【技术实现步骤摘要】
数据预测方法、装置、电子设备和计算机可读存储介质
本申请涉及互联网的
，具体而言，涉及一种数据预测方法、装置、电子设备和计算机可读存储介质。
技术介绍
目前，随着互联网技术的快速发展，网约车也逐渐在人们的生活中开始普及。网约车平台中一般包含快车服务、拼车服务、出租车服务、顺风车服务、专车服务等多种服务。用户在使用网约平台发起服务订单时，可根据自身需求的不同选择不同的服务。例如，有的人出行的场景是机场，有的人出行的场景是酒店，每个人的出行需求不同，使用的网约车服务也不相同。在现有的网约车平台中，只能在服务请求方发起服务订单时，根据服务请求方发起的服务订单中的目的位置为该服务请求方提供相应的服务。随着人们生活水平的提高，以及各个服务领域服务水平的提高，网约车平台的传统服务模式已经无法满足人们的正常服务需求。因此，对网约车平台进行优化是必不可少的。
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数据预测方法、装置、电子设备和计算机可读存储介质，通过目标预测模型对订单特征信息进行处理之后，能...
【技术保护点】
1.一种数据预测方法，其特征在于，包括：/n获取服务请求方的历史服务订单的订单数据，其中，所述历史服务订单为第一目标时间段之前所述服务请求方发起的服务订单；/n提取所述订单数据中的特征信息，得到订单特征信息；所述订单特征信息包括以下至少一种：服务请求方的属性特征信息，服务订单的特征信息，服务订单的场景特征信息，服务请求方的实时位置；/n利用目标预测模型对所述订单特征信息进行处理，以预测所述服务请求方在未来的第二目标时间段内去往目标场景的概率值，其中，所述第二目标时间段为所述第一目标时间段之后的时间段。/n
【技术特征摘要】
1.一种数据预测方法，其特征在于，包括：
获取服务请求方的历史服务订单的订单数据，其中，所述历史服务订单为第一目标时间段之前所述服务请求方发起的服务订单；
提取所述订单数据中的特征信息，得到订单特征信息；所述订单特征信息包括以下至少一种：服务请求方的属性特征信息，服务订单的特征信息，服务订单的场景特征信息，服务请求方的实时位置；
利用目标预测模型对所述订单特征信息进行处理，以预测所述服务请求方在未来的第二目标时间段内去往目标场景的概率值，其中，所述第二目标时间段为所述第一目标时间段之后的时间段。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述概率值大于或者等于预设概率值，则将所述服务请求方添加至待推送名单集合中；
在所述待推送名单集合中选择部分或者全部服务请求方，并向所选择的服务请求方发送目标引导信息，其中，所述目标引导信息用于引导服务请求方发起服务订单。
3.根据权利要求2所述的方法，其特征在于，在所述待推送名单集合中选择部分或者全部服务请求方，并向所选择的服务请求方发送目标引导信息包括：
按照预设筛选规则从所述待推送名单集合中选择一个或多个服务请求方；并向选择出的所述一个或多个服务请求方发送所述目标引导信息。
4.根据权利要求3所述的方法，其特征在于，按照预设筛选规则从所述待推送名单集合中选择一个或多个服务请求方包括：
按照所述待推送名单集合中各个服务请求方所对应的概率值，从所述待推送名单集合中选择一个或多个服务请求方；并向选择出的所述一个或多个服务请求方发送所述目标引导信息。
5.根据权利要求2所述的方法，其特征在于，向所选择的服务请求方发送目标引导信息包括：
向所选择的服务请求方发送服务订单的优惠信息，以通过所述优惠信息引导所述服务请求方发起服务订单。
6.根据权利要求1所述的方法，其特征在于，所述订单特征包括服务请求方的属性特征信息；
提取所述历史服务订单的订单数据中的特征信息包括：
按照目标字段从所述历史服务订单的订单数据中提取所述服务请求方的属性特征信息，其中，所述目标字段包括以下至少之一：性别、年龄、消费水平和信用等级；或者
从数据平台中提取所述服务请求方的属性特征信息。
7.根据权利要求1所述的方法，其特征在于，所述订单特征包括服务订单的特征信息；
提取所述历史服务订单的订单数据中的特征信息包括：
按照所述历史服务订单的订单类型对所述订单数据进行分类处理，得到多组历史服务订单，其中，所述订单类型为历史服务订单中服务提供方用于为服务请求方提供服务的车辆的服务类型确定的；
统计每组历史服务订单中的订单数量，并将所述订单数量作为所述服务订单的特征信息。
8.根据权利要求1所述的方法，其特征在于，所述订单特征包括服务订单的场景特征信息；
提取所述历史服务订单的订单数据中的特征信息包括：
提取所述历史服务订单的订单数据中的POI数据；
基于所述POI数据确定各个历史服务订单的出行场景信息；
基于所述出行场景信息对所述历史服务订单进行分类，得到各个出行场景信息所对应的历史服务订单；
对所述各个出行场景信息所对应的历史服务订单的数量进行归一化处理，并将归一化处理之后的数据作为所述服务订单的场景特征信息。
9.根据权利要求1所述的方法，其特征在于，所述订单特征包括服务请求方的实时位置；
提取所述历史服务订单的订单数据中的特征信息包括：
获取服务请求方所属服务请求方终端中定位装置的定位信息，并将所述定位信息作为所述服务请求方的实时位置。
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取训练样本集，其中，所述训练样本集中包括多个训练样本，且历史服务请求方对应一个或多个训练样本，每个训练样本包括：在特定时间段之前历史服务请求方的历史订单特征信息和标签信息，所述标签信息用于表征在特定时间段之后，所述历史服务请求方发起的服务订单中是否包含去往目标场景的服务订单；
利用训练样本集训练机器学习模型，得到所述目标预测模型，其中，所述机器学习模型包括：集成树模型或者深度学习模型。
11.根据权利要求10所述的方法，其特征在于，获取训练样本集包括：
确定筛选时间段；
在订单平台中筛选所述筛选时间段之前的目标服务订单，其中，所述目标服务订单的服务终点为所述目标场景；
基于所述目标服务订单确定所述训练样本集。
12.根据权利要求12所述的方法，其特征在于，基于所述目标服务订单确定所述训练样本集包括：
在所述目标服务订单中确定所属于每个历史服务请求方的服务订单，得到多个目标服务订单组；
对每个所述目标服务订单组进行特征提取，得到所述训练样本；
将每个历史服务请求方所对应的训练样本作为所述训练样本集。
13.根据权利要求11所述的方法，其特征在于，通过以下方式确定每个训练样本的标签信息，具体包括：
统计所述筛选时间段之后所述历史服务请求方发起的目标服务订单；
从所述目标服务订单中提取目的服务位置；
根据所述目的服务位置的POI类型判断所述目的服务位置所属的场景类型；
若所述目的服务位置所属的场景类型为所述目标场景，则将所述历史服务请求所对应的训练样本的标签信息设置为第一标签信息，其中，所述第一标签信息表示历史服务请求方发起的服务订单中包含去往目标场景的服务订单；
若所述目的服务位置所属的场景类型不是所述目标场景，将所述历史服务请求所对应的训练样本的标签信息设置为第二标签信息，其中，所述第二标签信息表示历史服务请求方发起的服务订单中不包含去往目标场景的服务订单。
14.一种数据预测装置，其特征在于，包括：
第一获取单元，用于获取服务请求方的历史服务订单的订单数据，其中，所述历史服务订单为第一目标时间段之前所述服务请求方发起的服务订单...
【专利技术属性】
技术研发人员：陈威，龚平华，张杰雄，
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。