【技术实现步骤摘要】
发单量预估方法及装置、训练发单概率模型的方法及装置
本申请涉及网约车和数据处理
，具体而言，涉及一种发单量预估方法及装置、训练发单概率模型的方法及装置、电子设备、计算机可读存储介质。
技术介绍
服务策略是影响服务请求端在网约车平台上选取不同的出行类型发起出行订单的重要因素。当某一个出行类型的服务策略发生变化时，会影响其他出行类型对应的出行订单的数量。当前，一般采用实验的方式确定在某一种出行类型的服务策略发生变化时，所有出行类型对应的出行订单的数量的变化，该方法不仅效率低下、成本高，并且无法穷尽每种出行类型上的服务策略的各种变化对各个出行类型对应的出行订单数量的影响。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种发单量预估方法及装置、训练发单概率模型的方法及装置，能够基于待评估的服务策略，预估各个出行类型对应的出行订单的数量，避免了现有技术中实验的方式带来的效率差、成本高，并且无法穷尽每种出行类型上服务策略的各种变化对各个出行类型对应的出行订单数量的影响的缺陷。第一方面，本申请实施例提供了一种发单量预估方法，包括：基于获取的待评估的服务策略，预测多个服务请求端中每个服务请求端发起出行订单的概率；针对多种出行类型中的每种出行类型，基于该出行类型的服务策略，预测所述多个服务请求端中每个服务请求端在该出行类型下发起出行订单的概率；基于所述多个服务请求端中每个服务请求端发起出行订单的概率，以及每个所述服务请求端在每种出行类型下发起出行订单的概率，预测每...
【技术保护点】
1.一种发单量预估方法，其特征在于，包括：/n基于获取的待评估的服务策略，预测多个服务请求端中每个服务请求端发起出行订单的概率；/n针对多种出行类型中的每种出行类型，基于该出行类型的服务策略，预测所述多个服务请求端中每个服务请求端在该出行类型下发起出行订单的概率；/n基于所述多个服务请求端中每个服务请求端发起出行订单的概率，以及每个所述服务请求端在每种出行类型下发起出行订单的概率，预测每种出行类型对应的出行订单的数量。/n
【技术特征摘要】
1.一种发单量预估方法，其特征在于，包括：
基于获取的待评估的服务策略，预测多个服务请求端中每个服务请求端发起出行订单的概率；
针对多种出行类型中的每种出行类型，基于该出行类型的服务策略，预测所述多个服务请求端中每个服务请求端在该出行类型下发起出行订单的概率；
基于所述多个服务请求端中每个服务请求端发起出行订单的概率，以及每个所述服务请求端在每种出行类型下发起出行订单的概率，预测每种出行类型对应的出行订单的数量。
2.根据权利要求1所述的方法，其特征在于，所述待评估的服务策略为目标出行类型对应的待评估的服务策略。
3.根据权利要求2所述的方法，其特征在于，所述基于获取的待评估的服务策略，预测多个服务请求端中每个服务请求端发起出行订单的概率，包括：
基于目标出行类型的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系、以及待评估的服务策略，预测在待评估的服务策略下，多个服务请求端中每个服务请求端发起出行订单的概率。
4.根据权利要求3所述的方法，其特征在于，还包括构建所述目标出行类型的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系的步骤：
获取第一样本数据，所述第一样本数据包括目标出行类型的多个服务策略以及在第一样本数据中的每个服务策略下，多个服务请求端中的每个服务请求端是否发起出行订单的结果数据；
基于所述第一样本数据，构建所述目标出行类型的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系。
5.根据权利要求4所述的方法，其特征在于，还包括：
利用二分类逻辑斯特模型构建所述目标出行类型的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系。
6.根据权利要求5所述的方法，其特征在于，所述获取第一样本数据，包括：
获取服务请求端发起出行需求的时间在预定历史时间段内、出行需求对应的里程在预定里程范围内的第一样本数据；所述出行需求包括所述服务请求端的出发地和所述服务请求端的目的地；所述出行需求与所述出行订单相对应；
所述目标出行类型的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系，以所述预定历史时间段和预定里程范围作为哑变量。
7.根据权利要求4所述的方法，其特征在于，所述服务策略包括以下服务特征中的至少一个：
出行订单的价格、出行舒适度、出行安静度。
8.根据权利要求7所述的方法，其特征在于，所述基于所述第一样本数据，构建所述目标出行类型的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系，包括：
对目标出行类型每种服务策略中的每个服务特征进行函数运算，得到目标出行类型的处理后的服务策略；
基于目标出行类型的处理后的服务策略以及在每种处理后的服务策略下，多个服务请求端中的每个服务请求端是否发起出行订单的结果数据，构建目标出行类型的处理后的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系；
所述预测多个服务请求端中每个服务请求端发起出行订单的概率，包括：
对目标出行类型的待评估的服务策略中的每个服务特征进行函数运算，得到处理后的待评估的服务策略；
基于目标出行类型的处理后的每种服务策略与多个服务请求端中每个服务请求端发起出行订单的概率的对应关系、以及处理后的待评估的服务策略，确定每个服务请求端发起出行订单的概率。
9.根据权利要求8所述的方法，其特征在于，所述函数运算为对数函数运算。
10.根据权利要求1所述的方法，其特征在于，预测所述多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率，包括：
基于每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系、以及每种出行类型的服务策略，确定所述多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率。
11.根据权利要求10所述的方法，其特征在于，还包括建立每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系的步骤：
获取第二样本数据，所述第二样本数据包括每种出行类型的至少一种服务策略、以及针对多种出行类型中的每种出行类型，基于该出行类型的每种服务策略下，多个服务请求端中的每个服务请求端是否在该出行类型下发起出行订单的结果数据；
基于所述第二样本数据，构建每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系。
12.根据权利要求11所述的方法，其特征在于，还包括：
利用条件逻辑模型，构建每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系。
13.根据权利要求12所述的方法，其特征在于，所述获取第二样本数据，包括：
获取服务请求端发布出行需求的时间在预定历史时间段内、出行需求对应的里程在预定里程范围内的第二样本数据；所述出行需求包括所述服务请求端的出发地和所述服务请求端的目的地；所述出行需求与所述出行订单相对应；
所述每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系，以所述预定历史时间段和预定里程范围作为哑变量。
14.根据权利要求13所述的方法，其特征在于，所述预测所述多个服务请求端中每个服务请求端在该出行类型下发起出行订单的概率，包括：
基于每个所述服务请求端的每个出行需求的发布时间和每个所述出行需求对应的里程，选取具有对应的哑变量的每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系；
基于选取的每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系、以及该出行类型的服务策略，确定所述多个服务请求端中每个服务请求端在该出行类型下发起出行订单的概率。
15.根据权利要求11所述的方法，其特征在于，所述服务策略包括以下服务特征中的至少一个：
出行订单的价格、出行舒适度、出行安静度。
16.根据权利要求15所述的方法，其特征在于，所述基于所述第二样本数据，构建每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系，包括：
基于所述第二样本数据中每种出行类型的每种服务策略以及针对第二样本数据中每种出行类型，基于该出行类型的每种服务策略下，多个服务请求端中的每个服务请求端是否在该出行类型下发起出行订单的结果数据，确定在该出行类型的每种服务策略下，多个服务请求端中的每个服务请求端在该出行类型下发起出行订单的概率；
基于在每种出行类型的每种服务策略下，多个服务请求端中的每个服务请求端在每种出行类型下发起出行订单的概率，确定多个服务请求端中的每个服务请求端在每种出行类型的每种服务策略下发起出行订单的倾向分值；
基于多个服务请求端中的每个服务请求端在每种出行类型的每种服务策略下发起出行订单的倾向分值、以及每种出行类型的每种服务策略的每个服务特征的值，确定每种出行类型的每种服务策略的每个服务特征对应的指标系数，得到每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系。
17.根据权利要求16所述的方法，其特征在于，所述基于该出行类型的服务策略，预测所述多个服务请求端中每个服务请求端在该出行类型下发起出行订单的概率，包括：
基于该出行类型的服务策略中的每个服务特征的值，确定该出行类型的服务策略中的每个服务特征的指标系数；
基于该出行类型的服务策略中的每个服务特征的指标系数以及该出行类型的服务策略中的每个服务特征的值，确定多个服务请求端中的每个服务器请求端在该出行类型下发起出行订单的倾向分值；
基于所述倾向分值，预测述多个服务请求端中每个服务请求端在该出行类型下发起出行订单的概率。
18.根据权利要求17所述的方法，其特征在于，利用如下公式确定多个服务请求端中每个服务请求端在出行类型i下发起出行订单的概率：
式中，Vni表示第n个服务请求端在出行类型i下发起出行订单的倾向分值，Pni表示第n个服务请求端在出行类型i下发起出行订单的概率，J表示出行类型的数量，Vni表示第n个服务请求端在出行类型j下发起出行订单的倾向分值。
19.根据权利要求18所述的方法，其特征在于，利用如下公式确定出行类型i对应的倾向分值：
式中，Vni表示第n个服务请求端在出行类型i下发起出行订单的倾向分值，βk表示出行类型i的服务策略中第k个服务特征的指标系数，Xki表示出行类型i的服务策略中第k个服务特征的值，K表示出行类型i的服务策略中服务特征的数量。
20.一种训练发单概率模型的方法，其特征在于，包括：
获取第二样本数据，所述第二样本数据包括多种出行类型中的每种出行类型的至少一种服务策略、和针对多种出行类型中的每种出行类型，基于该出行类型的每种服务策略下，多个服务请求端中的每个服务请求端是否在该出行类型下发起出行订单的结果数据；
基于所述第二样本数据，构建每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系，得到发单概率计算模型。
21.根据权利要求20所述的方法，其特征在于，还包括：
利用条件逻辑模型，构建每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系。
22.根据权利要求21所述的方法，其特征在于，所述获取第二样本数据，包括：
获取服务请求端发布出行需求的时间在预定历史时间段内、出行需求对应的里程在预定里程范围内的第二样本数据；所述出行需求包括所述服务请求端的出发地和所述服务请求端的目的地；所述出行需求与所述出行订单相对应；
所述每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系，以所述预定历史时间段和预定里程范围作为哑变量。
23.根据权利要求20所述的方法，其特征在于，所述服务策略包括以下服务特征中的至少一个：
出行订单的价格、出行舒适度、出行安静度。
24.根据权利要求23所述的方法，其特征在于，所述基于所述第二样本数据，构建每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系，包括：
基于所述第二样本数据中每种出行类型的每种服务策略以及针对第二样本数据中每种出行类型，基于该出行类型的每种服务策略下，多个服务请求端中的每个服务请求端是否在该出行类型下发起出行订单的结果数据，确定在该出行类型的每种服务策略下，多个服务请求端中的每个服务请求端在该出行类型下发起出行订单的概率；
基于在每种出行类型的每种服务策略下，多个服务请求端中的每个服务请求端在每种出行类型下发起出行订单的概率，确定多个服务请求端中的每个服务请求端在每种出行类型的每种服务策略下发起出行订单的倾向分值；
基于多个服务请求端中的每个服务请求端在每种出行类型的每种服务策略下发起出行订单的倾向分值、以及每种出行类型的每种服务策略的每个服务特征的值，确定每种出行类型的每种服务策略的每个服务特征对应的指标系数，得到每种出行类型的每种服务策略与多个服务请求端中每个服务请求端在每种出行类型下发起出行订单的概率的对应关系。
25.根据权利要求23所述的方法，其特征在于，所述发单概率计算模型包括：
式中，βk表示出行类型i的服务策略中第k个服务特征的指标系数，Pni表示第n个服务请求端在出行类型i下发起出行订单的概率，J表示出行类型的数量，Xki表示出行类型i的服务策略中第k个服务特征的值，Vni表示第n个服务请求端在出行类型i下发起出行订单的倾向分值，Vni表示第n个服务请求端在出行类型j下发起出行订单的倾向分值，K表示出行类型i的...
【专利技术属性】
技术研发人员：谢梁，李盼，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。