预测拼单成功率的方法、装置和电子设备制造方法及图纸

本申请提供了一种预测拼单成功率的方法、装置和电子设备；其中，该方法包括：当接收到服务请求方的服务请求时，从预设范围内的服务提供方中筛选出与服务请求相匹配的服务提供方集合；从服务提供方集合的历史订单中，筛选出满足预设拼单条件的目标订单；获取目标订单对应的时间密度特征；将时间密度特征以及服务请求对应的时空特征输入至预先训练完成的预测模型中，输出服务请求的拼单成功率。本申请实施例通过服务请求与历史订单的关系预测该服务请求在当前时空的预测成功率，相对于仅参考服务请求当前时空特征预测拼单概率的方式，本申请的方式可以提高拼单概率的预测准确率。

【技术实现步骤摘要】
预测拼单成功率的方法、装置和电子设备
本申请涉及人工智能
，具体而言，涉及一种预测拼单成功率的方法、装置和电子设备。
技术介绍
目前，拼车成为了一种新兴的出行方式，既可以缓解交通压力和环境污染，也可以节约经济成本。为了提高拼车订单量，系统常常需要预测拼单成功率，以引导用户使用拼单。相关技术中，预测拼单成功率通常会依据服务提供方发出的服务请求，以及该服务请求的当前时空特征进行预测；但是，该预测方式准确率较低，不利于拼单量的提升。
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预测拼单成功率的方法、装置和电子设备，以提高拼单概率的预测准确率。根据本申请的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行一个或多个以下操作：一种预测拼单成功率的方法，该方法包括：当接收到服务请求方的服务请求时，从预设范围内的服务提供方中筛选出与服务请求相匹配的服务提供方集合；从服务提供方集合的历史订单中，筛选出满足预设拼单条件的目标订单；预设拼单条件与服务请求相关联；获取目标订单对应的时间密度特征；时间密度特征为表征订单量与时间段的对应关系；将时间密度特征以及服务请求对应的时空特征输入至预先训练完成的预测模型中，输出服务请求的拼单成功率。在一些实施例中，上述从预设范围内的服务提供方中筛选出与服务请求相匹配的服务提供方的步骤，包括：提取服务请求中的起始地址和/或目的地址；从预设范围内的服务提供方中筛选出与提取的地址相匹配的服务提供方。在一些实施例中，上述从预设范围内的服务提供方中筛选出与提取的地址相匹配的服务提供方的步骤，包括：确定预设范围内的服务提供方的当前位置；计算当前位置与提取出的地址间的距离；从预设范围内的服务提供方中筛选出距离小于预设距离阈值的服务提供方。在一些实施例中，上述预设拼单条件包括下述中的一种或多种：指定历史日期中，历史订单的请求时间距离服务请求的请求时间在预设时长内；历史订单的起始地址距离服务请求的起始地址在预设的距离范围内；历史订单的发出时间对应的天气与服务请求对应的天气的相似度满足预设的相似度阈值；历史订单的线路与服务请求的线路的重合率高于预设的重合率阈值。在一些实施例中，上述获取目标订单对应的时间密度特征的步骤，包括：以单位时长为间隔，将目标订单划分为多组；对于每组目标订单，计算当前组目标订单的订单总量，或者当前组目标订单与当前组目标订单相邻的指定组目标订单的订单总量，得到目标订单对应的时间密度特征。在一些实施例中，上述预测模型包括第一分类模型和第二分类模型；将时间密度特征以及服务请求对应的时空特征输入至预先训练完成的预测模型中，得到服务请求的拼单成功率的步骤，包括：将时间密度特征以及服务请求对应的时空特征输入至第一分类模型，输出分类值；将时间密度特征以及服务请求对应的时空特征、以及分类值输入至第二分类模型，输出服务请求的拼单成功率。在一些实施例中，上述第一分类模型包括集成树模型；上述将时间密度特征以及服务请求对应的时空特征输入至第一分类模型，输出分类值的步骤，包括：通过集成树模型中的分类树，对时间密度特征以及服务请求对应的时空特征进行分类处理，得到时间密度特征以及服务请求对应的时空特征在分类树中的叶子节点值，将叶子节点值确定为分类值。在一些实施例中，上述第二分类模型包括逻辑回归模型；上述将时间密度特征以及服务请求对应的时空特征、以及分类值输入至第二分类模型，输出服务请求的拼单成功率的步骤，包括：通过逻辑回归模型中的边界判定函数，计算时间密度特征以及服务请求对应的时空特征、以及分类值对应的函数值；根据函数值的绝对值，确定服务请求的拼单成功率。在一些实施例中，上述根据函数值的绝对值，确定服务请求的拼单成功率的步骤，包括：通过逻辑回归模型中的概率函数，将函数值映射至预设的概率区间，得到服务请求的拼单成功率。在一些实施例中，上述得到服务请求的拼单成功率之后，方法还包括：如果拼单成功率高于预设的成功率阈值，向服务请求方发出拼单邀约；拼单邀约包括拼单成功率和拼单折扣。在一些实施例中，上述方法还包括：如果在发出拼单邀约后的预设时间段内接收到服务请求方返回的同意拼单信息，向目标订单对应的服务提供方发送服务请求和服务请求方的同意拼单信息；如果在发出拼单邀约后的预设时间段内没有接收到服务请求方返回的同意拼单信息，向服务提供方集合中的服务提供方发送服务请求。根据本申请的另一个方面，还提供一种预测拼单成功率的装置，该装置包括：服务提供方筛选模块，用于当接收到服务请求方的服务请求时，从预设范围内的服务提供方中筛选出与服务请求相匹配的服务提供方集合；订单筛选模块，用于从服务提供方集合的历史订单中，筛选出满足预设拼单条件的目标订单；预设拼单条件与服务请求相关联；特征获取模块，用于获取目标订单对应的时间密度特征；时间密度特征为表征订单量与时间段的对应关系；预测模块，用于将时间密度特征以及服务请求对应的时空特征输入至预先训练完成的预测模型中，输出服务请求的拼单成功率。在一些实施例中，上述服务提供方筛选模块，用于：提取服务请求中的起始地址和/或目的地址；从预设范围内的服务提供方中筛选出与提取的地址相匹配的服务提供方。在一些实施例中，上述服务提供方筛选模块，用于：确定预设范围内的服务提供方的当前位置；计算当前位置与提取出的地址间的距离；从预设范围内的服务提供方中筛选出距离小于预设距离阈值的服务提供方。在一些实施例中，上述预设拼单条件包括下述中的一种或多种：指定历史日期中，历史订单的请求时间距离服务请求的请求时间在预设时长内；历史订单的起始地址距离服务请求的起始地址在预设的距离范围内；历史订单的发出时间对应的天气与服务请求对应的天气的相似度满足预设的相似度阈值；历史订单的线路与服务请求的线路的重合率高于预设的重合率阈值。在一些实施例中，上述特征获取模块，用于：以单位时长为间隔，将目标订单划分为多组；对于每组目标订单，计算当前组目标订单的订单总量，或者当前组目标订单与当前组目标订单相邻的指定组目标订单的订单总量，得到目标订单对应的时间密度特征。在一些实施例中，上述预测模型包括第一分类模型和第二分类模型；上述预测模块，用于：将时间密度特征以及服务请求对应的时空特征输入至第一分类模型，输出分类值；将时间密度特征以及服务请求对应的时空特征、以及分类值输入至第二分类模型，输出服务请求的拼单成功率。在一些实施例中，上述第一分类模型包括集成树模型；上述预测模块，用于：通过集成树模型中的分类树，对时间密度特征以及服务请求对应的时空特征进行分类处理，得到时间密度特征以及服务请求对应的时空特征在分类树中的叶子节点值，将叶子节点值确定为分类值。在一些实施例中，上述第二分类模型包括逻辑回归模型；上述预测模块，用于：通过逻辑回归模型中的边界判定本文档来自技高网...

【技术保护点】
1.一种预测拼单成功率的方法，其特征在于，所述方法包括：/n当接收到服务请求方的服务请求时，从预设范围内的服务提供方中筛选出与所述服务请求相匹配的服务提供方集合；/n从所述服务提供方集合的历史订单中，筛选出满足预设拼单条件的目标订单；所述预设拼单条件与所述服务请求相关联；/n获取所述目标订单对应的时间密度特征；所述时间密度特征为表征订单量与时间段的对应关系；/n将所述时间密度特征以及所述服务请求对应的时空特征输入至预先训练完成的预测模型中，输出所述服务请求的拼单成功率。/n

【技术特征摘要】
1.一种预测拼单成功率的方法，其特征在于，所述方法包括：
当接收到服务请求方的服务请求时，从预设范围内的服务提供方中筛选出与所述服务请求相匹配的服务提供方集合；
从所述服务提供方集合的历史订单中，筛选出满足预设拼单条件的目标订单；所述预设拼单条件与所述服务请求相关联；
获取所述目标订单对应的时间密度特征；所述时间密度特征为表征订单量与时间段的对应关系；
将所述时间密度特征以及所述服务请求对应的时空特征输入至预先训练完成的预测模型中，输出所述服务请求的拼单成功率。


2.根据权利要求1所述的方法，其特征在于，从预设范围内的服务提供方中筛选出与所述服务请求相匹配的服务提供方的步骤，包括：
提取所述服务请求中的起始地址和/或目的地址；
从预设范围内的服务提供方中筛选出与提取的所述地址相匹配的服务提供方。


3.根据权利要求2所述的方法，其特征在于，从预设范围内的服务提供方中筛选出与提取的所述地址相匹配的服务提供方的步骤，包括：
确定预设范围内的服务提供方的当前位置；
计算所述当前位置与提取出的所述地址间的距离；
从预设范围内的服务提供方中筛选出所述距离小于预设距离阈值的服务提供方。


4.根据权利要求1所述的方法，其特征在于，所述预设拼单条件包括下述中的一种或多种：
指定历史日期中，历史订单的请求时间距离所述服务请求的请求时间在预设时长内；
历史订单的起始地址距离所述服务请求的起始地址在预设的距离范围内；
历史订单的发出时间对应的天气与所述服务请求对应的天气的相似度满足预设的相似度阈值；
历史订单的线路与所述服务请求的线路的重合率高于预设的重合率阈值。


5.根据权利要求1所述的方法，其特征在于，获取所述目标订单对应的时间密度特征的步骤，包括：
以单位时长为间隔，将所述目标订单划分为多组；
对于每组所述目标订单，计算当前组目标订单的订单总量，或者当前组目标订单与所述当前组目标订单相邻的指定组目标订单的订单总量，得到所述目标订单对应的时间密度特征。


6.根据权利要求1所述的方法，其特征在于，所述预测模型包括第一分类模型和第二分类模型；
将所述时间密度特征以及所述服务请求对应的时空特征输入至预先训练完成的预测模型中，得到所述服务请求的拼单成功率的步骤，包括：
将所述时间密度特征以及所述服务请求对应的时空特征输入至第一分类模型，输出分类值；
将所述时间密度特征以及所述服务请求对应的时空特征.以及所述分类值输入至第二分类模型，输出所述服务请求的拼单成功率。


7.根据权利要求6所述的方法，其特征在于，所述第一分类模型包括集成树模型；
将所述时间密度特征以及所述服务请求对应的时空特征输入至第一分类模型，输出分类值的步骤，包括：
通过所述集成树模型中的分类树，对所述时间密度特征以及所述服务请求对应的时空特征进行分类处理，得到所述时间密度特征以及所述服务请求对应的时空特征在所述分类树中的叶子节点值，将所述叶子节点值确定为分类值。


8.根据权利要求6所述的方法，其特征在于，所述第二分类模型包括逻辑回归模型；
将所述时间密度特征以及所述服务请求对应的时空特征.以及所述分类值输入至第二分类模型，输出所述服务请求的拼单成功率的步骤，包括：
通过所述逻辑回归模型中的边界判定函数，计算所述时间密度特征以及所述服务请求对应的时空特征.以及所述分类值对应的函数值；
根据所述函数值的绝对值，确定所述服务请求的拼单成功率。


9.根据权利要求8所述的方法，其特征在于，根据所述函数值的绝对值，确定所述服务请求的拼单成功率的步骤，包括：
通过所述逻辑回归模型中的概率函数，将所述函数值映射至预设的概率区间，得到所述服务请求的拼单成功率。


10.根据权利要求1所述的方法，其特征在于，得到所述服务请求的拼单成功率之后，所述方法还包括：
如果所述拼单成功率高于预设的成功率阈值，向所述服务请求方发出拼单邀约；所述拼单邀约包括所述拼单成功率和拼单折扣。


11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
如果在发出所述拼单邀约后的预设时间段内接收到所述服务请求方返回的同意拼单信息，向所述目标订单对应的服务提供方发送所述服务请求和所述服务请求方的同意拼单信息；
如果在发出所述拼单邀约后的预设时间段内没有接收到所述服务请求方返回的同意拼单信息，向所述服务提供方集合中的服务提供方发送所述服务请求。


12.一种预测拼单成功率的装置，其特征在于，所述装置包括：
服务提供方...

【专利技术属性】
技术研发人员：艾盟，
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