CN111931101A - 信息推送方法、装置、电子设备及存储介质 - Google Patents
信息推送方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111931101A CN111931101A CN202010614396.4A CN202010614396A CN111931101A CN 111931101 A CN111931101 A CN 111931101A CN 202010614396 A CN202010614396 A CN 202010614396A CN 111931101 A CN111931101 A CN 111931101A
- Authority
- CN
- China
- Prior art keywords
- terminal
- resource
- preset
- time period
- pushing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000004044 response Effects 0.000 claims description 123
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 12
- 235000003642 hunger Nutrition 0.000 claims description 7
- 230000037351 starvation Effects 0.000 claims description 7
- 230000006735 deficit Effects 0.000 claims 1
- 230000010485 coping Effects 0.000 abstract description 4
- 230000001502 supplementing effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 14
- 235000012054 meals Nutrition 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 230000008901 benefit Effects 0.000 description 9
- 230000002950 deficient Effects 0.000 description 6
- 239000013589 supplement Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种信息推送方法、装置、电子设备及存储介质。在实施该方法时,资源调度服务器首先获得预设区域的历史资源调度信息,通过预设区域的历史资源调度信息,预测得到预设区域在第一未来预设时间段内的资源紧缺参数值,进而获得预设区域在第一未来预设时间段内的资源紧缺情况,并根据资源紧缺情况,及时做出应对策略,向预设区域内的第一终端发送请求延迟消息,以引导第一终端侧的提供可调度资源的对象继续在第二未来预设时间段内提供可调度资源,进而达到补充预设区域内的可调度资源,缓解预设区域内的资源紧缺情况的目的,同时保证了预设区域内的用户可随时享受到平台提供的资源,为用户的生活提供了便利,增强了用户的使用体验。
Description
技术领域
本申请涉及信息处理技术领域,特别是涉及一种信息推送方法、装置、电子设备及存储介质。
背景技术
随着互联网技术的发展,通过网络对线下资源进行调度,可有效提升资源分配的合理性,满足用户的生活需求。这些资源例如可以是:打车服务、租赁服务、快递服务、送餐服务等。以资源是打车服务为例,当乘客需要打车时,向打车平台发送打车请求,打车平台根据乘客所在的区域可提供的打车服务,自动为乘客选择匹配的司机,或者,向乘客推荐多个可选的司机,由乘客自行选择匹配的司机,该打车过程即为对线下资源进行调度的过程。再以资源是送餐服务为例,当商家需要送餐时,向骑手平台发送送餐请求,骑手平台根据商家所在的区域可提供的送餐服务,自动为商家选择匹配的骑手,或者,向商家推荐多个可选的骑手,由商家自行选择匹配的骑手,该送餐过程也为对线下资源进行调度的过程。
然而,相关技术中,当某些区域资源短缺时,平台无法提供较好的调度策略,以补充该区域的可调度资源。以资源是打车服务为例,当某些区域内的司机缺乏时,相关平台采取的补充该区域的可调度资源的策略可以包括:招募新的司机和延长司机出车时长。由于招募新的司机成本较高,因而延长司机出车时长成为常用的调度策略。具体地,在延长司机出车时长时,又可以采用做单补贴和强制性要求出车时长等策略。做单补贴的方式有多种,例如连击奖、满单奖等,这一类策略针对群体司机,策略粗糙,无法针对单个司机定制精细化补贴方案。强制性要求出车时长的方式包括申请全职、保障计划等,都要求司机必须满足一定出车时长的要求且听从调度才能拿到保底的收益,这一类策略不仅资金成本高,且较高的强制性导致体司机体验差,不利于平台的长久发展。
因而,当区域内出现资源短缺现象时,如何更好地补充该区域的可调度资源,成为亟待解决的问题。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的信息推送方法、装置、电子设备及存储介质。
本申请实施例第一方面提供了一种信息推送方法,应用于服务器,所述方法包括:
根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,所述请求延迟消息用于提示所述第一终端在第二未来预设时间段内继续响应所述服务器发送的资源调度指令,以向所述预设区域提供可调度资源,其中,所述第一未来时间段包含所述第二未来预设时间段。
可选地,在根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值之前,所述方法还包括:
根据所述第一终端在历史预设时间段内产生的特征数据,预测所述第一终端在所述第二未来预设时间段内停止响应所述服务器发送的资源调度指令的停止响应概率;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于所述预设阈值,且所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送所述请求延迟消息。
可选地,所述资源紧缺参数值包括:订单的数量和订单的响应率,所述订单是根据第二客户端向所述服务器发送的资源请求产生的;所述订单的响应率表征所述预设区域内的各个终端对所述服务器发送的资源调度指令的历史响应率;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述订单的数量大于预设数量且所述订单的响应率小于预设响应率的情况下,向所述第一终端推送请求延迟消息。
可选地,所述方法还包括:
根据所述资源紧缺参数值和第一系数,确定所述第一终端的奖励值;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述奖励值的请求延迟消息。
可选地,所述方法还包括:
根据所述资源紧缺参数值、第一系数以及第二系数,确定所述第一终端的调度优先级;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级的请求延迟消息。
可选地,根据所述资源紧缺参数值、第一系数和第二系数,确定所述第一终端的调度优先级,包括:
在所述第一终端的奖励值大于预设奖励值的情况下,确定所述奖励值与所述预设奖励值之间的奖励差值;
根据所述奖励差值、所述第一系数以及第二系数,确定所述第一终端的调度优先级;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级和/或所述预设奖励值的请求延迟消息。
可选地,在向所述第一终端推送携带所述调度优先级的请求延迟消息之后,所述方法还包括:
在所述第一未来预设时间段内,检测所述第一终端是否响应所述服务器发送的资源调度指令;
在检测到所述第一终端响应所述服务器发送的资源调度指令时,按照所述调度优先级,调度所述第一终端提供的可调度资源。
可选地,根据所述第一终端在历史预设时间段内产生的特征数据,预测所述第一终端在所述第二未来预设时间段内停止响应所述服务器发送的资源调度指令的停止响应概率,包括:
将所述第一终端在历史预设时间段内产生的特征数据输入概率预测模型,将所述概率预测模型输出的概率确定为所述停止响应概率;
其中,所述概率预测模型是以所述第一终端历史产生的多维度特征数据为训练样本,对预设模型进行训练得到的,所述多维度数据包括:在多个历史时刻所述第一终端的所处的位置以及该位置所属的区域的属性信息、在多个历史时刻所述第一终端是否对所述服务器发送的资源调度指令做出响应、所述第一终端的画像、所述多个历史时刻所属的时间段。
本申请实施例第二方面提供了一种信息推送装置,应用于服务器,所述装置包括:
第一预测模块,用于根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值;
推送模块,用于在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,所述请求延迟消息用于提示所述第一终端在第二未来预设时间段内继续响应所述服务器发送的资源调度指令,以向所述预设区域提供可调度资源,其中,所述第一未来时间段包含所述第二未来预设时间段。
本申请实施例第三方面提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行时实现本申请第一方面所述的信息推送方法的步骤。
本申请实施例第四方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请第一方面所述的信息推送方法中的步骤。
在本申请中,资源调度服务器首先获得预设区域的历史资源调度信息,通过预设区域的历史资源调度信息,预测得到预设区域在第一未来预设时间段内的资源紧缺参数值,进而获得预设区域在第一未来预设时间段内的资源紧缺情况,并根据资源紧缺情况,及时做出应对策略。具体地,在资源紧缺时,向预设区域内的第一终端发送请求延迟消息,以引导第一终端侧的提供可调度资源的对象继续在第二未来预设时间段内提供可调度资源,进而达到补充预设区域内的可调度资源,缓解预设区域内的资源紧缺情况的目的,不仅保证了平台的收益,同时保证了预设区域内的用户可随时享受到平台提供的资源,为用户的生活提供了便利,增强了用户的使用体验。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例的描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例示出的一种实施环境示意图;
图2是本申请一实施例示出的一种信息推送方法的流程图;
图3是本申请一实施例示出的另一种信息推送方法的流程图;
图4是本申请一实施例示出的一种确定调度优先级的方法的流程图;
图5是本申请一实施例示出的兑现调度优先级的收益的方法的流程图;
图6是本申请一实施例示出的一种信息推送装置的结构框图;
图7是本申请一实施例示出的一种电子设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在对本申请的信息推送方法进行说明之前,下面首先对相关技术中的信息推送方法进行说明。
相关技术中,平台通常负责多个区域的资源的调度。当某个区域的资源出现短缺情况时,可以采用以下三种方案:
第一种技术方案:从资源较多的区域中调取资源以对资源短缺的区域进行补偿。例如,当某个区域中的司机缺乏时,从司机较多的区域中调取部分司机到该缺乏司机的区域中提供打车服务。
第二种技术方案:获得更多的资源,以对资源短缺的区域进行补偿。例如,当某个区域中的骑手缺乏时,招募更多的骑手,并将招募的骑手分配到该缺乏骑手的区域中提供送餐服务。
第三种技术方案:针对资源短缺的区域,延长该区域中的提供资源的对象的工作时间,以补充该区域中的资源。例如,当某个区域中的司机缺乏时,延长该区域中的司机的工作时间,具体地,可以采用做单补贴和强制性要求出车时长等策略,以延长司机的工作时间。
然而,针对上述第一种技术方案,由于各个区域的资源实时变化,在实际实施过程中,需要频繁地从资源较多的区域调取资源并分配到资源缺乏的区域,需耗费巨大的时间成本和人力成本。
针对上述第二种技术方案,虽然局部区域可能存在资源短缺,但对于所有区域来讲,整体资源可能是充足的,因而获得更多的资源,需要耗费巨大金钱成本。
针对上述第三种技术方案,缺乏合理的策略来延长资源缺乏的区域中提供资源的对象的工作时间,例如,当资源是打车服务时,做单补贴的方式针对群体司机,策略粗糙,而强制性要求出车时长导致体司机体验差,不利于平台的长久发展。
为改进相关技术,本申请提供了一种应对资源短缺的方法。针对线下提供可调度资源的对象(例如:司机、骑手、快递员等),实时预测对象所属的区域在未来预设时长内缺乏可调度资源的可能性,并在缺乏可调度资源的可能性较大时,引导该区域内的提供可调度资源的对象延长提供可调度资源的时长,进而提供更多的可调度资源,达到补充该区域的可调度资源的目的。
图1是本申请一实施例示出的一种实施环境示意图。在图1中,提供可调度资源的对象通过自身携带的通信设备(例如:手机、平板、电脑等)与平台的资源调度服务器通信连接,提供可调度资源的对象可分布于多个区域(例如区域1-区域N)中,其使用的通信设备可使用终端1-终端N表示。资源调度服务器可以通过终端实时获得各个对象的工作状态信息,根据工作状态信息获得各个对象的调度策略,并将调度策略发送给对应的终端,实现对对象的控制,进而实现对所有区域的资源的调度。
下面对本申请提供的信息推送方法进行详细说明。本申请提供的信息推送方法可以应用于图1中的资源调度服务器。图2是本申请一实施例示出的一种信息推送方法的流程图。参照图2,本申请的信息推送方法具体可以包括如下步骤:
步骤S11:根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值。
在本实施例中,服务器为图1中的资源调度服务器,第一终端是预设区域内的提供可调度资源的对象所使用的通信设备。例如,在图1中,当预设区域是区域1时,第一终端是终端1-终端100,当预设区域是区域2时,第一终端是终端101-终端200。
在本实施例中,历史资源调度信息可以包括:用户的获取可调度资源的请求的情况、响应用户的获取可调度资源的请求的情况等,本实施例对历史资源调度信息的类型不作具体限制。示例地,以资源是打车服务为例,历史资源调度信息可以包括:用户的下单情况、用户在下单后匹配到司机的时长、匹配到司机的数量等。再示例地,以资源是送餐服务为例,历史资源调度信息可以包括:商家的下单情况、商家在下单后匹配到骑手的时长、匹配到骑手的数量等。
其中,第一未来预设时间段可以是根据实际需求任意设定的时间段,示例地,第一未来预设时间段可以是未来30分钟,或者未来1小时等,本实施例对此不作具体限制。
在本实施例中,资源紧缺参数值用于反映区域内的可调度资源的紧缺情况,且资源紧缺参数值与区域当前可提供的可调度资源成正比。可以理解的是,当资源紧缺参数值较大时,表示区域当前提供的可调度资源不足,当资源紧缺参数值较小时,表示区域当前提供的可调度资源充足。
其中,预测资源紧缺参数值的方式有多种,例如在预测预设区域的资源紧缺参数值时,将预设区域的历史资源调度信息输入到预先训练得到的资源紧缺参数值预测模型,将该资源紧缺参数值预测模型的输出值作为资源紧缺参数值。又或者,预先设置规则表,当预设区域的历史资源调度信息中的各类信息满足预设条件时,获得各项信息对应的分值,最终将对应的分值的总和作为资源紧缺参数值,例如,预设区域的历史资源调度信息包括第一类信息、第二类信息以及第三类信息,第一类信息对应第一类评分规则,第二类信息对应第二类评分规则,第三类信息对应第三类评分规则,那么,根据第一类评分规则可以获得第一类信息对应的第一分值,根据第二类评分规则可以获得第二类信息对应的第二分值,根据第三类评分规则可以获得第三类信息对应的第三分值,然后将第一分值、第二分值以及第三分值的总和作为预设区域的资源紧缺参数值。当然,预测资源紧缺参数值的方式还有其他多种,本申请实施例对此不作具体限制。
步骤S12:在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,所述请求延迟消息用于提示所述第一终端在第二未来预设时间段内继续响应所述服务器发送的资源调度指令,以向所述预设区域提供可调度资源,其中,所述第一未来时间段包含所述第二未来预设时间段。
在本实施例中,预设阈值是一个判断区域是否资源紧缺的经验值。当资源紧缺参数值大于预设阈值时,表示预设区域的可调度资源紧缺。可以理解的是,第一终端在第二未来预设时间段内继续响应资源调度服务器发送的资源调度指令,表示第一终端侧的提供可调度资源的对象在第二未来预设时间段内继续提供可调度资源。
在本实施例中,资源调度服务器在根据预设阈值确定预设区域的可调度资源紧缺时,向预设区域内的第一终端推送请求延迟消息的目的是:引导第一终端侧的提供可调度资源的对象在在第二未来预设时间段内继续为预设区域提供可调度资源。
其中,第二未来预设时间段可以是根据实际需求任意设置的时间段,例如,未来30分钟,或者未来1小时等。
在实际实施时,为了避免频繁地执行获取历史资源调度信息,及预测资源紧缺参数值的步骤,降低资源调度服务器的计算压力,同时保证在第二未来预设时间段可以为预设区域补充充足的可调度资源,可以设置第一未来时间段包含第二未来预设时间段,即:第一未来预设时间段的时长,大于第二未来预设时间段的时长。例如,可以设置第一未来预设时间段为未来一小时时,第二未来预设时间段是未来30分钟。
其中,设置第一未来时间段包含第二未来预设时间段的目的是:资源调度服务器可以预测出未来较长一段时间内预设区域的资源紧缺情况,及时做出应对策略。例如,未来较长一段时间内资源紧缺情况严重时,可以提前引导预设区域的所有提供可调度资源的对象继续提供可调度资源,保证预设区域的可调度资源充足。而如果只是预测未来较短一段时间内预设区域的资源紧缺情况,可能存在前一段时间内资源充足而后一段时间内资源严重缺乏的情况,由于前一段时间内可能存在部分提供可调度资源的对象停止了提供可调度资源,因而,资源调度服务器在应对后一段时间内资源严重缺乏的情况时,可能存在无法获得足够数量的提供可调度资源的对象,导致无法缓解资源严重缺乏的情况。
示例地,以预设区域是图1中的区域1,资源是打车服务为例,资源调度服务器首先获得区域1的历史资源调度信息,包括:乘客的下单情况、资源调度服务器向乘客返回司机的时长、资源调度服务器向乘客返回司机的数量等,预测出区域1在未来1小时内的资源紧缺参数值。假设资源紧缺参数值为0.7,而预设阈值为0.5,由于资源紧缺参数值大于预设阈值,因此,资源调度服务器可确定区域1在未来1小时内资源紧缺,即司机缺乏。接着,资源调度服务器从区域1当前的终端中选择一部分终端(可以根据预设规则进行筛选,一种可选方式将在后文说明),向筛选出的终端推送请求延迟消息。例如筛选出的终端包括终端1-终端50,那么资源调度服务器分别向终端1-终端50推送请求延迟消息。其中,请求延迟消息可以是提示司机在未来30分钟内继续为乘客提供打车服务的消息。如此,终端1-终端50一侧的司机在接收到该请求延迟消息之后,可以延长收车,并在未来30分钟内继续为乘客提供打车服务。通过这种方式,可以大大提升区域1在未来1小时内的司机的数量,进而达到补充区域1的可调度资源的效果。
在本实施例中,资源调度服务器首先获得预设区域的历史资源调度信息,通过预设区域的历史资源调度信息,预测得到预设区域在第一未来预设时间段内的资源紧缺参数值,进而获得预设区域在第一未来预设时间段内的资源紧缺情况,并根据资源紧缺情况,及时做出应对策略。具体地,在资源紧缺时,向预设区域内的第一终端发送请求延迟消息,以引导第一终端侧的提供可调度资源的对象继续在第二未来预设时间段内提供可调度资源,进而达到补充预设区域内的可调度资源,缓解预设区域内的资源紧缺情况的目的,不仅保证了平台的收益,同时保证了预设区域内的用户可随时享受到平台提供的资源,为用户的生活提供了便利,增强了用户的使用体验。
结合以上实施例,在一种实施方式中,本申请还提供了一种在预设区域资源紧缺时,对预设区域当前的第一终端进行筛选的方法,如图3所示。图3是本申请一实施例示出的另一种信息推送方法的流程图。参照该3,本申请的信息推送方法还可以包括以下步骤:
步骤S21:根据所述第一终端在历史预设时间段内产生的特征数据,预测所述第一终端在所述第二未来预设时间段内停止响应所述服务器发送的资源调度指令的停止响应概率。
在本实施例中,特征数据可以是:在多个历史时刻第一终端的所处的位置以及该位置所属的区域的属性信息、在多个历史时刻第一终端是否对服务器发送的资源调度指令做出响应、第一终端的画像、多个历史时刻所属的时间段等(本申请将在后文对特征数据进行详细说明)。资源调度服务器通过对第一终端的特征数据进行分析,可以预测出第一终端在未来一定时间段内的停止响应概率。其中,历史预设时间段可以根据实际需求任意设置。当需要提高第一终端的停止响应概率的预测的准确度时,可以将历史预设时间段的时长设置得较长。
在本实施例中,停止响应概率表示停止响应资源调度服务器发送的资源调度指令的概率,可以理解的是,当第一终端不再响应资源调度服务器发送的资源调度指令时,表示第一终端侧的提供可调度资源的对象已经停止在继续提供可调度资源。示例地,以资源为打车服务为例,当第一终端不再响应资源调度服务器发送的资源调度指令时,表示第一终端侧的司机已经收车,因此,此时停止响应概率也可以理解为收车概率。再示例地,以资源为送餐服务为例,当第一终端不再响应资源调度服务器发送的资源调度指令时,表示第一终端侧的骑手已经结束送餐服务,因此,此时停止响应概率也可以理解为停止送餐概率。
在本实施例中,预测停止响应概率的方式有多种,例如一种方式为:将第一终端在历史预设时间段内产生的特征数据输入预先训练得到的停止响应概率预测模型,将该停止响应概率预测模型的输出值作为第一终端的停止响应概率。再例如另一种方式为:预先设置规则表,当特征数据的各类特征满足预设条件时,获得各类特征对应的分值,最终将对应的分值的总和作为停止响应概率。例如,特征数据包括第一类特征、第二类特征以及第三类特征,第一类特征对应第一类评分规则,第二类特征对应第二类评分规则,第三类特征对应第三类评分规则,那么,根据第一类评分规则可以获得第一类特征对应的第一分值,根据第二类评分规则可以获得第二类特征对应的第二分值,根据第三类评分规则可以获得第三类特征对应的第三分值,然后将第一分值、第二分值以及第三分值的总和作为停止响应概率。当然,预测停止响应概率的方式还有其他多种,本申请实施例对此不作具体限制。
步骤S22:根据所述第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值。
关于步骤S21的具体描述,请详见前述实施例。
步骤S23:在所述资源紧缺参数值大于所述预设阈值,且所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送所述请求延迟消息,所述请求延迟消息用于提示所述第一终端在第二未来预设时间段内继续响应所述服务器发送的资源调度指令,以向所述预设区域提供可调度资源,其中,所述第一未来时间段包含所述第二未来预设时间段。
在实际实施时,资源调度服务器可以先执行步骤S22,再执行步骤S21。
具体地,资源调度服务器在确定预设区域的可调度资源不足时,并不是直接向预设区域内的第一终端统一发送请求延迟消息,而是对第一终端进行筛选,筛选出在第二未来预设时间段停止响应概率较大的目标第一终端,向目标第一终端发送请求延迟消息。
示例地,以预设区域是图1中的区域1,资源是打车服务为例,资源调度服务器在确定出区域1在第二未来预设时间段内缺乏司机时,对区域1中的第一终端(例如包括:终端1-终端100)进行分析。在分析时,针对每一个终端,根据其在历史预设时间段内产生的特征数据,预测其对应的司机在第二未来预设时间段内的收车概率。假设预设概率为50%,当某个终端对应的收车概率大于50%时,确定对应的司机收车的可能性较大,应当将该终端确定为目标第一终端。当某个终端对应的收车概率不大于50%时,确定对应的司机收车的可能性较小,可以不作处理。因而按照上述方式,可以从终端1-终端100中筛选出所有的目标第一终端。假设筛选出的目标第一终端包括终端1-终端60,那么资源调度服务器接着向终端1-终端60分别发送请求延迟消息。
在实际实施时,资源调度服务器还可以先执行步骤S21,再执行步骤S22。
具体地,资源调度服务器实时获得预设区域内的第一终端的停止响应概率,当停止响应概率大于预设概率时,判断此时资源紧缺参数值是否大于预设阈值,当停止响应概率大于预设概率,且资源紧缺参数值大于预设阈值时,确定第一终端为目标第一终端,向目标第一终端发送请求延迟消息。
示例地,以预设区域是图1中的区域1,资源是送餐服务为例,资源调度服务器实时对区域1中的第一终端(例如包括:终端1-终端100)进行分析。在分析时,针对每一个终端,根据其在历史预设时间段内产生的特征数据,预测其对应的骑手在第二未来预设时间段内的停止送餐概率。假设预设概率为50%,当某个终端对应的停止送餐概率大于50%时,确定对应的骑手停止送餐的可能性较大,此时,如果区域1在第二未来预设时间段内缺乏骑手,应当将该终端确定为目标第一终端。当某个终端对应的停止送餐概率不大于50%时,确定对应的骑手收车的可能性较小,可以不作处理。按照上述方式,可以从终端1-终端100中筛选出所有的目标第一终端。假设筛选出的目标第一终端包括终端1-终端60,那么资源调度服务器接着向终端1-终端60分别发送请求延迟消息。
在实际实施时,既可以先执行步骤S21,再执行步骤S22;也可以先执行步骤S22,再执行步骤S21,本申请实施例对此不作具体限制。
在本实施例中,资源调度服务器同时考虑预设区域的资源紧缺参数值,以及预设区域的第一终端的停止响应概率,筛选出更具有针对性的目标第一终端,并向目标第一终端推送请求延迟消息,能更为准确地对预设区域内提供可调度资源的对象进行监督,并在其具有较大的停止提供可调度资源时进行干预,可实现提前对预设区域的可调度资源进行补充,保证预设区域资源充足,能更好地为用户的生活提供便利,增强用户的使用体验。
结合以上实施例,在一种实施方式中,资源紧缺参数值可以包括:订单的数量和订单的响应率,所述订单是根据第二客户端向所述服务器发送的资源请求产生的;所述订单的响应率表征所述预设区域内的各个终端对所述服务器发送的资源调度指令的历史响应率。
在本实施例中,第二客户端是与资源调度服务器配套的客户端,第二客户端向用户提供了操作界面,使得用户通过第二客户端,可以向资源调度服务器发送资源请求,资源请求即为获取可调度资源的请求。资源调度服务器在接收到一个资源请求之后,对发起资源请求的客户端账户进行认证(例如对客户端账户的信用值进行认证),如果认证成功,为此次资源请求生成一个订单。
在本实施例中,订单的响应包括:第一终端式响应和第二客户端式响应。第一终端式响应是指:资源调度服务器将一个未处理的订单发送给第一终端,如果第一终端侧的提供可调度资源的对象可处理该订单,那么点击接收订单以表示响应;第二客户端式响应是指:第二客户端在接收到资源调度服务器返回的可处理订单的第一终端时,如果第二客户端侧的用户从第一终端中选择了最终匹配的终端,代表响应了此次订单。
以预设区域为图1中的区域1为例,当资源调度服务器将用户对应资源请求的订单发送给区域1中的第一终端(包括:终端1-终端100)后,如果终端1-终端60返回了表示可以处理该订单的响应,那么此时可以获得第一终端式响应针对此次订单所对应的订单的响应率,即:60%。资源调度服务器将终端1-终端60返回给第二客户端,如果第二客户端侧的用户选择了终端1-终端60终端的任意一个终端,那么此时可以获得第二客户端式响应针对此次订单所对应的订单的响应率,即:100%;如果第二客户端侧的用户未选择终端1-终端60终端的任意一个终端,那么此时可以获得第二客户端式响应针对此次订单所对应的订单的响应率,即:0%。
示例地,以资源为打车服务为例,当订单的响应为第一终端式响应时,第二客户端为用户打车时所使用的客户端,资源请求为打车请求。当用户需要打车时,通过第二客户端向资源调度服务器发起打车请求,此时资源调度服务器如果确定处理该打车请求,那么针对此次打车请求生成一个订单,然后将该订单发送给用户所在的区域内的所有的司机终端。各个司机终端在接收到该订单时可以做出接收订单的反馈,如果做出接收订单的反馈,那么表示响应了此次订单。例如司机终端的总数为100,如果有50个司机终端选择了可以接收该订单求,那么此次订单的响应率为50%。
示例地,以资源为打车服务为例,针对订单的响应为第二客户端式响应,当资源调度服务器将所有做出接收订单的反馈的司机终端发送给第二客户端后,如果第二客户端侧的用户选择了返回的多个司机终端中的任意一个终端作为最终匹配的司机终端,那么此次订单的响应率为100%,如果第二客户端侧的用户未选择返回的多个司机终端中的任意一个终端作为最终匹配的司机终端,那么此次订单的响应率为0%。
在本实施例中,订单的响应率可以根据实际需求选择第一终端式响应所对应的订单的响应率,或者,第二客户端式响应所对应的订单的响应率,本实施例对此不作具体限制。在本实施例中,预设区域的历史资源调度信息中涉及到多个提供可调度资源的对象的历史资源调度信息,在历史时间段内,每个对象可以产生多个订单,每一个订单都会有对应的响应率,那么在根据预设区域的历史资源调度信息,预测预设区域的资源紧缺参数值的时候,可以直接将历史时间段内所有的对象的订单的总和作为资源紧缺参数值中的订单的数量,再对所有的订单的订单的响应率求平均值,作为订单的响应率。示例地,预设区域在历史时间段内的对象包括:对象1-对象3,其各自产生的订单的数量为10、15、20,对象1的订单的响应率为响应率1-响应率10,对象2的订单的响应率为响应率11-响应率25,对象3的订单的响应率为响应率26-响应率45,那么预设区域的资源紧缺参数值中的订单的数量的计算方法为:S=10+15+20=45,资源紧缺参数值中的订单的响应率应当为订单的响应率的计算方法为:P=(响应率1+响应率2+……响应率50)/45。
在本实施例中,当预设区域内的订单的数量S较多时,表示预设区域内的提供可调度资源的对象较多,即预设区域对可调度资源的需求量较大。当预设区域内的订单的响应率P较低时,表示预设区域内提供可调度资源的对象缺乏,无法较好地满足用户的资源需求。因此,资源调度服务器通过分析预设区域的订单的数量S和订单的响应率P,即可确定预设区域的资源紧缺情况。
在此基础上,上述步骤S12可以包括:
在所述订单的数量大于预设数量且所述订单的响应率小于预设响应率的情况下,向所述第一终端推送请求延迟消息。在本实施例中,如果只考虑资源紧缺参数值对预设区域进行可调度资源补充,那么,针对预设区域,在获得资源紧缺参数值中的订单的数量S和订单的响应率P之后,如果订单的数量S大于预设数量,且订单的响应率P小于预设响应率,可以确定预设区域内对可调度资源的需求量较大且提供可调度资源的对象缺乏,那么可以向预设区域内的第一终端发送请求延迟消息,以进一步补充预设区域的可调度资源。
上述步骤S22可以包括:
在所述订单的数量大于预设数量、所述订单的响应率小于预设响应率以及所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送所述请求延迟消息。
在本实施例中,如果同时考虑资源紧缺参数值,和停止响应概率对预设区域进行可调度资源补充,那么,针对预设区域,在获得资源紧缺参数值中的订单的数量S和订单的响应率P之后,如果订单的数量S大于预设数量,且订单的响应率P小于预设响应率,可以确定预设区域内对可调度资源的需求量较大且提供可调度资源的对象缺乏,那么可以进一步根据各个提供可调度资源的对象的停止响应概率,从第一终端中筛选出停止响应概率大于预设概率的目标第一终端,向目标第一终端发送请求延迟消息,以进一步补充预设区域的可调度资源。
本实施例提供了一种根据资源紧缺参数值预测预设区域资源紧缺情况的方法,通过对订单的数量和订单的响应率进行分析,可以及时预测出预设区域在第一未来预设时间段内的资源紧缺情况,以便于资源调度服务器进一步引导提供可调度资源的对象继续为预设区域提供可调度资源,缓解资源调度服务器的资源紧缺情况。
结合以上实施例,在一种实施方式中,本申请还提供了一种引导提供可调度资源的对象继续提供可调度资源的方法,即:提示第一终端继续提供可调度资源时可获得的收益,该收益可以是:奖励值。该方法可应用于根据资源紧缺参数值对预设区域的可调度资源进行调度的场景,也可以应用于根据资源紧缺参数值,和停止响应概率对预设区域的可调度资源进行调度的场景,本实施例对此不作具体限制。
具体地,本申请的消息推送方法还可以包括:
根据所述资源紧缺参数值和第一系数,确定所述第一终端的奖励值。
相应地,上述步骤S12可以包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述奖励值的请求延迟消息。
上述步骤S22可以包括:
在所述资源紧缺参数值大于预设阈值,且所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送携带所述奖励值的请求延迟消息。
在本实施例中,如果资源调度服务器在向第一终端发送携带奖励值的请求延迟消息之后,第一终端响应该请求延迟消息,在第二未来预设时间段内继续为预设区域提供可调度资源,那么资源调度服务器兑现该奖励值。示例地,在第二未来预设时间段为未来10分钟且资源调度服务器向第一终端发送的请求延迟消息中承诺的奖励值为80(单位:元)时,如果第一终端在未来10分钟内继续为其当前所在的区域提供可调度资源,那么在未来10分钟结束后,服务器将补贴第一终端80元。
在本实施例中,资源调度服务器可以为不同的提供可调度资源的对象设置不同的第一系数,也可以为不同的提供可调度资源的对象设置相同的第一系数,具体可以根据实际需求任意设置,本实施例对此不作限制。
在本实施例中,以reward表示奖励值,以σ表示第一系数,以S表示资源紧缺参数值,可以采用公式:reward=σS,确定第一终端的奖励值。示例地,当第一系数σ为100,资源紧缺参数值S为0.8时,奖励值reward为80(单位:元)。其中,奖励值reward的单位可以根据实际需求设置,本实施例对此不作具体限制。在本实施例中,当资源调度服务器确定第一终端的奖励值之后,将该奖励值作为附加信息添加到请求延迟消息中,然后将请求延迟消息发送给第一终端(对应根据资源紧缺参数值对预设区域的可调度资源进行调度的场景),或者,根据停止响应概率从第一终端中筛选出的目标第一终端(对应根据资源紧缺参数值,和停止响应概率对预设区域的可调度资源进行调度的场景)。如此,第一终端或目标第一终端在接收到请求延迟消息之后,便可得知如果在第二未来预设时间段内继续响应资源调度服务器发送的资源调度指令时可以获得的收益。
本实施例中,通过鼓励的方式,为各个提供可调度资源的对象补贴奖励值,能有效引导各个提供可调度资源的对象继续为其当前所在的区域提供可调度资源,进而缓解区域的资源紧缺情况,满足区域内的用户的资源需求,增强用户的使用体验。
结合以上实施例,在一种实施方式中,本申请还提供了一种引导提供可调度资源的对象继续提供可调度资源的方法,即:提示第一终端继续提供可调度资源时可获得的收益,该收益可以是:调度优先级。该方法可应用于根据资源紧缺参数值对预设区域的可调度资源进行调度的场景,也可以应用于根据资源紧缺参数值,和停止响应概率对预设区域的可调度资源进行调度的场景,本实施例对此不作具体限制。
具体地,本申请的消息推送方法还可以包括:
根据所述资源紧缺参数值、第一系数以及第二系数,确定所述第一终端的调度优先级;
相应地,上述步骤S12可以包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级的请求延迟消息。
上述步骤S22可以包括:
在所述资源紧缺参数值大于预设阈值,且所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送携带所述调度优先级的请求延迟消息。在本实施例中,如果资源调度服务器在向第一终端发送携带调度优先级的请求延迟消息之后,第一终端响应该请求延迟消息,在第二未来预设时间段内继续为预设区域提供可调度资源,那么资源调度服务器兑现该调度优先级的收益。其中,资源调度服务器兑现调度优先级的方式为:在下一次向第二客户端返回可接收的第一终端的时候,将调度优先级较高的第一终端,或者目标第一终端进行优先展示。换言之,调度优先级通常可以表示被用户查看到的可能性,即:调度优先级越高的第一终端,或者目标第一终端,越容易被用户查看到。
示例地,以图1为例,终端1-终端3的调度优先级依次为:0.4、0.8、0.1,那么资源调度服务器在向终端1-终端3分别发送一个待处理订单后,如果终端1-终端3均反馈可接收该订单,那么资源调度服务器按照终端2、终端1、终端3的顺序将终端1-终端3显示在该订单对应的第二客户端上,如此,第二客户端侧的用户便可优先看到调度优先级最高的终端2。
接上述实施例,在一种实施方式中,还提供了一种确定第一终端的调度优先级的方法,如图4所示。图4是本申请一实施例示出的一种确定调度优先级的方法的流程图。参照图4,根据所述资源紧缺参数值、第一系数和第二系数,确定所述第一终端的调度优先级,可以包括以下步骤:
步骤S31:在所述第一终端的奖励值大于预设奖励值的情况下,确定所述奖励值与所述预设奖励值之间的奖励差值。
在本实施例中,以Threshold表示预设奖励值。在执行步骤S31之前,需要首先计算出第一终端的奖励值reward(具体方式如前所述),在获得奖励值reward之后,如果奖励值reward大于预设奖励值Threshold,那么进一步获得奖励值reward与预设奖励值Threshold之间的差值,即:(σS-Threshold)。步骤S32:根据所述奖励差值、所述第一系数以及第二系数,确定所述第一终端的调度优先级。
在本实施例中,以ρ表示第二系数,以Ti表示调度优先级,可以采用公式:Ti=ρ*(σS-Threshold)/σ,确定第一终端的调度优先级Ti。相应地,上述步骤S12可以包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级和/或所述预设奖励值的请求延迟消息。
上述步骤S22可以包括:
在所述资源紧缺参数值大于预设阈值,且所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送携带所述调度优先级和/或所述预设奖励值的请求延迟消息。在本实施例中,第一系数σ、第二系数ρ以及预设奖励值Threshold均可以根据实际需求设置。
在本实施例中,当资源调度服务器确定第一终端的调度优先级之后,将该调度优先级作为附加信息添加到请求延迟消息中,然后将请求延迟消息发送给第一终端,或者,目标第一终端。如此,第一终端或者,目标第一终端在接收到请求延迟消息之后,便可得知如果在第二未来预设时间段内继续响应资源调度服务器发送的资源调度指令时可以获得的收益。
接上述实施例,在一种实施方式中,本申请实施例还提供了一种兑现调度优先级的收益的方法,如图5所示。图5是本申请一实施例示出的兑现调度优先级的收益的方法的流程图。具体地,在向所述第一终端推送携带所述调度优先级的请求延迟消息之后,本申请的消息推送方法还可以包括:
步骤S41:在所述第二未来预设时间段内,检测所述第一终端是否响应所述服务器发送的资源调度指令;
步骤S42:在检测到所述第一终端响应所述服务器发送的资源调度指令时,按照所述调度优先级,调度所述第一终端提供的可调度资源。
在本实施例中,如果第一终端接收到请求延迟消息之后,在第二未来预设时间段内继续响应资源调度服务器发送的资源调度指令,那么资源调度服务器更新第一终端的原有的调度优先级。示例地,第一终端原有的调度优先级为0.1,资源调度服务器某次向第一终端发送的请求延迟消息中携带的调度优先级为0.3,如果资源调度服务器检测到第一终端在第二未来预设时间段内继续响应资源调度指令,那么将第一终端原有的调度优先级0.1更新为0.3。
在本实施例中,资源调度服务器每次在向用户的第二客户端发送可接收订单的提供可调度资源的对象时,会预先根据各个对象的调度优先级对各个对象进行排序。示例地,第二客户端发起打车请求后,资源调度服务器将根据此次打车请求生成的订单发送给用户所在区域的多个司机终端,例如司机终端1-司机终端10,如果司机终端1-司机终端4反馈可以接收订单,资源调度服务器获得司机终端1-司机终端4各自的调度优先级,例如分别为0.5、0.2、0.6、0.1,那么服务器按照司机终端3、司机终端1、司机终端2以及司机终端4的顺序,在用户的第二客户端上展示司机终端1-司机终端4。由于司机终端3的调度优先级最高,因此,用户看到司机终端3的可能性最高,进而选择司机终端3的可能性也最高。
在本实施例中,在资源紧缺参数值大于预设阈值时,资源调度服务器可以向第一终端,或者目标第一终端推送携带调度优先级和/或预设奖励值的请求延迟消息,执行时可以采用如下规则:
当奖励值reward不大于预设奖励值Threshold时,推送携带奖励值reward的请求延迟消息,且奖励值reward为σS。
当奖励值reward大于预设奖励值Threshold时,推送携带奖励值reward和调度优先级Ti的请求延迟消息,其中,奖励值reward为Threshold,调度优先级Ti为:ρ*(σS-Threshold)/σ。
在本实施例中,当奖励值小于等于预设奖励值时,可以采取向司机补贴奖励值的方式,而当奖励值大于预设奖励值时,可以首先向司机补贴与预设奖励值同等数额的奖励值,对于超出预设奖励值的部分,可以以调度优先级的方式进行奖励。
本实施例中,从调度优先级层面对各个提供可调度资源的对象进行鼓励,能有效引导各个对象继续为其当前所在的区域提供可调度资源,进而缓解区域的资源紧缺情况,满足区域内的用户的资源需求,增强用户的使用体验。
结合以上实施例,在一种实施方式中,本申请还提供了一种预测停止响应概率的方法。具体地,步骤S21可以包括:
将所述第一终端在历史预设时间段内产生的特征数据输入概率预测模型,将所述概率预测模型输出的概率确定为所述停止响应概率。
其中,所述概率预测模型是以所述第一终端历史产生的多维度特征数据为训练样本,对预设模型进行训练得到的,所述多维度数据包括:在多个历史时刻所述第一终端的所处的位置以及该位置所属的区域的属性信息、在多个历史时刻所述第一终端是否对所述服务器发送的资源调度指令做出响应、所述第一终端的画像、所述多个历史时刻所属的时间段。
其中,第一终端在历史预设时间段内产生的特征数据至少包括:在多个历史时刻第一终端的所处的位置以及该位置所属的区域的属性信息、在多个历史时刻第一终端是否对服务器发送的资源调度指令做出响应、第一终端的画像、多个历史时刻所属的时间段。当然,特征数据还可以为其它类型的数据,本实施例对此不作具体限制。
其中,预设模型可以是采用深度神经网络构建的深度学习模型,例如可以构建XGBoost模型,或者,RF模型(随机森林模型)等,本实施例对此不作具体限制。
本实施例还提供了一种概率预测模型的训练方法,包括:
获得第一终端历史产生的特征数据,作为样本数据;
对所述样本数据进行正负样本划分,获得样本数据集;
对所述样本数据集进行特征处理,获得标准化数据集;
将所述标准化数据集作为输入,对深度学习模型进行训练,获得所述概率预测模型。
具体地,获得提供可调度资源的第一终端历史产生的特征数据,作为样本数据,包括:
每隔预设时长,采集第一终端的所处的位置以及该位置所属的区域的属性信息、所述第一终端是否对所述服务器发送的资源调度指令做出响应、所述第一终端的画像以及当前采集时刻所属的时间段,作为一个样本数据,直到获得预设数量的样本数据;
对所述样本数据进行正负样本划分,获得样本数据集,包括:
针对所述样本数据中的每一个样本数据,若在未来预设时间段内所述第一终端响应了所述服务器发送的资源调度指令,将所述样本数据标记为正样本数据;
若在未来预设时间段内所述第一终端未响应所述服务器发送的资源调度指令,将所述样本数据标记为负样本数据;
对所述样本数据集进行特征处理,获得标准化数据集,包括:
对所述样本数据集中的每一个样本数据进行特征提取,获得样本特征,所述样本特征包括:订单状态、区域属性、用户画像以及时段属性;
对所述样本特征进行特征处理,获得标准化数据集,其中,特征处理可以包括特征相关性分析、噪声处理、缺失值处理及特征归一化处理等,具体可以根据实际需求对样本特征进行特征处理,本实施例对此不作具体限制。
在本实施例中,订单状态表示提供可调度资源的对象的当前时刻的订单情况,例如,该对象当前时刻前所有完成的订单量、当天已完成订单量、当天已获得收入、当天已提供可调度资源的时长、当天工作时间内未提供可调度资源的时长等,本实施例对此不作具体限制。以资源是打车服务为例,订单状态表示司机当前时刻的订单情况,例如,司机当前时刻前所有完成的订单量、当天已完成订单量、当天已获得收入、当天在线时长、空驶时长(未执行任何订单的时长)、当天出车时间点等。
区域属性可以表示提供可调度资源的对象在各个区域的预设时长内的提单量、接单量、应答率、平均响应时长、平均订单价格等。以资源是打车服务为例,区域属性可以表示司机在某个区域的预设时长内的提单量(做出接收订单的反馈的次数)、接单量(匹配到乘客的次数)、应答率(做出接收订单的反馈的次数,与接收到资源调度服务器发送的订单的次数之比)、平均响应时长(接收订单时反馈时长的均值)、平均订单价格等。
用户画像即提供可调度资源的对象的画像,通常包括对象的基础信息(性别、年龄、当前区域、注册时长等)、偏好(价格偏好、工作日/休息日偏好等)、能力系数(单位时间内平均完成的订单量、单位时间内的平均收入、单位时间内的出勤率、单位时间内的平均在线时长等)。以资源是打车服务为例,用户画像即司机画像,包括:司机的基础信息(性别、年龄、当前区域、注册时长等)、偏好(价格偏好、工作日/休息日偏好、收车偏好等)、能力系数(单位时间内平均完成的订单量、单位时间内的平均收入、单位时间内的出勤率、单位时间内的平均在线时长等)。
时段属性可以包括:早高峰、早平峰、午平峰、晚高峰、夜间、星期几、当前所属小时段等。在本实施例中,服务器可以根据实际需求采集各个提供可调度资源的对象的样本数据,本实施例对此不作具体限制。
本实施例提供了一种获得停止响应概率的方法,通过预先训练得到的概率预测模型对停止响应概率进行预测,能有效提升预测的精准度,进而保证信息推送的准确度,及时为资源紧缺的区域补充可调度资源,缓解区域的资源紧缺情况,满足区域内的用户的资源需求。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
基于同一发明构思,本申请还提供了一种信息推送装置600,应用于服务器,如图6所示。图6是本申请一实施例示出的一种信息推送装置的结构框图。参照图6,本申请的信息推送装置600可以包括:
第一预测模块601,用于根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值;
推送模块602,用于在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,所述请求延迟消息用于提示所述第一终端在第二未来预设时间段内继续响应所述服务器发送的资源调度指令,以向所述预设区域提供可调度资源,其中,所述第一未来时间段包含所述第二未来预设时间段。
可选地,所述装置600还包括:
第二预测模块,用于根据所述第一终端在历史预设时间段内产生的特征数据,预测所述第一终端在所述第二未来预设时间段内停止响应所述服务器发送的资源调度指令的停止响应概率;
所述推送模块602包括:
第一推送子模块,用于在所述资源紧缺参数值大于所述预设阈值,且所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送所述请求延迟消息。
可选地,所述资源紧缺参数值包括:订单的数量和订单的响应率,所述订单是根据第二客户端向所述服务器发送的资源请求产生的;所述订单的响应率表征所述预设区域内的各个终端对所述服务器发送的资源调度指令的历史响应率;
所述推送模块602包括:
第二推送子模块,用于在所述订单的数量大于预设数量且所述订单的响应率小于预设响应率的情况下,向所述第一终端推送请求延迟消息。
可选地,所述装置600还包括:
第一确定模块,用于根据所述资源紧缺参数值和第一系数,确定所述第一终端的奖励值;
所述推送模块602包括:
第三推送子模块,用于在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述奖励值的请求延迟消息。
可选地,所述装置600还包括:
第二确定模块,用于根据所述资源紧缺参数值、第一系数以及第二系数,确定所述第一终端的调度优先级;
所述推送模块602包括:
第四推送子模块,用于在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级的请求延迟消息。
可选地,所述第二确定模块包括:
第一确定子模块,用于在所述第一终端的奖励值大于预设奖励值的情况下,确定所述奖励值与所述预设奖励值之间的奖励差值;
第二确定子模块,用于根据所述奖励差值、所述第一系数以及第二系数,确定所述第一终端的调度优先级;
所述推送模块602包括:
第五推送子模块,用于在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级和/或所述预设奖励值的请求延迟消息。
可选地,所述装置600还包括:
检测模块,用于在所述第二未来预设时间段内,检测所述第一终端是否响应所述服务器发送的资源调度指令;
调度模块,用于在检测到所述第一终端响应所述服务器发送的资源调度指令时,按照所述调度优先级,调度所述第一终端提供的可调度资源。
可选地,所述第二预测模块包括:
第三确定子模块,用于将所述第一终端在历史预设时间段内产生的特征数据输入概率预测模型,将所述概率预测模型输出的概率确定为所述停止响应概率;
其中,所述概率预测模型是以所述第一终端历史产生的多维度特征数据为训练样本,对预设模型进行训练得到的,所述多维度数据包括:在多个历史时刻所述第一终端的所处的位置以及该位置所属的区域的属性信息、在多个历史时刻所述第一终端是否对所述服务器发送的资源调度指令做出响应、所述第一终端的画像、所述多个历史时刻所属的时间段。
基于同一发明构思,本申请另一实施例提供一种电子设备700,如图7所示。图7是本申请一实施例示出的一种电子设备的示意图。该电子设备包括存储器702、处理器701及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行时实现本申请上述任一实施例所述的信息推送方法中的步骤。
基于同一发明构思,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请上述任一实施例所述的信息推送方法中的步骤。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种信息推送方法、装置、电子设备及存储介质,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种信息推送方法,其特征在于,应用于服务器,所述方法包括:
根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,所述请求延迟消息用于提示所述第一终端在第二未来预设时间段内继续响应所述服务器发送的资源调度指令,以向所述预设区域提供可调度资源,其中,所述第一未来时间段包含所述第二未来预设时间段。
2.根据权利要求1所述的方法,其特征在于,在根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值之前,所述方法还包括:
根据所述第一终端在历史预设时间段内产生的特征数据,预测所述第一终端在所述第二未来预设时间段内停止响应所述服务器发送的资源调度指令的停止响应概率;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于所述预设阈值,且所述第一终端的停止响应概率大于预设概率的情况下,向所述第一终端推送所述请求延迟消息。
3.根据权利要求1或2所述的方法,其特征在于,所述资源紧缺参数值包括:订单的数量和订单的响应率,所述订单是根据第二客户端向所述服务器发送的资源请求产生的;所述订单的响应率表征所述预设区域内的各个终端对所述服务器发送的资源调度指令的历史响应率;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述订单的数量大于预设数量且所述订单的响应率小于预设响应率的情况下,向所述第一终端推送请求延迟消息。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据所述资源紧缺参数值和第一系数,确定所述第一终端的奖励值;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述奖励值的请求延迟消息。
5.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据所述资源紧缺参数值、第一系数以及第二系数,确定所述第一终端的调度优先级;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级的请求延迟消息。
6.根据权利要求5所述的方法,其特征在于,根据所述资源紧缺参数值、第一系数和第二系数,确定所述第一终端的调度优先级,包括:
在所述第一终端的奖励值大于预设奖励值的情况下,确定所述奖励值与所述预设奖励值之间的奖励差值;
根据所述奖励差值、所述第一系数以及第二系数,确定所述第一终端的调度优先级;
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,包括:
在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送携带所述调度优先级和/或所述预设奖励值的请求延迟消息。
7.根据权利要求5或6所述的方法,其特征在于,在向所述第一终端推送携带所述调度优先级的请求延迟消息之后,所述方法还包括:
在所述第二未来预设时间段内,检测所述第一终端是否响应所述服务器发送的资源调度指令;
在检测到所述第一终端响应所述服务器发送的资源调度指令时,按照所述调度优先级,调度所述第一终端提供的可调度资源。
8.根据权利要求2所述的方法,其特征在于,根据所述第一终端在历史预设时间段内产生的特征数据,预测所述第一终端在所述第二未来预设时间段内停止响应所述服务器发送的资源调度指令的停止响应概率,包括:
将所述第一终端在历史预设时间段内产生的特征数据输入概率预测模型,将所述概率预测模型输出的概率确定为所述停止响应概率;
其中,所述概率预测模型是以所述第一终端历史产生的多维度特征数据为训练样本,对预设模型进行训练得到的,所述多维度数据包括:在多个历史时刻所述第一终端的所处的位置以及该位置所属的区域的属性信息、在多个历史时刻所述第一终端是否对所述服务器发送的资源调度指令做出响应、所述第一终端的画像、所述多个历史时刻所属的时间段。
9.一种信息推送装置,其特征在于,应用于服务器,所述装置包括:
第一预测模块,用于根据第一终端当前所处的预设区域的历史资源调度信息,预测所述预设区域在第一未来预设时间段内的资源紧缺参数值;
推送模块,用于在所述资源紧缺参数值大于预设阈值的情况下,向所述第一终端推送请求延迟消息,所述请求延迟消息用于提示所述第一终端在第二未来预设时间段内继续响应所述服务器发送的资源调度指令,以向所述预设区域提供可调度资源,其中,所述第一未来时间段包含所述第二未来预设时间段。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8任一所述的方法中的步骤。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行时实现如权利要求1-8任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010614396.4A CN111931101B (zh) | 2020-06-30 | 2020-06-30 | 信息推送方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010614396.4A CN111931101B (zh) | 2020-06-30 | 2020-06-30 | 信息推送方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111931101A true CN111931101A (zh) | 2020-11-13 |
CN111931101B CN111931101B (zh) | 2024-06-18 |
Family
ID=73316863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010614396.4A Active CN111931101B (zh) | 2020-06-30 | 2020-06-30 | 信息推送方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931101B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6058370A (en) * | 1998-09-01 | 2000-05-02 | Church; Richard L. | Method of forecasting ambulance service demand |
CN102624909A (zh) * | 2012-03-14 | 2012-08-01 | 智比特信息技术(镇江)有限公司 | 一种基于物联网技术的资源调度***及其调度方法 |
CN109636166A (zh) * | 2018-12-04 | 2019-04-16 | 首约科技(北京)有限公司 | 对预定地区的网约车进行调度的方法,***以及存储介质 |
CN109635985A (zh) * | 2018-12-28 | 2019-04-16 | 永安行科技股份有限公司 | 订单分配方法、分配***及计算机可读存储介质 |
CN109711782A (zh) * | 2018-12-27 | 2019-05-03 | 拉扎斯网络科技(上海)有限公司 | 配送资源调度方法、装置、电子设备及计算机存储介质 |
CN110832537A (zh) * | 2018-03-16 | 2020-02-21 | 北京嘀嘀无限科技发展有限公司 | 一种用于在线服务中的奖励发放***和方法 |
CN110942220A (zh) * | 2018-09-25 | 2020-03-31 | 北京嘀嘀无限科技发展有限公司 | 运力调度方法、装置和服务器 |
CN110998648A (zh) * | 2018-08-09 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种分配订单的***和方法 |
CN111275229A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 资源模型训练方法、资源缺口预测方法、装置及电子设备 |
CN111340265A (zh) * | 2018-12-19 | 2020-06-26 | 北京嘀嘀无限科技发展有限公司 | 司机下线干预方法、装置、电子设备和计算机存储介质 |
-
2020
- 2020-06-30 CN CN202010614396.4A patent/CN111931101B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6058370A (en) * | 1998-09-01 | 2000-05-02 | Church; Richard L. | Method of forecasting ambulance service demand |
CN102624909A (zh) * | 2012-03-14 | 2012-08-01 | 智比特信息技术(镇江)有限公司 | 一种基于物联网技术的资源调度***及其调度方法 |
CN110832537A (zh) * | 2018-03-16 | 2020-02-21 | 北京嘀嘀无限科技发展有限公司 | 一种用于在线服务中的奖励发放***和方法 |
CN110998648A (zh) * | 2018-08-09 | 2020-04-10 | 北京嘀嘀无限科技发展有限公司 | 一种分配订单的***和方法 |
CN110942220A (zh) * | 2018-09-25 | 2020-03-31 | 北京嘀嘀无限科技发展有限公司 | 运力调度方法、装置和服务器 |
CN109636166A (zh) * | 2018-12-04 | 2019-04-16 | 首约科技(北京)有限公司 | 对预定地区的网约车进行调度的方法,***以及存储介质 |
CN111275229A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 资源模型训练方法、资源缺口预测方法、装置及电子设备 |
CN111340265A (zh) * | 2018-12-19 | 2020-06-26 | 北京嘀嘀无限科技发展有限公司 | 司机下线干预方法、装置、电子设备和计算机存储介质 |
CN109711782A (zh) * | 2018-12-27 | 2019-05-03 | 拉扎斯网络科技(上海)有限公司 | 配送资源调度方法、装置、电子设备及计算机存储介质 |
CN109635985A (zh) * | 2018-12-28 | 2019-04-16 | 永安行科技股份有限公司 | 订单分配方法、分配***及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111931101B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109102135B (zh) | 订单分配方法及装置 | |
US11836654B2 (en) | On-demand resource scheduling | |
CN108280930B (zh) | 自助售货机的补货方法、装置、存储介质和计算机设备 | |
CN108830504B (zh) | 用车需求预测方法、***、服务器及计算机存储介质 | |
CN108052384B (zh) | 一种任务处理方法、服务平台及电子设备 | |
CN112418799A (zh) | 一种工单分派方法、装置、电子设备和可读存储介质 | |
CN110942220B (zh) | 运力调度方法、装置和服务器 | |
CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
US20210201214A1 (en) | System and method for recommending bidding bundle options in bidding-based ridesharing | |
CN111340265A (zh) | 司机下线干预方法、装置、电子设备和计算机存储介质 | |
CN114187072A (zh) | 聚合打车方法、装置、计算机设备及存储介质 | |
CN115169906A (zh) | 客服分配方法、装置、计算机设备及存储介质 | |
CN117057762A (zh) | 基于ai的岗位信息处理方法、装置、设备及存储介质 | |
CN114445138A (zh) | 酒店房型定价方法、装置、设备及存储介质 | |
CN110070392B (zh) | 用户流失预警方法和装置 | |
CN111931101A (zh) | 信息推送方法、装置、电子设备及存储介质 | |
CN115001976B (zh) | 网络切片智能化订购方法、装置和计算机存储介质 | |
US20220292414A1 (en) | Dynamic invitation transmission and presentation mode determination for a network-based service | |
CN111327661A (zh) | 推送方法、推送装置、服务器和计算机可读存储介质 | |
TW202215313A (zh) | 供改進預測及資源管理估計潛在需求之通訊裝置及方法 | |
CN112418805A (zh) | 工资展示***及方法、设备、介质 | |
CN111507753A (zh) | 信息推送方法、装置和电子设备 | |
CN112801750B (zh) | 一种订单分配方法及装置 | |
CN109325859A (zh) | 会员升级处理方法、***及服务器 | |
CN112132303B (zh) | 一种基于区块链的信息管理方法及装置 |
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 |