CN111369025A - 一种信息显示方法、装置、存储介质以及电子设备 - Google Patents

一种信息显示方法、装置、存储介质以及电子设备 Download PDF

Info

Publication number
CN111369025A
CN111369025A CN202010139185.XA CN202010139185A CN111369025A CN 111369025 A CN111369025 A CN 111369025A CN 202010139185 A CN202010139185 A CN 202010139185A CN 111369025 A CN111369025 A CN 111369025A
Authority
CN
China
Prior art keywords
cost
user
order
time
travel
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
Application number
CN202010139185.XA
Other languages
English (en)
Inventor
唐伊丽
朱宏图
叶杰平
杨海
张凌宇
吴玺煜
吴国斌
张露露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202010139185.XA priority Critical patent/CN111369025A/zh
Publication of CN111369025A publication Critical patent/CN111369025A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种信息显示方法、装置、存储介质以及电子设备，所述方法包括响应用户的订单请求，获取用户的当前订单在当前时刻的订单状态信息；将订单状态信息输入到成本模型中，确定基于用户的出行模式的推荐顺序；基于出行模式的推荐顺序，依次显示出行模式。本公开基于用户行为的期望成本确定出行模式的显示顺序，不仅能够获取用户在网络约车过程中在不同时刻和状态下的实时成本信息，还可以基于成本信息进行比较和判断以确定当前时刻的出行模式的推荐顺序，并将所有的出行模式按照确定的推荐顺序展示出来，以供用户选择更加符合用户期待以及经济性更好的出行模式，提高了用户的出行效率以及网约车运营方的资源匹配效率。

Description

一种信息显示方法、装置、存储介质以及电子设备
技术领域
本公开涉及数据处理技术领域，具体而言，涉及一种信息显示方法、装置、存储介质以及电子设备。
背景技术
网约车平台实现了用户通过网络预约出行车辆的目的，从而为用户的出行带来了极大的便利。目前，网约车平台可以为用户提供多种出行模式的服务，例如快车、出租车、顺风车、专车、优享车、豪华车等，用户在利用网约车平台预约出行车辆时，可以选择不同的出行模式。
通常，网约车平台一般通过固定的显示顺序，将所有的出行模式依次进行显示，以供用户进行选择，用户在请求预约车辆后会进入排队队列，在排队中由于出行需求和车辆供给的不平衡或者不匹配会对用户和网约车平台造成资源浪费，导致降低出行的效率。进一步地，考虑到用户针对出行模式的选择行为受到多种因素影响，为了提高用户的选择效率，网约车平台还可以通过对用户历史数据(例如应答率或接受率等)进行分析，确定用户对出行模式的选择偏好，进而将所有出行模式进行重新排序，使得用户基于新的显示顺序进行出行模式的选择。但是上述方法仅根据用户的历史数据进行重新排序，并未考虑时间、价格等因素对用户选择合适的出行模式选择的影响，从而使得用户不能及时选择最合适的出行模式。
发明内容
有鉴于此，本公开的目的在于提供一种信息显示方法、装置、存储介质以及电子设备，以解决现有技术中存在的对用户的出行模式进行显示和推荐的过程中考虑因素过于单一，使得用户不能及时选择最合适的出行模式，从而导致资源匹配效率低下的问题。
第一方面，本公开提供了一种信息显示方法，其中，包括：
响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息；
将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序；
基于所述出行模式的所述推荐顺序，依次显示所述出行模式。
在一种可能的实施方式中，所述当前时刻包括以下其中之一：
进入所述当前订单的排队队列时刻、所述当前订单的应答时刻、所述当前订单的取消时刻、在所述当前订单中改变出行模式的时刻。
在一种可能的实施方式中，所述订单状态信息至少包括以下信息：
时间成本信息和价值成本信息。
在一种可能的实施方式中，所述成本模型通过以下方式训练：
获取预定时间段内用户的订单日志和出行模式日志；
基于所述订单日志和所述出行模式日志，确定用户特征信息和出行特征信息；
基于所述用户特征信息、所述出行特征信息以及出行行为逻辑，构建成本不等式；
通过所述成本不等式，确定至少一个成本权重值。
在一种可能的实施方式中，所述将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序，包括：
基于所述订单状态信息和成本关系逻辑，确定所述用户的当前订单在当前时刻的第一成本值；
确定所述当前时刻切换其他出行模式的第二成本值；
基于所述第一成本值和所述第二成本值，将所有出行模式按照成本值大小进行排序。
第二方面，本公开还提供了一种信息显示装置，其中，包括：
获取模块，用于响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息；
确定模块，用于将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序；
显示模块，用于基于所述出行模式的所述推荐顺序，依次显示所述出行模式。
在一种可能的实施方式中，所述当前时刻包括以下其中之一：
进入所述当前订单的排队队列时刻、所述当前订单的应答时刻、所述当前订单的取消时刻、在所述当前订单中改变出行模式的时刻。
在一种可能的实施方式中，所述订单状态信息至少包括以下信息：
时间成本信息和价值成本信息。
在一种可能的实施方式中，所述信息显示装置还包括训练模块，用于：
获取预定时间段内用户的订单日志和出行模式日志；
基于所述订单日志和所述出行模式日志，确定用户特征信息和出行特征信息；
基于所述用户特征信息、所述出行特征信息以及出行行为逻辑，构建成本不等式；
通过所述成本不等式，确定至少一个成本权重值。
在一种可能的实施方式中，所述确定模块包括：
第一确定单元，用于基于所述订单状态信息和成本关系逻辑，确定所述用户的当前订单在当前时刻的第一成本值；
第二确定单元，用于确定所述当前时刻切换其他出行模式的第二成本值；
排序单元，用于基于所述第一成本值和所述第二成本值，将所有出行模式按照成本值大小进行排序。
第三方面，本公开还提供了一种计算机可读存储介质，其中，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所述的信息显示方法的步骤。
第四方面，本公开还提供了一种电子设备，其中，包括：处理器、存储器和总线，所述存储器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器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如所述的信息显示方法的步骤。
本公开基于用户行为的期望成本确定出行模式的显示顺序，不仅能够获取用户在网络约车过程中在不同时刻和状态下的实时成本信息，还可以基于成本信息进行比较和判断以确定当前时刻的出行模式的推荐顺序，并将所有的出行模式按照确定的推荐顺序展示出来，以供用户选择更加符合用户期待以及经济性更好的出行模式，提高了用户的出行效率以及网约车运营方的资源匹配效率。
为使本公开的上述目的、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公开或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本公开中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出了本公开所提供的一种信息显示方法的流程图；
图2示出了本公开所提供的一种信息显示中训练成本模型的方法流程图；
图3示出了本公开所提供的一种信息显示方法中确定基于用户的出行模式的推荐顺序的方法流程图；
图4示出了本公开所提供的信息显示装置的结构示意图；
图5示出了本公开所提供的电子设备的结构示意图。
具体实施方式
为了使得本公开的目的、技术方案和优点更加清楚，下面将结合本公开的附图，对本公开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公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
为了保持本公开的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。
本公开第一方面提供了一种信息显示方法，图1示出了本***息显示方法的流程图，具体步骤如下：
S101，响应用户的订单请求，获取用户的当前订单在当前时刻的订单状态信息。
在具体实施中，用户通过移动终端设备向网约车平台发送订单请求，其中，该订单请求的内容例如可以是用户期望从某一出行模式从位置A到达位置B，当然也可以是用户期望出行模式由模式1切换至模式2等。
在接收到用户的订单请求之后，基于该订单的请求获取用户的当前订单在当前时刻的订单状态信息；其中，当前时刻包括进入当前订单的排队队列时刻、当前订单的应答时刻、当前订单的取消时刻、在当前订单中改变出行模式的时刻。
具体的，进入当前订单的排队队列时刻即用户确定好起始位置、终止位置和出行模式之后，网约车平台基于起始位置、终止位置和出行模式为用户开始匹配网约车的时刻；当前订单的应答时刻即网约车平台基于起始位置、终止位置和出行模式为用户匹配到网约车，并将匹配到的网约车的信息显示给用户的时刻；当前订单的取消时刻即用户因等待时间较长或改变行程等原因，停止预约出行车的时刻；在当前订单中改变出行模式的时刻即用户因等待时间较长而选择除当前出行模式之外的其他出行模式的时刻。
本公开中，出行模式为网约车平台为用户所提供的各类出行服务，如快车、出租车、顺风车、专车，优享车、豪华车等，一类服务即为一个出行模式，用户可选择不同的出行模式，也可在当前出行模式等待时间过长、预期费用较高的情况下，离开当前的出行模式而进入其它出行模式，例如在出租车排队等待时间较长时，选择价格更高但排队等待时间较短的优享车的出行模式。
这里，订单状态信息至少包括时间成本信息和价值成本信息。具体的，时间成本信息包括截止到当前时刻已经等待的时间、在当前时刻还需等待的时间、在当前时刻预估出的从起始位置到终止位置所需的行驶时间等；价值成本信息包括在当前时刻预估出的从起始位置到终止位置所需的价格等。上述的列举仅用于示例，不作为对本公开的限定。
S102，将订单状态信息输入到成本模型中，确定基于用户的出行模式的推荐顺序。
在获取到用户的当前订单在当前时刻的订单状态信息之后，将订单状态信息输入至预先训练好的成本模型中，该成本模型通过计算得到基于该用于的出行模式的推荐顺序。
这里，该推荐顺序是按照每种出行模式的成本值由低到高确定的，该成本值包括用户倾向为出行付出的时间成本和价值成本的拟合成本值。
具体而言，上述成本值为用户的期望成本值，也即用户对当前出行行为所期望付出的成本。具体的，该期望成本值至少包括单位时间价值、单位沉没时间价值、单位等待时间价值和单位出行时间价值；其中，单位时间价值为用户对单位时间所期望付出的成本，如单位时间价值5元人民币/分钟表示用户为节省1分钟期望多付5元人民币；单位沉没时间价值为用户对已经等待的时间所期望付出的成本；单位等待时间价值为用户对预估等待时间所期望付出的成本；单位出行时间价值为用户对出行时间所期望付出的成本。
本公开中，基于上述期望成本值的含义预先构建成本模型中的成本公式，具体如下：
在当前时刻t的成本Yt,i定义为：
Figure BDA0002398448620000061
其中，Δtt,i表示已经等待的时间，
Figure BDA0002398448620000062
表示当前时刻t的预估等待时间，
Figure BDA0002398448620000063
表示当前时刻t的预估出行时间，pt,i表示当前时刻t的预估价格，X0,X1,X2,X3,X4表示特征向量，β0(X0)表示单位沉没时间价值，β1(X1)表示单位等待时间价值，β2(X2)表示单位出行时间价值，β3(X3)表示单位金钱价值，β4(X4)表示固定值，该β4(X4)能够反映用户个人差异与环境差异。因此，当网约车平台显示出行信息(如预估价格，预计等待时间等)，成本模型中β0，β1，β2，β3，β4的数值大小和分布即决定了用户在当前订单下的期望成本。
基于当前时刻的不同，实际计算时的成本公式如下：
在当前时刻为进入订单的排队队列时刻时，初始成本如下：
Figure BDA0002398448620000064
在当前时刻为进入订单的排队队列之后的任一等待时刻时，用户在t时刻的成本：
Figure BDA0002398448620000071
在当前时刻为订单的应答时刻时，应答成本如下：
Figure BDA0002398448620000072
其中，tf表示应答时刻；
在当前时刻为订单的取消时刻时，取消成本如下：
Figure BDA0002398448620000073
其中，tc表示取消时刻
在当前时刻为在订单中改变出行模式的时刻时，改变出行模式成本如下：
Figure BDA0002398448620000074
其中，tk表示用户改变出行模式的时刻，
Figure BDA0002398448620000075
表示改变出行模式为k的成本，
Figure BDA0002398448620000076
表示出行模式k的预估等待时间，
Figure BDA0002398448620000077
表示出行模式k的预估出行时间，
Figure BDA0002398448620000078
表示出行模式k的预估价格。
在建立成本模型中的计算公式之后，参照图2所示的方法来训练并得到成本模型，其中，具体步骤如下：
S201，获取预定时间段内用户的订单日志和出行模式日志。
考虑到用户为出行期望付出的时间成本和价值成本会受用户的经济条件和主观意愿等因素的影响，例如，不同用户对时间和金钱的单位价值的认可千差万别，例如存在部分用户对时间的单位价值高于对金钱的单位价值的看重，则该部分用户会倾向于选择价格更低的出行模式(例如拼车)；还存在部分用户具有较高的单位时间价值，其会倾向于选择等待时间更少的出行模式(例如专车)。因此，本公开在训练成本模型时，基于训练时刻为预定时间段的数据作为训练样本来进行训练。
具体的，获取预定时间段内的用户的订单日志和出行模式日志，将订单日志和出行模式日志包括的数据作为训练样本。其中，订单日志包括多个历史订单以及每个历史订单的位置信息、等待时长、是否被应答和是否被取消等；出行模式日志包括每个历史订单所选择的出行模式以及在等待时长中的每个时刻时，每个出行模式的预估信息，该预估信息包括预估等待时长、预估价格等。
当然，在获取到订单日志和出行模式日志包括的数据之后，可以对数据进行清洗，发现并纠正数据中可识别的错误数据，删除或补全无效、缺失、异常等数据。
S202，基于订单日志和出行模式日志，确定用户特征信息和出行特征信息。
进一步的，基于订单日志和出行模式日志对成本模型进行大量的训练，并基于训练结果调整成本模型中的相关参数。
这里，基于订单日志和出行模式日志确定用户特征信息和出行特征信息。其中，用户特征信息包括用户的性别、年龄层、沉没时间成本、等待时间成本和出行时间成本等，用户的性别、年龄层可以从网约车平台直接获取，沉没时间成本、等待时间成本和出行时间成本可以基于用户的历史订单分析、计算得到；出行特征信息包括天气特征、位置特征等，天气特征可以从气象平台获取得到，位置特征可以基于地图获取得到。
S203，基于用户特征信息、出行特征信息以及出行行为逻辑，构建成本不等式。
考虑到在不同场景下，用户在预约网约车的过程中，对于不同出行模式做出相应选择，反映了用户对待不同出行模式的价值评估，也就是说，用户基于自己的期望成本和不同出行模式的价值评估结果，来确定出行模式；因此，本公开分别针对每个场景设置对应的出行行为逻辑。
具体的，在订单被应答时，出行行为逻辑如
Figure BDA0002398448620000083
也即应答时刻的成本值不大于进入订单的排队队列时刻的成本值；在订单被取消时，出行行为逻辑如
Figure BDA0002398448620000081
也即取消时刻的成本值不大于进入订单的排队队列时刻的成本值，且不大于其他出行模式的成本值；在订单进行出行模式切换时，出行行为逻辑如
Figure BDA0002398448620000082
也即在订单中改变出行模式的时刻的成本值不大于当前排队时刻的成本值。
基于用户特征信息、出行特征信息以及出行行为逻辑，针对每个场景的成本值关系进行联合优化构建成本不等式。例如，利用learning to rank中的pair-wise技术，将同一场景下的行为或者出行模式的成本值进行排序，低成本值的表示为Y+，反之高成本值的成本表示为Y-。因此，在排序过程中，将高成本值放在低成本值之后，意味着如下成本等式成立：Y+<Y-。为了避免目标函数达到了局部最优(也即时间成本和价值成本均满足用户的需求，且拟合得到的成本值最低)，因此，需要一个极小的边界值γ，成本不等式改写成如下：Y++γ<Y-。最后将成本不等式简写为损失函数进行迭代优化
Figure BDA0002398448620000091
S204，通过成本不等式，确定至少一个成本权重值。
这里，针对每个场景的成本不等式，利用大量的训练样本进行训练，确定至少一个成本权重值，这里的成本权重值是指成本公式中的单位沉没时间价值、单位等待时间价值、单位出行时间价值、单位金钱价值、固定中的至少一个。例如，针对在订单被应答时的成本不等式，可以确定出该用户单位等待时间价值、单位出行时间价值和固定值，其中，该固定值反映了用户的个人差异和环境差异。
考虑到上述成本不等式为针对每个不同的场景构建的二元不等式，而在实际应用中，每个场景均存在发生的可能性，因此，针对所有的场景其成本模型的算法需要保证场景之间均在同一个空间之中，进而确保所有场景的不等式的逻辑具有一致性。本公开中利用multi-task的技术，共享了各个场景的参数；并且使用了随机采样的方式，让各个场景达到同时训练的目的，进而使得本公开的成本模型适用于所有场景下。
其中，同时训练每个阶段得到的成本权重值即为成本模型的参数，也即上述成本公式中的β0，β1，β2，β3，β4。
在具体实施中，按照图3所示的方法来确定基于用户的出行模式的推荐顺序，其中，具体步骤如下：
S301，基于订单状态信息和成本关系逻辑，确定用户的当前订单在当前时刻的第一成本值。
具体的，基于订单状态信息和成本关系逻辑，确定用户的当前订单在当前时刻的第一成本值，也即，在获取到订单状态信息之后，利用成本模型对订单状态信息进行计算，成本模型输出第一成本值。其中，成本模型中包括成本关系逻辑。
这里，第一成本值包括当前订单中用户选择的出行模式在当前时刻的成本值。其中，在进入订单的排队队列之后，仍实时获取订单状态信息，或基于预先设置的获取时间间隔来获取订单状态信息，因此，就每次获取的订单状态信息实时计算第一成本值，并更新。
S302，确定当前时刻切换其他出行模式的第二成本值。
在具体实施中，由于在进入订单的排队队列之后，仍实时获取订单状态信息，或基于预先设置的获取时间间隔来获取订单状态信息；因此，基于每次获取到的订单状态信息，实时计算切换其他出行模式的第二成本值；也即，计算在用户将当前选择的出行模式切换至其他出行模式时，其他出行模式的第二成本值。
其中，第二成本值包括除当前订单中用户选择的出行模式之外的其他出行模式的成本值。
值得说明的是，在进入订单的排队队列之后，可以实时确定每个等待时刻除当前订单中用户选择的出行模式之外的其他出行模式的第二成本值，还可以计算若在当前时刻订单被应答，在订单的应答时刻除当前订单中用户选择的出行模式之外的其他出行模式的第二成本值；还可以计算若在当前时刻订单被取消，在订单的取消时刻除当前订单中用户选择的出行模式之外的其他出行模式的第二成本值。
S303，基于第一成本值和第二成本值，将所有出行模式按照成本值大小进行排序。
在确定第一成本值和第二成本值之后，将第一成本值和第二成本值进行对比，将所有出行模式按照成本值由小到大的顺序进行排序，得到当前时刻针对用户的出行模式的推荐顺序，以便用户参照该推荐顺序确定是否切换其他出行模式。
S103，基于出行模式的推荐顺序，依次显示出行模式。
在确定出行模式的推荐顺序之后，按照该推荐顺序，依次显示出行模式。
例如，进入订单的排队队列时刻，用户选择的出行模式为快车，之后，实时计算等待时刻快车的第一成本值，并实时计算除快车之外的出行模式的第二成本值，将第一成本值和第二成本值进行对比，若其他出行模式如优享车的第二成本值小于第一成本值，则更新当前的推荐顺序，以便用户可以快速的选择。
值得说明的是，在订单的应答时刻和取消时刻，也可以更新推荐顺序，为用户的选择提供意见，例如，用户的当前订单选择的出行模式为专车，并且该订单被应答，在应答时刻基于专车的第一成本值和其他出行模式的第二成本值，确定快车的第二成本值小于专车的第一成本值，则更新当前的推荐顺序，还可以基于更新后的推荐顺序给用户相应的提示等。
本公开基于用户行为的期望成本确定出行模式的显示顺序，不仅能够获取用户在网络约车过程中在不同时刻和状态下的实时成本信息，还可以基于成本信息进行比较和判断以确定当前时刻的出行模式的推荐顺序，并将所有的出行模式按照确定的推荐顺序展示出来，以供用户选择更加符合用户期待以及经济性更好的出行模式，提高了用户的出行效率以及网约车运营方的资源匹配效率。
基于同一发明构思，本公开的第二方面还提供了一种与信息显示方法对应的信息显示装置，由于本公开中的装置解决问题的原理与本公开上述信息显示方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参见图4所示，信息显示装置包括：获取模块10、确定模块20和显示模块30。其中，获取模块10，用于响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息。
在具体实施中，用户通过移动终端设备向网约车平台发送订单请求，其中，该订单请求的内容例如可以是用户期望从某一出行模式从位置A到达位置B，当然也可以是用户期望出行模式由模式1切换至模式2等。
在接收到用户的订单请求之后，基于该订单请求获取用户的当前订单在当前时刻的订单状态信息；其中，当前时刻包括进入当前订单的排队队列时刻、当前订单的应答时刻、当前订单的取消时刻、在当前订单中改变出行模式的时刻。
具体的，进入当前订单的排队队列时刻即用户确定好起始位置、终止位置和出行模式之后，网约车平台基于起始位置、终止位置和出行模式为用户开始匹配网约车的时刻；当前订单的应答时刻即网约车平台基于起始位置、终止位置和出行模式为用户匹配到网约车，并将匹配到的网约车的信息显示给用户的时刻；当前订单的取消时刻即用户因等待时间较长或改变行程等原因，停止预约出行车的时刻；在当前订单中改变出行模式的时刻即用户因等待时间较长而选择除当前出行模式之外的其他出行模式的时刻。
本公开中，出行模式为网约车平台为用户所提供的各类出行服务，如快车、出租车、顺风车、专车，优享车、豪华车等，一类服务即为一个出行模式，用户可选择不同的出行模式，也可在当前出行模式等待时间过长、预期费用较高的情况下，离开当前的出行模式而进入其它出行模式，例如在出租车排队等待时间较长时，选择价格更高但排队等待时间较短的优享车的出行模式。
这里，订单状态信息至少包括时间成本信息和价值成本信息。具体的，时间成本信息包括截止到当前时刻已经等待的时间、在当前时刻还需等待的时间、在当前时刻预估出的从起始位置到终止位置所需的行驶时间等；价值成本信息包括在当前时刻预估出的从起始位置到终止位置所需的价格等。上述的列举仅用于示例，不作为对本公开的限定。
确定模块20，用于将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序。在获取到用户的当前订单在当前时刻的订单状态信息之后，将订单状态信息输入至预先训练好的成本模型中，该成本模型通过计算得到基于该用于的出行模式的推荐顺序。
这里，该推荐顺序是按照成本值由低到高确定的，该成本值包括用户倾向为出行付出的时间成本和价值成本的拟合成本值。
这里，成本值为用户的期望成本值，也即用户对当前出行所期望付出的成本。
具体而言，上述成本值至少包括单位时间价值、单位沉没时间价值、单位等待时间价值和单位出行时间价值；其中，单位时间价值为用户对单位时间所期望付出的成本，如单位时间价值5元人民币/分钟表示用户为节省1分钟期望多付5元人民币；单位沉没时间价值为用户对已经等待的时间所期望付出的成本；单位等待时间价值为用户对预估等待时间所期望付出的成本；单位出行时间价值为用户对出行时间所期望付出的成本。
本公开中，基于上述期望成本值的含义预先构建了成本模型中的成本公式，具体如下：
在当前时刻t的成本Yt,i定义为：
Figure BDA0002398448620000121
其中，Δtt,i表示已经等待的时间，
Figure BDA0002398448620000122
表示当前时刻t的预估等待时间，
Figure BDA0002398448620000123
表示当前时刻t的预估出行时间，pt,i表示当前时刻t的预估价格，X0,X1,X2,X3,X4表示特征向量，β0(X0)表示单位沉没时间价值，β1(X1)表示单位等待时间价值，β2(X2)表示单位出行时间价值，β3(X3)表示单位金钱价值，β4(X4)表示固定值，该β4(X4)能够反映用户个人差异与环境差异。因此，当网约车平台显示出行信息(如预估价格，预计等待时间等)，成本模型中β0，β1，β2，β3，β4的数值大小和分布即决定了用户在当前订单下的期望成本。
基于当前时刻的不同，实际计算时的成本公式如下：
在当前时刻为进入订单的排队队列时刻时，初始成本如下：
Figure BDA0002398448620000131
在当前时刻为进入订单的排队队列之后的任一等待时刻时，用户在t时刻的成本：
Figure BDA0002398448620000132
在当前时刻为订单的应答时刻时，应答成本如下：
Figure BDA0002398448620000133
其中，tf表示应答时刻；
在当前时刻为订单的取消时刻时，取消成本如下：
Figure BDA0002398448620000134
其中，tc表示取消时刻
在当前时刻为在订单中改变出行模式的时刻时，改变出行模式成本如下：
Figure BDA0002398448620000135
其中，tk表示用户在订单中改变出行模式的时刻，
Figure BDA0002398448620000136
表示改变出行模式为k的成本，
Figure BDA0002398448620000137
表示出行模式k的预估等待时间，
Figure BDA0002398448620000138
表示出行模式k的预估出行时间，
Figure BDA0002398448620000139
表示出行模式k的预估价格。
本公开的信息显示装置还包括训练模块40，用于：获取预定时间段内用户的订单日志和出行模式日志；基于所述订单日志和所述出行模式日志，确定用户特征信息和出行特征信息；基于所述用户特征信息、所述出行特征信息以及出行行为逻辑，构建成本不等式；通过所述成本不等式，确定至少一个成本权重值，这里的成本权重值是指成本公式中的单位沉没时间价值、单位等待时间价值、单位出行时间价值、单位金钱价值、固定中的至少一个。
考虑到用户为出行期望付出的时间成本和价值成本会受用户的经济条件和主观意识所影响，例如，用户的对时间和金钱的单位价值千差万别，例如存在部分用户对时间的单位价值高于对金钱的单位价值的看重，则该部分用户会倾向于选择价格更低的出行模式(例如拼车)；还存在部分用户具有较高的单位时间价值，其会倾向于选择等待时间更少的出行模式(例如专车)。因此，本公开在训练成本模型时，基于距训练时刻为预定时间段的数据作为训练样本来进行训练。
具体的，获取预定时间段内的用户的订单日志和出行模式日志，将订单日志和出行模式日志包括的数据作为训练样本。其中，订单日志包括多个历史订单以及每个历史订单的位置信息、等待时长、是否被应答和是否被取消等；出行模式日志包括每个历史订单所选择的出行模式以及在等待时长中的每个时刻时，每个出行模式的预估信息，该预估信息包括预估等待时长、预估价格等。
当然，在获取到订单日志和出行模式日志包括的数据之后，可以对数据进行清洗，发现并纠正数据中可识别的错误数据，删除或补全无效、缺失、异常等数据。
进一步的，基于订单日志和出行模式日志对成本模型进行大量的训练，并基于训练结果调整成本模型的参数。
这里，基于订单日志和出行模式日志确定用户特征信息和出行特征信息。其中，用户特征信息包括用户的性别、年龄层、沉没时间成本、等待时间成本和出行时间成本等，用户的性别、年龄层可以从网约车平台直接获取，沉没时间成本、等待时间成本和出行时间成本可以基于用户的历史订单分析、计算得到；出行特征信息包括天气特征、位置特征等，天气特征可以从气象平台获取得到，位置特征可以基于地图获取得到。
考虑到在不同场景下，用户在预约网约车的过程中，对于不同出行模式做出相应选择，反映了用户对待不同出行模式的价值评估，也就是说，用户基于自己的期望成本和不同出行模式的价值评估结果，来确定出行模式；因此，本公开分别针对每个场景计算出来出行行为逻辑。
具体的，在订单被应答时，出行行为逻辑如
Figure BDA0002398448620000142
也即应答时刻的成本值不大于进入订单的排队队列时刻的成本值；在订单被取消时，出行行为逻辑如
Figure BDA0002398448620000141
也即取消时刻的成本值不大于进入订单的排队队列时刻的成本值，且不大于其他出行模式的成本值；在订单进行出行模式切换时，出行行为逻辑如
Figure BDA0002398448620000151
也即在订单中改变出行模式的时刻的成本值不大于当前排队时刻的成本值。
基于用户特征信息、出行特征信息以及出行行为逻辑，针对每个场景的成本值关系进行联合优化构建成本不等式。例如，利用learning to rank中的pair-wise技术，将同一场景下的行为或者出行模式的成本值进行排序，低成本值的表示为Y+，反之高成本值的成本表示为Y-。因此，在排序过程中，将高成本值放在低成本值之后，意味着如下成本等式成立：Y+<Y-。为了避免目标函数达到了局部最优(也即时间成本和价值成本均满足用户的需求，且拟合得到的成本值最低)，因此，需要一个极小的边界值γ，成本不等式改写成如下：Y++γ<Y-。最后将成本不等式简写为损失函数进行迭代优化
Figure BDA0002398448620000152
这里，针对每个场景的成本不等式，利用大量的训练样本进行训练，确定至少一个成本权重值，这里的成本权重值是指成本公式中的单位沉没时间价值、单位等待时间价值、单位出行时间价值、单位金钱价值、固定中的至少一个。例如，针对在订单被应答时的成本不等式，可以确定出该用户单位等待时间价值、单位出行时间价值和固定值，其中，该固定值反映了用户的个人差异和环境差异。
考虑到上述成本不等式为针对每个不同的场景构建的二元不等式，而在实际应用中，每个场景均存在发生的可能性，因此，针对所有的场景其成本模型的算法需要保证场景之间均在同一个空间之中，进而确保所有场景的不等式的逻辑具有一致性。本公开中利用multi-task的技术，共享了各个场景的参数；并且使用了随机采样的方式，让各个场景达到同时训练的目的，进而使得本公开的成本模型适用于所有场景下。
其中，同时训练每个阶段得到的成本权重值即为成本模型的参数，也即上述成本公式中的β0，β1，β2，β3，β4。
本公开的确定模块20包括第一确定单元、第二确定单元和排序单元。
第一确定单元，用于基于所述订单状态信息和成本关系逻辑，确定所述用户的当前订单在当前时刻的第一成本值。
具体的，基于订单状态信息和成本关系逻辑，确定用户的当前订单在当前时刻的第一成本值，也即，在获取到订单状态信息之后，利用成本模型对订单状态信息进行计算，成本模型输出第一成本值。其中，成本模型中包括成本关系逻辑。
这里，第一成本值包括当前订单中用户选择的出行模式在当前时刻的成本值。其中，在进入订单的排队队列之后，仍实时获取订单状态信息，或基于预先设置的获取时间间隔来获取订单状态信息，因此，就每次获取的订单状态信息实时计算第一成本值，并更新。
第二确定单元，用于确定所述当前时刻切换其他出行模式的第二成本值。
在具体实施中，由于在进入订单的排队队列之后，仍实时获取订单状态信息，或基于预先设置的获取时间间隔来获取订单状态信息；因此，基于每次获取到的订单状态信息，实时计算切换其他出行模式的第二成本值；也即，计算在用户将当前选择的出行模式切换至其他出行模式时，其他出行模式的第二成本值。其中，第二成本值包括除当前订单中用户选择的出行模式之外的其他出行模式的成本值。
值得说明的是，在进入订单的排队队列之后，可以实时确定每个等待时刻除当前订单中用户选择的出行模式之外的其他出行模式的第二成本值，还可以计算若在当前时刻订单被应答，在订单的应答时刻除当前订单中用户选择的出行模式之外的其他出行模式的第二成本值；还可以计算若在当前时刻订单被取消，在订单的取消时刻除当前订单中用户选择的出行模式之外的其他出行模式的第二成本值。
排序单元，用于基于所述第一成本值和所述第二成本值，将所有出行模式按照成本值大小进行排序。
在确定第一成本值和第二成本值之后，将第一成本值和第二成本值进行对比，将所有出行模式按照成本值由小到大的顺序进行排序，得到当前时刻针对用户的出行模式的推荐顺序，以便用户参照该推荐顺序确定是否切换其他出行模式。
显示模块30，用于基于所述出行模式的所述推荐顺序，依次显示所述出行模式。
在确定出行模式的推荐顺序之后，按照该推荐顺序，依次显示出行模式。
例如，进入订单的排队队列时刻，用户选择的出行模式为快车，之后，实时计算等待时刻快车的第一成本值，并实时计算除快车之外的出行模式的第二成本值，将第一成本值和第二成本值进行对比，若其他出行模式如优享的第二成本值小于第一成本值，则更新当前的推荐顺序，以便用户可以快速的选择。
值得说明的是，在订单的应答时刻和取消时刻，也可以更新推荐顺序，为用户的选择提供意见，例如，用户的当前订单选择的出行模式为专车，并且该订单被应答，在应答时刻基于专车的第一成本值和其他出行模式的第二成本值，确定快车的第二成本值小于专车的第一成本值，则更新当前的推荐顺序，还可以基于更新后的推荐顺序给用户相应的提示等。
本公开基于用户行为的期望成本确定出行模式的显示顺序，不仅能够获取用户在网络约车过程中在不同时刻和状态下的实时成本信息，还可以基于成本信息进行比较和判断以确定当前时刻的出行模式的推荐顺序，并将所有的出行模式按照确定的推荐顺序展示出来，以供用户选择更加符合用户期待以及经济性更好的出行模式，提高了用户的出行效率以及网约车运营方的资源匹配效率。
本公开的第三方面还提供了一种存储介质，该存储介质为计算机可读介质，存储有计算机程序，该计算机程序被处理器执行时实现本公开任意实施例提供的方法，包括如下步骤：
S11，响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息；
S12，将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序；
S13，基于所述出行模式的所述推荐顺序，依次显示所述出行模式。
计算机程序被处理器执行响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息时，所述当前时刻包括以下其中之一：进入所述当前订单的排队队列时刻、所述当前订单的应答时刻、所述当前订单的取消时刻、在所述当前订单中改变出行模式的时刻。
计算机程序被处理器执行响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息时，所述订单状态信息至少包括以下信息：时间成本信息和价值成本信息。
计算机程序被处理器执行将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序之前，具体被处理器执行如下步骤：获取预定时间段内用户的订单日志和出行模式日志；基于所述订单日志和所述出行模式日志，确定用户特征信息和出行特征信息；基于所述用户特征信息、所述出行特征信息以及出行行为逻辑，构建成本不等式；通过所述成本不等式，确定至少一个成本权重值。
计算机程序被处理器执行将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序时，具体被处理器执行如下步骤：基于所述订单状态信息和成本关系逻辑，确定所述用户的当前订单在当前时刻的第一成本值；确定所述当前时刻切换其他出行模式的第二成本值；基于所述第一成本值和所述第二成本值，将所有出行模式按照成本值大小进行排序。
本公开基于用户行为的期望成本确定出行模式的显示顺序，不仅能够获取用户在网络约车过程中在不同时刻和状态下的实时成本信息，还可以基于成本信息进行比较和判断以确定当前时刻的出行模式的推荐顺序，并将所有的出行模式按照确定的推荐顺序展示出来，以供用户选择更加符合用户期待以及经济性更好的出行模式，提高了用户的出行效率以及网约车运营方的资源匹配效率。
本公开的第四方面还提供了一种电子设备，如图5所示，该电子设备至少包括存储器501和处理器502，存储器501上存储有计算机程序，处理器502在执行存储器501上的计算机程序时实现本公开任意实施例提供的方法。示例性的，电子设备计算机程序执行的方法如下：
S21，响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息；
S22，将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序；
S23，基于所述出行模式的所述推荐顺序，依次显示所述出行模式。
处理器在执行存储器上存储的响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息时，所述当前时刻包括以下其中之一：进入所述当前订单的排队队列时刻、所述当前订单的应答时刻、所述当前订单的取消时刻、在所述当前订单中改变出行模式的时刻。
处理器在执行存储器上存储的响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息时，所述订单状态信息至少包括以下信息：时间成本信息和价值成本信息。
处理器在执行存储器上存储的将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序之前，还执行如下计算机程序：获取预定时间段内用户的订单日志和出行模式日志；基于所述订单日志和所述出行模式日志，确定用户特征信息和出行特征信息；基于所述用户特征信息、所述出行特征信息以及出行行为逻辑，构建成本不等式；通过所述成本不等式，确定至少一个成本权重值。
处理器在执行存储器上存储的将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序时，还执行如下计算机程序：基于所述订单状态信息和成本关系逻辑，确定所述用户的当前订单在当前时刻的第一成本值；确定所述当前时刻切换其他出行模式的第二成本值；基于所述第一成本值和所述第二成本值，将所有出行模式按照成本值大小进行排序。
本公开基于用户行为的期望成本确定出行模式的显示顺序，不仅能够获取用户在网络约车过程中在不同时刻和状态下的实时成本信息，还可以基于成本信息进行比较和判断以确定当前时刻的出行模式的推荐顺序，并将所有的出行模式按照确定的推荐顺序展示出来，以供用户选择更加符合用户期待以及经济性更好的出行模式，提高了用户的出行效率以及网约车运营方的资源匹配效率。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(LAN)、广域网(WAN)、网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述存储介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括至少两个网际协议地址的节点评价请求，其中，节点评价设备从至少两个网际协议地址中，选取网际协议地址并返回；接收节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是，本公开上述的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上对本公开多个实施例进行了详细说明，但本公开不限于这些具体的实施例，本领域技术人员在本公开构思的基础上，能够做出多种变型和修改实施例，这些变型和修改都应落入本公开所要求保护的范围之内。

Claims (12)

1.一种信息显示方法，其特征在于，包括：
响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息；
将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序；
基于所述出行模式的所述推荐顺序，依次显示所述出行模式。
2.根据权利要求1所述的信息显示方法，其特征在于，所述当前时刻包括以下其中之一：
进入所述当前订单的排队队列时刻、所述当前订单的应答时刻、所述当前订单的取消时刻、在所述当前订单中改变出行模式的时刻。
3.根据权利要求1所述的信息显示方法，其特征在于，所述订单状态信息至少包括以下信息：
时间成本信息和价值成本信息。
4.根据权利要求1所述的信息显示方法，其特征在于，所述成本模型通过以下方式训练：
获取预定时间段内用户的订单日志和出行模式日志；
基于所述订单日志和所述出行模式日志，确定用户特征信息和出行特征信息；
基于所述用户特征信息、所述出行特征信息以及出行行为逻辑，构建成本不等式；
通过所述成本不等式，确定至少一个成本权重值。
5.根据权利要求1所述的信息显示方法，其特征在于，所述将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序，包括：
基于所述订单状态信息和成本关系逻辑，确定所述用户的当前订单在当前时刻的第一成本值；
确定所述当前时刻切换其他出行模式的第二成本值；
基于所述第一成本值和所述第二成本值，将所有出行模式按照成本值大小进行排序。
6.一种信息显示装置，其特征在于，包括：
获取模块，用于响应用户的订单请求，获取所述用户的当前订单在当前时刻的订单状态信息；
确定模块，用于将所述订单状态信息输入到成本模型中，确定基于所述用户的出行模式的推荐顺序；
显示模块，用于基于所述出行模式的所述推荐顺序，依次显示所述出行模式。
7.根据权利要求6所述的信息显示装置，其特征在于，所述当前时刻包括以下其中之一：
进入所述当前订单的排队队列时刻、所述当前订单的应答时刻、所述当前订单的取消时刻、在所述当前订单中改变出行模式的时刻。
8.根据权利要求6所述的信息显示装置，其特征在于，所述订单状态信息至少包括以下信息：
时间成本信息和价值成本信息。
9.根据权利要求6所述的信息显示装置，其特征在于，还包括训练模块，用于：
获取预定时间段内用户的订单日志和出行模式日志；
基于所述订单日志和所述出行模式日志，确定用户特征信息和出行特征信息；
基于所述用户特征信息、所述出行特征信息以及出行行为逻辑，构建成本不等式；
通过所述成本不等式，确定至少一个成本权重值。
10.根据权利要求6所述的信息显示装置，其特征在于，所述确定模块包括：
第一确定单元，用于基于所述订单状态信息和成本关系逻辑，确定所述用户的当前订单在当前时刻的第一成本值；
第二确定单元，用于确定所述当前时刻切换其他出行模式的第二成本值；
排序单元，用于基于所述第一成本值和所述第二成本值，将所有出行模式按照成本值大小进行排序。
11.一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5任意一项所述的信息显示方法的步骤。
12.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器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器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任意一项所述的信息显示方法的步骤。
CN202010139185.XA 2020-03-03 2020-03-03 一种信息显示方法、装置、存储介质以及电子设备 Pending CN111369025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010139185.XA CN111369025A (zh) 2020-03-03 2020-03-03 一种信息显示方法、装置、存储介质以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010139185.XA CN111369025A (zh) 2020-03-03 2020-03-03 一种信息显示方法、装置、存储介质以及电子设备

Publications (1)

Publication Number Publication Date
CN111369025A true CN111369025A (zh) 2020-07-03

Family

ID=71206733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010139185.XA Pending CN111369025A (zh) 2020-03-03 2020-03-03 一种信息显示方法、装置、存储介质以及电子设备

Country Status (1)

Country Link
CN (1) CN111369025A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114739418A (zh) * 2022-04-26 2022-07-12 长安大学 一种网约车用户出行方式选择方法及***
WO2022257357A1 (zh) * 2021-06-07 2022-12-15 北京百度网讯科技有限公司 网约车信息处理方法、装置、设备和计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1868142A1 (en) * 2006-06-14 2007-12-19 SPX Corporation Diagnostic test sequence optimization method and apparatus
CN102243811A (zh) * 2010-04-27 2011-11-16 株式会社电装 车辆导航***及推荐路径检索方法
CN105303817A (zh) * 2015-09-16 2016-02-03 北京嘀嘀无限科技发展有限公司 一种出行方式的规划方法及装置
WO2018176849A1 (en) * 2017-03-29 2018-10-04 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for allocating vehicles for on-demand services

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1868142A1 (en) * 2006-06-14 2007-12-19 SPX Corporation Diagnostic test sequence optimization method and apparatus
CN102243811A (zh) * 2010-04-27 2011-11-16 株式会社电装 车辆导航***及推荐路径检索方法
CN105303817A (zh) * 2015-09-16 2016-02-03 北京嘀嘀无限科技发展有限公司 一种出行方式的规划方法及装置
WO2018176849A1 (en) * 2017-03-29 2018-10-04 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for allocating vehicles for on-demand services

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022257357A1 (zh) * 2021-06-07 2022-12-15 北京百度网讯科技有限公司 网约车信息处理方法、装置、设备和计算机存储介质
CN114739418A (zh) * 2022-04-26 2022-07-12 长安大学 一种网约车用户出行方式选择方法及***
CN114739418B (zh) * 2022-04-26 2023-04-07 长安大学 一种网约车用户出行方式选择方法及***

Similar Documents

Publication Publication Date Title
US10885472B2 (en) Dynamic transportation pooling
US11120458B2 (en) Group-based sequential recommendations
CN111369025A (zh) 一种信息显示方法、装置、存储介质以及电子设备
CN107230091A (zh) 拼车请求订单匹配方法及装置
CN112435101A (zh) 订单信息处理方法、装置、电子设备和计算机可读介质
CN111476389A (zh) 一种预估接单等待时长的方法及装置
JP7460062B2 (ja) オンライン予約車両情報処理方法、装置、機器、及びコンピュータ記憶媒体
Tang et al. The data and science behind grabshare carpooling
CN111044062B (zh) 路径规划、推荐方法和装置
CN112819215B (zh) 推荐策略训练方法、装置、电子设备及可读存储介质
US20110225012A1 (en) System and Method of Travel Itinerary Creation
CN111859172A (zh) 信息推送方法、装置、电子设备和计算机可读存储介质
CN113762866A (zh) 一种物流信息处理方法、装置以及***
CN111798283A (zh) 订单派发方法、装置、电子设备及计算机可读存储介质
CN112288115B (zh) 生成预约服务信息的方法、装置、设备以及存储介质
CN115330556A (zh) 充电站的信息调整模型的训练方法、装置及产品
CN115660244A (zh) 路线信息生成方法、装置、设备和介质
CN113822454B (zh) 切片投诉处理资源的预估方法及装置
CN114756774A (zh) 出行方案推荐、模型训练方法、装置、设备以及存储介质
CN113689125A (zh) 信息推送方法和装置
CN114418154A (zh) 一种基于大数据的智能打车方法及***
CN112085359A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN111695919B (zh) 评价数据处理方法、装置、电子设备及存储介质
CN113887995A (zh) 电力项目信息展示方法、装置、设备和计算机可读介质
CN113269339A (zh) 一种网约车任务自动创建和分发的方法及***

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200703

WD01 Invention patent application deemed withdrawn after publication