预约订单的价格倍数确定方法和装置制造方法及图纸

本发明专利技术实施例涉及网络约车技术领域，具体是关于一种预约订单的价格倍数确定方法，包括：接收终端发出的包含预约订单数据的信息；获取与所述预约订单的价格倍数相关的特征数据；根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。通过本发明专利技术实施例的技术方案，一方面使得价格倍数与未来的起始时间、起始位置等各种特征数据的预测情况更相符，使得乘客可以根据调整后的价格合理地决定是否需要调整预约订单，以便平衡未来起始时间、起始位置运力的供需；另一方面可以合理地提高接到预约订单的司机的收益，保证司机接预约订单的热情，也就间接地提高了预约订单的接单率。

【技术实现步骤摘要】
预约订单的价格倍数确定方法和装置
本专利技术实施例涉及网络约车
，尤其涉及一种预约订单的价格倍数确定方法和一种预约订单的价格倍数确定装置。
技术介绍
目前网络约车领域的动态调价策略，可以在一定程度上平衡乘客和司机的供需关系，并提高司机的收入。例如在某个时刻乘客下达一份网络约车订单，那么根据乘客所在位置和当前时刻空闲司机与约车订单的比值，可以确定相应的价格倍数，例如约车订单与空闲司机的比值越大，那么价格倍数越大。但是目前的动态调价策略仅仅适用于实时订单，若乘客生成一份在未来的某个时刻和某个地点乘车的预约订单，预约订单的价格倍数不会提高，如果在未来的预约乘车时刻和预约乘车起点约车订单与空闲司机的比值较大，也即空闲司机供不应求，由于预约订单的价格倍数未提高，也就无法提高预约乘车时刻和预约乘车起点的司机的收入，而且也无法平衡乘客和司机的供需关系。
技术实现思路
本专利技术实施例提供一种预约订单的价格倍数确定方法及预约订单的价格倍数确定装置，以解决相关技术中的不足。根据本专利技术实施例的第一方面，提供一种预约订单的价格倍数确定方法，包括：接收终端发出的包含预约订单数据的信息；获取与所述预约订单的价格倍数相关的特征数据；根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。可选地，所述预测模型采用如下步骤生成：获取历史订单的历史特征数据，以及与所述历史特征数据相关联的历史价格倍数信息，将所述历史特征数据和所述历史价格倍数信息构成的训练数据作为训练集；通过机器学习算法，利用所述训练集学习得到所述预测模型。可选地，所述机器学习算法包括以下至少之一：线性回归算法、回归决策树算法、迭代决策树算法或随机森林算法。可选地，所述通过机器学习算法，从所述训练集中学习得到所述预测模型包括：为每条所述训练数据分配设置价格倍数的初始预测值；根据所述初始预测值和所述训练集，采用迭代决策树算法，生成所述预设模型。可选地，所述通过机器学习算法，从所述训练集中学习得到所述预测模型还包括：确定第一时间段内的与历史特征数据相关联的历史价格倍数；计算预设数目的所述历史价格倍数的平均值作为所述初始预测值。可选地，上述方法还包括：将第二时间段内的历史特征数据，以及与所述第二时间段内的历史特征数据相关联的历史价格倍数信息构成的测试数据作为测试集；根据所述测试集和所述预测模型计算目标历史时间的测试价格倍数；根据所述目标历史时间的实际价格倍数和所述测试价格倍数，确定所述预测模型是否准确。可选地，所述特征数据包括以下至少之一：起始时间，起始位置，终点位置，乘客评价，拼车情况或历史订单的价格倍数。可选地，所述预测模型对应每个所述特征数据具有相应的权值。可选地，在所述特征数据包括历史订单的价格倍数的情况下，所述历史订单的价格倍数的权值与所述预约订单的起始时间到当前时间的差值成反比。根据本专利技术实施例的第二方面，提供一种预约订单的价格倍数确定装置，包括：接收单元，用于接收终端发出的包含预约订单数据的信息；获取单元，用于获取与所述预约订单的价格倍数相关的特征数据；计算单元，用于根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。可选地，上述装置还包括：训练单元，用于获取历史订单的历史特征数据，以及与所述历史特征数据相关联的历史价格倍数信息，将所述历史特征数据和所述历史价格倍数信息构成的训练数据作为训练集；学习单元，用于通过机器学习算法，利用所述训练集学习得到所述预测模型。可选地，所述机器学习算法包括以下至少之一：线性回归算法、回归决策树算法、迭代决策树算法或随机森林算法。可选地，所述学习单元包括：配置子单元，用于为每条所述训练数据分配设置价格倍数的初始预测值；生成子单元，用于根据所述初始预测值和所述训练集，采用迭代决策树算法，生成所述预设模型。可选地，所述学习单元还包括：确定子单元，用于确定第一时间段内的与历史特征数据相关联的历史价格倍数；计算子单元，用于计算预设数目的所述历史价格倍数的平均值作为所述初始预测值。可选地，上述装置还包括：测试单元，用于将第二时间段内的历史特征数据，以及与所述第二时间段内的历史特征数据相关联的历史价格倍数信息构成的测试数据作为测试集；根据所述测试集和所述预测模型计算目标历史时间的测试价格倍数；根据所述目标历史时间的实际价格倍数和所述测试价格倍数，确定所述预测模型是否准确。可选地，所述特征数据包括以下至少之一：起始时间，起始位置，终点位置，乘客评价，拼车情况或历史订单的价格倍数。可选地，所述预测模型对应每个所述特征数据具有相应的权值。可选地，在所述特征数据包括历史订单的价格倍数的情况下，所述历史订单的价格倍数的权值与所述预约订单的起始时间到当前时间的差值成反比。根据本专利技术实施例的第三方面，提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：接收终端发出的包含预约订单数据的信息；获取与所述预约订单的价格倍数相关的特征数据；根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。根据本专利技术实施例的第四方面，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以下步骤：接收终端发出的包含预约订单数据的信息；获取与所述预约订单的价格倍数相关的特征数据；根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。由上述实施例可知，由于预先生成的预测模型可以是根据历史特征数据和与其对应的价格倍数学习出来的，因此该预测模型可以用于表示各特征数据与价格倍数的关系，其中，对应每个特征数据具有相应的权值，例如历史订单的价格倍数的权值可以是正数，也即历史订单的价格倍数与预测的价格倍数成正比。历史订单的价格倍数越大，说明在该起始位置、起始时间，历史上运力较为稀缺，也即空闲司机和订单的比例较小，因此针对该起始位置、起始时间，也预测具有同样的结果，即运力较为稀缺，因此可以提高价格倍数。可见，基于预测模型，可以准确地反映各特征数据与价格倍数的关系，因此可以基于预测模型准确地确定价格倍数。通过将获取到的特征数据带入预测模型进行计算，可以得到基于获取到的特征数据的预测的价格倍数，进而基于得到的价格倍数，可以对预约订单的价格进行调整，再将调整后的价格反馈至发出预约订单的乘客的终端，一方面使得价格倍数与未来的起始时间、起始位置等各种特征数据的预测情况更相符，使得乘客可以根据调整后的价格合理地决定是否需要调整预约订单，以便平衡未来起始时间、起始位置运力的供需；另一方面可以合理地提高接到预约订单的司机的收益，保证司机接预约订单的热情，也就间接地提高了预约订单的接单率。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1示出根据本专利技术实施例的一种预约订单的价格倍数确定方法的示意流程图。图2示出根据本专利技术实施例的一种生成预测模型的方法的示意流程图。图3示出根据本专利技术实施例的另一种生成预测模型的方法的示意流程图。图4示出根据本专利技术实施例的又一种生成预测模型的方法的示意流程图。图5示出根据本专利技术实施例的一种预约订单的价格倍数确定装置的本文档来自技高网...

【技术保护点】
1.一种预约订单的价格倍数确定方法，其特征在于，包括：接收终端发出的包含预约订单数据的信息；获取与所述预约订单的价格倍数相关的特征数据；根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。

【技术特征摘要】
1.一种预约订单的价格倍数确定方法，其特征在于，包括：接收终端发出的包含预约订单数据的信息；获取与所述预约订单的价格倍数相关的特征数据；根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。2.根据权利要求1所述的方法，其特征在于，所述预测模型采用如下步骤生成：获取历史订单的历史特征数据，以及与所述历史特征数据相关联的历史价格倍数信息，将所述历史特征数据和所述历史价格倍数信息构成的训练数据作为训练集；通过机器学习算法，利用所述训练集学习得到所述预测模型。3.根据权利要求2所述的方法，其特征在于，所述机器学习算法包括以下至少之一：线性回归算法、回归决策树算法、迭代决策树算法或随机森林算法。4.根据权利要求2所述的方法，其特征在于，所述通过机器学习算法，从所述训练集中学习得到所述预测模型包括：为每条所述训练数据分配设置价格倍数的初始预测值；根据所述初始预测值和所述训练集，采用迭代决策树算法，生成所述预设模型。5.根据权利要求4所述的方法，其特征在于，所述通过机器学习算法，从所述训练集中学习得到所述预测模型还包括：确定第一时间段内的与历史特征数据相关联的历史价格倍数；计算预设数目的所述历史价格倍数的平均值作为所述初始预测值。6.根据权利要求1至5中任一项所述的方法，其特征在于，还包括：将第二时间段内的历史特征数据，以及与所述第二时间段内的历史特征数据相关联的历史价格倍数信息构成的测试数据作为测试集；根据所述测试集和所述预测模型计算目标历史时间的测试价格倍数；根据所述目标历史时间的实际价格倍数和所述测试价格倍数，确定所述预测模型是否准确。7.根据权利要求1至5中任一项所述的方法，其特征在于，所述特征数据包括以下至少之一：起始时间，起始位置，终点位置，乘客评价，拼车情况或历史订单的价格倍数。8.根据权利要求7所述的方法，其特征在于，所述预测模型对应每个所述特征数据具有相应的权值。9.根据权利要求8所述的方法，其特征在于，在所述特征数据包括历史订单的价格倍数的情况下，所述历史订单的价格倍数的权值与所述预约订单的起始时间到当前时间的差值成反比。10.一种预约订单的价格倍数确定装置，其特征在于，包括：接收单元，用于接收终端发出的包含预约订单数据的信息；获取单元，用于获取与所述预约订单的价格倍数相关的特征数据；计算单元，用于根据所述特征数据和预先生成的预测模型，计算所述预约订单的价格倍数。11.根据权利要求10所述的装置，其特征在...

【专利技术属性】
技术研发人员：李隽钦，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京,11