CN117852676A - 网约车订单价格指导模版的生成方法、装置、设备和介质 - Google Patents
网约车订单价格指导模版的生成方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117852676A CN117852676A CN202410038866.5A CN202410038866A CN117852676A CN 117852676 A CN117852676 A CN 117852676A CN 202410038866 A CN202410038866 A CN 202410038866A CN 117852676 A CN117852676 A CN 117852676A
- Authority
- CN
- China
- Prior art keywords
- order
- information
- template
- tenant
- passenger
- 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
- 238000000034 method Methods 0.000 title claims abstract description 116
- 230000004044 response Effects 0.000 claims abstract description 91
- 230000002776 aggregation Effects 0.000 claims abstract description 88
- 238000004220 aggregation Methods 0.000 claims abstract description 88
- 230000008569 process Effects 0.000 claims abstract description 58
- 230000015654 memory Effects 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及汽车服务技术领域,公开了网约车订单价格指导模版的生成方法、装置、设备和介质,方法包括:根据网约车多租户聚合平台上各租户的预设计价模板和应答订单数量计算基础计价模板;对基础计价模板进行调整,获得不同计价标准的基础计价模板;获取乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准计算对应订单的预估价;模拟订单应答过程,预测乘客所发布订单的完单率;选取完单率最高的基础计价模板作为网约车多租户聚合平台的价格指导模板。本发明获得适用性更广的价格指导模板,为用户提供价格指导,减少租户在配置计价模版时对人工的过度依赖,降低新入行租户的经验门槛,使计价模板的配置流程更加智能化、合理化。
Description
技术领域
本发明涉及汽车服务技术领域,具体涉及网约车订单价格指导模版的生成方法、装置、设备和介质。
背景技术
目前,在网约车领域,不同租户选择在聚众平台运营,其中,租户指司机所属的网约车运营公司,比如“曹操出行”、“飞嘀打车”、“首汽约车”等租户,聚合平台为由多家租户所组成的一个网约车打车平台。在这个平台打车时,乘客在聚合平台中下网约车订单时,可以根据喜好选择自己想要打哪些租户下的网约车,而不同租户的算价方式和标准存在不同。
现有技术中,租户在聚合平台上配置的计价模版大多依赖于经验,由租户的员工纯手动配置。租户的运营人员根据租户过往的计价情况,并参考行业内其他公司的计价情况以及目前的市场行情,对租户现有的计价标准进行适当调整,并将调整后的计价模版配置在聚合平台上。但是这种确定计价模版的方式十分依赖于人工,运营人员的经验、能力对配置出来的计价模版的效果影响较大。而且对于新的入行的租户,由于没有历史经验和数据的参照,人工配制计价模版的过程比较困难,从而导致计价模板不合理。
发明内容
有鉴于此,本发明提供了一种网约车订单价格指导模版的生成方法、装置、设备和介质,以解决网约车聚合平台内租户的计价模板不合理的问题。
第一方面,本发明提供了一种网约车订单价格指导模版的生成方法,方法包括:
根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取网约车多租户聚合平台的基础计价模板;
按照预设幅度对基础计价模板进行调整,获得不同计价标准的基础计价模板;
获取第一预设时间段内乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准,来根据订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价;
根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率;
选取完单率最高的基础计价模板作为网约车多租户聚合平台的价格指导模板。
本发明实施例提供的网约车订单价格指导模版的生成方法,通过根据网约车多租户聚合平台上各租户的预设计价模板计算基础计价模板,并按照预设幅度调整后获得不同计价标准的基础计价模板,基于不同计价标准的基础计价模板来根据乘客所发布订单的预估送驾距离计算对应订单的预估价,并根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。本发明通过根据网约车多租户平台的预设计价模板和乘客所发布订单相关信息,能够获得适用性更广的价格指导模板,为用户提供价格指导,减少租户在配置计价模版时对人工的过度依赖,降低新入行租户的经验门槛,使计价模板的配置流程更加智能化、合理化。
在一种可选的实施方式中,根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取网约车多租户聚合平台的基础计价模板的过程,包括:获取网约车多租户聚合平台上各租户在预设行政区域单元的预设计价模板,预设计价模板包括:起步费、时长费、里程费和远途费;获取预设行政区域单元内各租户在第一预设时间段内的应答订单数量;计算预设行政区域单元内不同租户的预设计价模板和应答订单数量之积的总和,与预设行政区域单元内所有租户的应答订单数量之和的比值,获得网约车多租户聚合平台在预设行政区域单元范围内的基础计价,作为网约车多租户聚合平台的基础计价模板。
本发明通过以行政区域单元范围内各租户的应答订单数量代表租户的权重,对各租户的预设计价模板进行加权平均,能够获得本行政区域单元范围内的适用性较广的计价标准,为其他租户提供价格指导,降低了新入行租户的经验门槛。
在一种可选的实施方式中,获取第一预设时间段内乘客所发布订单的订单信息的过程,包括:获取网约车多租户聚合平台上第一预设时间段内在不同预设行政区域单元范围内乘客所发布订单的订单信息,订单信息包括:乘客下单信息、订单曝光信息、乘客选择租户信息、订单应答信息及订单是否完单;对订单信息进行第一预设特征提取,获得第一特征信息,第一特征信息包括:第一订单上下文特征信息、乘客统计特征信息、第一订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息;筛选乘客所发布订单中应答后订单,并对应答后订单的订单信息进行第二预设特征提取,获得第二特征信息,第二特征信息包括:第二订单上下文特征信息、第二订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息;其中,第一订单上下文特征信息表征乘客下单信息;第二订单上下文特征信息表征乘客订单预估信息;第一订单所在行政区域单元统计特征信息表征不同行政区域单元范围内曝光订单信息;第二订单所在行政区域单元统计特征信息表征不同行政区域单元范围内订单处理结果信息;乘客统计特征信息表征乘客选择租户信息;订单所在时刻供需特征信息表征不同行政区域单元范围内下单时刻乘客和司机的供需信息。
本发明通过对获取的乘客所发布订单的订单信息进行预设特征提取,能够在复杂信息中获取与计价标准相关的信息,从而为后续生成价格指导模板提供丰富且相关性强的信息,从而保证生成的价格指导模板准确、可靠。
在一种可选的实施方式中,根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率的过程,包括:将第一特征信息和预估价输入至预先构建的乘客发单概率模型,预测乘客是否选择订单曝光信息中的推荐订单;若乘客选择推荐订单中至少一个子单,则通过网约车多租户聚合平台的优选模型为乘客生成最优子单;将最优子单和第二特征信息输入至预先构建的司机接受率模型,预测是否有司机接受最优子单;根据不同乘客所发布订单是否有司机接受,预测得到所有订单的完单率。
本发明通过乘客发单概率模型和司机接受率模型模拟乘客所发布订单的应答过程,能够预测出在特定基础计价模板下订单的完单率,从而体现出乘客和司机对此基础计价模板的满意程度,即乘客和司机越满意,订单的完成概率越大,最后所有订单的完单率也会提高。
在一种可选的实施方式中,构建乘客发单概率模型的过程,包括:获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以乘客所发布订单内被乘客选择租户后的子单所对应订单作为正样本,以未被乘客选择租户的子单所对应订单作为负样本;对订单信息进行第一预设特征提取,获得第一特征信息;构建乘客发单概率模型;将第一特征信息和已知选择结果输入至预设的乘客发单概率模型进行训练,获得乘客发单概率模型。
本发明通过模拟乘客发单概率模型,能够预测出在乘客下单后,聚合平台展示给乘客的可选择、不同租户、不同订单预估价的订单能否被乘客选择,只有乘客能够接受所展示的订单情况,才能够选择订单,因此乘客发单概率模型能够反映出乘客对计价模板的接受程度。
在一种可选的实施方式中,构建司机接受率模型的过程,包括:获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以司机未取消的订单作为正样本,以司机取消的订单作为负样本;对订单信息进行第二预设特征提取,获得第二特征信息;构建司机接受率模型;将第二特征信息和已知取消结果输入至预设的司机接受率模型进行训练,获得司机接受率模型。
本发明通过模拟司机接受率模型,能够预测出在乘客选择出想要打车的租户进行下单后,系统将向这些租户发出订单能否被司机接单,只有司机能够接受所下发的订单情况,才能够选择接单,因此司机接受率模型能够反映出司机对计价模板的接受程度。
在一种可选的实施方式中,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板后,还包括:将价格指导模板下发至各租户,并获取各租户基于价格指导模板在预设浮动范围内进行调整后的自定义计价模板。
本发明通过为租户提供计价模板的浮动范围,能够使所得的自定义计价模板更满足租户的自身情况,满足更大范围的租户要求,同时也能够削弱租户之间的价格战,防止出现租户不正当竞争。
第二方面,本发明提供了一种网约车订单价格指导模版的生成装置,装置包括:
基础模板确定模块,用于根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取网约车多租户聚合平台的基础计价模板;
基础模板调整模块,用于按照预设幅度对基础计价模板进行调整,获得不同计价标准的基础计价模板;
基础模板估价模块,用于获取第一预设时间段内乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准,来根据订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价;
订单应答模拟模块,用于根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率;
指导模板生成模块,用于选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。
本发明实施例提供的网约车订单价格指导模版的生成装置,通过根据网约车多租户聚合平台上各租户的预设计价模板计算基础计价模板,并按照预设幅度调整后获得不同计价标准的基础计价模板,基于不同计价标准的基础计价模板来根据乘客所发布订单的预估送驾距离计算对应订单的预估价,并根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。本发明通过根据网约车多租户平台的预设计价模板和乘客所发布订单相关信息,能够获得适用性更广的价格指导模板,为用户提供价格指导,减少租户在配置计价模版时对人工的过度依赖,降低新入行租户的经验门槛,使计价模板的配置流程更加智能化、合理化。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的网约车订单价格指导模版的生成方法。
第四方面,本发明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指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的网约车订单价格指导模版的生成方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的网约车订单价格指导模版的生成方法的流程示意图;
图2是根据本发明实施例的网约车订单价格指导模版的生成方法的订单完成流程示意图;
图3是根据本发明实施例的网约车订单价格指导模版的生成方法的订单完成流程模拟示意图;
图4是根据本发明实施例的另一网约车订单价格指导模版的生成方法的流程示意图;
图5是根据本发明实施例的又一网约车订单价格指导模版的生成方法的流程示意图;
图6是根据本发明实施例的又一网约车订单价格指导模版的生成方法的预测过程示意图;
图7是根据本发明实施例的再一网约车订单价格指导模版的生成方法的流程示意图;
图8是根据本发明实施例的网约车订单价格指导模版的生成装置的结构框图;
图9是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例适用于网约车租户在多租户聚合平台运行的场景,提供了一种网约车订单价格指导模版的生成方法,通过生成网约车多租户聚合平台的价格指导模板以达到为租户的计价模板设置进行合理价格指导的效果。本发明实施例所涉及的名词解释如下所示:
订单曝光:在乘客下单时,展示给乘客的可选择的不同租户的订单,以及该租户给出的订单预估价,以供乘客选择;
订单发单:在乘客下单时,乘客选择想要打车的租户后,系统将向这些租户发出订单,从而匹配司机;
订单完单:乘客下单网约车订单后,匹配到司机,乘客被送达,并且乘客对订单支付完成;
送驾时间:司机从订单起点行驶至终点的预估时间;
送驾距离:司机从订单起点行驶至终点的预估距离;
预估价:乘客在下网约车订单时,首先利用地图软件计算该次订单所需的车辆行驶时间和行驶距离,将这些数据代入计价模版,计算得到乘客预计需要支付的价格。由于不同租户的计价模版不同,同一个订单在不同租户下的预估价不同;
听单:网约车司机在线,且为可接单的状态,空闲,正在等待系统派单或播单;
主单:聚合平台中,乘客下的网约车订单为主单,此主单包含乘客的起点和目的地;
子单:聚合平台中,乘客下单时会选择多个租户,下单后,系统将会向每个租户都发出一个订单以供匹配租户内的司机,这些订单就是子单;
发单:乘客在聚合平台中下单的过程;
应答:乘客下单后,系统给订单匹配到司机后,将匹配结果通知给乘客和司机的过程;
系统派单:网约车系统在给网约车订单匹配到司机后,将订单派发给该司机,通知司机去接乘客的过程;
供需比例:可接单的网约车司机数量占正在打车的乘客数量的比例。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种网约车订单价格指导模版的生成方法,可用于上述的计算机,如电脑等,图1是根据本发明实施例的网约车订单价格指导模版的生成方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取网约车多租户聚合平台的基础计价模板。
具体地,在本发明实施例中,网约车租户在聚合平台运营时,都会设置各自的计价模板,对于同一乘客所发布订单,聚合平台会根据不同租户的计价模板进行价格估计,得到不同的预估价。其中,计价模板指网约车订单的计价标准,如起步费多少钱,里程费多少钱,时长费多少钱,远途费多少钱,这些计价标准构成一个模版,对乘客下发的网约车订单进行计费。例如,某一租户的起步费设置为3公里10分钟内收费15元,里程费设置为3公里外每公里收费1元,时长费设置为10分钟外每分钟收费0.5元,远途费设置为行驶里程超过10公里后,每公里加收1元,仅作为举例,不以此为限。
在一些可选的实施方式中,本发明实施例通过借鉴网约车多租户聚合平台上已有租户的计价模板来计算较为通用的基础计价模板,且考虑到不同区域因为物价水平等不同,导致网约车收费水平存在差异,因此按照不同的预设行政区域单元进行划分,例如根据城市划分,获取网约车多租户聚合平台上当前城市内各租户的计价模板和第一预设时间段内应答订单数量,以应答订单数量代表各租户在当前城市所占权重,对计价模板进行加权平均,从而获取各个城市内的基础计价模板,计算公式如下所示:
步骤S102,按照预设幅度对基础计价模板进行调整,获得不同计价标准的基础计价模板。
具体地,在本发明实施例中,根据当前城市内各租户的计价模板计算得到的基础计价模板具有通用性,但是无法确定此计价标准是否为最佳计价模板,能否达到乘客和司机的满意。因此本发明实施例以基础计价模板为标准,按照预设幅度对基础计价模板进行调整,从而获得不同计价标准的基础计价模板。例如,本发明实施例将基础计价模板的不同计价标准分别按照±50%的幅度上下调整,调整间隔为1%,相当于在±50%幅度内对基础计价模板进行遍历,计价标准中的起步费、里程费、时长费和远途费可单独进行调整,也可对不同费用进行组合调整。例如,将基础计价模板的起步费提高10%,里程费、时长费和远途费不变,获得第一计价标准的基础计价模板;将基础计价模板的里程费提高5%,起步费、时长费和远途费不变,获得第二计价标准的基础计价模板;将起步费、里程费、时长费和远途费统一减少5%,获得第三计价标准的基础计价模板,仅作为举例,不以此为限。
步骤S103,获取第一预设时间段内乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准,来根据订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价。
具体地,在本发明实施例中,为验证不同计价标准的基础计价模板中的最佳计价标准,选取相同第一预设时间段内乘客所发布订单的订单信息,即聚合平台最近7天内所有的订单相关的数据。其中,获得的订单信息包括:乘客下单信息、订单曝光信息、乘客选择租户信息、订单应答信息及订单是否完单。乘客下单信息为主单信息,包括:订单下单时刻、预估送驾时间、预估送驾距离、预估计等;订单曝光信息包括展示给乘客的可选择的不同租户的订单,以及该租户给出的订单预估价;乘客选择租户信息包括:乘客根据订单曝光信息选择的租户,以及选择租户后子单信息;订单应答信息为乘客在聚合平台中下单后,系统根据子单匹配到司机,司机是否接受;订单是否完单表征在给网约车订单匹配到司机,并将订单派发给该司机后,司机是否完成订单的过程,以上仅作为举例,不以此为限。
在一种可选的实施方式中,本发明实施例获取到乘客所发布订单的详细订单信息后,能够按照每种基础计价模板的计价标准计算不同订单的预估价,具体是根据订单信息中的预估送驾距离,分别确定当前计价标准下的起步费、里程费、时长费和远途费,从而计算出对应订单的预估价。
步骤S104,根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率。
具体地,在本发明实施例中,根据不同计价标准的基础计价模板所计算出的预估价代替乘客所发布订单的订单信息中的预估价,从而模拟不同订单的应答过程。如图2所示,实际操作中整个订单应答过程包括乘客下单、曝光订单、乘客选单、司机应答和订单完成,因此本发明实施例模拟出司机接受平台所发订单后,即代表此订单完单,模拟过程如图3所示,即在根据订单完单过程构建的仿真系统中模拟订单的完单过程,例如通过深度神经网络模型学习订单完单过程,从而构建能够根据乘客所发布订单预测出是否完单的仿真系统。
在一些可选的实施方式中,本发明实施例对最近7天内所有的订单在某一计价标准下进行应答过程模拟,存在订单完单和未完单两种结果,因此统计7天内所有的订单的完单情况能够得到某一计价标准下的完单率。
步骤S105,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。
具体地,在本发明实施例中,因为同一订单在不同计价标准的基础计价模板下有不同的预估价,而预估价能够直接影响乘客选择租户的结果和司机应答结果,因此对于所有订单而言,不同计价标准的基础计价模板能够达到不同的完单率,而完单率越高代表乘客和司机对当前计价标准的满意度越高,因此本发明实施例选择完单率最高的计价标准所对应基础计价模板作为当前城市内网约车多租户聚合平台的价格指导模板,但不以此为限。
本发明实施例提供的网约车订单价格指导模版的生成方法,通过根据网约车多租户聚合平台上各租户的预设计价模板计算基础计价模板,并按照预设幅度调整后获得不同计价标准的基础计价模板,基于不同计价标准的基础计价模板来根据乘客所发布订单的预估送驾距离计算对应订单的预估价,并根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。本发明通过根据网约车多租户平台的预设计价模板和乘客所发布订单相关信息,能够获得适用性更广的价格指导模板,为用户提供价格指导,减少租户在配置计价模版时对人工的过度依赖,降低新入行租户的经验门槛,使计价模板的配置流程更加智能化、合理化。
在本实施例中提供了一种网约车订单价格指导模版的生成方法,可用于上述的计算机,如电脑等,图4是根据本发明实施例的网约车订单价格指导模版的生成方法的流程图,如图4所示,该流程包括如下步骤:
步骤S401,根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取网约车多租户聚合平台的基础计价模板。
具体地,上述步骤S401包括:
步骤S4011,获取网约车多租户聚合平台上各租户在预设行政区域单元的预设计价模板,预设计价模板包括:起步费、时长费、里程费和远途费。
具体地,在本发明实施例中,以城市为行政区域单元,获取网约车多租户聚合平台中各租户在不同城市中设置的计价模板,包括起步费、时长费、里程费和远途费。其中,起步费、时长费、里程费和远途费代表租户的计价标准,当乘客选择某一租户后,聚合平台会基于当前租户的计价标准来根据乘客所发布的订单计算预估价,不同租户对于同一订单的预估价会存在差异,但是在同一城市内,不同租户的计价标准差异一般不会特别大。
步骤S4012,获取预设行政区域单元内各租户在第一预设时间段内的应答订单数量。
具体地,在本发明实施例中,乘客在下单后会选择至少一个租户,从而生成子单发送给当前租户内的司机,处于听单状态的司机能够选择接受此订单或拒绝此订单,若接受则聚合平台将订单派发给司机,通知司机接送乘客,完成订单。不同租户有不同的计价标准,不同的计价标准直接影响当前租户的应答订单数量,因此本发明实施例以租户的应答订单数量代表此租户在当前城市内的权重,即应答订单数量越多,权重越高。本发明实施例统计目前所有租户在7天内各个城市内的应答订单数量,但不以此为限。
步骤S4013,计算预设行政区域单元内不同租户的预设计价模板和应答订单数量之积的总和,与预设行政区域单元内所有租户的应答订单数量之和的比值,获得网约车多租户聚合平台在预设行政区域单元范围内的基础计价,作为网约车多租户聚合平台的基础计价模板。
具体地,在本发明实施例中,计价模板中包括起步费、时长费、里程费和远途费,因此在对当前城市内不同租户的计价模板进行加权平均时需依次对不同租户的起步费、时长费、里程费和远途费进行加权平均,即以租户7天内在当前城市的应答订单数量为权重,依次通过计算城市内不同租户的起步费和应答订单数量之积的总和,与当前城市内所有租户的应答订单数量之和的比值,获得基础计价模板内起步费的计价标准;通过计算城市内不同租户的时长费和应答订单数量之积的总和,与当前城市内所有租户的应答订单数量之和的比值,获得基础计价模板内时长费的计价标准;通过计算城市内不同租户的里程费和应答订单数量之积的总和,与当前城市内所有租户的应答订单数量之和的比值,获得基础计价模板内里程费的计价标准;通过计算城市内不同租户的远途费和应答订单数量之积的总和,与当前城市内所有租户的应答订单数量之和的比值,获得基础计价模板内远途费的计价标准,由此得到基础计价的基础计价模板,各费用的计算公式如下所示:
步骤S402,按照预设幅度对基础计价模板进行调整,获得不同计价标准的基础计价模板。详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S403,获取第一预设时间段内乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准,来根据订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价。详细请参见图1所示实施例的步骤S103,在此不再赘述。
步骤S404,根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率。详细请参见图1所示实施例的步骤S104,在此不再赘述。
步骤S405,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。详细请参见图1所示实施例的步骤S105,在此不再赘述。
本发明实施例提供的网约车订单价格指导模版的生成方法,通过根据网约车多租户聚合平台上各租户的预设计价模板计算基础计价模板,并按照预设幅度调整后获得不同计价标准的基础计价模板,基于不同计价标准的基础计价模板来根据乘客所发布订单的预估送驾距离计算对应订单的预估价,并根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。本发明通过根据网约车多租户平台的预设计价模板和乘客所发布订单相关信息,能够获得适用性更广的价格指导模板,为用户提供价格指导,减少租户在配置计价模版时对人工的过度依赖,降低新入行租户的经验门槛,使计价模板的配置流程更加智能化、合理化。
在本实施例中提供了一种网约车订单价格指导模版的生成方法,可用于上述的计算机,如电脑等,图5是根据本发明实施例的网约车订单价格指导模版的生成方法的流程图,如图5所示,该流程包括如下步骤:
步骤S501,根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取网约车多租户聚合平台的基础计价模板。详细请参见图4所示实施例的步骤S401,在此不再赘述。
步骤S502,按照预设幅度对基础计价模板进行调整,获得不同计价标准的基础计价模板。详细请参见图4所示实施例的步骤S402,在此不再赘述。
步骤S503,获取第一预设时间段内乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准,来根据订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价。
具体地,上述步骤S503包括:
步骤S5031,获取网约车多租户聚合平台上第一预设时间段内在不同预设行政区域单元范围内乘客所发布订单的订单信息,订单信息包括:乘客下单信息、订单曝光信息、乘客选择租户信息、订单应答信息及订单是否完单。
步骤S5032,对订单信息进行第一预设特征提取,获得第一特征信息,第一特征信息包括:第一订单上下文特征信息、乘客统计特征信息、第一订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息。
具体地,在本发明实施例中,对订单信息进行第一预设特征提取,获得影响乘客选择不同租户的第一特征信息,其中,第一特征信息包含的第一订单上下文特征信息表征乘客下单信息,乘客统计特征信息表征乘客选择租户信息,第一订单所在行政区域单元统计特征信息表征不同行政区域单元范围内曝光订单信息,订单所在时刻供需特征信息表征不同行政区域单元范围内下单时刻乘客和司机的供需信息,各特征信息包含具体特征如下所示:
第一订单上下文特征信息:订单下单的时刻、订单的预估送驾时间/距离、订单当前的预估价、订单预估平均每分钟的价格/平均每公里的价格、订单所在城市ID/租户ID、订单下单当天是否为工作日。
乘客统计特征信息:乘客在过去7天/30天内,圈选此租户的概率、乘客在过去7天/30天内,平均在下单时选择的列表百分比(乘客圈选租户的数量占曝光给乘客的租户数量的比例)、乘客在过去7天/30天内,选择的租户的预估价最大值、乘客在过去7天/30天内,未选择的租户的预估价最小值。本发明实施例根据实际操作效果选择对7天/30天内订单信息进行特征提取,仅作为举例,不以此为限,而且不同特征信息可选择相同时间内相关信息,也可选择不同时间内的相关信息,不在此进行限制。
第一订单所在行政区域单元统计特征信息:该城市过去1天/7天内,总曝光的租户数量、该城市过去1天/7天内,被乘客选择的租户数量、该城市过去1天/7天内,被乘客选择的租户数量占总曝光租户数量的比例。同样,本发明实施例根据实际操作效果选择对1天/7天内订单信息进行特征提取,仅作为举例,不以此为限,而且不同特征信息可选择相同时间内相关信息,也可选择不同时间内的相关信息,不在此进行限制。
订单所在时刻供需特征信息:当前时刻当前城市内,乘客的主单数量、当前时刻当前城市内,有过听单行为的司机数量、当前时刻当前城市内,乘客与司机的供需比例。
步骤S5033,筛选乘客所发布订单中应答后订单,并对应答后订单的订单信息进行第二预设特征提取,获得第二特征信息,第二特征信息包括:第二订单上下文特征信息、第二订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息。
具体地,在本发明实施例中,为模拟司机对订单的接受情况,筛选出乘客所发布订单中被司机应答的订单,并对应答后订单的订单信息进行第二预设特征提取,获得影响司机接单的第二特征信息,其中,第二特征信息包含的第二订单上下文特征信息表征乘客订单预估信息,是对乘客所发布订单的距离、时间和价格进行估算,与第一订单上下文特征信息所包含的部分信息存在重合,第二订单所在行政区域单元统计特征信息表征不同行政区域单元范围内订单处理结果信息,订单所在时刻供需特征信息表征不同行政区域单元范围内下单时刻乘客和司机的供需信息,各特征信息包含具体特征如下所示:
第二订单上下文特征信息:订单下单的时刻、订单的预估送驾时间、订单的预估送驾距离、订单的预估价格。
第二订单所在行政区域单元统计特征信息:城市ID、该城市完单的订单中,最大/最小/平均/中位数预估价格是多少、该城市内司机的平均一口价订单完单率/司机取消率、该城市过去1天/7天内,应答订单的总数量、该城市过去1天/7天内,被司机拒绝(取消)的订单数量、该城市过去1天/7天内,被司机拒绝的订单数量占总应答订单总数量的比例。本发明实施例根据实际操作效果选择对1天/7天内订单信息进行特征提取,仅作为举例,不以此为限,而且不同特征信息可选择相同时间内相关信息,也可选择不同时间内的相关信息,不在此进行限制。
订单所在时刻供需特征信息:当前时刻当前城市内,乘客的主单数量、当前时刻当前城市内,有过听单行为的司机数量、当前时刻当前城市内,乘客与司机的供需比例。
在一些可选的实施方式中,本发明实施例在实际操作中特征提取中所构造的具体特征可以不同,也可以对部分特征进行添加、修改或删除,构造方式也可以做相应调整,在此不进行限定。
步骤S504,根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率。
具体地,上述步骤S504包括:
步骤S5041,将第一特征信息和预估价输入至预先构建的乘客发单概率模型,预测乘客是否选择订单曝光信息中的推荐订单。
具体地,本发明实施例中,预先构建乘客发单概率模型来模拟订单曝光后乘客选择订单曝光信息中所推荐订单的结果。其中,构建乘客发单概率模型的过程,包括:
(1)获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以乘客所发布订单内被乘客选择租户后的子单所对应订单作为正样本,以未被乘客选择租户的子单所对应订单作为负样本。本发明实施例选择获取180天内所有的订单的曝光、发单及完单过程的订单信息,正样本和负样本的采样比例为1:1,但不以此为限。
(2)对订单信息进行第一预设特征提取,获得第一特征信息。本发明实施例按照上述第一特征提取的方式对180天内所有订单的订单信息进行第一预设特征提取,获得影响乘客选择不同租户的第一特征信息。
(3)构建乘客发单概率模型。本发明实施例选择LightGBM模型来构建乘客发单概率模型,但不以此为限,也可选择如XGBoost、CatBoost等基于GBDT的二分类模型,或者深度神经网络。其中,GBDT模型(Gradient Boosting Decision Tree)是机器学习中一个长盛不衰的模型,其主要思想是利用弱分类器(决策树)迭代训练以得到最优模型,该模型具有训练效果好、不易过拟合等优点;LightGBM(Light Gradient Boosting Machine)是一个实现GBDT算法的框架,支持高效率的并行训练,并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。
(4)将第一特征信息和已知选择结果输入至预设的乘客发单概率模型进行训练,获得乘客发单概率模型。本发明实施例的乘客发单概率模型能够直接预测出曝光订单是否会被乘客选择。
在一些可选的实施方式中,如图6所示,本发明实施例将最近7天内所有订单的第一特征信息和不同计价标准下的预估价输入至乘客发单概率模型中,模拟不同计价标准下乘客选择曝光订单的过程。
步骤S5042,若乘客选择推荐订单中至少一个子单,则通过网约车多租户聚合平台的优选模型为乘客生成最优子单。
具体地,在本发明实施例中,乘客在选择曝光订单时,不限制于只选择一个租户,因此存在乘客同时勾选多个租户的情况。针对此情景,如图6所示,本发明实施例通过网约车多租户聚合平台已有的优选模型为乘客匹配最优子单,优选模型的匹配规则为现有技术,在此不再赘述。
步骤S5043,将最优子单和第二特征信息输入至预先构建的司机接受率模型,预测是否有司机接受最优子单。
具体地,在本发明实施例中,预先构建司机接受率模型来模拟聚合平台生成某一租户的最优子单,并将最优子单进行发单后,司机是否接受此最优子单的结果。其中,构建司机接受率模型的过程,包括:
(1)获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以司机未取消的订单作为正样本,以司机取消的订单作为负样本。本发明实施例选择获取180天内所有应答后订单的订单信息,正样本和负样本的采样比例为1:1,但不以此为限。
(2)对订单信息进行第二预设特征提取,获得第二特征信息。本发明实施例按照上述第二特征提取的方式对180天内所有应答后订单的订单信息进行第二预设特征提取,获得影响司机接受子单的第一特征信息。
(3)构建司机接受率模型。本发明实施例选择LightGBM模型来构建乘客发单概率模型,但不以此为限。
(4)将第二特征信息和已知取消结果输入至预设的司机接受率模型进行训练,获得司机接受率模型。本发明实施例的乘客发单概率模型能够直接预测出下发订单是否会被司机接受。
在一些可选的实施方式中,如图6所示,本发明实施例将最近7天内所有订单的第二特征信息输入至司机接受率模型中,模拟不同计价标准下司机接受订单的过程。
步骤S5044,根据不同乘客所发布订单是否有司机接受,预测得到所有订单的完单率。
具体地,在本发明实施例中,不同的计价标准能够直接影响乘客是否选择租户和司机是否接单,因此不同计价标准的基础计价模板能够达到不同的完单率。本发明实施例基于每种计价标准的基础计价模板模拟订单应答过程,根据最终司机接受或拒绝订单的结果统计得到所有订单的完单率。
在一些可选的实施方式中,本发明实施例可构建一套完整的深度神经网络模拟整个应答过程,即将乘客发单概率模型和司机接受率模型的预测过程合二为一,但不以此为限。
步骤S505,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。详细请参见图1所示实施例的步骤S105,在此不再赘述。
本发明实施例提供的网约车订单价格指导模版的生成方法,通过根据网约车多租户聚合平台上各租户的预设计价模板计算基础计价模板,并按照预设幅度调整后获得不同计价标准的基础计价模板,基于不同计价标准的基础计价模板来根据乘客所发布订单的预估送驾距离计算对应订单的预估价,并根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。本发明通过根据网约车多租户平台的预设计价模板和乘客所发布订单相关信息,能够获得适用性更广的价格指导模板,为用户提供价格指导,减少租户在配置计价模版时对人工的过度依赖,降低新入行租户的经验门槛,使计价模板的配置流程更加智能化、合理化。
在本实施例中提供了一种网约车订单价格指导模版的生成方法,可用于上述的计算机,如电脑等,图7是根据本发明实施例的网约车订单价格指导模版的生成方法的流程图,如图7所示,该流程包括如下步骤:
步骤S701,获取存量商机的商机特征信息和房屋特征信息。详细请参见图5所示实施例的步骤S501,在此不再赘述。
步骤S702,按照预设幅度对基础计价模板进行调整,获得不同计价标准的基础计价模板。详细请参见图5所示实施例的步骤S502,在此不再赘述。
步骤S703,获取第一预设时间段内乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准,来根据订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价。详细请参见图5所示实施例的步骤S503,在此不再赘述。
步骤S704,根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率。详细请参见图5所示实施例的步骤S504,在此不再赘述。
步骤S705,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。详细请参见图5所示实施例的步骤S505,在此不再赘述。
步骤S706,将价格指导模板下发至各租户,并获取各租户基于价格指导模板在预设浮动范围内进行调整后的自定义计价模板。
具体地,在本发明实施例中,为租户保留调整价格指导模板的权利,即价格指导模板只提供指导,租户可直接依据价格指导模板记性计价,也可根据实际运营情况在预设浮动范围内进行调整,具体预设浮动范围不同城市之间可存在差异,例如允许租户在±10%范围内调整价格指导模板的起步费、时长费、里程费或远途费,能够削弱租户之间的价格战等情况。而且租户对价格指导模板进行调整后,能够按照本发明实施例的模拟过程进行完单率的预估,从而能够直观预测到此配置的将会带来的收益,给租户的判断带来一定的参考性。
本发明实施例提供的网约车订单价格指导模版的生成方法,通过根据网约车多租户聚合平台上各租户的预设计价模板计算基础计价模板,并按照预设幅度调整后获得不同计价标准的基础计价模板,基于不同计价标准的基础计价模板来根据乘客所发布订单的预估送驾距离计算对应订单的预估价,并根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率,选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。本发明通过根据网约车多租户平台的预设计价模板和乘客所发布订单相关信息,能够获得适用性更广的价格指导模板,为用户提供价格指导,减少租户在配置计价模版时对人工的过度依赖,降低新入行租户的经验门槛,使计价模板的配置流程更加智能化、合理化。
在本实施例中还提供了一种网约车订单价格指导模版的生成装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种网约车订单价格指导模版的生成装置,如图8所示,包括:
基础模板确定模块801,用于根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取网约车多租户聚合平台的基础计价模板;
基础模板调整模块802,用于按照预设幅度对基础计价模板进行调整,获得不同计价标准的基础计价模板;
基础模板估价模块803,用于获取第一预设时间段内乘客所发布订单的订单信息,并按照每种基础计价模板的计价标准,来根据订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价;
订单应答模拟模块804,用于根据订单信息和预估价模拟订单应答过程,预测乘客所发布订单的完单率;
指导模板生成模块805,用于选取完单率最高的计价标准所对应基础计价模板作为网约车多租户聚合平台的价格指导模板。
在一些可选的实施方式中,基础模板确定模块801包括:
模板获取单元,用于获取网约车多租户聚合平台上各租户在预设行政区域单元的预设计价模板,预设计价模板包括:起步费、时长费、里程费和远途费。
订单数量获取单元,用于获取预设行政区域单元内各租户在第一预设时间段内的应答订单数量。
模板确定单元,用于计算预设行政区域单元内不同租户的预设计价模板和应答订单数量之积的总和,与预设行政区域单元内所有租户的应答订单数量之和的比值,获得网约车多租户聚合平台在预设行政区域单元范围内的基础计价,作为网约车多租户聚合平台的基础计价模板。
在一些可选的实施方式中,基础模板估价模块803包括:
信息获取单元,用于获取网约车多租户聚合平台上第一预设时间段内在不同预设行政区域单元范围内乘客所发布订单的订单信息,订单信息包括:乘客下单信息、订单曝光信息、乘客选择租户信息、订单应答信息及订单是否完单。
第一特征提取单元,用于对订单信息进行第一预设特征提取,获得第一特征信息,第一特征信息包括:第一订单上下文特征信息、乘客统计特征信息、第一订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息。
第二特征提取单元,用于筛选乘客所发布订单中应答后订单,并对应答后订单的订单信息进行第二预设特征提取,获得第二特征信息,第二特征信息包括:第二订单上下文特征信息、第二订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息;其中,第一订单上下文特征信息表征乘客下单信息;第二订单上下文特征信息表征乘客订单预估信息;第一订单所在行政区域单元统计特征信息表征不同行政区域单元范围内曝光订单信息;第二订单所在行政区域单元统计特征信息表征不同行政区域单元范围内订单处理结果信息;乘客统计特征信息表征乘客选择租户信息;订单所在时刻供需特征信息表征不同行政区域单元范围内下单时刻乘客和司机的供需信息。
在一些可选的实施方式中,订单应答模拟模块804包括:
第一模型预测单元,用于将第一特征信息和预估价输入至预先构建的乘客发单概率模型,预测乘客是否选择订单曝光信息中的推荐订单。
最优子单生成单元,用于若乘客选择推荐订单中至少一个子单,则通过网约车多租户聚合平台的优选模型为乘客生成最优子单。
第二模型预测单元,用于将最优子单和第二特征信息输入至预先构建的司机接受率模型,预测是否有司机接受最优子单。
完单率统计单元,用于根据不同乘客所发布订单是否有司机接受,预测得到所有订单的完单率。
第一模型构建单元,用于获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以乘客所发布订单内被乘客选择租户后的子单所对应订单作为正样本,以未被乘客选择租户的子单所对应订单作为负样本;对订单信息进行第一预设特征提取,获得第一特征信息;构建乘客发单概率模型;将第一特征信息和已知选择结果输入至预设的乘客发单概率模型进行训练,获得乘客发单概率模型。
第二模型构建单元,用于获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以司机未取消的订单作为正样本,以司机取消的订单作为负样本;对订单信息进行第二预设特征提取,获得第二特征信息;构建司机接受率模型;将第二特征信息和已知取消结果输入至预设的司机接受率模型进行训练,获得司机接受率模型。
在一些可选的实施方式中,上述的网约车订单价格指导模版的生成装置还包括:
模板自定义调整模块,用于将价格指导模板下发至各租户,并获取各租户基于价格指导模板在预设浮动范围内进行调整后的自定义计价模板。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的网约车订单价格指导模版的生成装置是以功能单元的形式来呈现,这里的单元是指FPGA(Field Programmable Gate Array,现场可编程门阵列)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图8所示的网约车订单价格指导模版的生成装置。
请参阅图9,图9是本发明可选实施例提供的一种计算机设备的结构示意图,如图9所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,存储器20存储有可由至少一个处理器10执行的指令,以使至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种网约车订单价格指导模版的生成方法,其特征在于,包括:
根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取所述网约车多租户聚合平台的基础计价模板;
按照预设幅度对所述基础计价模板进行调整,获得不同计价标准的基础计价模板;
获取第一预设时间段内乘客所发布订单的订单信息,并按照每种所述基础计价模板的计价标准,来根据所述订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价;
根据所述订单信息和所述预估价模拟订单应答过程,预测所述乘客所发布订单的完单率;
选取完单率最高的计价标准所对应基础计价模板作为所述网约车多租户聚合平台的价格指导模板。
2.根据权利要求1所述的方法,其特征在于,所述根据网约车多租户聚合平台上各租户的预设计价模板和所述第一预设时间段内应答订单数量,获取所述网约车多租户聚合平台的基础计价模板的过程,包括:
获取所述网约车多租户聚合平台上各租户在预设行政区域单元的预设计价模板,所述预设计价模板包括:起步费、时长费、里程费和远途费;
获取所述预设行政区域单元内所述各租户在第一预设时间段内的应答订单数量;
计算所述预设行政区域单元内不同租户的所述预设计价模板和所述应答订单数量之积的总和,与所述预设行政区域单元内所有租户的所述应答订单数量之和的比值,获得所述网约车多租户聚合平台在所述预设行政区域单元范围内的基础计价,作为网约车多租户聚合平台的基础计价模板。
3.根据权利要求1所述的方法,其特征在于,所述获取第一预设时间段内乘客所发布订单的订单信息的过程,包括:
获取网约车多租户聚合平台上第一预设时间段内在不同预设行政区域单元范围内乘客所发布订单的订单信息,所述订单信息包括:乘客下单信息、订单曝光信息、乘客选择租户信息、订单应答信息及订单是否完单;
对所述订单信息进行第一预设特征提取,获得第一特征信息,所述第一特征信息包括:第一订单上下文特征信息、乘客统计特征信息、第一订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息;
筛选所述乘客所发布订单中应答后订单,并对所述应答后订单的订单信息进行第二预设特征提取,获得第二特征信息,所述第二特征信息包括:第二订单上下文特征信息、第二订单所在行政区域单元统计特征信息和订单所在时刻供需特征信息;
其中,所述第一订单上下文特征信息表征乘客下单信息;
所述第二订单上下文特征信息表征乘客订单预估信息;
所述第一订单所在行政区域单元统计特征信息表征不同行政区域单元范围内曝光订单信息;
所述第二订单所在行政区域单元统计特征信息表征不同行政区域单元范围内订单处理结果信息;
所述乘客统计特征信息表征乘客选择租户信息;
所述订单所在时刻供需特征信息表征不同行政区域单元范围内下单时刻乘客和司机的供需信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述订单信息和所述预估价模拟订单应答过程,预测所述乘客所发布订单的完单率的过程,包括:
将所述第一特征信息和所述预估价输入至预先构建的乘客发单概率模型,预测乘客是否选择所述订单曝光信息中的推荐订单;
若乘客选择所述推荐订单中至少一个子单,则通过所述网约车多租户聚合平台的优选模型为乘客生成最优子单;
将所述最优子单和所述第二特征信息输入至预先构建的司机接受率模型,预测是否有司机接受所述最优子单;
根据不同乘客所发布订单是否有司机接受,预测得到所有订单的完单率。
5.根据权利要求4所述的方法,其特征在于,构建所述乘客发单概率模型的过程,包括:
获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以所述乘客所发布订单内被乘客选择租户后的子单所对应订单作为正样本,以未被乘客选择租户的子单所对应订单作为负样本;
对所述订单信息进行第一预设特征提取,获得第一特征信息;
构建乘客发单概率模型;
将所述第一特征信息和已知选择结果输入至预设的乘客发单概率模型进行训练,获得所述乘客发单概率模型。
6.根据权利要求4所述的方法,其特征在于,构建所述司机接受率模型的过程,包括:
获取第二预设时间段内乘客所发布订单中应答后订单的订单信息,并以司机未取消的订单作为正样本,以司机取消的订单作为负样本;
对所述订单信息进行第二预设特征提取,获得第二特征信息;
构建司机接受率模型;
将所述第二特征信息和已知取消结果输入至预设的司机接受率模型进行训练,获得所述司机接受率模型。
7.根据权利要求1所述的方法,其特征在于,选取完单率最高的计价标准所对应基础计价模板作为所述网约车多租户聚合平台的价格指导模板后,还包括:
将所述价格指导模板下发至各租户,并获取各租户基于所述价格指导模板在预设浮动范围内进行调整后的自定义计价模板。
8.一种网约车订单价格指导模版的生成装置,其特征在于,所述装置包括:
基础模板确定模块,用于根据网约车多租户聚合平台上各租户的预设计价模板和第一预设时间段内应答订单数量,获取所述网约车多租户聚合平台的基础计价模板;
基础模板调整模块,用于按照预设幅度对所述基础计价模板进行调整,获得不同计价标准的基础计价模板;
基础模板估价模块,用于获取第一预设时间段内乘客所发布订单的订单信息,并按照每种所述基础计价模板的计价标准,来根据所述订单信息中预估送驾距离与预估送驾时间计算对应订单的预估价;
订单应答模拟模块,用于根据所述订单信息和所述预估价模拟订单应答过程,预测所述乘客所发布订单的完单率;
指导模板生成模块,用于选取完单率最高的计价标准所对应基础计价模板作为所述网约车多租户聚合平台的价格指导模板。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的网约车订单价格指导模版的生成方法。
10.一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指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的网约车订单价格指导模版的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410038866.5A CN117852676A (zh) | 2024-01-10 | 2024-01-10 | 网约车订单价格指导模版的生成方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410038866.5A CN117852676A (zh) | 2024-01-10 | 2024-01-10 | 网约车订单价格指导模版的生成方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117852676A true CN117852676A (zh) | 2024-04-09 |
Family
ID=90528462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410038866.5A Pending CN117852676A (zh) | 2024-01-10 | 2024-01-10 | 网约车订单价格指导模版的生成方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117852676A (zh) |
-
2024
- 2024-01-10 CN CN202410038866.5A patent/CN117852676A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679996A (zh) | 车险理赔方法及系统 | |
CN108230725A (zh) | 停车推荐方法和装置 | |
CN106326992A (zh) | 一种基于电量匹配的app预约租车系统及方法 | |
CN106022875A (zh) | 一种工程机械设备租赁平台的管理方法、装置及系统 | |
CN110544161A (zh) | 基于票据数据自动提取的财务费用稽核方法以及装置 | |
CN105117790A (zh) | 车费预估方法及装置 | |
CN114038231B (zh) | 停车场利用率调度方法、系统、设备以及存储介质 | |
CN108230720A (zh) | 停车管理方法和装置 | |
CN108876064B (zh) | 基于客流量的城市轨道交通网络关键车站识别方法 | |
CN111192090A (zh) | 航班的座位分配方法、装置、存储介质和电子设备 | |
CN112906980A (zh) | 订单处理方法、装置、系统及可读存储介质 | |
CN111553633A (zh) | 一种工程造价管理系统及方法 | |
CN114596111A (zh) | 风险识别模型生成方法、装置、设备及存储介质 | |
CN111757272B (zh) | 地铁拥堵程度的预测方法、模型训练方法和装置 | |
CN114036411A (zh) | 一种路线规划方法、装置、设备及介质 | |
CN110009287A (zh) | 溢价确定方法、装置、设备及存储介质 | |
CN116128160B (zh) | 一种铁路车站高峰客流预测方法、系统及设备和介质 | |
CN117852676A (zh) | 网约车订单价格指导模版的生成方法、装置、设备和介质 | |
CN117592638A (zh) | 一种景区客流分析与管控的方法及系统 | |
CN111383055A (zh) | 租车中心仓选品方法、装置、设备及计算机可读存储介质 | |
CN112632382B (zh) | 用于为车辆推荐站点的方法、装置、设备以及存储介质 | |
CN111489171B (zh) | 基于二维码的乘车行程匹配方法、装置、电子设备及介质 | |
CN110298714A (zh) | 订单处理方法及装置 | |
CN111833595B (zh) | 共享汽车辅助车辆配置方法、电子设备及存储介质 | |
CN111105284B (zh) | 订单处理方法、装置、m层订单处理模型、电子设备及储存介质 |
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 |