CN112801324B - 出行推荐方法、装置、电子设备及计算机可读存储介质 - Google Patents
出行推荐方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112801324B CN112801324B CN202011619713.8A CN202011619713A CN112801324B CN 112801324 B CN112801324 B CN 112801324B CN 202011619713 A CN202011619713 A CN 202011619713A CN 112801324 B CN112801324 B CN 112801324B
- Authority
- CN
- China
- Prior art keywords
- travel
- service
- order
- requester
- recommendation
- 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 68
- 238000012549 training Methods 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
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
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了出行推荐方法、装置、电子设备及计算机可读存储介质,其中,该方法包括:获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率;根据所述服务请求方对每个所述出行服务的接受概率和每个所述出行服务的供需情况,从多个所述出行服务中选择向所述服务请求方推荐的目标出行服务。本申请考虑了出行场景信息对服务请求方对每个出行服务的接受概率的影响,以及每个出行服务的供需情况,将服务请求方推荐接受概率和供需情况均满足服务请求方出行需求的目标出行服务推荐给服务请求方,从而可以提高出行服务的推荐准确性。
Description
技术领域
本申请涉及信息技术领域,尤其是涉及出行推荐方法、装置、电子设备及计算机可读存储介质。
背景技术
随着智能设备和移动互联网技术的发展,出行服务软件给人们的出行带来了极大的便利。当前使用网络出行服务已经是社会各阶层人士的普遍需求。
目前,人们在常规出行中可选择的出行服务多种多样,这些出行服务可以满足人们在乘车距离、消费水平、乘车人数等不同方面的出行需求。但是并不是所有用户能充分的了解所有出行服务,用户无法从中准确地找到适合自己的出行服务。
为了让用户能够使用到更优的出行服务,一些出行服务推荐***会将推荐率较高的出行服务推荐给用户。
发明内容
有鉴于此,本申请的目的在于提供出行推荐方法、装置、电子设备及计算机可读存储介质,以提高出行服务的推荐准确性。
第一方面,本申请实施例提供了出行服务推荐方法,包括:
获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;
根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率;
根据所述服务请求方对每个所述出行服务的接受概率和每个所述出行服务的供需情况,从多个所述出行服务中选择向所述服务请求方推荐的目标出行服务。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况,包括:
响应服务请求方所输入的订单操作信息,确定所述出行订单的下达阶段;
若所述出行订单的下达阶段为目标下达阶段,则获取所述服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;所述出行订单的下达阶段包括以下至少一种或多种:下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段、下达出行订单的服务终止时间阶段和下达出行服务类型阶段。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述出行场景信息包括以下至少一种或多种:所述服务请求方的特征信息、交通环境信息和天气环境信息。
结合第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述服务请求方的特征信息包括以下至少一种或多种:年龄、性别、职业、经常居住地、经常出行地、历史选择的出行服务、历史订单金额和历史出行时长。
结合第一方面的第一种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,所述出行订单的下达阶段包括下达出行订单的服务起始时间阶段和下达出行订单的服务起始位置阶段;
所述根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,包括:
获取预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间;
根据所述出行订单的服务起始时间和预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间,确定所述服务请求方对每个所述出行服务的接受概率。
结合第一方面的第一种可能的实施方式,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;
所述根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,包括:
根据所述出行订单的服务起始位置和所述出行订单的服务终止位置,确定每个所述出行服务的预估出行资源消耗量;
根据所述预估出行资源消耗量和所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率。
结合第一方面的第五种可能的实施方式,本申请实施例提供了第一方面的第六种可能的实施方式,其中,所述预估出行资源消耗量包括以下至少一种或多种:预估订单金额、预估出行时长和预估出行里程。
结合第一方面,本申请实施例提供了第一方面的第七种可能的实施方式,其中,所述方法还包括:
向所述服务请求方推送针对所述目标出行服务的推荐信息;
响应所述服务请求方针对所述目标出行服务的出行订单下达请求,生成所述目标出行服务的出行订单;
向所述服务请求方所在位置所属区域的服务提供方派发所述出行订单。
结合第一方面的第七种可能的实施方式,本申请实施例提供了第一方面的第八种可能的实施方式,其中,所述向所述服务请求方推送针对所述目标出行服务的推荐信息,包括:
按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息;所述预设推荐方式包括以下至少一种或多种:推荐时间、推荐频率和推荐形式。
结合第一方面的第八种可能的实施方式,本申请实施例提供了第一方面的第九种可能的实施方式,其中,所述目标出行服务为预估出行资源消耗量最低的出行服务;所述按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息,包括:
按照预设推荐频率,向所述服务请求方推送针对所述预估出行资源消耗量最低的出行服务的推荐信息。
结合第一方面,本申请实施例提供了第一方面的第十种可能的实施方式,其中,所述根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,包括:
将所述出行场景信息输入至已训练完成的接受概率确定模型中,得到所述服务请求方对每个所述出行服务的接受概率;
所述已训练完成的接受概率确定模型是通过以下步骤得到:
获取训练样本;所述训练样本包括样本出行场景信息和样本接受概率;所述样本接受概率是样本出行场景信息下,服务请求方对每个出行服务的接受概率;
将所述训练样本输入至未训练完成的接受概率确定模型中进行训练,以使所述未训练完成的接受概率确定模型根据所述样本出行场景信息,得到所述服务请求方对每个出行服务的接受概率。
第二方面,本申请实施例还提供出行服务推荐装置,包括:
获取模块,用于获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;
第一确定模块,用于根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率;
选择模块,用于根据所述服务请求方对每个所述出行服务的接受概率和每个所述出行服务的供需情况,从多个所述出行服务中选择向所述服务请求方推荐的目标出行服务。
第三方面,本申请实施例还提供一种电子设备,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上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供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上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第五方面,本申请实施例还提供一种计算机程序产品,包括计算机程序或指令,所述计算机程序或指令被处理器执行时实现上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
本申请实施例提供的出行服务推荐方法,包括:获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;根据出行场景信息,确定服务请求方对每个出行服务的接受概率;根据服务请求方对每个出行服务的接受概率和每个出行服务的供需情况,从多个出行服务中选择向服务请求方推荐的目标出行服务。本申请实施例考虑了出行场景信息对服务请求方对每个出行服务的接受概率的影响,以及每个出行服务的供需情况,将服务请求方推荐接受概率和供需情况均满足服务请求方出行需求的目标出行服务推荐给服务请求方,从而可以提高出行服务的推荐准确性。
本申请实施例提供的出行服务推荐方法,可以在出行订单处于不同的下达阶段时,获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况,通过提高获取的出行场景信息的准确性,可以提高服务请求方对每个出行服务的接受概率,进而可以提高出行服务的推荐准确性。
本申请实施例提供的出行服务推荐方法,通过获取不同的出行场景信息,使得确定出的服务请求方对每个出行服务的接受概率的准确性更高,进而可以提高出行服务的推荐准确性。
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示出了本申请实施例所提供的出行服务推荐方法的流程图;
图2示出了本申请实施例所提供的接受概率确定模型训练流程图;
图3示出了本申请实施例所提供的第一种出行服务推荐装置的结构示意图;
图4示出了本申请实施例所提供的第二种出行服务推荐装置的结构示意图;
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。
随着智能设备和移动互联网技术的发展,出行服务软件给人们的出行带来了极大的便利。当前使用网络出行服务已经是社会各阶层人士的普遍需求。
目前,人们在常规出行中可选择的出行服务多种多样,这些出行服务可以满足人们在乘车距离、消费水平、乘车人数等不同方面的出行需求。但是并不是所有用户能充分的了解所有出行服务,用户无法从中准确地找到适合自己的出行服务。
为了让用户能够使用到更优的出行服务,一些出行服务推荐***会将推荐率较高的出行服务推荐给用户,由于这种推荐方式并没有考虑用户在当前出行场景下的出行需求,用户对推荐的出行服务接受率并不高。
考虑到用户在当前出行场景下的出行需求以及运力变化情况。基于此,本申请实施例提供了出行服务推荐方法和装置,下面通过实施例进行描述。
为便于对本实施例进行理解,首先对本申请实施例所公开的出行服务推荐方法进行详细介绍。
在对服务请求方推荐出行服务时,可以在服务请求方下达出行订单的不同阶段进行推荐,具体地至少可以分为以下三个阶段:第一阶段,可以在服务请求方下达出行订单之前进行推荐;第二阶段,可以在服务请求方下达出行订单时之前进行推荐;第三阶段,可以在服务请求方下达出行订单后进行推荐。
针对第一阶段中在服务请求方下达出行订单之前进行推荐的情况,服务请求方下达出行订单之前进行推荐,可以指的是服务请求方打开具有出行服务功能的应用程序后、服务请求方下达出行订单之前进行推荐。服务请求方在打开具有出行服务功能的应用程序后、服务请求方下达出行订单之前,由于没有生成出行订单,因此无法获取到出行订单的详情信息,即订单操作信息,因此在向服务请求方推荐出行服务时,可以依据服务请求方历史出行订单的订单操作信息,确定服务请求方的历史出行需求,进而预测服务请求方当前的出行需求,实现出行服务的推荐。但是考虑到根据历史出行需求预测服务请求方当前的出行需求,可能存在误差,不能对服务请求方进行精准推荐,因此此时针对预测出的服务请求方当前的出行需求进行推荐,服务请求方对推荐的出行服务的接受概率准确性不高。
针对第二阶段中在服务请求方下达出行订单时进行推荐的情况,服务请求方下达出行订单时进行推荐,可以指的是服务请求方下达出行订单之后、支付出行订单之前进行推荐,考虑到服务请求方下达出行订单之后,可以获取到出行订单的详情信息,即订单操作信息,因此在向服务请求方推荐出行服务时,可以依据当前出行订单的订单操作信息,可以准确确定服务请求方当前的出行需求,进而针对服务请求方当前的出行需求进行精准地推荐。
针对第三阶段中在服务请求方下达出行订单之后进行推荐的情况,服务请求方下达出行订单后进行推荐,可以指的是服务请求方支付出行订单之后进行推荐,考虑到此时可能已经根据服务请求方下达的订单操作信息生成了出行订单,并将生成的出行订单已经派发给了服务提供方,当服务请求方想要改变已经选择好的出行服务时,只能通过取消订单后再次派单的方式改用推荐的出行服务。考虑到上述过程操作复杂,因此服务请求方此时接受推荐的出行订单的可能性较低,同时考虑上述过程存在浪费服务资源的问题,在一定程度上还会降低出行订单的成交率。
综合考虑上述服务请求方分别处于下达出行订单的三个阶段进行出行服务的推荐过程中,服务请求方分别处于下达出行订单的第一阶段和第二阶段时,服务请求方对推荐的出行服务的接受概率准确性都不高,因此为了实现提高服务请求方对推荐的出行服务的接受概率的准确性,本申请实施例提供的出行服务推荐方法可以适用于服务请求方下达出行订单的过程中,也就是可以在前述的服务请求方处于下达出行订单的第二阶段对服务请求方进行出行服务推荐。
如图1所示的出行服务推荐方法的流程图中,包括以下步骤:
S101:获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;
S102:根据出行场景信息,确定服务请求方对每个出行服务的接受概率;
S103:根据服务请求方对每个出行服务的接受概率和每个出行服务的供需情况,从多个出行服务中选择向服务请求方推荐的目标出行服务。
本申请实施例提供的出行服务推荐方法,根据服务请求方下达出行订单时所在位置的出行场景信息,确定服务请求方对每个出行服务的接受概率,使得确定出的接受概率更能符合服务请求方下达出行订单时所在位置的出行场景,同时考虑每个出行服务的供需情况,使得服务请求方对推荐的目标出行服务的接受概率的准确性更高。
出行服务可以指的是服务提供方向服务请求方提供的,满足服务请求方出行需求的服务。出行服务可以包括拼车、快车、专车、顺风车、出租车等出行服务。服务请求方可以针对选择的出行服务下达出行订单,也可以在下达出行订单后,出行服务平台向服务请求方提供能够执行出行订单的出行服务。
在步骤S101中,由于本申请实施例是在服务请求方下达出行订单的过程中,对服务请求方进行出行服务推荐的,因此在一种可行的实施方式中,本申请实施例的执行主体可以响应服务请求方所输入的订单操作信息,确定出行订单的下达阶段;若出行订单的下达阶段为目标下达阶段,则获取所述服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况。
订单操作信息服务请求方在终端进行订单输入的操作信息,订单操作信息可以包括服务起始位置、服务终止位置、服务起始时间、服务终止时间、出行服务类型等。根据服务请求方输入的订单操作信息,可以确定出行订单的下达阶段。出行订单的下达阶段是与服务请求方输入的订单操作信息相对应的。因此,出行订单的下达阶段包括以下至少一种或多种:下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段和下达出行订单的服务终止时间阶段和下达出行服务类型阶段。
这里需要说明的是出行订单的下达阶段是根据服务请求方已经输入的订单操作信息确定的。例如,当服务请求方已经输入的订单操作信息包括服务起始位置和服务终止位置,那么出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段。
其中,下达出行订单的服务起始位置阶段可以指的是服务请求方输入服务起始位置的阶段。服务起始位置可以是服务请求方的上车位置。当出行订单的下达阶段为服务起始位置阶段时,说明服务请求方可能还未选择出行服务,此时可以根据服务起始位置,获取服务起始位置的出行场景信息和每个出行服务的供需情况等信息。
下达出行订单的服务终止位置阶段可以指的是服务请求方输入服务终止位置的阶段。出行订单的服务终止位置可以指的是服务请求方下车的位置。当出行订单的下达阶段为服务终止位置阶段时,说明服务请求方可能还未选择出行服务,此时可以根据服务终止位置,获取服务终止位置的出行场景信息和每个出行服务的供需情况等信息。
出行订单的服务起始位置和出行订单的服务终止位置可以是服务请求方通过手动输入的方式输入至出行订单下达界面的,也可以是服务请求方通过在出行订单下达界面的地图上选择的,还可以是服务请求方根据历史出行订单的服务起始位置和/或服务终止位置选择的。
因此,当出行订单的下达阶段包括服务起始位置阶段和/或服务终止位置阶段时,那么可以根据服务起始位置和/或服务终止位置,获取每个出行服务在服务起始位置和/或服务终止位置的供需情况、服务起始位置和/或服务终止位置的出行场景信息等。
下达出行订单的服务起始时间阶段以指的是服务请求方输入服务起始时间的阶段。出行订单的服务起始时间可以指的是服务请求方上车的时间,出行订单的服务终止时间可以指的是服务请求方下车的时间;出行订单的服务起始时间还可以指的是服务提供方接收到出行订单并确认执行的时间。
下达出行订单的服务终止时间阶段以指的是服务请求方输入服务终止时间的阶段。出行订单的服务终止时间还可以指的是服务提供方确认完成订单的时间。出行订单的服务起始时间和服务终止时间可以是服务请求方通过手动输入的方式输入至出行订单下达界面的,也可以是出行服务平台根据服务请求方下达出行订单的时间、出行订单的服务起始位置、出行订单的服务终止位置、服务请求方下达出行订单时所在位置距离服务起始位置的路程信息、服务提供方距离出行订单的服务起始位置的路程信息等预估出来的。
当出行订单的下达阶段包括服务起始时间阶段和/或服务终止时间阶段时,那么可以根据服务起始时间和/或服务终止时间,获取每个出行服务在服务起始时间和/或服务终止时间的供需情况、服务起始时间和/或服务终止时间的出行场景信息等。
下达出行服务类型阶段可以指的是执行服务请求方下达的出行订单时服务提供方选择期望使用的车型的阶段,出行服务类型可以是服务请求方根据历史偏好或者出行需求输入的,也可以是服务请求方从出行服务平台提供的出行服务类型中选择的,还可以是出行服务平台根据服务请求方期望使用的出行服务,为服务请求方匹配的出行服务类型。
在具体实施过程中,当出行订单的下达阶段不同时,获取的服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况也是不同的。本申请实施例通过出行订单的下达阶段,可以确定出服务请求方当前期望使用的出行服务或者是出行需求,以便提高对服务请求方的推荐精确度。例如当出行订单的下达阶段为下达出行服务类型阶段时,说明服务请求方已经选择了期望使用的出行服务,此时向服务请求方进行推荐时,则可以根据出行服务类型向服务请求方进行推荐。再如当出行订单的下达阶段包括下达出行订单的服务起始时间阶段和下达出行订单的服务终止时间阶段,说明服务请求方的期望服务时长,此时可以根据期望服务时长向服务请求方进行推荐。
当包含的出行订单的下达阶段越多时,获取的服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况也就越多,继而根据出行场景信息确定的服务请求方对每个出行服务的接受概率也就越准确。
一般情况下,不同的下达阶段之间可以没有时间先后顺序。在一些可行的实施方式中,下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段和下达出行订单的服务终止时间阶段可以是在下达出行服务类型阶段之前,这主要是因为根据服务位置和服务时间可以确定是否有出行服务类型。所以在本申请实施例中优选地,下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段和下达出行订单的服务终止时间阶段可以是在下达出行服务类型阶段之前,这样可以在服务请求方下达出行服务类型阶段之前,向服务请求方推荐出行服务。
服务请求方的所在位置可以包括服务请求方所在的街道信息、周围建筑物信息和地理坐标信息等。可以通过定位技术获取服务请求方下达出行订单时所使用的终端的位置信息,然后根据终端的位置信息确定服务请求方的所在位置;还可以根据服务请求方下达的出行订单中包含的服务起始位置,确定服务请求方的所在位置。在具体实施过程中,服务请求方一般通过近程控制终端(例如操作手持移动终端)的方式下达出行订单,因此可以认为终端的位置信息就是服务请求方的所在位置,而出行订单中包含的服务起始位置并不一定是服务请求方的所在位置,因此通过服务起始位置确定的服务请求方的所在位置可能存在误差。因此优选地,可以通过定位技术获取服务请求方下达出行订单时所使用的终端的位置信息,然后根据终端的位置信息确定服务请求方的所在位置。
出行场景信息是服务请求方下达出行订单时所在位置的场景信息,出行场景信息可以影响服务请求方所选择的出行服务,具体地出行场景信息可以包括以下至少一种或多种:服务请求方的特征信息、交通环境信息和天气环境信息。
具体地,服务请求方的特征信息可以包括以下至少一种或多种:年龄、性别、职业、经常居住地、经常出行地、历史选择的出行服务、历史订单金额和历史出行时长。
其中,年龄、性别和职业可以影响服务请求方所选择的出行服务,不同的年龄、性别和职业的服务请求方,所选择的出行服务可能是不同的。
经常居住地指的是服务请求方当前经常居住的住所,经常出行地指的是服务请求方经常出行的位置场所。通过服务请求方的经常居住地和经常出行地,可以确定服务请求方期望使用的出行服务。
历史选择的出行服务可以指的是服务请求方历史选择频率最高的出行服务或者是历史最近一次选择的出行服务;根据历史选择的出行服务可以确定服务请求方当前期望选择的出行服务。
历史订单金额可以指的是服务请求方的历史出行订单的平均金额或者历史出行订单的最高金额,根据历史订单金额,可以确定出服务请求方当前期望支付的出行订单金额,进而可以确定服务请求方当前期望选择的出行服务。
历史出行时长可以指的是服务请求方的历史出行订单的平均出行时长或者历史出行订单的最长出行时长,根据历史出行时长,可以确定出服务请求方当前期望出行的时长,进而可以确定服务请求方当前期望选择的出行服务。
交通环境信息可以指的是交通拥堵情况,交通环境信息和天气环境信息可以影响服务请求方对出行服务的选择。
出行服务的供需情况可以指的是提供出行服务的服务提供资源与请求出行服务的服务请求资源的供需情况,具体地,出行服务的供需情况可以指的是服务提供方与服务请求方的供需比,即服务提供方的数量与服务请求方的数量的比值。出行服务的供需情况可能影响服务请求方对出行服务的使用。
在步骤S102中,不同的出行服务所能满足的服务请求方的出行需求是不同的,例如顺风车服务可以满足服务请求方对出行订单金额的要求,快车可以满足服务请求方对行驶速度的要求;专车可以满足服务请求方对出行服务类型的要求,因此不同的出行场景信息下,服务请求方对每个出行服务的接受概率是不同的。
在一种可行的实施方式中,出行订单的当前下达阶段为下达出行订单的服务起始位置阶段:出行订单信息包括服务起始时间和服务起始位置;
步骤S102,即根据出行场景信息,确定服务请求方对每个出行服务的接受概率,可以包括以下步骤:
S1021:获取预测的每个出行服务的服务提供方到达服务起始位置的时间;
S1022:根据服务起始时间和预测的每个出行服务的服务提供方到达服务起始位置的时间,确定服务请求方对每个出行服务的接受概率。
在步骤S1021中,可以获取每个出行服务的服务提供方当前所在位置信息,根据每个出行服务的服务提供方当前所在位置信息和当前速度信息,预测的每个出行服务的服务提供方到达服务起始位置的时间。
这里每个出行服务的服务提供方可以是与服务起始位置的距离在预设范围之内的服务提供方,主要是考虑当服务提供方与服务起始位置的距离超过预设范围之内,服务提供方到达服务起始位置的时间可能过长,很大程度上会降低服务请求方对每个出行服务的接受概率,显然会失去对服务请求方进行推荐的意义。
当服务提供方为多个时,每个出行服务的服务提供方到达服务起始位置的时间可以指的是服务提供方到达服务起始位置的平均时间、有效时间、最长时间或者最短时间等。
在步骤S1022中,预测的每个出行服务的服务提供方到达服务起始位置的时间与服务起始时间越接近,也就是预测的每个出行服务的服务提供方到达服务起始位置的时间与服务起始时间的时间差越小,服务请求方对每个出行服务的接受概率可能越高。
在一种可行的实施方式中,出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;
步骤S102,即根据出行场景信息,确定服务请求方对每个出行服务的接受概率,可以包括以下步骤:
S1023:根据出行订单的服务起始位置和出行订单的服务终止位置,确定每个出行服务的预估出行资源消耗量;
S1024:根据预估出行资源消耗量和出行场景信息,确定服务请求方对每个出行服务的接受概率。
在步骤S1023中,预估出行资源消耗量可以指的是服务提供方从同一出行订单的服务起始位置行驶到服务终止位置,服务请求方预估消耗的出行资源的数量。
具体地,预估出行资源消耗量可以包括以下至少一种或多种:预估订单金额、预估出行时长、预估出行里程等。预估订单金额越大、预估出行时长越长、预估出行里程越多,说明预估出行资源消耗量越大。
出行场景信息可以影响预估出行资源消耗量,例如交通拥堵情况越严重,服务提供方从同一出行订单的服务起始位置行驶到服务终止位置所耗费的时间越长,服务请求方消耗的预估出行时长就越长。
在步骤S1024中,出行场景信息可以影响服务请求方对预估出行资源消耗量的接受概率。这里,出行场景信息可以包括服务请求方的特征信息、交通环境信息和天气环境信息中的至少一种或多种。
当出行场景信息为服务请求方的特征信息时,根据服务请求方的特征信息可以确定服务请求方对每个出行服务的预估出行资源消耗量的接受概率,进而根据预估出行资源消耗量和服务请求方对每个出行服务的预估出行资源消耗量的接受概率,确定服务请求方对每个出行服务的接受概率。
当出行场景信息为交通环境信息和/或天气环境信息时,交通环境信息和/或天气环境信息可以影响服务请求方对每个出行服务的预估出行资源消耗量的接受概率,进而可以根据预估出行资源消耗量和服务请求方对交通环境信息和/或天气环境信息下每个出行服务的预估出行资源消耗量的接受概率,确定服务请求方对每个出行服务的接受概率。
出行场景信息包括的信息越多时,确定的服务请求方对每个出行服务的预估出行资源消耗量的接受概率越精确,因而确定的服务请求方对每个出行服务的接受概率就越精确。
在一种可行的实施方式中,出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;
出行场景信息包括服务请求方的特征信息;服务请求方的特征信息包括历史订单金额;
步骤S102,即根据出行场景信息,确定服务请求方对每个出行服务的接受概率,可以包括以下步骤:
S1025:根据出行订单的服务起始位置和出行订单的服务终止位置,确定每个出行服务的预估订单金额;
S1026:根据预估订单金额和历史订单金额,确定服务请求方对每个出行服务的接受概率。
在步骤S1025中,每个出行服务的预估订单金额都是根据同一出行订单的服务起始位置和服务终止位置确定的,且不同出行服务的预估订单金额的计算方式可以不同。因此根据同一出行订单的服务起始位置和服务终止位置,确定服务提供方从同一出行订单的服务起始位置行驶到服务终止位置的计价方式,根据服务提供方从同一出行订单的服务起始位置行驶到服务终止位置的计价方式,确定每个出行服务的预估订单金额。
在步骤S1026中,历史订单金额可以指的是服务请求方的历史出行订单的平均金额或者历史出行订单的最高金额。其中历史出行订单的服务起始位置和服务终止位置分别与步骤S1026中的出行订单的服务起始位置和出行订单的服务终止位置是相同的。
通过比较预估订单金额和历史订单金额,可以确定服务请求方对每个出行服务的接受概率。
在一种可行的实施方式中,出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;出行场景信息包括:服务请求方的特征信息和交通环境信息;用户特征信息包括:历史出行时长;
步骤S102,即根据出行场景信息,确定服务请求方对每个出行服务的接受概率,具体可以包括以下步骤:
S1027:根据交通环境信息、出行订单的服务起始位置和出行订单的服务终止位置,确定每个出行服务从服务起始位置到服务终止位置的预估行驶时长;
S1028:根据预估行驶时长和历史出行时长,确定服务请求方对每个出行服务的接受概率。
在步骤S1027中,根据出行订单的服务起始位置和出行订单的服务终止位置,可以确定服务提供方从同一出行订单的服务起始位置行驶到服务终止位置的里程信息。根据交通环境信息,可以确定不同服务提供方从同一出行订单的服务起始位置行驶到服务终止位置的速度信息,根据服务提供方从同一出行订单的服务起始位置行驶到服务终止位置的里程信息和服务提供方从同一出行订单的服务起始位置行驶到服务终止位置的速度信息,即可确定出每个出行服务的服务提供方从同一服务起始位置到服务终止位置的预估行驶时长。
在步骤S1028中,历史出行时长可以指的是服务请求方的历史出行订单的平均出行时长或者历史出行订单的最长出行时长,其中历史出行订单的服务起始位置与服务终止位置分别与上述出行订单的服务起始位置和服务终止位置相同。
通过比较预估行驶时长和历史出行时长,可以确定服务请求方对每个出行服务的接受概率。
在具体实施方式中,根据不同的出行场景信息,可以确定服务请求方当前的出行需求,具体地可以根据服务请求方的特征信息、交通环境信息和天气环境信息中的至少一种或多种,确定服务请求方当前的出行需求。出行需求可以是降低出行成本、减少出行时间、减少出行里程等需求。根据服务请求方当前的出行需求,每个出行服务从相同的服务起始位置到相同的服务终止位置的预估订单金额、预估出行时长和预估出行里程下,服务请求方对每个出行服务的接受概率。当服务请求方当前的出行需求不同时,服务请求方对每个出行服务的接受概率是不同的。
例如,当服务请求方当前的出行需求是降低出行成本时,那么服务请求方可能更愿意选择预估订单金额低的出行服务,而较少考虑预估出行时长和预估出行里程多少的问题。因此可能存在服务请求方对预估订单金额较低、但是预估出行时长和预估出行里程均较高的出行服务的接受概率更高。
在一种可行的实施方式中,出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;出行场景信息包括:交通环境信息;步骤S102,即根据出行场景信息,确定服务请求方对每个出行服务的接受概率,具体可以包括以下步骤:
S1029:根据交通环境信息、出行订单的服务起始位置和出行订单的服务终止位置,确定每个出行服务从服务起始位置到服务终止位置的预估出行里程;
S10210:根据预估出行里程、出行订单的服务起始位置和出行订单的服务终止位置,确定服务请求方对每个出行服务的接受概率。
在步骤S1029中,根据交通环境信息,可以确定服务提供方从出行订单的服务起始位置行驶到出行订单的服务终止位置的路线信息,根据服务提供方从出行订单的服务起始位置行驶到出行订单的服务终止位置的路线信息,即可确定出每个出行服务的服务提供方从服务起始位置到服务终止位置的预估出行里程。
在步骤S10210中,根据出行订单的服务起始位置和出行订单的服务终止位置,可以确定出服务提供方从出行订单的服务起始位置行驶到出行订单的服务终止位置的最短里程信息。
根据预估出行里程、服务提供方从出行订单的服务起始位置行驶到出行订单的服务终止位置的最短里程信息,可以确定服务请求方对每个出行服务的接受概率。
在具体实施过程中,步骤S102可以通过接受概率确定模型执行,具体地,可以将出行场景信息输入至已训练完成的接受概率确定模型中,得到服务请求方对每个出行服务的接受概率。
已训练完成的接受概率确定模型可以通过以下步骤得到:
S201:获取训练样本;训练样本包括样本出行场景信息和样本接受概率;样本接受概率是样本出行场景下,服务请求方对每个出行服务的接受概率;
S202:将训练样本输入至未训练完成的接受概率确定模型中进行训练,以使未训练完成的接受概率确定模型根据样本出行场景信息,得到服务请求方对每个出行服务的接受概率。
在步骤S201中,样本出行场景信息可以包括以下至少一种或多种:所述服务请求方的特征信息、交通环境信息和天气环境信息;其中,服务请求方的特征信息包括以下至少一种或多种:年龄、性别、职业、经常居住地、经常出行地、历史选择的出行服务、历史订单金额和历史出行时长。
当训练样本中的样本出行场景信息相同时,同一样本出行场景信息可以对应不同的出行服务。当训练样本中的出行服务不同时,同一出行服务可以对应不同的样本出行场景信息。
在具体实施过程中可以对样本出行场景信息进行分类,得到服务请求方的特征信息、交通环境信息和天气环境信息,针对每类样本出行场景信息,可以选择该类样本出行场景信息中对服务请求方对每个出行服务的接受概率影响最大的样本出行场景信息。服务请求方对每个出行服务的接受概率影响最大的样本出行场景信息可以是根据历史经验得到的,也可以是根据预设算法得到的,这里不再详述。
将选择的每类样本出行场景信息中的服务请求方对每个出行服务的接受概率影响最大的样本出行场景信息所对应的接受概率作为该类样本出行场景信息下,服务请求方对每个出行服务的接受概率。
在步骤S202中,针对每类样本出行场景信息,如图2所示的接受概率确定模型训练流程图中,可以将步骤S201中选择的每类的样本出行场景信息和该类样本出行场景信息下,服务请求方对每个出行服务的接受概率分别输入不同的子模型中,对每个子模型进行训练,使得每个子模型根据每类样本出行场景信息,得到该类样本出行场景信息下,服务请求方对每个出行服务的接受概率。
在得到每类样本出行场景信息下,服务请求方对每个出行服务的接受概率后,可以根据每个接受概率的权重,得到样本出行场景信息下,服务请求方对每个出行服务的总接受概率,从而实现对未训练完成的接受概率确定模型的训练。
在步骤S103中,目标出行服务指的是选择的用于向服务请求方推荐的出行服务。服务请求方对目标出行服务的接受概率大于一定的阈值,且目标出行服务的供应满足服务请求方的出行需求。
如前文所述,出行服务的供需情况可以指的是提供出行服务的服务提供资源与请求出行服务的服务请求资源的供需情况。考虑到在具体实施过程中,当服务请求方对某个出行服务的接受概率很高时,如果服务提供资源小于服务请求资源,也就是供小于求时,即使向服务请求方推荐该出行服务,该出行服务很有可能无法满足服务请求方的出行需求,此时不仅造成服务资源浪费,而且降低出行订单的成交率。因此在选择向服务请求方推荐的目标出行服务时,需要同时考虑服务请求方对每个出行服务的接受概率和每个出行服务的供需情况。
在一种可行的实施方式中,每个出行服务的供需情况可以指的是服务提供方与服务请求方的供需比,即服务提供方的数量与服务请求方的数量的比值。步骤S103可以按照以下步骤执行:
S1031:从多个出行服务中选择服务请求方对出行服务的接受概率大于第一阈值的第一出行服务;
S1032:从第一出行服务中选择服务提供方的数量与服务请求方的数量的比值大于第二阈值的第二出行服务;
S1033:将第二出行服务确定为向服务请求方推荐的目标出行服务。
在步骤S1031中,第一出行服务指的是服务请求方对出行服务的接受概率大于第一阈值的出行服务,但是同时包含不同的供需情况,因此,在步骤S1032中,从第一出行服务中进行进一步地选择,选择出的第二出行服务是服务请求方对出行服务的接受概率大于第一阈值且服务提供方的数量与服务请求方的数量的比值大于第二阈值的出行服务。步骤S303中的目标出行服务既满足服务请求方对目标出行服务的接受情况,又满足对服务请求方的供需要求。
在具体实施过程中,步骤S1032中可能存在服务提供方的数量与服务请求方的数量的比值不大于第二阈值的情况,也就是无法从第一出行服务中选择出服务提供方的数量与服务请求方的数量的比值大于第二阈值的第二出行服务,但是考虑到服务请求方对出行服务的接受概率大于第一阈值,满足了服务请求方对第一出行服务的接受情况,表示服务请求方对第一出行服务的接受意愿较大,因此可能存在服务请求方接受服务提供方的数量与服务请求方的数量的比值不大于第二阈值的情况,因此,可以将此时的第一出行服务作为向服务请求方推荐的目标出行服务。
对应地,在一种可行的实施方式中,步骤S103可以按照以下步骤执行:
S1034:从多个出行服务中选择服务提供方的数量与服务请求方的数量的比值大于第一阈值的第一出行服务;
S1035:从第一出行服务中选择服务请求方对出行服务的接受概率大于第二阈值的第二出行服务;
S1036:将第二出行服务确定为向服务请求方推荐的目标出行服务。
在步骤S1034中,第一出行服务指的是服务提供方的数量与服务请求方的数量的比值大于第一阈值的出行服务,但是同时包含不同的接受概率,因此,在步骤S1035中,从第一出行服务中进行进一步地选择,选择出的第二出行服务是服务提供方的数量与服务请求方的数量的比值大于第一阈值且服务请求方对出行服务的接受概率大于第二阈值的出行服务。步骤S1036中的目标出行服务既满足服务请求方对目标出行服务的接受情况,又满足对服务请求方的供需要求。
在具体实施过程中,步骤S1035中可能存在服务请求方对出行服务的接受概率不大于第二阈值的情况,也就是无法从第一出行服务中选择出服务请求方对出行服务的接受概率的第二出行服务,也就是此时第一出行服务是服务提供方的数量与服务请求方的数量的比值大于第一阈值且服务请求方对出行服务的接受概率不大于第二阈值的出行服务。
考虑到当服务请求方对出行服务的接受概率不大于第一阈值,表示服务请求方对目标出行服务的接受意愿较小,即使第一出行服务满足了对服务请求方的供需要求,但是无法满足服务请求方对第一出行服务的接受情况,此时将第一出行服务推荐给服务请求方时,服务请求方可能并不会接受第一出行服务,因此在这种情况下可能无法选择出向服务请求方推荐的目标出行服务。
可见,上述步骤S1031-S1033的过程相比于步骤S1034-S1036的过程,服务请求方对出行服务的接受概率更高。
在一种可行的实施方式中,在执行完步骤S103之后,本申请实施例提供的出行服务推荐方法还包括:
S301:向服务请求方推送针对目标出行服务的推荐信息;
S302:响应服务请求方针对目标出行服务的出行订单下达请求,生成目标出行服务的出行订单;
S303:向服务请求方所在位置所属区域的服务提供方派发出行订单。
在步骤S301中,推荐信息指的是向服务请求方推送的,推荐服务请求方使用目标出行服务的信息。
推荐信息中可以包括以下至少一种或多种:目标出行服务的供需情况、目标出行服务的预估出行资源消耗量等。
其中,如前所述,目标出行服务的供需情况可以指的是提供目标出行服务的服务提供资源与请求目标出行服务的服务请求资源的供需情况,具体地,目标出行服务的供需情况可以指的是服务提供方与服务请求方的供需比,即服务提供方的数量与服务请求方的数量的比值。
目标出行服务的预估出行资源消耗量可以包括以下至少一种或多种:预估订单金额、预估出行时长、预估出行里程等。
在具体实施过程中,在执行步骤S301时,可以按照预设推荐方式向服务请求方推送针对目标出行服务的推荐信息;预设推荐方式包括以下至少一种或多种:推荐时间、推荐频率和推荐形式。
预设推荐方式可以是服务请求方在终端预先设置的表示可以接受的推荐方式,也可以是出行服务平台根据不同的目标出行服务设置的推荐方式。
其中,推荐时间指的是向服务请求方进行推荐的时间。考虑到服务请求方接受推荐的意愿,通过设置推荐时间,可以在服务请求方接受推荐的时间向服务请求方进行推荐,可以提高服务请求方对目标出行服务的接受概率。
另外,本申请实施例是在服务请求方下达出行订单时向服务请求方进行目标服务推荐的,因此,推荐时间可以根据服务请求方下达出行订单的时间设置中,这里,推荐时间可以设置在服务请求方下达出行订单的过程中。当推荐时间晚于服务请求方下达出行订单的过程,例如在服务请求方下达出行订单之后,服务请求方可能不会再重新下单,起不到推荐的作用,无法实现提高服务请求方对目标出行服务的接受概率。
推荐频率指的是在预设时间段内向服务请求方进行推荐的频率。推荐频率可以根据推荐次数和推荐的预设时间段进行确定。推荐的预设时间段可以设置在服务请求方下达出行订单的过程中。
推荐形式指的是向服务请求方进行推荐的形式。推荐形式可以包括弹窗、横条、气泡、短信等形式。
在具体实施过程中,推荐时间、推荐频率和推荐形式可以进行任意组合。
在一种可行的实施方式中,目标出行服务为预估出行资源消耗量最低的出行服务,按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息,具体可以包括:按照预设推荐频率,向服务请求方推送针对预估出行资源消耗量最低的出行服务的推荐信息。
目标出行服务为预估出行资源消耗量最低的出行服务时,也就是预估出行资源消耗量,例如:预估订单金额、预估出行时长、预估出行里程等消耗量最低,考虑到服务请求方对预估出行资源消耗量最低的出行服务的接受概率较大,因此可以按照预设推荐频率向服务请求方及时进行推荐,以使服务请求方能及时接收到该推荐信息。
在步骤S302中,本申请实施例的执行主体可以在服务请求方针对目标出行服务的出行订单下达请求后,根据服务请求方下达的订单操作信息和目标出行服务,生成目标出行服务的出行订单。
生成的目标出行服务的出行订单可以包括订单操作信息、选择的目标出行服务。其中订单操作信息包括以下至少一种或多种:出行订单的下达时间、出行订单的服务起始位置、出行订单的服务终止位置、出行订单的服务起始时间和出行订单的服务终止时间等信息。
在步骤S303中,服务提供方可以是只能提供目标出行服务的提供方,也可以是提供多种出行服务的提供方,其中多种出行服务中包含目标出行服务。
在具体实施过程中,可以通过定位技术获取服务提供方的位置信息,根据位置信息可以选择出服务请求方所在位置所属区域的服务提供方。
出行订单的派发方式可以包括广播派发和指定派发。
在一种可行的实施方式中,当服务请求方所在位置所属区域的服务提供方为多个时,可以通过广播派发的方式进行派发;当服务请求方所在位置所属区域的服务提供方为一个时,可以通过指定派发的方式进行派发。
在一种可行的实施方式中,当服务请求方所在位置所属区域的服务提供方为多个时,还可以根据每个服务提供方与服务请求方所在位置距离进行排序,将服务提供方与服务请求方所在位置距离小于预设距离的服务提供方作为目标服务提供方,可以通过广播派发的方式派发给目标服务提供方;还可以通过指定派发的方式将服务提供方与服务请求方所在位置距离最小的服务提供方。
这里需要说明的是,向服务请求方所在位置所属区域的服务提供方派发出行订单的所有派发方式都应当在本申请要求保护的范围之内。
在步骤S103之后,本申请实施例还可以包括以下步骤:
S401:获取目标出行服务所对应的最优出行路线;最优出行路线是从出行订单的服务起始位置到出行订单的服务终止位置的出行路线中路程最短的出行路线;
S402:将最优出行路线推荐给服务请求方。
在步骤S401中,可以获取目标出行服务所对应的多个出行路线,根据出行订单的服务起始位置到出行订单的服务终止位置的距离,从出行订单的服务起始位置到出行订单的服务终止位置的出行路线中路程最短的出行路线作为最优出行路线。
在步骤S402中,可以在向服务请求方推荐目标出行服务的同时推荐最优出行路线,也可以在服务请求方针对目标出行服务的出行订单下达请求后,推荐最优出行路线。
通过向服务请求方推荐最优出行路线,可以使得服务请求方选择最优目标出行服务的同时,选择最优出行路线,从而提高服务请求方对目标出行服务的接受概率。
基于相同的技术构思,本申请实施例还提供一种出行服务推荐装置、电子设备、以及计算机可读存储介质等,具体可参见以下实施例。
图3是示出本申请的一些实施例的出行服务推荐装置的框图,该出行服务推荐装置实现的功能对应上述在终端设备上执行出行服务推荐方法的步骤。该装置可以理解为一个包括处理器的服务器的组件,该组件能够实现上述出行服务推荐方法,如图3所示,该出行服务推荐装置可以包括:
第一获取模块31,用于获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;
第一确定模块32,用于根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率;
选择模块33,用于根据所述服务请求方对每个所述出行服务的接受概率和每个所述出行服务的供需情况,从多个所述出行服务中选择向所述服务请求方推荐的目标出行服务。
在一种可行的实施方式中,如图4所示,第一获取模块31包括:
第二确定模块311,用于响应服务请求方所输入的订单操作信息,确定所述出行订单的下达阶段;
第二获取模块312,用于若所述出行订单的下达阶段为目标下达阶段,则获取所述服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;所述出行订单的下达阶段包括以下至少一种或多种:下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段、下达出行订单的服务终止时间阶段和下达出行服务类型阶段。
在一种可行的实施方式中,所述出行场景信息包括以下至少一种或多种:所述服务请求方的特征信息、交通环境信息和天气环境信息。
在一种可行的实施方式中,所述服务请求方的特征信息包括以下至少一种或多种:年龄、性别、职业、经常居住地、经常出行地、历史选择的出行服务、历史订单金额和历史出行时长。
在一种可行的实施方式中,所述出行订单的下达阶段包括下达出行订单的服务起始时间阶段和下达出行订单的服务起始位置阶段;
第一确定模块32包括:
第三获取模块,用于获取预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间;
第三确定模块,用于根据所述出行订单的服务起始时间和预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间,确定所述服务请求方对每个所述出行服务的接受概率。
在一种可行的实施方式中,所述出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;
第一确定模块32包括:
第四确定模块,用于根据所述出行订单的服务起始位置和所述出行订单的服务终止位置,确定每个所述出行服务的预估出行资源消耗量;
第五确定模块,用于根据所述预估出行资源消耗量和所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率。
在一种可行的实施方式中,出行服务推荐装置还包括:
推送模块,用于向所述服务请求方推送针对所述目标出行服务的推荐信息;
响应模块,用于响应所述服务请求方针对所述目标出行服务的出行订单下达请求,生成所述目标出行服务的出行订单;
派发模块,用于向所述服务请求方所在位置所属区域的服务提供方派发所述出行订单。
在一种可行的实施方式中,所述预估出行资源消耗量包括以下至少一种或多种:预估订单金额、预估出行时长和预估出行里程。
在一种可行的实施方式中,推送模块具体用于:按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息;所述预设推荐方式包括以下至少一种或多种:推荐时间、推荐频率和推荐形式。
在一种可行的实施方式中,所述目标出行服务为预估出行资源消耗量最低的出行服务;推送模块具体用于:按照预设推荐频率,向所述服务请求方推送针对所述预估出行资源消耗量最低的出行服务的推荐信息。
在一种可行的实施方式中,第一确定模块,用于将所述出行场景信息输入至已训练完成的接受概率确定模型中,得到所述服务请求方对每个所述出行服务的接受概率;
所述已训练完成的接受概率确定模型是通过以下步骤得到:
获取训练样本;所述训练样本包括样本出行场景信息和样本接受概率;所述样本接受概率是样本出行场景信息下,服务请求方对每个出行服务的接受概率;
将所述训练样本输入至未训练完成的接受概率确定模型中进行训练,以使所述未训练完成的接受概率确定模型根据所述样本出行场景信息,得到所述服务请求方对每个出行服务的接受概率。
如图5所示,为本申请实施例所提供的一种电子设备500的结构示意图,该电子设备500包括:至少一个处理器501,至少一个网络接口504和至少一个用户接口503,存储器505,至少一个通信总线502。通信总线502用于实现这些组件之间的连接通信。用户接口503,包括显示器(例如,触摸屏)、键盘或者点击设备(例如,触感板或者触摸屏等)。
存储器505可以包括只读存储器和随机存取存储器,并向处理器501提供指令和数据。存储器505的一部分还可以包括非易失性随机存取存储器(NVRAM)。
在一些实施方式中,存储器505存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:
操作***5051,包含各种***程序,用于实现各种基础业务以及处理基于硬件的任务;
应用程序5052,包含各种应用程序,用于实现各种应用业务。
在本申请实施例中,通过调用存储器505存储的程序或指令,处理器501用于:
获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;
根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率;
根据所述服务请求方对每个所述出行服务的接受概率和每个所述出行服务的供需情况,从多个所述出行服务中选择向所述服务请求方推荐的目标出行服务。
在一种可行的实施方式中,处理器501在执行步骤获取服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况时,用于:
响应服务请求方所输入的订单操作信息,确定所述出行订单的下达阶段;
若所述出行订单的下达阶段为目标下达阶段,则获取所述服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;所述出行订单的下达阶段包括以下至少一种或多种:下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段、下达出行订单的服务终止时间阶段和下达出行服务类型阶段。
在一种可行的实施方式中,所述出行场景信息包括以下至少一种或多种:所述服务请求方的特征信息、交通环境信息和天气环境信息。
在一种可行的实施方式中,所述服务请求方的特征信息包括以下至少一种或多种:年龄、性别、职业、经常居住地、经常出行地、历史选择的出行服务、历史订单金额和历史出行时长。
在一种可行的实施方式中,所述出行订单的下达阶段包括下达出行订单的服务起始时间阶段和下达出行订单的服务起始位置阶段;
处理器501在执行步骤根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率时,具体用于:
获取预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间;
根据所述出行订单的服务起始时间和预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间,确定所述服务请求方对每个所述出行服务的接受概率。
在一种可行的实施方式中,所述出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;
处理器501在执行步骤根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,具体用于:
根据所述出行订单的服务起始位置和所述出行订单的服务终止位置,确定每个所述出行服务的预估出行资源消耗量;
根据所述预估出行资源消耗量和所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率。
在一种可行的实施方式中,所述预估出行资源消耗量包括以下至少一种或多种:预估订单金额、预估出行时长和预估出行里程。
在一种可行的实施方式中,处理器501还用于:
向所述服务请求方推送针对所述目标出行服务的推荐信息;
响应所述服务请求方针对所述目标出行服务的出行订单下达请求,生成所述目标出行服务的出行订单;
向所述服务请求方所在位置所属区域的服务提供方派发所述出行订单。
在一种可行的实施方式中,处理器501在执行步骤向所述服务请求方推送针对所述目标出行服务的推荐信息时,具体用于:
按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息;所述预设推荐方式包括以下至少一种或多种:推荐时间、推荐频率和推荐形式。
在一种可行的实施方式中,所述目标出行服务为预估出行资源消耗量最低的出行服务;处理器501在执行步骤按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息时,具体用于:
按照预设推荐频率,向所述服务请求方推送针对所述预估出行资源消耗量最低的出行服务的推荐信息。
在一种可行的实施方式中,处理器501在执行步骤根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,具体用于:
将所述出行场景信息输入至已训练完成的接受概率确定模型中,得到所述服务请求方对每个所述出行服务的接受概率;
所述已训练完成的接受概率确定模型是通过以下步骤得到:
获取训练样本;所述训练样本包括样本出行场景信息和样本接受概率;所述样本接受概率是样本出行场景信息下,服务请求方对每个出行服务的接受概率;
将所述训练样本输入至未训练完成的接受概率确定模型中进行训练,以使所述未训练完成的接受概率确定模型根据所述样本出行场景信息,得到所述服务请求方对每个出行服务的接受概率。
本申请实施例所提供的进行出行服务推荐方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
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,可以存储在一个处理器可执行的非易失的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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,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以所述权利要求的保护范围为准。
Claims (25)
1.出行服务推荐方法,其特征在于,包括:
根据服务请求方输入的订单操作信息,确定出行订单的下达阶段,根据所述下达阶段获取所述服务请求方下达所述出行订单时所在位置的出行场景信息和每个出行服务的供需情况;
根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率;
根据所述服务请求方对每个所述出行服务的接受概率和每个所述出行服务的供需情况,从多个所述出行服务中选择向所述服务请求方推荐的目标出行服务。
2.根据权利要求1所述的出行服务推荐方法,其特征在于,所述根据服务请求方输入的订单操作信息,确定出行订单的下达阶段,根据所述下达阶段获取所述服务请求方下达所述出行订单时所在位置的出行场景信息和每个出行服务的供需情况,包括:
响应服务请求方所输入的订单操作信息,确定所述出行订单的下达阶段;
若所述出行订单的下达阶段为目标下达阶段,则获取所述服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;所述出行订单的下达阶段包括以下至少一种或多种:下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段、下达出行订单的服务终止时间阶段和下达出行服务类型阶段。
3.根据权利要求1所述的出行服务推荐方法,其特征在于,所述出行场景信息包括以下至少一种或多种:所述服务请求方的特征信息、交通环境信息和天气环境信息。
4.根据权利要求3所述的出行服务推荐方法,其特征在于,所述服务请求方的特征信息包括以下至少一种或多种:年龄、性别、职业、经常居住地、经常出行地、历史选择的出行服务、历史订单金额和历史出行时长。
5.根据权利要求2所述的出行服务推荐方法,其特征在于,所述出行订单的下达阶段包括下达出行订单的服务起始时间阶段和下达出行订单的服务起始位置阶段;
所述根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,包括:
获取预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间;
根据所述出行订单的服务起始时间和预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间,确定所述服务请求方对每个所述出行服务的接受概率。
6.根据权利要求2所述的出行服务推荐方法,其特征在于,所述出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;
所述根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,包括:
根据所述出行订单的服务起始位置和所述出行订单的服务终止位置,确定每个所述出行服务的预估出行资源消耗量;
根据所述预估出行资源消耗量和所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率。
7.根据权利要求6所述的出行服务推荐方法,其特征在于,所述预估出行资源消耗量包括以下至少一种或多种:预估订单金额、预估出行时长和预估出行里程。
8.根据权利要求1所述的出行服务推荐方法,其特征在于,所述方法还包括:
向所述服务请求方推送针对所述目标出行服务的推荐信息;
响应所述服务请求方针对所述目标出行服务的出行订单下达请求,生成所述目标出行服务的出行订单;
向所述服务请求方所在位置所属区域的服务提供方派发所述出行订单。
9.根据权利要求8所述的出行服务推荐方法,其特征在于,所述向所述服务请求方推送针对所述目标出行服务的推荐信息,包括:
按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息;所述预设推荐方式包括以下至少一种或多种:推荐时间、推荐频率和推荐形式。
10.根据权利要求9所述的出行服务推荐方法,其特征在于,所述目标出行服务为预估出行资源消耗量最低的出行服务;所述按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息,包括:
按照预设推荐频率,向所述服务请求方推送针对所述预估出行资源消耗量最低的出行服务的推荐信息。
11.根据权利要求1所述的出行服务推荐方法,其特征在于,所述根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率,包括:
将所述出行场景信息输入至已训练完成的接受概率确定模型中,得到所述服务请求方对每个所述出行服务的接受概率;
所述已训练完成的接受概率确定模型是通过以下步骤得到:
获取训练样本;所述训练样本包括样本出行场景信息和样本接受概率;所述样本接受概率是样本出行场景信息下,服务请求方对每个出行服务的接受概率;
将所述训练样本输入至未训练完成的接受概率确定模型中进行训练,以使所述未训练完成的接受概率确定模型根据所述样本出行场景信息,得到所述服务请求方对每个出行服务的接受概率。
12.出行服务推荐装置,其特征在于,包括:
第一获取模块,用于根据服务请求方输入的订单操作信息,确定出行订单的下达阶段,根据所述下达阶段获取所述服务请求方下达所述出行订单时所在位置的出行场景信息和每个出行服务的供需情况;
第一确定模块,用于根据所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率;
选择模块,用于根据所述服务请求方对每个所述出行服务的接受概率和每个所述出行服务的供需情况,从多个所述出行服务中选择向所述服务请求方推荐的目标出行服务。
13.根据权利要求12所述的出行服务推荐装置,其特征在于,所述第一获取模块,包括:
第二确定模块,用于响应服务请求方所输入的订单操作信息,确定所述出行订单的下达阶段;
第二获取模块,用于若所述出行订单的下达阶段为目标下达阶段,则获取所述服务请求方下达出行订单时所在位置的出行场景信息和每个出行服务的供需情况;所述出行订单的下达阶段包括以下至少一种或多种:下达出行订单的服务起始位置阶段、下达出行订单的服务终止位置阶段、下达出行订单的服务起始时间阶段、下达出行订单的服务终止时间阶段和下达出行服务类型阶段。
14.根据权利要求12所述的出行服务推荐装置,其特征在于,所述出行场景信息包括以下至少一种或多种:所述服务请求方的特征信息、交通环境信息和天气环境信息。
15.根据权利要求14所述的出行服务推荐装置,其特征在于,所述服务请求方的特征信息包括以下至少一种或多种:年龄、性别、职业、经常居住地、经常出行地、历史选择的出行服务、历史订单金额和历史出行时长。
16.根据权利要求13所述的出行服务推荐装置,其特征在于,所述出行订单的下达阶段包括下达出行订单的服务起始时间阶段和下达出行订单的服务起始位置阶段;
所述第一确定模块,包括:
第三获取模块,用于获取预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间;
第三确定模块,用于根据所述出行订单的服务起始时间和预测的每个所述出行服务的服务提供方到达所述服务起始位置的时间,确定所述服务请求方对每个所述出行服务的接受概率。
17.根据权利要求13所述的出行服务推荐装置,其特征在于,所述出行订单的下达阶段包括下达出行订单的服务起始位置阶段和下达出行订单的服务终止位置阶段;
所述第一确定模块,包括:
第四确定模块,用于根据所述出行订单的服务起始位置和所述出行订单的服务终止位置,确定每个所述出行服务的预估出行资源消耗量;
第五确定模块,用于根据所述预估出行资源消耗量和所述出行场景信息,确定所述服务请求方对每个所述出行服务的接受概率。
18.根据权利要求17所述的出行服务推荐装置,其特征在于,所述预估出行资源消耗量包括以下至少一种或多种:预估订单金额、预估出行时长和预估出行里程。
19.根据权利要求12所述的出行服务推荐装置,其特征在于,还包括:
推送模块,用于向所述服务请求方推送针对所述目标出行服务的推荐信息;
响应模块,用于响应所述服务请求方针对所述目标出行服务的出行订单下达请求,生成所述目标出行服务的出行订单;
派发模块,用于向所述服务请求方所在位置所属区域的服务提供方派发所述出行订单。
20.根据权利要求19所述的出行服务推荐装置,其特征在于,所述推送模块,具体用于:按照预设推荐方式向所述服务请求方推送针对所述目标出行服务的推荐信息;所述预设推荐方式包括以下至少一种或多种:推荐时间、推荐频率和推荐形式。
21.根据权利要求20所述的出行服务推荐装置,其特征在于,所述目标出行服务为预估出行资源消耗量最低的出行服务;所述推送模块,具体用于:按照预设推荐频率,向所述服务请求方推送针对所述预估出行资源消耗量最低的出行服务的推荐信息。
22.根据权利要求12所述的出行服务推荐装置,其特征在于,所述第一确定模块,用于将所述出行场景信息输入至已训练完成的接受概率确定模型中,得到所述服务请求方对每个所述出行服务的接受概率;所述已训练完成的接受概率确定模型是通过以下步骤得到:获取训练样本;所述训练样本包括样本出行场景信息和样本接受概率;所述样本接受概率是样本出行场景信息下,服务请求方对每个出行服务的接受概率;将所述训练样本输入至未训练完成的接受概率确定模型中进行训练,以使所述未训练完成的接受概率确定模型根据所述样本出行场景信息,得到所述服务请求方对每个出行服务的接受概率。
23.一种电子设备,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11任一所述的出行服务推荐方法的步骤。
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任一所述的出行服务推荐方法的步骤。
25.一种计算机程序产品,包括计算机程序或指令,其特征在于,所述计算机程序或指令被处理器执行时实现权利要求1至11中任一项所述的出行服务推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011619713.8A CN112801324B (zh) | 2020-12-31 | 2020-12-31 | 出行推荐方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011619713.8A CN112801324B (zh) | 2020-12-31 | 2020-12-31 | 出行推荐方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801324A CN112801324A (zh) | 2021-05-14 |
CN112801324B true CN112801324B (zh) | 2024-07-05 |
Family
ID=75804870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011619713.8A Active CN112801324B (zh) | 2020-12-31 | 2020-12-31 | 出行推荐方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801324B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793195B (zh) * | 2021-08-25 | 2024-03-15 | 深圳依时货拉拉科技有限公司 | 网约车订单处理方法、装置、计算机设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110869953A (zh) * | 2018-02-06 | 2020-03-06 | 北京嘀嘀无限科技发展有限公司 | 推荐交通出行服务的***和方法 |
CN111310055A (zh) * | 2020-03-06 | 2020-06-19 | 汉海信息技术(上海)有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN112069401A (zh) * | 2020-08-26 | 2020-12-11 | 北京百度网讯科技有限公司 | 一种出行方式的推荐方法、装置、电子设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3586297A4 (en) * | 2017-03-27 | 2020-01-01 | Beijing Didi Infinity Technology And Development Co., Ltd. | CAR SHARING SYSTEMS AND METHODS |
CN108009654A (zh) * | 2017-08-16 | 2018-05-08 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法、装置、服务器和计算机可读存储介质 |
CN112041858A (zh) * | 2018-05-22 | 2020-12-04 | 北京嘀嘀无限科技发展有限公司 | 提供出行建议的***和方法 |
CN110766507A (zh) * | 2019-02-25 | 2020-02-07 | 北京嘀嘀无限科技发展有限公司 | 一种资源配置方法及装置 |
CN110399999B (zh) * | 2019-05-08 | 2024-06-04 | 腾讯科技(深圳)有限公司 | 乘车服务处理方法、装置、设备及存储介质 |
CN110309438A (zh) * | 2019-07-04 | 2019-10-08 | 泰康保险集团股份有限公司 | 行车路径的推荐方法、装置、计算机存储介质及电子设备 |
CN111198989A (zh) * | 2019-12-26 | 2020-05-26 | 东软集团股份有限公司 | 确定出行推荐数据的方法、装置、存储介质及电子设备 |
-
2020
- 2020-12-31 CN CN202011619713.8A patent/CN112801324B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110869953A (zh) * | 2018-02-06 | 2020-03-06 | 北京嘀嘀无限科技发展有限公司 | 推荐交通出行服务的***和方法 |
CN111310055A (zh) * | 2020-03-06 | 2020-06-19 | 汉海信息技术(上海)有限公司 | 一种信息推荐方法、装置、电子设备及存储介质 |
CN112069401A (zh) * | 2020-08-26 | 2020-12-11 | 北京百度网讯科技有限公司 | 一种出行方式的推荐方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112801324A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7077681B2 (ja) | 共用車両管理サーバ、及び、共用車両管理プログラム | |
CN111310055A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
US10885472B2 (en) | Dynamic transportation pooling | |
KR20210052499A (ko) | e-헤일링(e-hailing) 서비스 | |
CN109308537B (zh) | 站点推荐方法及装置 | |
CN111526170B (zh) | 推送方法、显示方法、装置、服务器、终端和存储介质 | |
CN110782301A (zh) | 一种拼单方法、装置、电子设备及计算机可读存储介质 | |
CN111695842B (zh) | 配送方案确定方法、装置、电子设备及计算机存储介质 | |
CN111899061B (zh) | 订单推荐方法、装置、设备及存储介质 | |
CN111861081A (zh) | 一种订单分配方法、装置、电子设备及存储介质 | |
CN111861643A (zh) | 一种乘车位置的推荐方法、装置、电子设备及存储介质 | |
US20220044570A1 (en) | Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes | |
WO2018146622A1 (en) | Dynamic selection of geo-based service options in a network system | |
CN112801324B (zh) | 出行推荐方法、装置、电子设备及计算机可读存储介质 | |
CN110580576A (zh) | 一种订单派发方法及装置 | |
CN112579910A (zh) | 信息处理方法、信息处理装置、存储介质和电子设备 | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
CN108694182B (zh) | 活动推送方法、活动推送装置和服务器 | |
CN114623844A (zh) | 导航数据处理方法、装置、程序产品、介质及电子设备 | |
CN112508423B (zh) | 引导路线生成方法及装置 | |
CN110826943B (zh) | 判断是否需要进行配车及确定公交配车数的方法及相关设备 | |
CN111833119A (zh) | 一种订单分配的方法、装置、电子设备及存储介质 | |
US20220044569A1 (en) | Dispatching provider devices utilizing multi-outcome transportation-value metrics and dynamic provider device modes | |
CN112561330A (zh) | 一种调度指令的生成方法、装置、电子设备及介质 | |
US20230076582A1 (en) | Transmitting digital transportation requests across modes to limited-eligibility provider devices to improve network coverage and system efficiency |
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 |