是说,网约车平台103响应于电子围栏区域内存在运力缺少区域,向平台管理服务器102上报目标沉默司机的行为特征数据。此时,平台管理服务器102接收网约车平台103上报的目标沉默司机的行为特征数据。
在其中一个实施例中,目标沉默司机的行为特征数据包括目标沉默司机的注册时间、在线时长、历史完单数、订单取消率、历史营销将近占收入比例、历史参与营销活动数量、历史参与营销活动类型和接单偏好的一种或多种。
在本实施例中,通过上述目标沉默司机的行为特征数据能够准确地使目标沉默司机匹配到对应的激励活动模型,从而提升对目标沉默司机激励的针对性。
步骤202,根据行为特征数据确定目标沉默司机的激励活动模型。
其中,目标沉默司机的激励活动模型表征司机激励活动的适用规则和奖励金额计算规则。不同的目标沉默司机的激励活动模型对应不同的司机激励活动的适用规则和奖励金额计算规则。
具体地,平台管理服务器102根据行为特征数据确定目标沉默司机的激励活动模型,提高了激励活动模型对于目标沉默司机的针对性,有利于激励目标沉默司机出车,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配。
在其中一个实施例中,激励活动模型包括冲单奖励模型、时长奖励模型、流水奖励模型和保底奖励模型。
在一个具体示例中,冲单奖励模型用于表征司机冲单奖励活动的适用规则和奖励金额计算规则。例如,司机冲单奖励活动的适用规则可以但不限于是司机在活动24小时内完成50单。其中,司机冲单奖励活动的适用规则和奖励金额计算规则均可梯度设置。时长奖励模型用于表征司机时长奖励活动的适用规则和奖励金额计算规则。例如,司机冲单奖励活动的适用规则可以但不限于是司机一周内出车时长累计48小时。流水奖励模型用于表征司机流水奖励活动的适用规则和奖励金额计算规则。例如,司机流水奖励活动的适用规则可以但不限于是司机2小时内流水金额达到100元。保底奖励模型用于表征司机保底奖励活动的适用规则和奖励金额计算规则。例如,司机保底奖励活动的适用规则可以但不限于是司机每天出车2小时。以上仅为具体示例,在实际应用中根据用户需求而灵活设置,在此不进行限制。
在其中一个实施例中,如图3所示,根据行为特征数据确定目标沉默司机的激励活动模型,包括步骤301。
步骤301,将行为特征数据输入至预先训练好的个性化推荐模型,并得到激励活动模型。
其中,平台管理服务器102可以将目标沉默司机的行为特征数据输入至预先训练好的个性化推荐模型中,即可通过该预先训练好的个性化推荐模型输出与目标沉默司机相匹配的激励活动模型。
在一个具体示例中,预先训练好的个性化推荐模型可以但不限于是DeepFM模型。以上仅为具体示例,在实际应用中根据用户需求而灵活设置,在此不进行限制。
在本实施例中,通过将行为特征数据输入至预先训练好的个性化推荐模型,得到与目标沉默司机相匹配的激励活动模型,提高了激励活动模型对于目标沉默司机的针对性,有利于激励目标沉默司机出车,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配。
在其中一个实施例中,如图4所示,根据行为特征数据确定目标沉默司机的激励活动模型,包括步骤401和步骤402。
步骤401,对行为特征数据进行特征识别,得到目标沉默司机的生命周期阶段。
步骤402,基于奖励活动模型数据库,根据生命周期阶段进行匹配,得到激励活动模型。
其中,司机的生命周期阶段包括探索期、建立期、稳定期、维持期、高原期和退休期。具体地,平台管理服务器102可以对目标沉默司机的行为特征数据进行特征识别,即可确定目标沉默司机的生命周期阶段;而后,即可基于奖励活动模型数据库,根据目标沉默司机的生命周期阶段匹配到对应的激励活动模型。
在本实施例中,奖励活动模型数据库,根据目标沉默司机的生命周期阶段匹配到对应的激励活动模型,提高了激励活动模型对于目标沉默司机的针对性,有利于激励目标沉默司机出车,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配。
步骤203,向网约车平台反馈激励活动模型,以使网约车平台向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
其中,平台管理服务器102将激励活动模型反馈至网约车平台103,从而使得网约车平台103可以将与目标沉默司机相匹配的激励活动模型推送至目标沉默司机的目标用户终端,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额,提高了对目标沉默司机推送激励活动模型的针对性,有利于激励目标沉默司机出车积极性,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配,避免了因网约车平台派单后的网约车行驶到乘客的位置的时间比较长乘客不愿意长时间等待导致订单接起后被取消,降低了订单取消率,对于提高用户乘车体验,提高车辆运力利用率具有重要意义。
基于此,上述网约车运力激励方法,通过接收网约车平台上报的目标沉默司机的行为特征数据;其中,行为特征数据在网约车平台识别到电子围栏区域内存在运力缺少区域时上报;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;而后,根据行为特征数据确定目标沉默司机的激励活动模型,从而提高了激励活动模型对于目标沉默司机的针对性;向网约车平台反馈激励活动模型,以使网约车平台向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额,有利于激励目标沉默司机出车积极性,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配,避免了因网约车平台派单后的网约车行驶到乘客的位置的时间比较长乘客不愿意长时间等待导致订单接起后被取消,降低了订单取消率,对于提高用户乘车体验,提高车辆运力利用率具有重要意义。
第二方面,如图5所示,提供一种网约车运力激励方法,以该方法应用于图1中的网约车平台103为例进行说明,包括以下步骤步骤501至步骤503。
步骤501,响应于电子围栏区域内存在运力缺少区域,向平台管理服务器上报目标沉默司机的行为特征数据。
其中,目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机。可以理解的是,网约车平台103可以通过各司机的用户终端反馈的订单信息进行监测,从而判断电子围栏区域内是否存在运力缺少区域。具体地,网约车平台103在确定电子围栏区域存在运力缺少区域时,即可及时向平台管理服务器102上报目标沉默司机的行为特征数据。
步骤502,接收平台管理服务器反馈的激励活动模型。
其中,激励活动模型根据行为特征数据确定;具体地,平台管理服务器102根据行为特征数据确定目标沉默司机的激励活动模型,提高了激励活动模型对于目标沉默司机的针对性,有利于激励目标沉默司机出车,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配。
在其中一个实施例中,激励活动模型包括冲单奖励模型、时长奖励模型、流水奖励模型和保底奖励模型。
步骤503,向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
其中,网约车平台103可以将与目标沉默司机相匹配的激励活动模型推送至目标沉默司机的目标用户终端,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额,提高了对目标沉默司机推送激励活动模型的针对性,有利于激励目标沉默司机出车积极性,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配,避免了因网约车平台派单后的网约车行驶到乘客的位置的时间比较长乘客不愿意长时间等待导致订单接起后被取消,降低了订单取消率,对于提高用户乘车体验,提高车辆运力利用率具有重要意义。
基于此,上述网约车运力激励方法,响应于电子围栏区域内存在运力缺少区域,向平台管理服务器上报目标沉默司机的行为特征数据;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;而后,接收平台管理服务器反馈的激励活动模型;其中,激励活动模型根据行为特征数据确定;接着,向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额,有利于激励目标沉默司机出车积极性,从而解决区域性车辆运力不足的问题,以使用户出行需求与车辆运力相匹配,避免了因网约车平台派单后的网约车行驶到乘客的位置的时间比较长乘客不愿意长时间等待导致订单接起后被取消,降低了订单取消率,对于提高用户乘车体验,提高车辆运力利用率具有重要意义。
在其中一个实施例中,如图6所示,向平台管理服务器上报目标沉默司机的行为特征数据之前还包括步骤601至步骤603。
步骤601,获取沉默司机名单中各沉默司机的接单能力特征数据。
其中,沉默司机是指承接订单的活跃度小于设定值的司机;沉默司机名单用于存储各沉默司机的个人信息。接单能力特征数据为用于表征沉默司机的接单能力大小的特征数据。具体地,网约车平台103可以通过数据库直接获取沉默司机名单中各沉默司机的接单能力特征数据。
在其中一个实施例中,接单能力特征数据包括司机的历史完单数、每小时收入、订单取消率、出车时长、顺路驾驶位置、高频行驶区域、接单偏好的一种或多种。
在其中一个实施例中,如图7所示,获取沉默司机名单中各沉默司机的接单能力特征数据,包括步骤701至步骤703。
步骤701,获取电子围栏区域的各司机的活跃度筛选数据。
其中,活跃度筛选数据为用于表征司机的出车活跃度的特征数据。具体地,网约车平台103可以从数据库获取电子围栏区域的各司机的活跃度筛选数据。
在其中一个实施例中,所述活跃度筛选数据包括司机的历史完单数、平台登录次数、平台登录时长、高频行驶区域、接单次数和流水金额的一种或多种。
步骤702,根据各活跃度筛选数据进行活跃度筛选,得到沉默司机名单。
其中,网约车平台103可以根据各司机的活跃度筛选数据进行活跃度筛选,活跃度小于设定值的司机即可录入沉默司机名单,从而在活跃度筛选完成时生成沉默司机名单。
在一个具体示例中,网约车平台103可以通过决策树模型进行活跃度筛选。其中,可以理解的是,决策树模型可以由各决策树子模型自由组合而生成。决策树模型可以但不限于包括历史完单数决策树子模型、平台登录次数决策树子模型、平台登录时长决策树子模型、高频行驶区域决策树子模型、接单次数决策树子模型和流水金额决策树子模型。其中,历史完单数决策树子模型用于筛选符合历史完单数限制条件的司机;例如,历史完单数限制条件可以但不限于是司机的历史完单数低于X单。平台登录次数决策树子模型用于筛选符合平台登录次数限制条件的司机;例如,平台登录次数限制条件可以但不限于是登录网约车平台103低于X次。平台登录时长决策树子模型用于筛选符合平台登录时长限制条件的司机;例如,平台登录时长限制条件可以但不限于是网约车平台103在线时长低于X小时。高频行驶区域决策树子模型用于筛选符合高频行驶区域限制条件的司机;例如,高频行驶区域限制条件可以但不限于是出车区域是XX省XX市XX区XX街道。接单次数决策树子模型用于筛选符合接单次数限制条件的司机;例如,接单次数限制条件可以但不限于是接单次数低于X次。流水金额决策树子模型用于筛选符合流水金额限制条件的司机;例如,流水金额限制条件可以但不限于是流水金额低于X元。以上仅为具体示例,在实际应用中根据用户需求而灵活设置,在此不进行限制。
步骤703,基于接单能力特征数据库,根据沉默司机名单进行数据提取,得到对应的接单能力特征数据。
其中,接单能力特征数据库用于存储各司机的接单能力特征数据。网约车平台103可以基于接单能力特征数据库,根据上述沉默司机名单进行数据提取,得到沉默司机名单中各沉默司机所对应的接单能力特征数据。
在本实施例中,通过获取电子围栏区域的各司机的活跃度筛选数据;而后,根据各活跃度筛选数据进行活跃度筛选,得到沉默司机名单;接着,基于接单能力特征数据库,根据沉默司机名单进行数据提取,得到对应的接单能力特征数据,从而便于从电子围栏区域的各司机筛选出沉默司机,也便于获取沉默司机名单中各沉默司机接单能力特征数据,提高了对沉默司机进行接单能力评估的效率和便利性。
步骤602,根据各接单能力特征数据进行接单能力评估,得到目标沉默司机。
其中,网约车平台103可以根据沉默司机名单中各沉默司机的接单能力特征数据进行接单能力评估,从而即得到目标沉默司机。
在其中一个实施例中,如图8所示,根据各接单能力特征数据进行接单能力评估,得到目标沉默司机,包括步骤801。
步骤801,将各接单能力特征数据输入至预先训练好的能力评估模型,并得到目标沉默司机。
具体地,网约车平台103配置有预先训练好的能力评估模型,可以将沉默司机名单中各沉默司机的接单能力特征数据输入至预先训练好的能力评估模型,从而得到目标沉默司机。
在一个具体示例中,预先训练好的能力评估模型可以但不限于是lightGBM模型。以上仅为具体示例,在实际应用中根据用户需求而灵活设置,在此不进行限制。
在本实施例中,通过预先训练好的能力评估模型,根据各接单能力特征数据进行接单能力评估,得到目标沉默司机,提高了对沉默司机进行接单能力评估的效率和便利性。
步骤603,基于行为特征数据库,根据目标沉默司机进行数据提取,得到行为特征数据。
具体地,网约车平台103预先配置有行为特征数据库,可以基于行为特征数据库,根据目标沉默司机进行数据提取,从而得到目标沉默司机的行为特征数据。
在本实施例中,获取沉默司机名单中各沉默司机的接单能力特征数据;而后,根据各接单能力特征数据进行接单能力评估,得到目标沉默司机;接着,基于行为特征数据库,根据目标沉默司机进行数据提取,得到行为特征数据,便于针对不同的目标沉默司机确定对应的激励活动模型,提高了网约车运力激励的便利性和效率。
在其中一个实施例中,如图9所示,上述方法还包括步骤901和步骤902。
步骤901,接收司机听单信息和司机完单信息。
步骤902,根据司机听单信息和司机完单信息,更新行为特征数据库。
其中,司机听单信息和司机完单信息由电子围栏区域的各司机的用户终端104上报。在一个具体示例中,电子围栏区域的各司机的用户终端104每60秒进行一次司机听单信息上报,电子围栏区域的各司机的用户终端104在完单时进行一次司机完单信息上报。以上仅为具体示例,在实际应用中根据用户需求而灵活设置,在此不进行限制。
具体地,网约车平台103接收司机听单信息和司机完单信息电子围栏区域的各司机的用户终端104上报的司机听单信息和司机完单信息;而后,根据司机听单信息和司机完单信息,更新行为特征数据库,从而便于根据目标沉默司机进行数据提取来得到行为特征数据,进一步提高了针对不同的目标沉默司机确定对应的激励活动模型的便利性和效率。
应该理解的是,虽然图2-9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-9中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
第三方面,如图10所示,提供了一种网约车运力激励装置,上述装置应用于平台管理服务器102,上述装置包括数据接收模块1001、模型确定模块1002和模型反馈模块1003。
其中,数据接收模块1001用于接收网约车平台上报的目标沉默司机的行为特征数据;其中,行为特征数据在网约车平台识别到电子围栏区域内存在运力缺少区域时上报;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;模型确定模块1002用于根据行为特征数据确定目标沉默司机的激励活动模型;模型反馈模块1003用于向网约车平台反馈激励活动模型,以使网约车平台向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
在其中一个实施例中,行为特征数据包括目标沉默司机的注册时间、在线时长、历史完单数、订单取消率、历史营销将近占收入比例、历史参与营销活动数量、历史参与营销活动类型和接单偏好的一种或多种。
在其中一个实施例中,模型确定模块1002包括模型确定单元;模型确定单元用于将行为特征数据输入至预先训练好的个性化推荐模型,并得到激励活动模型。
在其中一个实施例中,模型确定模块1002包括特征识别单元和模型匹配单元;特征识别单元用于对行为特征数据进行特征识别,得到目标沉默司机的生命周期阶段;模型匹配单元用于基于奖励活动模型数据库,根据生命周期阶段进行匹配,得到激励活动模型。
在其中一个实施例中,激励活动模型包括冲单奖励模型、时长奖励模型、流水奖励模型和保底奖励模型。
第四方面,如图11所示,提供了一种网约车运力激励装置,上述装置应用于网约车平台103,上述装置包括数据上报模块1101、模型接收模块1102和奖励确定模块1103。
其中,数据上报模块1101用于响应于电子围栏区域内存在运力缺少区域,向平台管理服务器上报目标沉默司机的行为特征数据;目标沉默司机为运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;模型接收模块1102用于接收平台管理服务器反馈的激励活动模型;其中,激励活动模型根据行为特征数据确定;奖励确定模块1103用于向目标沉默司机的目标用户终端推送激励活动模型,并根据目标用户终端反馈的司机奖励数据和激励活动模型确定目标沉默司机的奖励金额。
在其中一个实施例中,网约车运力激励装置还包括接单能力特征数据获取模块、能力评估模块和数据提取模块。其中,接单能力特征数据获取模块用于获取沉默司机名单中各沉默司机的接单能力特征数据;能力评估模块用于根据各接单能力特征数据进行接单能力评估,得到目标沉默司机;数据提取模块用于基于行为特征数据库,根据目标沉默司机进行数据提取,得到行为特征数据。
在其中一个实施例中,接单能力特征数据包括活跃度筛选数据获取子单元、活跃度筛选子单元和数据提取子单元。其中,活跃度筛选数据获取子单元用于获取电子围栏区域的各司机的活跃度筛选数据;活跃度筛选子单元用于根据各活跃度筛选数据进行活跃度筛选,得到沉默司机名单;数据提取子单元用于基于接单能力特征数据库,根据沉默司机名单进行数据提取,得到对应的接单能力特征数据。
在其中一个实施例中,根据各接单能力特征数据进行接单能力评估,得到目标沉默司机,包括:将各接单能力特征数据输入至预先训练好的能力评估模型,并得到目标沉默司机。
在其中一个实施例中,上述装置还包括信息接收模块和数据库更新模块。其中,信息接收模块用于接收司机听单信息和司机完单信息;其中,司机听单信息和司机完单信息由电子围栏区域的各司机的用户终端上报;数据库更新模块用于根据司机听单信息和司机完单信息,更新行为特征数据库。
在其中一个实施例中,接单能力特征数据包括司机的历史完单数、每小时收入、订单取消率、出车时长、顺路驾驶位置、高频行驶区域、接单偏好的一种或多种。
关于网约车运力激励装置的具体限定可以参见上文中对于网约车运力激励方法的限定,在此不再赘述。上述网约车运力激励装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。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、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储目标沉默司机的行为特征数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种网约车运力激励方法。
本领域技术人员可以理解,图12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。
第五方面,提供了一种计算机设备,该计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行所述计算机程序时实现上述第一方面的方法实施例中任一方法的步骤或第二方面的方法实施例中任一方法的步骤。
第六方面,提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面的方法实施例中任一方法的步骤或第二方面的方法实施例中任一方法的步骤。
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一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。其中,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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)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。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种网约车运力激励方法,其特征在于,所述方法应用于平台管理服务器,所述方法包括:
接收网约车平台上报的目标沉默司机的行为特征数据;其中,所述行为特征数据在所述网约车平台识别到电子围栏区域内存在运力缺少区域时上报;所述目标沉默司机为所述运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;
根据所述行为特征数据确定所述目标沉默司机的激励活动模型;
向所述网约车平台反馈所述激励活动模型,以使所述网约车平台向所述目标沉默司机的目标用户终端推送所述激励活动模型,并根据所述目标用户终端反馈的司机奖励数据和所述激励活动模型确定所述目标沉默司机的奖励金额。
2.根据权利要求1所述的方法,其特征在于,所述行为特征数据包括所述目标沉默司机的注册时间、在线时长、历史完单数、订单取消率、历史营销将近占收入比例、历史参与营销活动数量、历史参与营销活动类型和接单偏好的一种或多种。
3.根据权利要求1所述的方法,其特征在于,所述根据所述行为特征数据确定所述目标沉默司机的激励活动模型,包括:
将所述行为特征数据输入至预先训练好的个性化推荐模型,并得到所述激励活动模型。
4.根据权利要求1所述的方法,其特征在于,所述根据所述行为特征数据确定所述目标沉默司机的激励活动模型,包括:
对所述行为特征数据进行特征识别,得到所述目标沉默司机的生命周期阶段;
基于奖励活动模型数据库,根据所述生命周期阶段进行匹配,得到所述激励活动模型。
5.根据权利要求1所述的方法,其特征在于,所述激励活动模型包括冲单奖励模型、时长奖励模型、流水奖励模型和保底奖励模型。
6.一种网约车运力激励方法,其特征在于,所述方法应用于网约车平台,所述方法包括:
响应于电子围栏区域内存在运力缺少区域,向平台管理服务器上报目标沉默司机的行为特征数据;所述目标沉默司机为所述运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;
接收所述平台管理服务器反馈的激励活动模型;其中,所述激励活动模型根据所述行为特征数据确定;
向所述目标沉默司机的目标用户终端推送所述激励活动模型,并根据所述目标用户终端反馈的司机奖励数据和所述激励活动模型确定所述目标沉默司机的奖励金额。
7.根据权利要求6所述的方法,其特征在于,所述向平台管理服务器上报目标沉默司机的行为特征数据之前还包括:
获取所述沉默司机名单中各沉默司机的接单能力特征数据;
根据各所述接单能力特征数据进行接单能力评估,得到所述目标沉默司机;
基于行为特征数据库,根据所述目标沉默司机进行数据提取,得到所述行为特征数据。
8.根据权利要求7所述的方法,其特征在于,所述获取所述沉默司机名单中各沉默司机的接单能力特征数据,包括:
获取所述电子围栏区域的各司机的活跃度筛选数据;
根据各所述活跃度筛选数据进行活跃度筛选,得到所述沉默司机名单;
基于接单能力特征数据库,根据所述沉默司机名单进行数据提取,得到对应的所述接单能力特征数据。
9.根据权利要求7所述的方法,其特征在于,所述根据各所述接单能力特征数据进行接单能力评估,得到所述目标沉默司机,包括:
将各所述接单能力特征数据输入至预先训练好的能力评估模型,并得到所述目标沉默司机。
10.根据权利要求7所述的方法,其特征在于,所述方法还包括:
接收司机听单信息和司机完单信息;其中,所述司机听单信息和所述司机完单信息由所述电子围栏区域的各司机的用户终端上报;
根据所述司机听单信息和所述司机完单信息,更新所述行为特征数据库。
11.根据权利要求7所述的方法,其特征在于,所述接单能力特征数据包括所述司机的历史完单数、每小时收入、订单取消率、出车时长、顺路驾驶位置、高频行驶区域、接单偏好的一种或多种。
12.一种网约车运力激励装置,其特征在于,所述装置应用于平台管理服务器,所述装置包括:
数据接收模块,用于接收网约车平台上报的目标沉默司机的行为特征数据;其中,所述行为特征数据在所述网约车平台识别到电子围栏区域内存在运力缺少区域时上报;所述目标沉默司机为所述运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;
模型确定模块,用于根据所述行为特征数据确定所述目标沉默司机的激励活动模型;
模型反馈模块,用于向所述网约车平台反馈所述激励活动模型,以使所述网约车平台向所述目标沉默司机的目标用户终端推送所述激励活动模型,并根据所述目标用户终端反馈的司机奖励数据和所述激励活动模型确定所述目标沉默司机的奖励金额。
13.一种网约车运力激励装置,其特征在于,所述装置应用于网约车平台,所述装置包括:
数据上报模块,用于响应于电子围栏区域内存在运力缺少区域,向平台管理服务器上报目标沉默司机的行为特征数据;所述目标沉默司机为所述运力缺少区域的沉默司机名单中接单能力评估分数大于分数阈值的司机;
模型接收模块,用于接收所述平台管理服务器反馈的激励活动模型;其中,所述激励活动模型根据所述行为特征数据确定;
奖励确定模块,用于向所述目标沉默司机的目标用户终端推送所述激励活动模型,并根据所述目标用户终端反馈的司机奖励数据和所述激励活动模型确定所述目标沉默司机的奖励金额。
14.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的网约车运力激励方法或权利要求6至11中任一项所述的网约车运力激励方法的步骤。
15.一种计算机可读存储介质,其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执行时实现权利要求1至5中任一项所述的网约车运力激励方法或权利要求6至11中任一项所述的网约车运力激励方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310376975.3A CN116109349A (zh) | 2023-04-10 | 2023-04-10 | 网约车运力激励方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310376975.3A CN116109349A (zh) | 2023-04-10 | 2023-04-10 | 网约车运力激励方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116109349A true CN116109349A (zh) | 2023-05-12 |
Family
ID=86256448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310376975.3A Pending CN116109349A (zh) | 2023-04-10 | 2023-04-10 | 网约车运力激励方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109349A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369036A (zh) * | 2017-06-23 | 2017-11-21 | 镇江五八到家供应链管理服务有限公司 | 一种基于司机行为特征的激励方法 |
CN108596723A (zh) * | 2018-04-24 | 2018-09-28 | 北京同城必应科技有限公司 | 一种订单推送方法、系统、服务器及存储介质 |
CN109472482A (zh) * | 2018-10-31 | 2019-03-15 | 北京趣拿软件科技有限公司 | 用车订单的派发方法及装置、储存介质、电子装置 |
CN110798800A (zh) * | 2018-08-02 | 2020-02-14 | 北京嘀嘀无限科技发展有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
CN110942220A (zh) * | 2018-09-25 | 2020-03-31 | 北京嘀嘀无限科技发展有限公司 | 运力调度方法、装置和服务器 |
CN111754149A (zh) * | 2019-03-28 | 2020-10-09 | 天津五八到家科技有限公司 | 司机调度方法、设备及存储介质 |
CN115689130A (zh) * | 2021-07-12 | 2023-02-03 | 北京三快在线科技有限公司 | 奖励策略配置方法、装置、电子设备、存储介质及产品 |
-
2023
- 2023-04-10 CN CN202310376975.3A patent/CN116109349A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107369036A (zh) * | 2017-06-23 | 2017-11-21 | 镇江五八到家供应链管理服务有限公司 | 一种基于司机行为特征的激励方法 |
CN108596723A (zh) * | 2018-04-24 | 2018-09-28 | 北京同城必应科技有限公司 | 一种订单推送方法、系统、服务器及存储介质 |
CN110798800A (zh) * | 2018-08-02 | 2020-02-14 | 北京嘀嘀无限科技发展有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
CN110942220A (zh) * | 2018-09-25 | 2020-03-31 | 北京嘀嘀无限科技发展有限公司 | 运力调度方法、装置和服务器 |
CN109472482A (zh) * | 2018-10-31 | 2019-03-15 | 北京趣拿软件科技有限公司 | 用车订单的派发方法及装置、储存介质、电子装置 |
CN111754149A (zh) * | 2019-03-28 | 2020-10-09 | 天津五八到家科技有限公司 | 司机调度方法、设备及存储介质 |
CN115689130A (zh) * | 2021-07-12 | 2023-02-03 | 北京三快在线科技有限公司 | 奖励策略配置方法、装置、电子设备、存储介质及产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105373840B (zh) | 代驾订单预测方法和代驾运力调度方法 | |
CN111260391B (zh) | 广告推送方法、装置、计算机设备和可读存储介质 | |
Simpson et al. | An estimation of the future adoption rate of autonomous trucks by freight organizations | |
CN111832788B (zh) | 一种服务信息生成的方法、装置、计算机设备及存储介质 | |
CN107341553A (zh) | 一种车辆调度方法及装置,电子设备 | |
CN103747092A (zh) | 一种汽车售后管理系统和方法 | |
CN106997577A (zh) | 一种订单策略动态调整方法及装置 | |
US11836748B2 (en) | System and methods for predicting rental vehicle use preferences | |
DE112016006754T5 (de) | Verfahren und vorrichtung zur on-demand-kraftstofflieferung | |
CN111260382A (zh) | 一种流失概率的预测处理方法及装置 | |
CN111936988A (zh) | 智能激励分配 | |
CN114187072A (zh) | 聚合打车方法、装置、计算机设备及存储介质 | |
CN113205367A (zh) | 一种用户数据处理方法、装置、电子设备和存储介质 | |
CN109978241B (zh) | 一种电动汽车充电负荷的确定方法及装置 | |
CN108171699A (zh) | 定损理赔方法、服务器及计算机可读存储介质 | |
CN116109349A (zh) | 网约车运力激励方法、装置、计算机设备和存储介质 | |
CN110580563A (zh) | 基于出车行为的司机组队方法、装置及设备 | |
CN111835730B (zh) | 服务账号处理方法、装置、电子设备及可读存储介质 | |
CN109472640A (zh) | 客户识别方法、装置、设备以及存储介质 | |
CN111327661A (zh) | 推送方法、推送装置、服务器和计算机可读存储介质 | |
CN110175181B (zh) | 一种基于数据分析的信息更新方法及相关设备 | |
CN111507753A (zh) | 信息推送方法、装置和电子设备 | |
CN112819507A (zh) | 一种服务推送方法、装置、电子设备以及可读存储介质 | |
US20060059030A1 (en) | Method and decision support system for optimal allocation of expendable resources in internet marketing with resource-dependant effectiveness and use of a-posteriori information | |
CN110111148A (zh) | 车辆补贴计算方法、装置、系统、计算机设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230512 |