一种确定线上到线下服务的预估到达时间的系统和方法技术方案

一种系统，包括至少一个存储一组指令的存储设备和与所述存储设备通信的至少一个处理器。当执行所述指令时，所述至少一个处理器用于使系统获取由目标请求者终端发起的潜在服务订单的第一信息，以及获取至少一个候选服务提供者的第二信息，所述至少一个候选服务提供者在距起始位置的阈值距离内。所述至少一个处理器还可以将所述第一信息和所述第二信息输入经训练的预估到达时间神经网络模型中，确定所述潜在服务订单的预估到达时间。所述至少一个处理器还可以将所述潜在服务订单的预估到达时间发送给所述目标请求者终端用于显示。

【技术实现步骤摘要】
【国外来华专利技术】一种确定线上到线下服务的预估到达时间的系统和方法交叉引用本申请基于并要求于2017年12月5日提交的编号为No.201711268624.1的中国申请的优先权，其内容通过引用被包含于本申请。
本申请涉及线上到线下(O2O)服务平台，尤其涉及一种用于确定在线O2O服务平台中预估到达时间(ETA)的系统和方法。
技术介绍
随着互联网技术的发展，O2O服务如在线出租车服务和送货服务，在人们的日常生活中发挥着越来越重要的作用。例如，乘客大量使用在线出租车服务。当乘客在起始位置呼叫出租车时，他/她可能想知道服务提供者到达起始位置的预估到达时间，该预估到达时间在本申请中被简称为ETA。ETA可能受到各种因素的影响，例如起始位置周围可用服务提供者的数量、可用服务提供者与起始位置之间的距离、交通状况、天气状况、起始位置周围的供需关系等。如果不考虑这些因素，可能无法准确地确定ETA。因此，需要开发一种考虑至少一个可能影响ETA因素的系统和方法，来有效确定在线O2O服务平台中的ETA。
技术实现思路
本申请的一个方面提供了一种系统。该系统可以包括至少一个非暂时性计算机可读存储设备和与所述至少一个非暂时性计算机可读存储设备通信的至少一个处理器。非暂时性计算机可读存储介质可以包括用于确定ETA的一组指令。当执行所述组指令时，可以指示所述至少一个处理器使系统获取由目标请求者终端发起的潜在服务订单的第一信息，所述第一信息包括所述潜在服务订单的起始位置。可以指示所述至少一个处理器使得系统获取至少一个候选服务提供者的第二信息，所述至少一个候选服务提供者在距起始位置的阈值距离内，所述第二信息的至少一部分表示所述至少一个候选服务提供者中的每个候选服务提供者成为所述潜在服务订单的目标服务提供者的可能性。所述至少一个处理器可以进一步被指示为使所述系统将所述第一信息和所述第二信息输入到经过训练的ETA神经网络模型中，确定所述潜在服务订单的ETA。所述至少一个处理器可以进一步被指示为使所述系统将潜在服务订单的ETA发送到所述目标请求者终端用于显示。在一些实施例中，为获得至少一个候选服务提供者的第二信息，可以指示所述至少一个处理器使系统确定在距所述起始位置的阈值距离内的所述至少一个候选服务提供者。可以指示所述至少一个处理器使系统确定在距所述起始位置的阈值距离内的至少一个潜在请求者终端，以及将至少一个候选服务提供者预先分配给所述至少一个潜在请求者终端和所述目标请求者终端。所述至少一个处理器可以进一步被指示为使所述系统基于预先分配结果，确定所述至少一个候选服务提供者中的每个候选服务提供者成为所述潜在服务订单的目标服务提供者的可能性。在一些实施例中，为确定所述潜在服务订单的ETA，可以指示所述至少一个处理器使系统获得至少一个潜在请求者终端的需求信息，所述至少一个潜在请求者终端在距所述起始位置的阈值距离内。所述至少一个处理器被指示为使所述系统将所述第一信息、所述第二信息和所述需求信息输入到经训练的ETA神经网络模型中来确定所述潜在服务订单的ETA。在一些实施例中，所述至少一个潜在请求者终端的需求信息可以包括时间信息、位置信息、服务订单信息或用户信息中的至少一个。在一些实施例中，所述潜在服务订单相关的第一信息还可以包括时间信息、位置信息、天气信息、交通信息、政策信息、新闻信息或用户信息中的至少一个。在一些实施例中，所述至少一个候选服务提供者的第二信息还可以包括车辆信息、容量信息、价格信息、服务信息、位置信息或评价信息中的至少一个。在一些实施例中，可以根据一训练过程生成经训练的ETA神经网络模型，所述训练过程可以包括对于多个潜在服务订单样本中的每个潜在服务订单样本，获取所述潜在服务订单样本的第三信息，所述第三信息可包括所述潜在服务订单样本的起始位置。所述训练过程还可以包括对于多个潜在服务订单样本中的每个潜在服务订单样本，获取至少一个候选服务提供者样本的第四信息，所述至少一个候选服务提供者样本在距对应潜在服务订单样本的起始位置的样本阈值距离内，所述第四信息中的至少一部分表示所述至少一个候选服务提供者样本中的每个候选服务提供者样本成为潜在服务订单样本的目标服务提供者样本的可能性。所述训练过程还可以包括获得初始神经网络模型，并利用所述多个潜在服务订单样本的第三信息和所述第四信息，通过训练所述初始神经网络模型获得所述经训练的ETA神经网络模型。在一些实施例中，生成经过训练的ETA神经网络模型可以包括对所述多个潜在服务订单样本中的每个潜在服务订单样本，获得至少一个潜在请求者终端样本的需求信息，所述至少一个潜在请求者终端样本在距对应潜在服务订单样本的起始位置的阈值距离内。生成经过训练的ETA神经网络模型可以进一步包括利用所述多个潜在服务订单样本的每个潜在服务订单样本的所述第三信息、所述第四信息和所述需求信息，通过训练初始神经网络模型获得经训练的ETA神经网络模型。在一些实施例中，确定经过训练的ETA神经网络模型可以包括：(1)利用第一部分的多个潜在服务订单样本的所述第三信息和所述第四信息，训练所述初始神经网络模型。确定经过训练的ETA神经网络模型可以进一步包括：(2)利用第二部分的多个潜在服务订单样本的所述第三信息和所述第四信息，通过确定测试参数来测试训练后的初始神经网络模型。确定经过训练的ETA神经网络模型可以进一步包括：当确定所述测试参数大于或等于测试阈值时，重复步骤(1)-(2)，或者，当确定所述测试参数小于测试阈值时，将所述训练后的初始神经网络模型作为经训练的ETA神经网络模型。在一些实施例中，所述利用第一部分的多个潜在服务订单样本的所述第三信息和所述第四信息，训练所述初始神经网络模型可以包括：获得第一部分的多个潜在服务订单样本中的每个潜在服务订单样本的实际到达时间(ATA)，并将所述潜在服务订单样本的第三信息和所述第四信息输入到所述初始神经网络模型中，确定所述潜在服务订单样本预测的ETA。所述利用第一部分的多个潜在服务订单样本的所述第三信息和所述第四信息，训练初始神经网络模型还可以包括：基于所述第一部分的多个潜在服务订单样本中的每个潜在服务订单样本的预测的ETA和ATA，确定损失函数。并判断所述损失函数是否小于训练阈值。所述利用第一部分的多个潜在服务订单样本的所述第三信息和所述第四信息，训练初始神经网络模型还可以包括：当确定所述损失函数小于所述训练阈值，指定所述初始神经网络模型作为训练后的初始神经网络模型，或者当确定所述损失函数不小于所述训练阈值，则更新所述初始神经网络模型。本申请的另一个方面提供了一种方法。该方法可以在具有至少一个处理器，至少一个计算机可读存储设备和连接到网络的通信平台的计算设备上实现。该方法可以包括获取由目标请求者终端发起的潜在服务订单的第一信息，所述第一信息包括潜在服务订单的起始位置。该方法可以包括获取至少一个候选服务提供者的第二信息，所述至少一个候选服务提供者在距所述起始位置的阈值距离内，所述第二信息的至少一部分表示所述至少一个候选服务提供者中的每个候选服务提供者成为所本文档来自技高网...

【技术保护点】
1.一种用于确定线上到线下服务的预估到达时间的系统，包括：/n至少一个非暂时性计算机可读存储设备，包括一组指令；/n与所述至少一个非暂时性计算机可读存储设备通信的至少一个处理器，其中，当执行所述指令时，所述至少一个处理器用于：/n获取由目标请求者终端发起的潜在服务订单的第一信息，所述第一信息包括所述潜在服务订单的起始位置；/n获取至少一个候选服务提供者的第二信息，所述至少一个候选服务提供者在距所述起始位置的阈值距离内，所述第二信息的至少一部分表示所述至少一个候选服务提供者中的每个候选服务提供者成为所述潜在服务订单的目标服务提供者的可能性；/n将所述第一信息和所述第二信息输入经训练的预估到达时间神经网络模型中，确定所述潜在服务订单的预估到达时间；以及/n将所述潜在服务订单的预估到达时间发送给所述目标请求者终端用于显示。/n

【技术特征摘要】
【国外来华专利技术】20171205 CN 20171126862411.一种用于确定线上到线下服务的预估到达时间的系统，包括：
至少一个非暂时性计算机可读存储设备，包括一组指令；
与所述至少一个非暂时性计算机可读存储设备通信的至少一个处理器，其中，当执行所述指令时，所述至少一个处理器用于：
获取由目标请求者终端发起的潜在服务订单的第一信息，所述第一信息包括所述潜在服务订单的起始位置；
获取至少一个候选服务提供者的第二信息，所述至少一个候选服务提供者在距所述起始位置的阈值距离内，所述第二信息的至少一部分表示所述至少一个候选服务提供者中的每个候选服务提供者成为所述潜在服务订单的目标服务提供者的可能性；
将所述第一信息和所述第二信息输入经训练的预估到达时间神经网络模型中，确定所述潜在服务订单的预估到达时间；以及
将所述潜在服务订单的预估到达时间发送给所述目标请求者终端用于显示。


2.根据权利要求1所述的系统，其特征在于，为获取至少一个候选服务提供者的第二信息，所述至少一个处理器还用于：
确定在距所述起始位置的阈值距离内的所述至少一个候选服务提供者；
确定在距所述起始位置的阈值距离内的至少一个潜在请求者终端；
将所述至少一个候选服务提供者预先分配给所述至少一个潜在请求者终端和所述目标请求者终端；以及
基于预先分配结果，确定所述至少一个候选服务提供者中的每个候选服务提供者成为所述潜在服务订单的目标服务提供者的可能性。


3.根据权利要求1或2所述的系统，其特征在于，为确定所述潜在服务订单的预估到达时间，所述至少一个处理器还用于：
获得至少一个潜在请求者终端的需求信息，所述至少一个潜在请求者终端在距所述起始位置的阈值距离内；以及
将所述第一信息、所述第二信息和所述需求信息输入所述经训练的预估到达时间神经网络模型中，确定所述潜在服务订单的预估到达时间。


4.根据权利要求3所述的系统，其特征在于，所述至少一个潜在请求者终端的需求信息包括时间信息、位置信息、服务订单信息或用户信息中的至少一个。


5.根据权利要求1-4中任一项所述的系统，其特征在于，所述潜在服务订单相关的第一信息包括时间信息、位置信息、天气信息、交通信息、政策信息、新闻信息或用户信息中的至少一个。


6.根据权利要求1-5中任一项所述的系统，其特征在于，所述至少一个候选服务提供者的第二信息还包括车辆信息、容量信息、价格信息、服务信息、位置信息或评价信息中的至少一个。


7.根据权利要求1-6中任一项所述的系统，其特征在于，所述经训练的预估到达时间神经网络模型是基于一训练过程生成，所述训练过程包括：
对于多个潜在服务订单样本中的每个潜在服务订单样本，获取所述潜在服务订单样本的第三信息，所述第三信息包括所述潜在服务订单样本的起始位置；
对于多个潜在服务订单样本中的每个潜在服务订单样本，获取至少一个候选服务提供者样本的第四信息，所述至少一个候选服务提供者样本在距对应潜在服务订单样本的起始位置的阈值距离内，所述第四信息中的至少一部分表示所述至少一个候选服务提供者样本中的每个候选服务提供者样本成为所述潜在服务订单样本的目标服务提供者样本的可能性；
获取初始神经网络模型；以及
利用所述多个潜在服务订单样本的第三信息和所述第四信息，通过训练所述初始神经网络模型获得所述经训练的预估到达时间神经网络模型。


8.根据权利要求7所述的系统，其特征在于，获得所述经训练的预估到达时间神经网络模型还包括：
对所述多个潜在服务订单样本中的每个潜在服务订单样本，获得至少一个潜在请求者终端样本的需求信息，所述至少一个潜在请求者终端样本在距对应潜在服务订单样本的起始位置的阈值距离内；以及
利用所述多个潜在服务订单样本的每个潜在服务订单样本的所述第三信息、所述第四信息和所述需求信息，通过训练所述初始神经网络模型获得所述经训练的预估到达时间神经网络模型。


9.根据权利要求7所述的系统，其特征在于，所述获得所述经训练的预估到达时间神经网络模型还包括：
(1)利用第一部分的多个潜在服务订单样本的所述第三信息和所述第四信息，训练所述初始神经网络模型；
(2)利用第二部分的多个潜在服务订单样本的所述第三信息和所述第四信息，通过确定测试参数来测试训练后的初始神经网络模型；以及
当确定所述测试参数大于或等于测试阈值时，重复步骤(1)-(2)，或者，
当确定所述测试参数小于测试阈值时，将所述训练后的初始神经网络模型作为所述经训练的预估到达时间神经网络模型。


10.根据权利要求9所述的系统，其特征在于，所述利用第一部分的多个潜在服务订单样本的所述第三信息和所述第四信息，训练所述初始神经网络模型，包括：
获得所述第一部分的多个潜在服务订单样本中的每个潜在服务订单样本的实际到达时间；
对于所述第一部分的多个潜在服务订单样本中的每个潜在服务订单样本，将所述潜在服务订单样本的所述第三信息和所述第四信息输入到所述初始神经网络模型中，确定每个潜在服务订单样本预测的预估到达时间；
基于所述第一部分的多个潜在服务订单样本中的每个潜在服务订单样本的所述预测的预估到达时间和所述实际到达时间，确定损失函数；
判断所述损失函数是否小于训练阈值；以及
当确定所述损失函数小于所述训练阈值时，指定所述初始神经网络模型作为训练后的初始神经网络模型，或者，
当确定所述损失函数不小于所述训练阈值时，则更新所述初始神经网络模型。


11.一种确定线上到线下服务的预估到达时间的方法，所述方法在具有至少一个处理器、至少一个计算机可读存储设备和连接到网络的通信平台的计算设备上实现的，包括：
获取由目标请求者终端发起的潜在服务订单的第一信息，所述第一信息包括所述潜在服务订单的起始位置；
获取至少一个候选服务提供者的第二信息，所述至少一个候选服务提供者在距所述起始位置的阈值距离内，所述第二信息的至少一部分表示所述至少一个候选服务提供者中的每个候选服务提供者成为所述潜在服务订单的目标服务提供者的可能性；
将所述第一信息和所述第二信息输入经训练的预估到达时间神经网络模型中，确定所述潜在服务订单的预估到...

【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