一种基于按需服务的多对多需求分配方法组成比例

本发明专利技术公开了一种基于按需服务的多对多需求分配方法；包括：确定多个待分配需求和多个待服务需求的服务提供者；采用预先建立的需求被响应时间概率分布预估模型，根据需求和服务提供者的特征获得该需求在一对一情况下的被响应时间概率分布；计算各需求在多对多下的被响应时间概率分布；基于各需求在多对多下的被响应时间概率分布和组合优化来确定多对多的需求分配方式；根据需求分配方式，向多个服务提供者推送所述需求；本发明专利技术在需求分配阶段，允许需求被推送给多个服务提供者，一个服务提供者也能接收到多个需求，并从中选取一个进行接受或是拒绝所有需求；有效降低需求的被响应时间，提高服务提供者的使用体验，取得最优的需求分配方式。

A Multi-to-Multi Requirement Assignment Method Based on On-Demand Service

【技术实现步骤摘要】
一种基于按需服务的多对多需求分配方法
本专利技术涉及服务分配处理的研究领域，特别涉及一种基于按需服务的多对多需求分配方法。
技术介绍
按需服务平台的出现，为人们的生活带来了巨大的便利。目前大多数的需求分配平台，在需求分配方面采用如下三种方式进行分配：其一，当按需服务平台接受到需求后，在空闲服务提供者中为该需求寻找合适的服务提供者，并进行推送；服务提供者接收到该需求后，可以根据自己的喜好选择是否接受该需求。一个服务提供者是否能最终获得该需求，还需要考虑其他服务提供者对该需求的响应情况。其二，当服务提供者进入按需服务平台后，通过为该服务提供者寻找合适的需求以进行需求分配。具体实施方式为分配系统在需求数据库中搜寻未成交需求，计算该服务提供者与各个需求的相关性，再选择多个最匹配的需求推送给该服务提供者，最后由服务提供者决定是否接受这些需求。这两种需求分配方法都无法确保找到最优的供需匹配方式，因为这两种方法都始终以一方(需求或服务提供者)为中心，无法兼顾到其它个体，所以无法达到全局最优。其三，以按轮分配的方式进行需求分配。在此模式下，每隔固定的时间段，需求分配系统将进行一次需求与订单之间的匹配。如果一个需求没有被任何一个司机接受，其将进入下一轮的分配直到其被接受或者被需求发出者取消。考虑到服务提供者可能会拒绝平台向其推送的需求，一个需求往往需要推送给多个服务提供者以增加该需求在此轮分配中被接受的可能性。在一轮分配中往往有不止一个需求需要被分配，所以需求分配系统需要综合考虑此轮分配中所有需求被接受的可能性，并使得所有需求被接受的总可能性最大。此种分配模式被称为一对多的分配模式，即一个需求可以被同时推送给多个服务提供者，但一个服务提供者同时只能接收到一个需求，其需要选择是接受还是拒绝该需求。当需求数量远远少于服务提供者数量时，这种需求分配模式可以取得较好的效果。然而，在服务提供者数量低于需求数量的高峰时间段，该分配模型的性能将大打折扣。在这种情况下，一轮分配并不能将所有需求分发给服务提供者，挂起的需求将等待多轮才能被分发给服务提供者，造成需求从发起到被服务提供者接受的时间间隔过长。由于在该分配模型中一个服务提供者一轮只能收到一个需求，如果其拒绝了一轮里分配给他(她)的需求，他(她)将只能等待下一轮的分配，造成了服务提供者的高空闲率。在按轮分配的方式中，还有一种基于一对多模式的改进需求分配方法，该方法需要首先根据具体技术场景人为确定一个服务提供者在一轮需求分配中接收需求的数量，使得一个服务提供者可以有更多的需求可以选择，从而在一定程度上克服了一对多需求分配模式中的缺陷。这种方法的缺陷是需要对一个服务提供者在一轮需求分配中接收需求的数量进行人为控制，在算法的实际部署中使用较为不方便。而且在这种方法中，一个服务提供者在接收到多个需求时，由于其只能服务一个需求，所以其对每个需求接受概率会由于需求间的竞争而发生变化，但这种方法没有考虑到这种变化，并简单认为该服务提供者对其接收到的各需求的接受概率没有发生变化。在按轮分配的方式中，最后还有一种基于多对一模式的需求分配算法，所谓多对一模式即为一个服务提供者可以同时接收到多个需求，其可以从这些需求中选择一个进行接受。但该方法中一个需求只能被推送给一个服务提供者，且要求每个服务提供者所能接收到的需求数量相等。这种方法在需求数量远远大于服务提供者数量的需求高峰时期可以取得较好表现，但当需求和服务提供者的数量比例不满足这种关系时，该方法的效果将大打折扣。并且这些方法都只是从需求被接受的概率角度对需求分配方案进行考虑，没有从降低需求的被响应时间角度，从而无法达到优化需求被响应时间的目的。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于按需服务的多对多需求分配方法；通过在需求分配阶段，首先预估各个需求的被响应时间的概率分布，进而允许一个需求被推送给多个服务提供者的同时，一个服务提供者也能接收到多个需求，并对一个服务提供者接收到多个需求时各需求间的竞争情况进行了建模分析；接收到一个需求的服务提供者数量和一个服务提供者能接收到的需求数量完全由需求分配算法自动确定，无需人为事先设定；有效地降低了需求的平均响应时间，并降低了服务提供者的平均空闲率，从而解决了现有技术中所存在的上述问题。本专利技术的目的通过以下的技术方案实现：一种基于按需服务的多对多需求分配方法，包括以下步骤：S1、确定多个待分配的需求和多个待服务需求的服务提供者；S2、采用预先建立的需求被响应时间概率分布预估模型，根据需求和服务者的特征获得该需求在一对一情况下的被响应时间概率分布；S3、计算各需求在多对多下的被响应时间概率分布；S4、基于各需求在多对多下的被响应时间概率分布和组合优化来确定多对多的需求分配方式；S5、根据所确定的需求分配方式，向多个服务提供者推送所述需求。进一步地，还包括步骤，在建立需求被响应时间概率分布预估模型之前，需要获取一对一情况下的历史需求响应数据；所述一对一情况为：服务提供者只能观察到一个需求。进一步地，所述历史需求响应数据包含：成交需求的服务内容、出发地、目的地、被响应时间、服务提供者到达需求出发地的耗时、历史响应时间、接收需求的偏好。进一步地，所述待分配的需求包括按需服务平台一轮分配中需要分配给服务提供者的所有需求；所述确定多个待服务需求的服务提供者包括：按需服务平台一轮分配中在线且空闲的所有服务提供者。进一步地，所述步骤S2具体为：S201、确定按需服务平台的需求分配时间间隔；S202、将需求的被响应时间划分为多个时间段；对于需求被响应时间大于需求分配时间间隔的时间段划分为单独一类，即这类时间段表示服务提供者没有在有效时间段内响应其接收到的需求；对于需求被响应时间小于需求分配时间间隔的时间段，通过在历史数据中需求被响应时间分布的基础上使用聚类算法，获得多个响应时间段；S203、训练需求被响应时间概率分布预估模型；将历史需求响应数据作为特征数据，采用多分类模型，并设定多分类模型以概率的形式输出多分类结果，进行训练，得到一对一情况下服务提供者对需求响应时间的概率分布；S204、根据实时获取的需求响应数据，采用机器学习算法，对所述需求被响应时间概率分布预估模型进行优化；即不断在预估模型的训练数据中加入新的训练样本；所述优化具体为：实时获取的需求响应数据按服务提供者是否出现接受行为进行划分，第一类数据为服务提供者接受了其所收到的需求中的一个，第二类数据为服务提供者没有接受其接收到的任何需求；对于第一类数据，将服务提供者最终接受的需求的特征和该服务提供者的特征进行组合，将该数据标签置为具体的响应时间在多分类模型中对应的类别，并加入到训练集中；对于服务提供者有接收到但没有接受的需求，不能将该服务提供者对于这些需求的未响应数据添加进训练集中；对于第二类数据，分别将该服务提供者接收到的每个需求的特征和该服务提供者的特征进行组合，得到数量等于其接收到的需求数量的需求响应数据，将这些数据的标签置为多分类模型中的最后一类；最后将这些数据加入到训练集中；根据实时获取的需求响应数据，重新对预估模型进行训练进而得到新的预估模型。进一步地，所述多分类模型为逻辑回归模型、支持向量机、随机森林、梯度提升树、本文档来自技高网...

【技术保护点】
1.一种基于按需服务的多对多需求分配方法，其特征在于，包括以下步骤：S1、确定多个待分配的需求和多个待服务需求的服务提供者；S2、采用预先建立的需求被响应时间概率分布预估模型，根据需求和服务者的特征获得该需求在一对一情况下的被响应时间概率分布；S3、计算各需求在多对多下的被响应时间概率分布；S4、基于各需求在多对多下的被响应时间概率分布和组合优化来确定多对多的需求分配方式；S5、根据所确定的需求分配方式，向多个服务提供者推送所述需求。

【技术特征摘要】
1.一种基于按需服务的多对多需求分配方法，其特征在于，包括以下步骤：S1、确定多个待分配的需求和多个待服务需求的服务提供者；S2、采用预先建立的需求被响应时间概率分布预估模型，根据需求和服务者的特征获得该需求在一对一情况下的被响应时间概率分布；S3、计算各需求在多对多下的被响应时间概率分布；S4、基于各需求在多对多下的被响应时间概率分布和组合优化来确定多对多的需求分配方式；S5、根据所确定的需求分配方式，向多个服务提供者推送所述需求。2.根据权利要求1所述的一种基于按需服务的多对多需求分配方法，其特征在于，还包括步骤，在建立需求被响应时间概率分布预估模型之前，需要获取一对一情况下的历史需求响应数据；所述一对一情况为：服务提供者只能观察到一个需求。3.根据权利要求2所述的一种基于按需服务的多对多需求分配方法，其特征在于，所述历史需求响应数据包含：成交需求的服务内容、出发地、目的地、被响应时间、服务提供者到达需求出发地的耗时、历史响应时间、接收需求的偏好。4.根据权利要求1所述的一种基于按需服务的多对多需求分配方法，其特征在于，所述待分配的需求包括按需服务平台一轮分配中需要分配给服务提供者的所有需求；所述确定多个待服务需求的服务提供者包括：按需服务平台一轮分配中在线且空闲的所有服务提供者。5.根据权利要求1所述的一种基于按需服务的多对多需求分配方法，其特征在于，所述步骤S2具体为：S201、确定按需服务平台的需求分配时间间隔；S202、将需求的被响应时间划分为多个时间段；对于需求被响应时间大于需求分配时间间隔的时间段划分为单独一类，即这类时间段表示服务提供者没有在有效时间段内响应其接收到的需求；对于需求被响应时间小于需求分配时间间隔的时间段，通过在历史数据中需求被响应时间分布的基础上使用聚类算法，获得多个响应时间段；S203、训练需求被响应时间概率分布预估模型；将历史需求响应数据作为特征数据，采用多分类模型，并设定多分类模型以概率的形式输出多分类结果，进行训练，得到一对一情况下服务提供者对需求响应时间的概率分布；S204、根据实时获取的需求响应数据，采用机器学习算法，对所述需求被响应时间概率分布预估模型进行优化；即不断在预估模型的训练数据中加入新的训练样本；所述优化具体为：实时获取的需求响应数据按服务提供者是否出现接受行为进行划分，第一类数据为服务提供者接受了其所收到的需求中的一个，第二类数据为服务提供者没有接受其接收到的任何需求；对于第一类数据，将服务提供者最终接受的需求的特征和该服务提供者的特征进行组合，将该数据标签置为具体的响应时间在多分类模型中对应的类别，并加入到训练集中；对于服务提供者有接收到但没有接受的需求，不能将该服务提供者对于这些需求的未响应数据添加进训练集中；对于第二类数据，分别将该服务提供者接收到的每个需求的特征和该服务提供者的特征进行组合，得到数量等于其接收到的需求数量的需求响应数据，将这些数据的标签置为多分类模型中的最后一类；最后将这些数据加入到训练集中；根据实时获取的需求响应数据，重新对预估模型进行训练进而得到新的预估模型。6.根据权利要求5所述的一种基于按需服务的多对多需求分配方法，其特征在于，所述多分类模型为逻辑回归模型、支持向量机、随机森林、梯度提升树、神经网络模型的其中一种。7.根据权利要求1所述的一种基于按需服务的多对多需求分配方法，其特征在于，所述步骤S3具体为：S301、获取多对一情况下各需求被响应时间概率分布的变化模式；令Pds(t)表示在多对一情况下服务提供者s对其接收到的需求d响应时间的概率分布，Pds(Tb＜t...

【专利技术属性】
技术研发人员：余玺，杨磊，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44