CN111222729B - 服务类型确定方法、装置、电子设备和存储介质 - Google Patents
服务类型确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111222729B CN111222729B CN201811410119.0A CN201811410119A CN111222729B CN 111222729 B CN111222729 B CN 111222729B CN 201811410119 A CN201811410119 A CN 201811410119A CN 111222729 B CN111222729 B CN 111222729B
- Authority
- CN
- China
- Prior art keywords
- service
- service provider
- information
- historical
- order
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012216 screening Methods 0.000 claims abstract description 145
- 238000013210 evaluation model Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 description 12
- 230000015654 memory Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 10
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000005406 washing 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了服务类型确定方法、装置、电子设备和存储介质,涉及服务领域。本申请提供的服务类型确定方法,在确认服务提供方的服务类型的过程中,在将历史服务信息输入到服务类型评价模型之前,先使用了一定数量的历史服务信息对服务提供方进行了一次筛选,而后,再将筛选出来的服务提供方输入到了服务类型评价模型中进行筛选,这种确定服务提供方的服务类型的方式,和直接将每个服务提供方的历史服务信息直接输入到服务类型评价模型中相比,降低了使用模型进行计算的计算量。
Description
技术领域
本申请涉及服务领域,具体而言,涉及服务类型确定方法、装置、电子设备和存储介质。
背景技术
近些年,随着互联网技术的兴盛,出现了一些基于互联网技术的新兴服务业,比如网约车服务、外卖服务等。
这些新兴服务业给服务请求方和服务提供方都带来了极大的便利。以网约车为例,服务请求方可以在自己出行前就下达订单,来提前预约出行时间和出行地点,以免在出行时需要花费大量时间在路边等待出租车;出租车服务提供方可以根据服务请求方所期望到达的目的地来选择运送的服务请求方,进而,服务请求方和服务提供方双方都可以更好的安排自己的出行。
发明内容
本申请的目的在于提供服务类型确定方法、装置、电子设备和存储介质。
本申请所提供的一种服务类型确定方法,包括:
获取多个服务提供方的历史服务信息;
根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方;
将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型。
在一些实施例中,根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方,包括:
针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务地点进行聚类,以确定每个历史订单信息所对应的地点聚类结果;
根据每个历史订单信息所对应的地点聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,根据每个历史订单信息所对应的地点聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方,包括:
计算第一数量和第二数量的比值;第一数量是指定历史订单信息所对应的地点聚类结果中,指定的地点聚类结果所包含的订单服务地点的数量;第二数量是指定历史订单信息所对应的全部订单服务地点的数量;
根据第一数量和第二数量的比值大小,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方,包括:
针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务路线进行聚类,以确定每个历史订单信息所对应的路线聚类结果;
根据每个历史订单信息所对应的路线聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方,包括:
根据每个历史订单信息中,指定服务类型的订单数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
在一些实施例中,历史服务信息包括:服务提供方在设置实时目的地后所分配到的实时订单的数量,和服务提供方所分配到的全部订单的数量;
根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方,包括:
根据每个历史订单信息中,实时订单的数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
在一些实施例中,将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型,包括:
将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,以确定选择的服务提供方符合指定服务类型的概率;
根据选择的服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型。
在一些实施例中,根据选择的服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型,包括:
对多个选择的服务提供方符合指定服务类型的概率进行排名;
根据排名的前后顺序,确定每个选择的服务提供方的服务类型。
在一些实施例中,根据选择的服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型,包括:
对多个选择的服务提供方符合指定服务类型的概率进行排名;
根据排名的前后顺序,确定每个选择的服务提供方的在指定服务类型的服务级别。
在一些实施例中,方法还包括:
根据服务级别和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
按照确定的订单分配策略为选择的服务提供方中,每个服务提供方分配服务订单。
在一些实施例中,历史服务信息包括以下的任意一种或多种:
服务提供方属性信息、服务过程信息和服务请求方属性信息。
在一些实施例中,方法还包括:
根据服务类型和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
按照确定的订单分配策略,为选择的服务提供方中,每个服务提供方分配服务订单。
本申请所提供的一种服务类型确定装置,包括:
第一获取模块,用于获取多个服务提供方的历史服务信息;
第一选择模块,用于根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方;
第一输入模块,用于将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型。
在一些实施例中,第一选择模块,包括:
第一聚类单元,用于针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务地点进行聚类,以确定每个历史订单信息所对应的地点聚类结果;
第一选择单元,用于根据每个历史订单信息所对应的地点聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,第一选择单元,包括:
第一子计算单元,用于计算第一数量和第二数量的比值;第一数量是指定历史订单信息所对应的地点聚类结果中,指定的地点聚类结果所包含的订单服务地点的数量;第二数量是指定历史订单信息所对应的全部订单服务地点的数量;
第一子选择单元,用于根据第一数量和第二数量的比值大小,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,第一选择模块,包括:
第二聚类单元,用于针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务路线进行聚类,以确定每个历史订单信息所对应的路线聚类结果;
第二选择单元,用于根据每个历史订单信息所对应的路线聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,第一选择模块,包括:
第一确定单元,用于根据每个历史订单信息中,指定服务类型的订单数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
在一些实施例中,历史服务信息包括:服务提供方在设置实时目的地后所分配到的实时订单的数量,和服务提供方所分配到的全部订单的数量;
第一选择模块,包括:
第二确定单元,用于根据每个历史订单信息中,实时订单的数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
在一些实施例中,第一输入模块,包括:
第三确定单元,用于将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,以确定选择的服务提供方符合指定服务类型的概率;
第四确定单元,用于根据选择的服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型。
在一些实施例中,第四确定单元,包括:
第一排名子单元,用于对多个选择的服务提供方符合指定服务类型的概率进行排名;
第一确定子单元,用于根据排名的前后顺序,确定每个选择的服务提供方的服务类型。
在一些实施例中,第四确定单元,包括:
第二排名子单元,用于对多个选择的服务提供方符合指定服务类型的概率进行排名;
第二确定子单元,用于根据排名的前后顺序,确定每个选择的服务提供方的在指定服务类型的服务级别。
在一些实施例中,装置还包括:
第一确定模块,用于根据服务级别和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
第一分配模块,用于按照确定的订单分配策略为选择的服务提供方中,每个服务提供方分配服务订单。
在一些实施例中,历史服务信息包括以下的任意一种或多种:
服务提供方属性信息、服务过程信息和服务请求方属性信息。
在一些实施例中,装置还包括:
第二确定模块,用于根据服务类型和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
第二分配模块,用于按照确定的订单分配策略,为选择的服务提供方中,每个服务提供方分配服务订单。
本申请所提供的一种电子设备,包括:处理器、存储介质和总线,存储介质存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行机器可读指令,以执行时执行如服务类型确定的步骤。
本申请所提供的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,该计算机程序被处理器运行时执行如服务类型确定的步骤。
本申请实施例提供的服务类型确定方法,在获取多个服务提供方的历史服务信息后,首先根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方,而后,再将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型。也就是,在确认服务提供方的服务类型的过程中,在将历史服务信息输入到服务类型评价模型之前,先使用了一定数量的历史服务信息对服务提供方进行了一次筛选,而后,再将筛选出来的服务提供方输入到了服务类型评价模型中进行筛选,这种确定服务提供方的服务类型的方式,和直接将每个服务提供方的历史服务信息直接输入到服务类型评价模型中相比,降低了使用模型进行计算的计算量。
在某种实施例中,在从多个服务提供方中选择符合筛选要求的服务提供方时,采用了对订单服务地点进行聚类,并根据地点聚类结果,对服务提供方进行筛选的方式,提高了对服务提供方进行筛选的准确度。
在某种实施例中,在从多个服务提供方中选择符合筛选要求的服务提供方时,采用了对订单服务路线进行聚类,并根据路线聚类结果,对服务提供方进行筛选的方式,提高了对服务提供方进行筛选的准确度。
在某种实施例中,在从多个服务提供方中选择符合筛选要求的服务提供方时,采用了依据实时订单的数量和全部订单的数量的比值大小,对服务提供方进行筛选的方式,提高了对服务提供方进行筛选的准确度。
在某种实施例中,在将服务提供方的历史服务信息输入到模型中,以确定服务提供方的服务类型,采用将多个选择的服务提供方符合指定服务类型的概率进行排名,并依据排名的先后顺序,为各个服务提供方进行服务级别划分,并针对不同服务级别的服务提供方设置了对应的订单分配策略的方式,提高了为服务提供方设置订单分配策略的准确度和针对性。
为使本申请的上述目的、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申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例所提供的服务类型确定方法的基本流程图;
图2示出了对指定的一个服务提供方的订单服务地点进行聚类的地点聚类结果的示意图;
图3示出了本发明实施例所提供的服务类型确定方法的细节流程图;
图4示出了本申请实施例所提供的电子设备的示意图;
图5示出了是本申请一些实施例的服务类型确定方法所在的服务***的框图。
具体实施方式
下面将结合本申请实施例中附图,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
相关技术中,随着互联网技术的兴起,出现了一些基于互联网技术的新兴服务业,比如网约车服务、外卖服务等。
以网约车服务为例,在服务请求方享受网约车服务时,首先要由服务请求方(如用户)向服务平台(服务器)下达服务订单,而后,服务平台会将服务订单向某些服务提供方(如司机)广播,服务提供方在收到广播后,可以选择回复该广播或者是忽略该广播,进而服务平台可以根据服务提供方的回复该广播的情况来确定将该服务订单分配给哪个服务提供方。进而,在服务平台将服务订单分配给指定的服务提供方后,被分配服务订单的服务提供方就可以按照服务订单中的要求来运送服务请求方,进而完成网约车服务了。
一般情况下,任何一种服务所包含的服务类型都是多种多样的,比如网约车服务中有快车服务、专车服务、出租车服务等等服务类型。又比如,快递服务可以根据运送的速度不同,分为普通快递、特快专递等等。
与这些服务类型相对应的,提供服务的服务提供方也可以分为不同的类型,比如,网约车服务中,服务提供方的类型可以分为快车司机、专车司机、近程司机、远程司机等。在某些情况下,不同类型的司机的喜好是有一定差别的,比如,专车司机更期望承接专车类型的服务订单;近程司机更期望承接上车地点和下车地点距离较近的服务订单(这类服务订单通常可以较快完成);远程司机更期望承接上车地点和下车地点距离较远的服务订单(这类服务订单通常需要较长时间来完成,但每完成一次服务订单所得到的回报较多)。
如前文中的说明,服务器接收到服务订单后,会将服务订单向某些服务提供方广播,以完成服务订单的分配。服务器在将服务订单向某些服务提供方广播时,通常是按照分批次的方式进行广播,即每一次广播只向一部分司机进行广播,如果这部分司机均不愿意承接该服务订单的话,再向其他司机广播。进而,采用这种分批次的广播方式,能够控制广播的司机数量,但也会导致某个服务订单会经过多次广播,才会被服务提供方所承接。
针对上述情况,本申请申请人认为,在分配服务订单的时候,可以通过预先准确的确定服务提供方的类型和服务订单的类型,再根据服务提供方类型和服务订单类型的对应关系,来确定优先向哪些服务提供方广播服务订单,来提高服务订单分配的准确度。
为了预先知晓每个服务提供方的服务类型,相关技术中,通常会在服务提供方注册的时候,服务器会提示服务提供方在服务提供方中选择自己的类型,但这种确定服务提供方类型的方式不够准确。进而,本申请发明人认为可以借助数学模型来进行分类,但由于可能使用到的参数过多,如果一次性将所有的参数都输入到模型中,则会导致模型运转速度过于缓慢,进而,应对于该种情况,本申请提供了一种服务类型确定方法,如图1所示,包括:
S101,获取多个服务提供方的历史服务信息;
S102,根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方;
S103,将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型。
其中,历史服务信息指的关于服务提供方曾经所提供的服务的信息。历史服务信息可以一定程度区分不同的服务提供方。具体的,历史服务信息按照描述内容的区别,可以分为多个种类,比如可以分为如下几个种类:
服务提供方属性信息、服务过程信息和服务请求方属性信息。
其中,服务提供方属性信息可以是用来描述服务提供方个人情况的信息,比如,提供方属性信息可以包括如下的任意一种或多种:服务提供方的年龄、性别、职业、从事某个行业的工作年限(如做司机的时间长度)、通过承接指定服务类型的服务订单所得到的月平均收入、通过承接指定服务类型的服务订单所得到的历史总收入、通过承接指定服务类型的服务订单所得到的平均每小时的收入等;
服务过程信息是用来描述服务订单在执行过程中的信息。比如,服务过程信息可以包括如下的任意一种或多种:承接的某种服务类型的服务订单的数量、承接的全部服务订单的数量、上车地点、下车地点、某种服务类型的服务订单数量与全部服务类型的服务订单数量的比值、完成服务订单所消耗的时间长度、完成服务订单所消耗的成本(如汽油消耗量)、完成服务订单所运行的路程、完成服务订单所接收到的回报、完成服务订单后,服务提供方所支付的金额、每个服务订单所对应的导航路线(从上车地点到达下车地点的路线)、完成服务订单的过程中出现的违规情况(如违反交通规则的情况)、服务提供方的移动终端等。
服务请求方属性信息可以是用来描述服务请求方个人情况的信息,比如,请求方属性信息可以包括如下的任意一种或多种:服务请求方的年龄、性别、职业、从事某个行业的工作年限等。
通过这些信息,能够从不同的角度来反映出服务提供方的历史服务情况。
S101中,历史服务信息的来源有多种,比如可以是服务提供方主动上传的,可以是服务请求方主动上传的。通常情况下,服务提供方属性信息、服务过程信息和服务请求方属性信息都会伴随着服务订单一同存储在***中,因此,***在需要读取这三种信息的时候,大部分情况下,只需要从***的数据库中直接调取数据即可。
S102的主要目的是使用某一种或多种历史服务信息进行筛选,以选择出合适的服务提供方。如前文中的说明,历史服务信息的种类非常多,这些信息都是从不同的角度来描述服务提供方历史服务情况的,但在筛选的时候,如果同时考虑到这么多信息那筛选的时间就会过长,这种筛选的意义就不大了。因此,在执行步骤S102的会后,通常是选择使用某几个种类的历史服务信息进行筛选。
在具体筛选的时候,可以为每种服务信息种类分别对应的筛选要求应当是有区别的。比如,从事某个行业的工作年限所对应的筛选要求应当是以时间为单位的筛选要求(如筛选要求如选择工作年限超过3年的服务提供方);通过承接指定服务类型的服务订单所得到的月平均收入的筛选要求应当是以金额为单位的筛选要求(如筛选要求如选择承接指定服务类型的服务订单所得到的月平均收入超过1万的服务提供方)。
进而,在确定了每种服务信息种类所对应的筛选要求之后,就可以根据历史服务信息是否满足筛选要求来确定该服务提供方是否符合预筛选要求。
除了为每种历史服务信息种类设置对应的筛选要求,还可以是为多种历史服务信息设置联合的筛选要求,比如,在筛选的时候,如果同时出现多种历史服务信息,则可以使用联合筛选要求,这样,即使某个历史服务信息不符合对应的筛选要求,但多种历史服务信息符合联合筛选要求,也可以认为服务请求方符合预设的筛选要求。
也就是,本申请所提供的方案中,筛选要求可以分为两类,第一类是独立筛选要求(独立筛选要求只是用来判断某一种历史服务信息是否符合独立筛选要求,如果符合,则确定该服务提供方符合筛选要求),第二类是联合筛选要求(联合筛选要求只是用来同时判断多种历史服务信息是否均符合筛选要求,如果符合,则确定该服务提供方符合筛选要求)。
进而,本申请所提供的方法中,步骤S102可以按照如下第一种方式实现:
针对多种服务提供方中的每个服务提供方,判断服务提供方的每种历史服务信息是否均满足对应的独立筛选要求;
若每种历史服务信息均满足对应的独立筛选要求,则确认服务提供方为符合筛选要求的服务提供方;
若至少一种历史服务信息不满足对应的筛选要求,则确认服务提供方为不符合筛选要求的服务提供方。
步骤S102还可以按照如下第二种方式实现:
针对多种服务提供方中的每个服务提供方,判断服务提供方的多种历史服务信息中,相关联的多种历史服务信息是否均满足对应的联合筛选要求;
若服务提供方的多种历史服务信息中,相关联的多种历史服务信息均满足对应的联合筛选要求,则确认服务提供方为符合筛选要求的服务提供方。
步骤S102的第一种实现方式和第二种实现方式相比,主要差别在于,第一种实现方式中,对于指定的服务提供方而言,需要判断是否符合筛选要求的历史服务信息均符合独立筛选要求,才认为该指定的服务提供方符合筛选要求;而第二种实现方式中,则是只要判断全部的历史服务信息中,相关联的多个历史服务信息符合对应的联合筛选要求(不论其他历史服务信息是否符合筛选要求),就可以认为该指定的服务提供方符合筛选要求。具体哪些相关联得我历史服务信息符合对应的联合筛选要求可以是根据具体的情况确定。
通过步骤S102进行一次筛选,使得需要通过步骤S103中进行识别的服务提供方的数量减少了,降低了S103的执行难度。
进而,在步骤S103中,就可以将步骤S102中所选择出的服务提供方的历史服务信息输入到已经训练完成的服务类型评价模型中,以确定该服务提供方的服务类型。
本申请所提供的方法,由于在步骤S102中进行了一次筛选行为,使得最终需要通过步骤S103进行识别服务类型的服务提供方的数量大大降低,从而保证了步骤S103的执行效率。需要说明的是,步骤S103在实际执行的时候,为了保证确定服务类型的准确度,通常是将海量的数据(历史服务信息)输入到模型中进行计算,可能输入到模型中的数据量多大成百上千种,因此,步骤S103在执行时的计算量是非常大的。通过在步骤S102中预先筛选掉一部分不符合要求的服务提供方,使得步骤S103的整体处理难度下降了,提高了整体的计算效率。
具体的,步骤S102在执行的时候,进行筛选的数据不应当过多,如果过多,则会导致计算量下降;同时,进行筛选的数据不应当过少,如果过少就无法起到筛选的作用,并且,进行筛选的历史服务信息应当具有一定的针对性,也就是进行筛选的历史服务信息应当是能够区分不同的服务提供方的。
进而,本申请的发明人经过试验和分析,认为选择如下几种历史服务信息进行筛选比较合适:
订单服务地点、订单服务路线和订单数量。也就是,本申请所提供的方法中,可以是同时依据上述三个信息(订单服务地点、订单服务路线和订单数量)中的任意至少一个信息进行筛选,以选择符合筛选要求的服务提供方。
下面,分别对使用这三个信息的筛选过程进行说明:
使用订单服务地点进行筛选时,如图3所示,步骤S102可以按照如下方式实现:
S1021,针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务地点进行聚类,以确定每个历史订单信息所对应的地点聚类结果;
S1022,根据每个历史订单信息所对应的地点聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
步骤S1021中,订单服务地点有两种,分别是上车地点和下车地点。此处的上车地点指的是服务提供方接起服务请求方的地点,此处的下车地点指的是服务提供方将服务请求方运送到的目的地。
步骤S102在具体实现的时候,可以是只对上车地点使用步骤S1021和步骤S1022的方法,也可以是只对下车地点使用步骤S1021和步骤S1022的方法;还可以是将上车地点和下车地点同时使用步骤S1021和步骤S1022的方法。
在确定地点聚类结果后,有两种确定符合筛选要求的服务提供方的方式,下面分别说明:
第一种确定符合筛选要求的服务提供方的方式:
如图2所示,示出了对指定的一个服务提供方的订单服务地点进行聚类的地点聚类结果的示意图。图2中,黑点表示的是地点(上车地点或下车地点),包围地点的圆圈表示的是聚类的结果,每一个圆圈中所圈出的地点都是聚成一类的。进而,可以看出,图2中的地点可以聚成三类,分别是聚类结果1、聚类结果2、和聚类结果3。其中,聚类结果1中有两个地点,聚类结果2中有四个地点,聚类结果1中有两个地点。也就是,S1022,可以按照如下方式实现:将地点聚类结果的数量少于预定数值的服务提供方作为符合筛选要求的服务提供方。如可以将地点聚类结果的数量少5个的服务提供方作为符合筛选要求的服务提供方。此种情况下,图2中所示的聚类结果只有3个,那么图2所对应的服务提供方就可以作为符合筛选要求的服务提供方。
通过对订单服务地点进行聚类,可以得出服务提供方的行为规律。比如,如果对地点进行聚类的结果越少(如聚类结果只有2-4个),则越说明该服务提供方的行为非常规律,该服务提供方的就属于可以准确预测行为的服务提供方,或者说是这种服务提供方所承接的服务订单都是有准确指向性的。这种服务提供方可以归属为喜欢承接顺路服务请求方的服务提供方(也就是,在上班或下班的过程中顺便承接顺路的服务订单)。进而,本申请所提供的方法也可以认为是以查找这类服务提供方为目的所使用的方法。
第二种确定符合筛选要求的服务提供方的方式:
除了对地点进行聚类的结果越少,越说明这个服务提供方越服务要求,还可以是如果某个地点聚类结果中,地点的数量非常集中,也能够说明该司机的行为非常规律。比如,共有8个聚类结果,这8个聚类结果共聚类了100个地点,其中的一个聚类结果中包含了40个地点,还有一个聚类结果中包含了50个地点,其他10个地点分别在余下的9个聚类结果中。那么这也能够说明该服务提供方的行为非常规律。即,可以认为这类服务提供方可以是符合筛选要求的服务提供方。进而,本申请所提供的方法也可以认为是以查找这类服务提供方为目的所使用的方法。
即S1022,可以按照如下方式实现:根据地点聚类结果中,指定的地点聚类结果中所包含的订单服务地点的数量,选择符合筛选要求的服务提供方。
此处,指定的地点聚类结果通常是指包含有最多订单服务地点的一个或多个聚类结果。
此处,可以是判断指定的地点聚类结果中所包含的订单服务地点的数量是否超过预定的数值,如果超过,则认为该服务提供方是符合筛选要求的服务提供方。
为了更加精准的判断服务提供方是否是符合筛选要求的服务提供方,还可以是引入比值的评判方式。
具体的,步骤1022可以按照如下方式实现:
步骤10221,计算第一数量和第二数量的比值;第一数量是指定历史订单信息所对应的地点聚类结果中,指定的地点聚类结果所包含的订单服务地点的数量;第二数量是指定历史订单信息所对应的全部订单服务地点的数量;
步骤10222,根据第一数量和第二数量的比值大小,从多个服务提供方中选择符合筛选要求的服务提供方。
步骤10221中,指定的地点聚类结果通常是指包含有最多订单服务地点的一个或多个聚类结果。也就是,如果某一个聚类结果中所包含的订单服务地点非常多(如该聚类结果中包含的订单服务地点占总订单服务地点的比值达到80%),则说明这个服务提供方的行为非常规律,进而,可以将这个服务提供方作为符合筛选要求的服务提供方。
使用订单服务路线进行筛选时,步骤S102可以按照如下方式实现:
S1023,针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务路线进行聚类,以确定每个历史订单信息所对应的路线聚类结果;
S1024,根据每个历史订单信息所对应的路线聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
此处,订单服务路线可以是直接伴随服务订单记录的(直接将服务提供方运载服务请求方的实际路线作为订单服务路线),也可以是根据上车地点和下车地点还原的(但此种方式可能不很准确)。
在确定路线聚类结果后,有两种确定符合筛选要求的服务提供方的方式,下面分别说明:
第一种确定符合筛选要求的服务提供方的方式:
S1024,可以按照如下方式实现:将路线聚类结果的数量少于预定数值的服务提供方作为符合筛选要求的服务提供方。如可以将路线聚类结果的数量少3个的服务提供方作为符合筛选要求的服务提供方。
通过对订单服务路线进行聚类,可以得出服务提供方的行为规律。比如,如果对地点进行聚类的结果越少(如聚类结果只有2-4个),则越说明该服务提供方的行为非常规律,该服务提供方的就属于可以准确预测行为的服务提供方,或者说是这种服务提供方所承接的服务订单都是有准确指向性的。这种服务提供方可以归属为喜欢承接顺路服务请求方的服务提供方(也就是,在上班或下班的过程中顺便承接顺路的服务订单)。进而,本申请所提供的方法也可以认为是以查找这类服务提供方为目的所使用的方法。
第二种确定符合筛选要求的服务提供方的方式:
除了对地点进行聚类的结果越少,越说明这个服务提供方越服务要求,还可以是如果某个路线聚类结果中,地点的数量非常集中,也能够说明该司机的行为非常规律。比如,共有5个聚类结果,这5个聚类结果共聚类了80个路线,其中的一个聚类结果中包含了35个地点,还有一个聚类结果中包含了36个地点,其他9个地点分别在余下的4个聚类结果中。那么这也能够说明该服务提供方的行为非常规律。即,可以认为这类服务提供方可以是符合筛选要求的服务提供方。进而,本申请所提供的方法也可以认为是以查找这类服务提供方为目的所使用的方法。
即S1024,可以按照如下方式实现:根据路线聚类结果中,指定的路线聚类结果中所包含的订单服务路线的数量,选择符合筛选要求的服务提供方。
此处,指定的路线聚类结果通常是指包含有最多订单服务路线的一个或多个聚类结果。
此处,可以是判断指定的路线聚类结果中所包含的订单服务路线的数量是否超过预定的数值,如果超过,则认为该服务提供方是符合筛选要求的服务提供方。
为了更加精准的判断服务提供方是否是符合筛选要求的服务提供方,还可以是引入比值的评判方式。
具体的,步骤1024可以按照如下方式实现:
步骤10241,计算第三数量和第四数量的比值;第三数量是指定历史订单信息所对应的路线聚类结果中,指定的路线聚类结果所包含的订单服务路线的数量;第四数量是指定历史订单信息所对应的全部订单服务路线的数量;
步骤10242,根据第三数量和第四数量的比值大小,从多个服务提供方中选择符合筛选要求的服务提供方。
步骤10241中,指定的路线聚类结果通常是指包含有最多订单服务路线的一个或多个聚类结果。也就是,如果某一个聚类结果中所包含的订单服务路线非常多(如该聚类结果中包含的订单服务路线占总订单服务路线的比值达到80%),则说明这个服务提供方的行为非常规律,进而,可以将这个服务提供方作为符合筛选要求的服务提供方。
使用订单数量进行筛选时,步骤S102可以按照如下方式实现:
将订单数量超过预定数值的服务提供方作为符合筛选要求的服务提供方。
这种方式比较简单,也就是只有承接的服务订单足够多的服务提供方才有必要判断其服务类型。
除了这种只凭借订单数量进行筛选的方式,以外,还可以是进一步根据订单数量中的某些具体类型的订单的数量来确定服务提供方是否是符合筛选要求的服务提供方。
比如,步骤S102可以按照如下方式实现:
根据每个历史订单信息中,指定服务类型的订单数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
此处,指定服务类型可以是如快车类型、专车类型等类型中的任一个或多个类型。通过比较指定服务类型的订单数量和全部订单的数量的比值,能够确定出服务提供方更倾向于承接哪个类型的服务订单。
在此基础上,还可以是进一步细化服务类型来更加准确的确定服务提供方的洗好。
具体的,步骤S102可以按照如下方式实现:
根据每个历史订单信息中,实时订单的数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
其中,实时订单的数量是服务提供方在设置实时目的地后所分配到的服务订单的数量;全部订单的数量是指服务提供方曾经分配到(也可以是分配到并且完成)的全部类型的服务订单数量,或者,全部订单的数量是指服务提供方曾经分配到(也可以是分配到并且完成)的指定的某些类型的服务订单数量。
此处,实时订单的意思是,服务提供方临时设置了目的地之后,所分配到的服务订单。此处应当注意的是,实时订单应当区别于预约订单。
此处,预约订单通常是指,***分配服务订单的时间与服务提供方按照服务订单进行服务的时间(如服务提供方和服务请求方约定好的服务时间)相距较大的服务订单。这种预约订单通常是提前几个小时下达的服务订单。相对应的,实时订单就是***分配服务订单的时间与服务提供方按照服务订单进行服务的时间相距较小的服务订单。
通常情况下,只有服务提供方在设置了实时目的地后(设置了实时目的地后说明服务提供方原因开始承接实时订单了)的预定时间内,***所分配的服务订单(可以是快车服务订单、专车服务订单等不同类型的服务订单)才是实时订单。
也就是,如果服务提供方所承接的实时订单都是符合一个规律的订单,那么说明该服务提供方的出行十分的有规律性。
上述内容,说明了通过订单服务地点、订单服务路线和订单数量选择符合筛选要求的服务提供方的方式,具体实现时,可以是同时考虑这三个情况中的至少一个来从多个服务提供方中选择符合筛选要求的服务提供方。
具体而言,步骤S102可以按照如下方式实现:
根据以下信息中的任意一种或多种,从多个服务提供方中选择符合筛选要求的服务提供方:
订单服务地点、订单服务路线和订单数量。
更具体来说,步骤S102可以按照如下方式实现:
根据以下信息中的任意一种或多种,从多个服务提供方中选择符合筛选要求的服务提供方:
每个历史订单信息所对应的地点聚类结果、每个历史订单信息所对应的路线聚类结果和每个历史订单信息中,指定服务类型的订单数量与全部订单的数量的比值大小。
具体的,计算每个历史订单信息所对应的地点聚类结果、每个历史订单信息所对应的路线聚类结果和每个历史订单信息中,指定服务类型的订单数量与全部订单的数量的比值大小的方式已经在前文中说明,并且,依据这三个信息选择符合筛选要求的服务提供方的方式也在前文中说明,此处不再重复。
下面对步骤S103的具体实现过程进行说明,步骤S103中,服务类型评价模型所实际输出的是概率值,也就是,服务类型评价模型所输出的是服务提供方符合指定服务类型的概率,概率越大,则说明服务提供方越应当标记/归属为该服务类型。
具体实现时,步骤S103可以按照如下方式实现:
步骤1031,将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,以确定选择的服务提供方符合指定服务类型的概率;
步骤1032,根据选择的服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型。
步骤1031中,服务类型可以是预先设置好的,考虑到本身方案的步骤S102中会通过订单服务地点、订单服务路线和订单数量对服务提供方进行一次筛选,因此,本申请所提供的方法,更期望于确定服务提供方是出行具有一定规律性(如经常走某个路线,或者经常到某个地点)的服务提供方的概率。
步骤1031中所输出的是一个概率值,如0.76(则说明该服务提供方是指定服务类型的概率是76%)。
进而,在步骤1032中,就可以直接根据该服务提供方是指定服务类型的概率,确定其服务类型了。依据概率确定服务类型的方式比较多,比如,如果概率超过60%,则可以确定该服务请求方是指定的服务类型,反之,则说明该服务请求方不是指定的服务类型。
除了这种采用绝对的方式来确定服务提供方的服务类型的方式以外,还可以采用相对的方式来确定服务提供方的服务类型。也就是,步骤1032可以按照如下方式实现:
步骤10321,对多个选择的服务提供方符合指定服务类型的概率进行排名;
步骤10322,根据排名的前后顺序,确定每个选择的服务提供方的服务类型。
步骤10321中,是根据每个服务提供方的概率进行排名,并且按照排名的顺序确定每个服务提供方的类型。
如下表1所示,示出了每个服务提供方的概率排名。
表1
表1中,示出了各个服务提供方的概率和对应的概率排名,从表1中可以看出,服务提供方A和B的概率较高,服务提供方I和G的概率较低。如果预先制定的策略是概率排名前5的服务提供方是XXX服务类型,则只有服务提供方A、B、Z、F和E的服务类型的XXX;服务提供方I和G的服务类型就不是XXX。
在确定了服务提供方的服务类型之后,就可以针对服务类型为每个服务提供方确定订单分配策略了,而后,在分配服务订单的时候,就可以按照确定的订单分配策略分配服务订单。
通常情况下,采用的是在确定了服务提供方的服务类型之后,就将符合该服务类型的某种服务订单更多的分配给该服务提供方。
也就是,在为服务提供方分配服务订单的时候,可以是根据服务提供方的服务类型来为其进行分配。
也就是,本申请所提供的方法,还包括:
根据服务类型和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
按照确定的订单分配策略,为选择的服务提供方中,每个服务提供方分配服务订单。
其中,服务类型和订单分配策略的对应关系是预先确定好的,比如可以是对于A服务类型的服务提供方,优先分配A类型的服务订单(这种分配方式可以认为是订单分配策略的一种)。
具体实现时,可以预先在***中建立一个表格,以存储服务类型和订单分配策略的对应关系,并在具体执行的时候,根据服务类型调用订单分配策略。
更具体的,还可以根据概率排名的先后顺序,确定出不同级别的服务提供方。比如,预先制定的策略是概率排名是前2名的服务提供方是第一级A服务类型的服务提供方,概率排名是3-4名的服务提供方是第二级A服务类型的服务提供方;概率排名是5-6名的服务提供方是第三级A服务类型的服务提供方。那么如表1中所示出的情况,就可以确定服务提供方A和B是第一级A服务类型的服务提供方;服务提供方Z和F是第二级A服务类型的服务提供方;服务提供方E和I是第三级A服务类型的服务提供方。
如果确定的是每个选择的服务提供方的在指定服务类型的服务级别(如第一级A服务类型的服务提供方、第二级A服务类型的服务提供方和第三级A服务类型的服务提供方),则在实现的时候,就可以是将指定类型的服务订单首先考虑分配给较高级的服务提供方,或者是说服务订单的分配比例是按照服务提供方的级别确定的(如级别越高分配的服务订单越多)。
也就是,本申请所提供的方法中,还包括如下内容:
根据服务级别和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
按照确定的订单分配策略为选择的服务提供方中,每个服务提供方分配服务订单。
实际上,服务级别就是根据对同一个服务类型,确定出的排名先后,确定的级别,比如,服务提供方A、B、C均是喜欢承接顺路订单(某种服务订单的类型)的服务提供方,但服务提供方A所承接的所有服务订单都是顺路订单,而服务提供方B所承接的服务订单只有一半是顺路订单,则服务提供方A的符合顺路司机的概率要大于服务提供方B的符合顺路司机的概率,也就是,服务提供方A的级别应当大于服务提供方A的级别。进而,服务器一般会将更多的将顺路订单分配给服务提供方A。
根据服务级别所确定的订单分配策略通常是调整指定类型的服务订单的分配比例、分配上限等内容的策略。具体的订单分配策略可以根据具体情况而定,本申请中不做过多限制。
由于本申请所提供的方案中,具体的处理策略的目的都是选择出具有某种规律的服务提供方,因此,应对于上述具体方案,申请人认为,本申请所提供的方法也可以认为是一种主要承接顺路服务订单的服务提供方类型确定方法。
基于上述方法,本申请还提供了训练服务类型评价模型的方法,具体的,可以根据以下步骤训练服务类型评价模型:
获取多个服务提供方的样本历史服务信息;历史服务信息中包括以下任意一种或多种信息:服务提供方属性信息、服务过程信息和服务请求方属性信息;
基于多个样本历史服务信息,训练得到服务类型评价模型。
此处,历史服务信息在前文中已经说明,此处不再重复说明。
具体的,原始的服务类型评价模型可以选择常见的分类器,如逻辑回归(Logistics Regression)模型,支持向量机(Support Vector Machine)模型,决策树(Decision Tree)模型,以及梯度提升决策树(Gradient Boosting Decision Tree)模型。除此之外,也可以选择使用深度机器学习(神经网络)模型。若使用神经网络模型,则在将数据输入到模型前,需要对数据进行归一化处理,并采取适合的初始化方案,以保证模型可以收敛到一个较优的状态。
在对该服务类型评价模型进行训练时,需要预先准备好大量的训练样本,每个训练样本均包括一个服务提供方的历史服务信息和对应的服务类型(如是A服务类型,和不是A服务类型)。而后,将训练样本输入到服务类型评价模型中,以对服务类型评价模型进行训练。
在确定训练样本的时候,可以将每天承接实时订单数量小于预定数值的服务提供方的历史服务信息作为正样本,也就是该种服务提供方的服务类型是A服务类型;或者是根据某个服务请求方的地点聚类结果/路线聚类结果的情况来确定哪个服务提供方的历史服务信息作为正样本。
如图5所示,示出了是本申请一些实施例的提示信息展示方法所在的服务***100的框图。例如,服务***100可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。服务***100可以包括服务器110(本申请所提供方法的执行主体的一种)、网络120、服务请求方终端130(服务请求方)、服务提供方终端140(服务提供方)和数据库150中的一种或多种,服务器110中可以包括执行指令操作的处理器。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式***)。在一些实施例中,服务器110相对于终端,可以是本地的、也可以是远程的。例如,服务器110可以经由网络120访问存储在服务请求方终端130、服务提供方终端140、或数据库150、或其任意组合中的信息和/或数据。作为另一示例,服务器110可以直接连接到服务请求方终端130、服务提供方终端140和数据库150中至少一个,以访问存储的信息和/或数据。在一些实施例中,服务器110可以在云平台上实现;仅作为示例,云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等,或者它们的任意组合。在一些实施例中,服务器110可以在具有本申请中图4所示的一个或多个组件的电子设备1000上实现。
网络120可以用于信息和/或数据的交换。在一些实施例中,服务***100中的一个或多个组件(例如,服务器110,服务请求方终端130,服务提供方终端140和数据库150)可以向其他组件发送信息和/或数据。例如,服务器110可以经由网络120从服务请求方终端130获取服务请求。在一些实施例中,网络120可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络130可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched TelephoneNetwork,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或网络交换节点,服务***100的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
在一些实施例中,服务请求方终端130的服务请求方可以是除服务实际需求者之外的其他人。例如,服务请求方终端130的服务请求方A可以使用服务请求方终端130来为服务实际需求者B发起服务请求(比如,服务请求方A可以为自己的朋友B叫车),或者从服务器110接收服务信息或指令等。在一些实施例中,服务提供方终端140的服务请求方可以是服务实际提供者,也可以是除服务实际提供者之外的其他人。例如,服务提供方终端140的服务请求方C可以使用服务提供方终端140接收由服务实际提供者D提供服务的服务请求(比如服务请求方C可以为自己雇用的服务提供方D接单),和/或来自服务器110的信息或指令。在一些实施例中,“服务请求方”和“服务请求方终端”可以互换使用,“服务提供方”和“服务提供方终端”可以互换使用。
在一些实施例中,服务请求方终端130可以包括移动设备、平板计算机、膝上型计算机、或机动车辆中的内置设备等,或其任意组合。在一些实施例中,移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器设备的控制设备、智能监控设备、智能电视、智能摄像机、或对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋带、智能玻璃、智能头盔、智能手表、智能服装、智能背包、智能配件等、或其任何组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏设备、导航设备、或销售点(point of sale,POS)设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实玻璃、虚拟现实贴片、增强现实头盔、增强现实玻璃、或增强现实贴片等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括各种虚拟现实产品等。在一些实施例中,机动车辆中的内置设备可以包括车载计算机、车载电视等。在一些实施例中,服务请求方终端130可以是具有用于定位服务请求方和/或服务请求方终端的位置的定位技术的设备。
在一些实施例中,服务提供方终端140可以是与服务请求方终端130类似或相同的设备。在一些实施例中,服务提供方终端140可以是具有定位技术的设备,用于定位服务提供方和/或服务提供方终端的位置。在一些实施例中,服务请求方终端130和/或服务提供方终端140可以与其他定位设备通信以确定服务请求方、服务请求方终端130、服务提供方、或服务提供方终端140、或其任意组合的位置。在一些实施例中,服务请求方终端130和/或服务提供方终端140可以将定位信息发送给服务器110。
数据库150可以存储数据和/或指令。在一些实施例中,数据库150可以存储从服务请求方终端130和/或服务提供方终端140获得的数据。在一些实施例中,数据库150可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中,数据库150可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory,ROM)等,或其任意组合。作为举例,大容量存储器可以包括磁盘、光盘、固态驱动器等;可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等;易失性读写存储器可以包括随机存取存储器(Random Access Memory,RAM);RAM可以包括动态RAM(Dynamic RandomAccess Memory,DRAM),双倍数据速率同步动态RAM(Double Date-Rate Synchronous RAM,DDR SDRAM);静态RAM(Static Random-Access Memory,SRAM),晶闸管RAM(Thyristor-Based Random Access Memory,T-RAM)和零电容器RAM(Zero-RAM)等。作为举例,ROM可以包括掩模ROM(Mask Read-Only Memory,MROM)、可编程ROM(Programmable Read-OnlyMemory,PROM)、可擦除可编程ROM(Programmable Erasable Read-only Memory,PEROM)、电可擦除可编程ROM(Electrically Erasable Programmable read only memory,EEPROM)、光盘ROM(CD-ROM)、以及数字通用磁盘ROM等。在一些实施例中,数据库150可以在云平台上实现。仅作为示例,云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等,或其任意组合。
与上述方法相对应的,本申请还提供了一种服务类型确定装置,包括:
第一获取模块,用于获取多个服务提供方的历史服务信息;
第一选择模块,用于根据与预设的至少一种服务信息种类分别对应的筛选要求和每个服务提供方的历史服务信息,从多个服务提供方中选择符合筛选要求的服务提供方;
第一输入模块,用于将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型。
在一些实施例中,第一选择模块,包括:
第一聚类单元,用于针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务地点进行聚类,以确定每个历史订单信息所对应的地点聚类结果;
第一选择单元,用于根据每个历史订单信息所对应的地点聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,第一选择单元,包括:
第一子计算单元,用于计算第一数量和第二数量的比值;第一数量是指定历史订单信息所对应的地点聚类结果中,指定的地点聚类结果所包含的订单服务地点的数量;第二数量是指定历史订单信息所对应的全部订单服务地点的数量;
第一子选择单元,用于根据第一数量和第二数量的比值大小,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,第一选择模块,包括:
第二聚类单元,用于针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务路线进行聚类,以确定每个历史订单信息所对应的路线聚类结果;
第二选择单元,用于根据每个历史订单信息所对应的路线聚类结果,从多个服务提供方中选择符合筛选要求的服务提供方。
在一些实施例中,第一选择模块,包括:
第一确定单元,用于根据每个历史订单信息中,指定服务类型的订单数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
在一些实施例中,历史服务信息包括:服务提供方在设置实时目的地后所分配到的实时订单的数量,和服务提供方所分配到的全部订单的数量;
第一选择模块,包括:
第二确定单元,用于根据每个历史订单信息中,实时订单的数量和全部订单的数量的比值大小,确定符合筛选要求的服务提供方。
在一些实施例中,第一输入模块,包括:
第三确定单元,用于将选择的服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,以确定选择的服务提供方符合指定服务类型的概率;
第四确定单元,用于根据选择的服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型。
在一些实施例中,第四确定单元,包括:
第一排名子单元,用于对多个选择的服务提供方符合指定服务类型的概率进行排名;
第一确定子单元,用于根据排名的前后顺序,确定每个选择的服务提供方的服务类型。
在一些实施例中,第四确定单元,包括:
第二排名子单元,用于对多个选择的服务提供方符合指定服务类型的概率进行排名;
第二确定子单元,用于根据排名的前后顺序,确定每个选择的服务提供方的在指定服务类型的服务级别。
在一些实施例中,装置还包括:
第一确定模块,用于根据服务级别和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
第一分配模块,用于按照确定的订单分配策略为选择的服务提供方中,每个服务提供方分配服务订单。
在一些实施例中,历史服务信息包括以下的任意一种或多种:
服务提供方属性信息、服务过程信息和服务请求方属性信息。
在一些实施例中,装置还包括:
第二确定模块,用于根据服务类型和订单分配策略的对应关系,确定选择的服务提供方中,每个服务提供方的订单分配策略;
第二分配模块,用于按照确定的订单分配策略,为选择的服务提供方中,每个服务提供方分配服务订单。
与上述方法相对应的,本申请还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,该计算机程序被处理器运行时执行如服务类型确定方法的步骤。
如图4所示,为本申请实施例所提供的电子设备示意图,该电子设备1000包括:处理器1001、存储器1002和总线1003,存储器1002存储有执行指令,当电子设备运行时,处理器1001与存储器1002之间通过总线1003通信,处理器1001执行存储器1002中存储的服务类型确定方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (24)
1.一种服务类型确定方法,其特征在于,包括:
获取多个服务提供方的历史服务信息;
根据与预设的至少一种服务信息种类分别对应的筛选要求和每个所述服务提供方的历史服务信息,从所述多个服务提供方中选择符合所述筛选要求的服务提供方;
将选择的所述服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型;
将选择的所述服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型,包括:
将选择的所述服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,以确定所述选择的所述服务提供方符合指定服务类型的概率;
根据所述选择的所述服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型。
2.根据权利要求1所述的方法,其特征在于,根据与预设的至少一种服务信息种类分别对应的筛选要求和每个所述服务提供方的历史服务信息,从所述多个服务提供方中选择符合所述筛选要求的服务提供方,包括:
针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务地点进行聚类,以确定每个历史订单信息所对应的地点聚类结果;
根据每个历史订单信息所对应的地点聚类结果,从所述多个服务提供方中选择符合所述筛选要求的服务提供方。
3.根据权利要求2所述的方法,其特征在于,根据每个历史订单信息所对应的地点聚类结果,从所述多个服务提供方中选择符合所述筛选要求的服务提供方,包括:
计算第一数量和第二数量的比值;所述第一数量是指定历史订单信息所对应的地点聚类结果中,指定的地点聚类结果所包含的订单服务地点的数量;所述第二数量是所述指定历史订单信息所对应的全部订单服务地点的数量;
根据所述第一数量和第二数量的比值大小,从所述多个服务提供方中选择符合所述筛选要求的服务提供方。
4.根据权利要求1所述的方法,其特征在于,根据与预设的至少一种服务信息种类分别对应的筛选要求和每个所述服务提供方的历史服务信息,从所述多个服务提供方中选择符合所述筛选要求的服务提供方,包括:
针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务路线进行聚类,以确定每个历史订单信息所对应的路线聚类结果;
根据每个历史订单信息所对应的路线聚类结果,从所述多个服务提供方中选择符合所述筛选要求的服务提供方。
5.根据权利要求1所述的方法,其特征在于,根据与预设的至少一种服务信息种类分别对应的筛选要求和每个所述服务提供方的历史服务信息,从所述多个服务提供方中选择符合所述筛选要求的服务提供方,包括:
根据每个历史订单信息中,指定服务类型的订单数量和全部订单的数量的比值大小,确定符合所述筛选要求的服务提供方。
6.根据权利要求1所述的方法,其特征在于,历史服务信息包括:服务提供方在设置实时目的地后所分配到的实时订单的数量,和服务提供方所分配到的全部订单的数量;
根据与预设的至少一种服务信息种类分别对应的筛选要求和每个所述服务提供方的历史服务信息,从所述多个服务提供方中选择符合所述筛选要求的服务提供方,包括:
根据每个历史订单信息中,实时订单的数量和全部订单的数量的比值大小,确定符合所述筛选要求的服务提供方。
7.根据权利要求1所述的方法,其特征在于,根据所述选择的所述服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型,包括:
对多个所述选择的所述服务提供方符合指定服务类型的概率进行排名;
根据所述排名的前后顺序,确定每个所述选择的所述服务提供方的服务类型。
8.根据权利要求1所述的方法,其特征在于,根据所述选择的所述服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型,包括:
对多个所述选择的所述服务提供方符合指定服务类型的概率进行排名;
根据所述排名的前后顺序,确定每个所述选择的所述服务提供方的在所述指定服务类型的服务级别。
9.根据权利要求8所述的方法,其特征在于,还包括:
根据服务级别和订单分配策略的对应关系,确定所述选择的所述服务提供方中,每个所述服务提供方的订单分配策略;
按照确定的所述订单分配策略为所述选择的所述服务提供方中,每个所述服务提供方分配服务订单。
10.根据权利要求1所述的方法,其特征在于,所述历史服务信息包括以下的任意一种或多种:
服务提供方属性信息、服务过程信息和服务请求方属性信息。
11.根据权利要求1所述的方法,其特征在于,还包括:
根据服务类型和订单分配策略的对应关系,确定所述选择的所述服务提供方中,每个所述服务提供方的订单分配策略;
按照确定的所述订单分配策略,为所述选择的所述服务提供方中,每个所述服务提供方分配服务订单。
12.一种服务类型确定装置,其特征在于,包括:
第一获取模块,用于获取多个服务提供方的历史服务信息;
第一选择模块,用于根据与预设的至少一种服务信息种类分别对应的筛选要求和每个所述服务提供方的历史服务信息,从所述多个服务提供方中选择符合所述筛选要求的服务提供方;
第一输入模块,用于将选择的所述服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,得到该服务提供方的服务类型;
所述第一输入模块,包括:
第三确定单元,用于将选择的所述服务提供方的历史服务信息输入到预先训练的服务类型评价模型中,以确定所述选择的所述服务提供方符合指定服务类型的概率;
第四确定单元,用于根据所述选择的所述服务提供方符合指定服务类型的概率,确定该服务提供方的服务类型。
13.根据权利要求12所述的装置,其特征在于,所述第一选择模块,包括:
第一聚类单元,用于针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务地点进行聚类,以确定每个历史订单信息所对应的地点聚类结果;
第一选择单元,用于根据每个历史订单信息所对应的地点聚类结果,从所述多个服务提供方中选择符合所述筛选要求的服务提供方。
14.根据权利要求13所述的装置,其特征在于,第一选择单元,包括:
第一子计算单元,用于计算第一数量和第二数量的比值;所述第一数量是指定历史订单信息所对应的地点聚类结果中,指定的地点聚类结果所包含的订单服务地点的数量;所述第二数量是所述指定历史订单信息所对应的全部订单服务地点的数量;
第一子选择单元,用于根据所述第一数量和第二数量的比值大小,从所述多个服务提供方中选择符合所述筛选要求的服务提供方。
15.根据权利要求12所述的装置,其特征在于,所述第一选择模块,包括:
第二聚类单元,用于针对每个服务提供方的历史订单信息,分别将每个历史订单信息中的订单服务路线进行聚类,以确定每个历史订单信息所对应的路线聚类结果;
第二选择单元,用于根据每个历史订单信息所对应的路线聚类结果,从所述多个服务提供方中选择符合所述筛选要求的服务提供方。
16.根据权利要求12所述的装置,其特征在于,所述第一选择模块,包括:
第一确定单元,用于根据每个历史订单信息中,指定服务类型的订单数量和全部订单的数量的比值大小,确定符合所述筛选要求的服务提供方。
17.根据权利要求12所述的装置,其特征在于,历史服务信息包括:服务提供方在设置实时目的地后所分配到的实时订单的数量,和服务提供方所分配到的全部订单的数量;
所述第一选择模块,包括:
第二确定单元,用于根据每个历史订单信息中,实时订单的数量和全部订单的数量的比值大小,确定符合所述筛选要求的服务提供方。
18.根据权利要求12所述的装置,其特征在于,所述第四确定单元,包括:
第一排名子单元,用于对多个所述选择的所述服务提供方符合指定服务类型的概率进行排名;
第一确定子单元,用于根据所述排名的前后顺序,确定每个所述选择的所述服务提供方的服务类型。
19.根据权利要求12所述的装置,其特征在于,所述第四确定单元,包括:
第二排名子单元,用于对多个所述选择的所述服务提供方符合指定服务类型的概率进行排名;
第二确定子单元,用于根据所述排名的前后顺序,确定每个所述选择的所述服务提供方的在所述指定服务类型的服务级别。
20.根据权利要求19所述的装置,其特征在于,还包括:
第一确定模块,用于根据服务级别和订单分配策略的对应关系,确定所述选择的所述服务提供方中,每个所述服务提供方的订单分配策略;
第一分配模块,用于按照确定的所述订单分配策略为所述选择的所述服务提供方中,每个所述服务提供方分配服务订单。
21.根据权利要求12所述的装置,其特征在于,所述历史服务信息包括以下的任意一种或多种:
服务提供方属性信息、服务过程信息和服务请求方属性信息。
22.根据权利要求12所述的装置,其特征在于,还包括:
第二确定模块,用于根据服务类型和订单分配策略的对应关系,确定所述选择的所述服务提供方中,每个所述服务提供方的订单分配策略;
第二分配模块,用于按照确定的所述订单分配策略,为所述选择的所述服务提供方中,每个所述服务提供方分配服务订单。
23.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1至11任一所述的服务类型确定方法。
24.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至11任一所述的服务类型确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811410119.0A CN111222729B (zh) | 2018-11-23 | 2018-11-23 | 服务类型确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811410119.0A CN111222729B (zh) | 2018-11-23 | 2018-11-23 | 服务类型确定方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222729A CN111222729A (zh) | 2020-06-02 |
CN111222729B true CN111222729B (zh) | 2022-07-05 |
Family
ID=70830377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811410119.0A Active CN111222729B (zh) | 2018-11-23 | 2018-11-23 | 服务类型确定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222729B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5969968A (en) * | 1998-04-17 | 1999-10-19 | Pentel; Randolph M. | Remote ordering system for restaurant drive-up lane |
CN102184512A (zh) * | 2011-05-10 | 2011-09-14 | 天津大学 | 利用手机数据发现城市活动中异常事件的方法 |
CN105117777A (zh) * | 2015-07-28 | 2015-12-02 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配的方法及装置 |
CN105678607A (zh) * | 2016-01-07 | 2016-06-15 | 合肥工业大学 | 一种基于改进的K-Means算法的订单分批方法 |
CN106875066A (zh) * | 2017-02-28 | 2017-06-20 | 百度在线网络技术(北京)有限公司 | 用车出行行为的预测方法、装置、服务器以及存储介质 |
-
2018
- 2018-11-23 CN CN201811410119.0A patent/CN111222729B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5969968A (en) * | 1998-04-17 | 1999-10-19 | Pentel; Randolph M. | Remote ordering system for restaurant drive-up lane |
CN102184512A (zh) * | 2011-05-10 | 2011-09-14 | 天津大学 | 利用手机数据发现城市活动中异常事件的方法 |
CN105117777A (zh) * | 2015-07-28 | 2015-12-02 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配的方法及装置 |
CN105678607A (zh) * | 2016-01-07 | 2016-06-15 | 合肥工业大学 | 一种基于改进的K-Means算法的订单分批方法 |
CN106875066A (zh) * | 2017-02-28 | 2017-06-20 | 百度在线网络技术(北京)有限公司 | 用车出行行为的预测方法、装置、服务器以及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于公交分担率的公交***评价指标体系研究;温旭丽 等;《现代城市研究》;20171215(第12期);第18-21页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111222729A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11928752B1 (en) | Allocation of dynamically batched service providers and service requesters | |
JP6707125B2 (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
TWI690867B (zh) | 用於分配服務請求的系統和方法 | |
DE112017007909T5 (de) | Dynamische routenbestimmungen für ein fahrzeug | |
US11392861B2 (en) | Systems and methods for managing a vehicle sharing facility | |
CN108629504B (zh) | 为用户提供出行服务的方法及装置 | |
KR20180013843A (ko) | 오더 할당 시스템 및 방법 | |
CN111311295B (zh) | 服务方式确定方法、装置、电子设备和存储介质 | |
CN110741402A (zh) | 用于运力调度的***和方法 | |
CN112703517A (zh) | 电子叫车服务 | |
GB2535718A (en) | Resource management | |
US20210201214A1 (en) | System and method for recommending bidding bundle options in bidding-based ridesharing | |
CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
CN112183852A (zh) | 物流配送路线筛选及运费核算方法、***、终端及介质 | |
CN108647927A (zh) | 一种订单分配方法以及装置 | |
Nahmias-Biran et al. | From traditional to automated mobility on demand: a comprehensive framework for modeling on-demand services in SimMobility | |
CN112801740A (zh) | 基于用户偏好的能源站点推荐方法、存储介质和电子设备 | |
US20210042817A1 (en) | Methods and systems for order allocation | |
CN110750709A (zh) | 一种服务推荐方法及装置 | |
CN110704731A (zh) | 一种充电桩链式推荐方法和装置 | |
CN111832872A (zh) | 一种车辆调度方法、装置、电子设备和存储介质 | |
CN111222903B (zh) | 用于处理来自在线按需服务平台的数据的***和方法 | |
CN112418550B (zh) | 一种物流行业中多种司机工作状态下的车货匹配方法 | |
CN109583634A (zh) | 一种基于现代投资组合理论的外卖配送路径选择方法 | |
CN110326311B (zh) | 一种用于提供运输服务的***和方法 |
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 |