一种平衡司乘满意度的顺风车定价方法技术

本发明专利技术属于顺风车定价领域，具体公开了一种平衡司乘满意度的顺风车定价方法，包括以下步骤：S1、最优化问题算法建模；S2、建立乘客和司机数据模型；S3、建立司乘线性回归方程；S4、采样法求解得到L最大值时的X值；S5、每小时进行一次动态价格调整；本发明专利技术提供了一种平衡司乘满意度的顺风车定价方法解决动态司乘顺风车定价问题，该方法通过线性回归算法，计算乘客满意度，司机满意度，并求解出最优的定价系数，根据最优定价系数调节实时的司机乘客呼叫率和应答率；此算法的优势是能平衡乘客满意度和司机满意度，提升成单率；避免了在某些时刻，由于司机接单意愿下降过多，同时又导致乘客发单意愿下降，最终陷入某些时刻很难成单的问题。题。题。

【技术实现步骤摘要】
一种平衡司乘满意度的顺风车定价方法


[0001]本专利技术涉及顺风车定价领域，具体为一种平衡司乘满意度的顺风车定价方法。

技术介绍

[0002]顺风车司机接的是顺路单，且乘客对实时性要求不高，故定价比网约车专车低很多，但往往存在顺风车的订单价格过低，或某个目的地因太偏僻、顺路度不高、出发时间问题等因素导致司机不愿意接单，从而导致司机和乘客成单率低。如何提升司机乘客成单率，在带来经济效益的同时，使得共享出行更高效是一个难题。
[0003]基于此，本专利技术公开了一种平衡司乘满意度的顺风车定价方法解决了共享出行中乘客顺风车出行困难、司机只守高价值订单的问题，提升了共享出行的效率，促进了顺风车平台发展。

技术实现思路

[0004]本专利技术的目的在于提供一种平衡司乘满意度的顺风车定价方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种平衡司乘满意度的顺风车定价方法，包括以下步骤：
[0006]S1、最优化问题算法建模：由于顺风车乘客的满意度与呼叫率正相关，呼叫率高则满意度高，因此设x为价格系数：呼叫率f(x)定义为：乘客下单的次数/乘客app访问的次数：同一乘客10分钟内下单或访问仅算一次；由由于顺风车司机的满意度和应答率正相关，应答率高则满意度高，因此应答率g(x)定义为：司机接单的次数/司机app访问的次数；同一司机10分钟内接单或访问仅算一次；若价格上升，则f(x)下降,g(x)上升，若价格下降，则f(x)上升，g(x)下降，另令函数L(x)＝f(x)*g(x)，由于函数L(x)与订单量正相关，从而将问题转化为当函数L(x)为最大值时的x值；
[0007]S2、建立乘客和司机数据模型：采集最近n日的数据，并将该数据建立表格；
[0008]S3、建立司乘线性回归方程：记x1＝x，x2＝x2，用f(x1,x2)和g(x1,x2)代替f(x)和g(x)，此时，f(x1,x2)＝α0+α1*x1+α2*x2；g(x1,x2)＝β0+β1*x1+β2*x2，将上述步骤中的表格数据和神经网络代入f(x1,x2)求出α0、α1和α2；同理将上述步骤中的表格数据和神经网络代入g(x1,x2)求出β0、β1和β2；
[0009]S4、采样法求解得到L最大值时的X值：由于
[0010]f(x1,x2)＝α0+α1*x1+α2*x2，g(x1,x2)＝β0+β1*x1+β2*x2；
[0011]因此L(x)＝f(x)*g(x)＝(α0+α1*x1+α2*x2)*(β0+β1*x1+β2*x2)；对x从0.2～3.0进行按步长0.001采样，从而得到L(x)最大值时的x值，并且将此x值记作μ；
[0012]S5、每小时进行一次动态价格调整：应用μ值每小时进行一次动态价格调整，设上个小时的呼叫率为a，成单率为b，价格基数为c，c为定价基准应视为固定值，则该小时价格基数的计算方法为：当a*b＞0.9L(μ)时，μ
new
＝μ*c；当a*b＜0.9L(μ)时，μ
new
＝μ*c*(a/f
(μ))*(g(μ)/b)。
[0013]优选的，在所述S2步骤中，采集的数据包括每日每小时的价格系数x、呼叫率、应答率以及价格系数的平方x2。
[0014]与现有技术相比，本专利技术的有益效果是：本专利技术提供了一种平衡司乘满意度的顺风车定价方法解决动态司乘顺风车定价问题，该方法通过线性回归算法，计算乘客满意度，司机满意度，并求解出最优的定价系数，根据最优定价系数调节实时的司机乘客呼叫率和应答率；此算法的优势是能平衡乘客满意度和司机满意度，提升成单率；避免了在某些时刻，由于司机接单意愿下降过多，同时又导致乘客发单意愿下降，最终陷入某些时刻很难成单的问题。
附图说明
[0015]图1为本专利技术的流程图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]如图1；本专利技术提供一种平衡司乘满意度的顺风车定价方法，包括以下步骤：
[0018]S1、最优化问题算法建模：由于顺风车乘客的满意度与呼叫率正相关，呼叫率高则满意度高，因此设x为价格系数：呼叫率f(x)定义为：乘客下单的次数/乘客app访问的次数：同一乘客10分钟内下单或访问仅算一次；由由于顺风车司机的满意度和应答率正相关，应答率高则满意度高，因此应答率g(x)定义为：司机接单的次数/司机app访问的次数；同一司机10分钟内接单或访问仅算一次；若价格上升，则f(x)下降,g(x)上升，若价格下降，则f(x)上升，g(x)下降，另令函数L(x)＝f(x)*g(x)，由于函数L(x)与订单量正相关，从而将问题转化为当函数L(x)为最大值时的x值；
[0019]S2、建立乘客和司机数据模型：采集最近n日的数据，其中采集的数据包括每日每小时的价格系数x、呼叫率、应答率以及价格系数的平方x2，并将该数据建立如下表格：
[0020][0021]S3、建立司乘线性回归方程：记x1＝x，x2＝x2，用f(x1,x2)和g(x1,x2)代替f(x)和g(x)，此时，f(x1,x2)＝α0+α1*x1+α2*x2；g(x1,x2)＝β0+β1*x1+β2*x2，将上述步骤中的表格数据和神经网络代入f(x1,x2)求出α0、α1和α2；同理将上述步骤中的表格数据和神经网
络代入g(x1,x2)求出β0、β1和β2；
[0022]S4、采样法求解得到L最大值时的X值：由于
[0023]f(x1,x2)＝α0+α1*x1+α2*x2，g(x1,x2)＝β0+β1*x1+β2*x2；
[0024]因此L(x)＝f(x)*g(x)＝(α0+α1*x1+α2*x2)*(β0+β1*x1+β2*x2)；对x从0.2～3.0进行按步长0.001采样，从而得到L(x)最大值时的x值，并且将此x值记作μ；
[0025]S5、每小时进行一次动态价格调整：应用μ值每小时进行一次动态价格调整，设上个小时的呼叫率为a，成单率为b，价格基数为c，c为定价基准应视为固定值，则该小时价格基数的计算方法为：当a*b＞0.9L(μ)时，μ
new
＝μ*c；当a*b＜0.9L(μ)时，μ
new
＝μ*c*(a/f(μ))*(g(μ)/b)。
[0026]本专利技术提供了一种平衡司乘满意度的顺风车定价方法解决动态司乘顺风车定价问题，该方法通过线性回归算法，计算乘客满意度，司机满意度，并求解出最优的定价系数，根据最优定价系数调节实时的司机乘客呼叫率和应答率。
[0027]此算法的优势是能平衡乘客满意度和司机满意度，提升成单率；避免了在某些时刻，由于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种平衡司乘满意度的顺风车定价方法，其特征在于，包括以下步骤：S1、最优化问题算法建模：由于顺风车乘客的满意度与呼叫率正相关，呼叫率高则满意度高，因此设x为价格系数：呼叫率f(x)定义为：乘客下单的次数/乘客app访问的次数：同一乘客10分钟内下单或访问仅算一次；由于顺风车司机的满意度和应答率正相关，应答率高则满意度高，因此应答率g(x)定义为：司机接单的次数/司机app访问的次数；同一司机10分钟内接单或访问仅算一次；若价格上升，则f(x)下降,g(x)上升，若价格下降，则f(x)上升，g(x)下降，另令函数L(x)＝f(x)*g(x)，由于函数L(x)与订单量正相关，从而将问题转化为当函数L(x)为最大值时的x值；S2、建立乘客和司机数据模型：采集最近n日的数据，并将该数据建立表格；S3、建立司乘线性回归方程：记x1＝x，x2＝x2，用f(x1,x2)和g(x1,x2)代替f(x)和g(x)，此时，f(x1,x2)＝α0+α1*x1+α2*x2；g(x1,x2)＝β0+β1*x1+β2*x2，将上述步骤中的表格数据和神经网络代入f(x1,x2)求出α...

【专利技术属性】
技术研发人员：赵刚，
申请(专利权)人：上海赛可出行科技服务有限公司，
类型：发明
国别省市：