【技术实现步骤摘要】
【国外来华专利技术】费用预测方法及费用预测数据系统
[0001]本披露内容的各方面涉及预测例如运输服务的波动和/或费用的方法。本披露内容的其他方面涉及计算机产品。本披露内容的其他方面涉及波动和/或费用预测数据系统。
技术介绍
[0002]在打车业务中,准确估计乘客前往特定位置的费用对于服务乘客并增强他们对服务的信心至关重要。一种简单的方法是假设未来的费用和波动分布与其历史分布相同或非常接近,并且在地理哈希到地理哈希对级别复制旧数据以直接提供服务。然而,一个主要的缺点是这种简单的方法容易出错且不准确。另一个困难是以很小的时间间隔存储地理哈希对键值(Key
‑
Value)特征需要大量的存储空间。因此,需要提供一种解决上述问题的改进的费用和/或波动估计方法。
技术实现思路
[0003]本披露内容的一个方面涉及一种预测运输服务的费用的方法。该方法可以包括在服务器处例如从数字设备接收包括服务时间的请求。该服务器可以是分布式服务器,其例如包括多于一个物理服务器。该方法可以进一步包括在该服务器处计算预测费用。该方法可以进一步将该预测费用从该服务器发送到该数字设备。计算该预测费用可以使用该服务时间、长期波动预测和短期波动预测作为费用估计器中的输入。
[0004]该长期波动预测可以使用长期波动预测器(LTSP)来计算,并且该短期波动预测可以使用短期波动预测器(STSP)来计算。该LTSP使用历史数据。该短期波动预测器可以使用近期数据,并且可以进一步使用以下各项中的一项:该历史数据和该长期波动预测。该近期数据可能比 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种预测运输服务的费用(20)的方法(1000),该方法包括:在服务器(200)处接收(1100)包括服务时间的请求(10);以及在该服务器处计算(1200)预测费用(20);其中,计算该预测费用(20)使用该服务时间、长期波动预测和短期波动预测作为费用估计器(240)中的输入,其中,该长期波动预测是使用长期波动预测器(LTSP)(210)计算的,而该短期波动预测是使用短期波动预测器(STSP)(220)计算的,其中,该LTSP(210)使用历史数据(310),并且该STSP(220)使用比该历史数据(310)更新的近期数据(410)以及以下各项中的至少一项:该历史数据和该长期波动预测。2.如权利要求1所述的方法(1000),进一步包括从该服务器(200)向数字设备(50)发送(1300)该预测费用(20)。3.如权利要求1或权利要求2所述的方法(1000),其中,该近期数据(410)具有比该历史数据(310)更高的时间分辨率。4.如前述权利要求1至3中任一项所述的方法(1000),其中,该近期数据(410)包括来自从当前时间起经过的预定时间段内完成的交易的数据,其中,来自交易的数据是从实时交易数据流中获得的。5.如权利要求4所述的方法(1000),其中,该预定时间段具有从2小时到24小时、优选地从5小时到8小时中选择的持续时间。6.如前述权利要求中任一项所述的方法(1000),其中,该长期波动预测存储在以规律的间隔更新的长期波动数据库中。7.如权利要求6所述的方法(1000),其中,该规律的间隔等于或大于一天。8.如权利要求6或权利要求7所述的方法(1000),其中,该更新包括计算多个规律的间隔内的长期波动预测。9.如权利要求8所述的方法(1000),其中,该多个规律的间隔按重复周期分组,例如一周或一个月。10.如前述权利要求中任一项所述的方法(1000),其中,近期数据(410)以时间序列的形式被处理,并且被添加到该历史数据(310)中。11.如权利要求10所述的方法(1000),其中,该时间序列的数据点的时间间隔为至少一分钟,例如至少10分钟。12.如前述权利要求中任一项所述的方法(1000),其中,计算该预测费用(20)进一步使用以下各项中的至少一项作为该费用估计器中的输入:服务时间、行驶速度、估计行驶持续时间、路线距离、上车位置、下车位置、交通工具类型、天气、事件。13.如前述权利要求中任一项所述的方法(1000),其中,该费用估计器(240)包括分位数回归神经网络。14.如前述权利要求中任一项所述的方法,其中,该预测费用(20)、该长期波动预测和该短期波动预测中的每一者都是针对相同的地理哈希计算的。15.如前述权利要求中任一项所述的方法,其中,该STSP(220)和该LTSP(210)中的至少一者包括相应的经训练长短期记忆神经网络。
16.一种计算机产...
【专利技术属性】
技术研发人员:仇学恒,李文橦,王晨,
申请(专利权)人:格步计程车控股私人有限公司,
类型:发明
国别省市:
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。