模型生成方法及装置、信息获取方法及装置制造方法及图纸

本发明专利技术实施例提供了一种模型生成方法及装置、信息获取方法及装置，该模型生成方法包括：筛选出符合指定条件的货主用户；对于符合指定条件的货主用户，获取所述货主用户的运输历史记录；利用机器学习算法对获取的运输历史记录进行训练，生成承运指导价格评估模型。信息获取方法包括：接收信息获取请求，响应于所述信息获取请求，获取待运输货物信息；将所述待运输货物信息输入承运指导价格评估模型，得到待运输货物的承运指导价格。本发明专利技术实施例提供的技术方案在一定程度上解决了货物运输效率比较低的问题。

Model Generation Method and Device, Information Acquisition Method and Device

The embodiment of the present invention provides a model generation method and device, an information acquisition method and a device. The model generation method includes: screening out the cargo owner user who meets the specified conditions; acquiring the transport history record of the cargo owner user who meets the specified conditions; training the acquired transport history record by using machine learning algorithm to generate the contract guidance price. Lattice evaluation model. The information acquisition method includes: receiving the information acquisition request, responding to the information acquisition request, obtaining the information of the goods to be transported; inputting the information of the goods to be transported into the evaluation model of the carrying guidance price, and obtaining the carrying guidance price of the goods to be transported. The technical scheme provided by the embodiment of the present invention solves the problem of low freight transportation efficiency to a certain extent.

【技术实现步骤摘要】
模型生成方法及装置、信息获取方法及装置
本专利技术涉及人工智能领域，尤其涉及一种模型生成方法及装置、信息获取方法及装置。
技术介绍
货物运输的两大核心内容：一个是快捷、准确、节约的配送服务；一个是安全、可靠的货物运输与结算。最初货运状态还处在粗放型发展阶段，货物配送还停留在原始的司机找货和货找车阶段。然而，这种司机找货和货找车的方式，降低了货物运输的效率，成本比较高。因此，后来出现一种货物运输电子商务平台，车船会员可以使用移动终端将其空闲运力的信息发布到该平台，货主用户使用移动终端将待运输货物信息发布到该平台，该平台收到后，对其进行审核并分配车船进行运输。然而，实际应用中，对于货主用户而言，最重要的无非是货物运输的价格，然而现有技术中，货主运输的价格需要货主用户与车主会员进行一对一商谈，缺少对货物运输的价格的客观评估，很容易导致双方商谈失败，降低了货物运输效率。
技术实现思路
有鉴于此，本专利技术实施例提供了一种模型生成方法及装置、信息获取方法及装置，在一定程度上解决了货物运输效率比较低的问题。第一方面，本专利技术实施例提供一种模型生成方法，包括：筛选出符合指定条件的货主用户；对于符合指定条件的货主用户，获取所述货主用户的运输历史记录；利用机器学习算法对获取的运输历史记录进行训练，生成承运指导价格评估模型。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，筛选出符合指定条件的货主用户，包括：获取各货主用户的运输历史记录，所述运输历史记录中包括每次运输的起始地和对应的货运量；对于每个货主用户，针对相同的起始地，根据对应的货运量获取每个起始地的货运量总量；根据预设的货运量阈值，判断是否存在货运量总量大于或者等于货运量阈值的起始地，如果存在，识别出对应的货主用户满足指定条件。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述货主用户的运输历史记录，并利用机器学习算法，生成承运指导价格评估模型，包括：根据符合所述指定条件的货主用户的运输历史记录，获取符合所述指定条件的货主用户的运输统计数据，所述运输统计数据包括：可承运货物的种类、每年的货运总量、运输方式、起始地、目的地、每种货物的现运输单价、每个季节运输单价相比于全年平均单价的浮动率、承运价格的结付方式以及起始地、目的地、货物的种类与运输单价的一一映射关系；对符合所述指定条件的货主用户的运输统计数据进行机器学习，生成承运指导价格评估模型。第二方面，本专利技术实施例提供一种信息获取方法，包括：接收信息获取请求，响应于所述信息获取请求，获取待运输货物信息；将所述待运输货物信息输入承运指导价格评估模型，得到待运输货物的承运指导价格；其中，所述承运指导价格评估模型为利用上述模型生成方法生成的。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：确定货主用户，并获取所述货主用户的特征信息；将所述货主用户的特征信息输入承运指导价格评估模型，得到所述货主用户的货物种类、起始地、目的地与承运指导价格的对应关系。第三方面，本专利技术实施例提供一种模型生成装置，包括：筛选模块，用于筛选出符合指定条件的货主用户；统计模块，用于对于符合指定条件的货主用户，获取所述货主用户的运输历史记录；训练模块，用于利用机器学习算法对获取的运输历史记录进行训练，生成承运指导价格评估模型。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述筛选模块具体用于：获取各货主用户的运输历史记录，所述运输历史记录中包括每次运输的起始地和对应的货运量；对于每个货主用户，针对相同的起始地，根据对应的货运量获取每个起始地的货运量总量；根据预设的货运量阈值，判断是否存在货运量总量大于或者等于货运量阈值的起始地，如果存在，识别出对应的货主用户满足指定条件。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述统计模块具体用于：根据符合所述指定条件的货主用户的运输历史记录，获取符合所述指定条件的货主用户的运输统计数据，所述运输统计数据包括：可承运货物的种类、每年的货运总量、运输方式、起始地、目的地、每种货物的现运输单价、每个季节运输单价相比于全年平均单价的浮动率、承运价格的结付方式以及起始地、目的地、货物的种类与运输单价的一一映射关系；对符合所述指定条件的货主用户的运输统计数据进行机器学习，生成承运指导价格评估模型。第四方面，本专利技术实施例提供一种信息获取装置，包括：接收模块，用于接收信息获取请求；第一获取模块，用于响应于所述信息获取请求，获取待运输货物信息；评估模块，用于将所述待运输货物信息输入承运指导价格评估模型，得到待运输货物的承运指导价格；其中，所述承运指导价格评估模型为上述所述的模型生成装置生成的。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括：第二获取模块，用于确定货主用户，并获取所述货主用户的特征信息；所述评估模块，还用于将所述货主用户的特征信息输入承运指导价格评估模型，得到所述货主用户的货物种类、起始地、目的地与承运指导价格的对应关系。本专利技术实施例具有以下有益效果：通过对货主用户进行筛选，并进一步得到运输历史记录，以进行训练生成承运指导价格评估模型，这样，可以在需要进行价格评估时，利用待运输货物信息输入该承运指导价格评估模型，进而可以自动实现指导价格评估，得到准确、客观的承运指导价格。避免了人工进行指导价格评估带来的不准确问题和不客观问题，从而提高了货物运输效率。此外，自动实现指导价格评估可以进一步提高评估效率，也可以提高货物运输的交易效率。【附图说明】为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例所提供的模型生成方法的流程示意图；图2为本专利技术实施例所提供的信息获取方法的流程示意图；图3为本专利技术实施例所提供的模型生成装置的功能方块图；图4为本专利技术实施例所提供的信息获取装置的功能方块图。【具体实施方式】为了更好的理解本专利技术的技术方案，下面结合附图对本专利技术实施例进行详细描述。应当明确，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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它实施例，都属于本专利技术保护的范围。在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当本文档来自技高网...

【技术保护点】
1.一种模型生成方法，其特征在于，所述方法包括：筛选出符合指定条件的货主用户；对于符合指定条件的货主用户，获取所述货主用户的运输历史记录；利用机器学习算法对获取的运输历史记录进行训练，生成承运指导价格评估模型。

【技术特征摘要】
1.一种模型生成方法，其特征在于，所述方法包括：筛选出符合指定条件的货主用户；对于符合指定条件的货主用户，获取所述货主用户的运输历史记录；利用机器学习算法对获取的运输历史记录进行训练，生成承运指导价格评估模型。2.根据权利要求1所述的方法，其特征在于，筛选出符合指定条件的货主用户，包括：获取各货主用户的运输历史记录，所述运输历史记录中包括每次运输的起始地和对应的货运量；对于每个货主用户，针对相同的起始地，根据对应的货运量获取每个起始地的货运量总量；根据预设的货运量阈值，判断是否存在货运量总量大于或者等于货运量阈值的起始地，如果存在，识别出对应的货主用户满足指定条件。3.根据权利要求1或2所述的方法，其特征在于，根据所述货主用户的运输历史记录，并利用机器学习算法，生成承运指导价格评估模型，包括：根据符合所述指定条件的货主用户的运输历史记录，获取符合所述指定条件的货主用户的运输统计数据，所述运输统计数据包括：可承运货物的种类、每年的货运总量、运输方式、起始地、目的地、每种货物的现运输单价、每个季节运输单价相比于全年平均单价的浮动率、承运价格的结付方式以及起始地、目的地、货物的种类与运输单价的一一映射关系；对符合所述指定条件的货主用户的运输统计数据进行机器学习，生成承运指导价格评估模型。4.一种信息获取方法，其特征在于，所述方法包括：接收信息获取请求，响应于所述信息获取请求，获取待运输货物信息；将所述待运输货物信息输入承运指导价格评估模型，得到待运输货物的承运指导价格；其中，所述承运指导价格评估模型为利用权利要求1至3中任一所述的模型生成方法生成的。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：确定货主用户，并获取所述货主用户的特征信息；将所述货主用户的特征信息输入承运指导价格评估模型，得到所述货主用户的货物种类、起始地、目的地与承运指导价格的对应关系。6.一种模型生成装置，其特...

【专利技术属性】
技术研发人员：施文进，施俊，郁培昌，
申请(专利权)人：惠龙易通国际物流股份有限公司，
类型：发明
国别省市：江苏,32