[發(fā)明專利]預(yù)約訂單的價(jià)格倍數(shù)確定方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201710858669.8
• 申請(qǐng)日: 2017-09-21
• 公開（公告）號(hào): CN109544196A
• 公開（公告）日: 2019-03-29
• 發(fā)明（設(shè)計(jì)）人: 李雋欽
• 申請(qǐng)（專利權(quán)）人: 北京嘀嘀無(wú)限科技發(fā)展有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06Q10/04;G06F17/18
• 代理公司: 北京友聯(lián)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11343
• 代理人: 尚志峰;汪海屏

1.一種預(yù)約訂單的價(jià)格倍數(shù)確定方法，其特征在于，包括：

接收終端發(fā)出的包含預(yù)約訂單數(shù)據(jù)的信息；

獲取與所述預(yù)約訂單的價(jià)格倍數(shù)相關(guān)的特征數(shù)據(jù)；

根據(jù)所述特征數(shù)據(jù)和預(yù)先生成的預(yù)測(cè)模型，計(jì)算所述預(yù)約訂單的價(jià)格倍數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)測(cè)模型采用如下步驟生成：

獲取歷史訂單的歷史特征數(shù)據(jù)，以及與所述歷史特征數(shù)據(jù)相關(guān)聯(lián)的歷史價(jià)格倍數(shù)信息，將所述歷史特征數(shù)據(jù)和所述歷史價(jià)格倍數(shù)信息構(gòu)成的訓(xùn)練數(shù)據(jù)作為訓(xùn)練集；

通過(guò)機(jī)器學(xué)習(xí)算法，利用所述訓(xùn)練集學(xué)習(xí)得到所述預(yù)測(cè)模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述機(jī)器學(xué)習(xí)算法包括以下至少之一：

線性回歸算法、回歸決策樹算法、迭代決策樹算法或隨機(jī)森林算法。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過(guò)機(jī)器學(xué)習(xí)算法，從所述訓(xùn)練集中學(xué)習(xí)得到所述預(yù)測(cè)模型包括：

為每條所述訓(xùn)練數(shù)據(jù)分配設(shè)置價(jià)格倍數(shù)的初始預(yù)測(cè)值；

根據(jù)所述初始預(yù)測(cè)值和所述訓(xùn)練集，采用迭代決策樹算法，生成所述預(yù)設(shè)模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述通過(guò)機(jī)器學(xué)習(xí)算法，從所述訓(xùn)練集中學(xué)習(xí)得到所述預(yù)測(cè)模型還包括：

確定第一時(shí)間段內(nèi)的與歷史特征數(shù)據(jù)相關(guān)聯(lián)的歷史價(jià)格倍數(shù)；

計(jì)算預(yù)設(shè)數(shù)目的所述歷史價(jià)格倍數(shù)的平均值作為所述初始預(yù)測(cè)值。

6.根據(jù)權(quán)利要求1至5中任一項(xiàng)所述的方法，其特征在于，還包括：

將第二時(shí)間段內(nèi)的歷史特征數(shù)據(jù)，以及與所述第二時(shí)間段內(nèi)的歷史特征數(shù)據(jù)相關(guān)聯(lián)的歷史價(jià)格倍數(shù)信息構(gòu)成的測(cè)試數(shù)據(jù)作為測(cè)試集；

根據(jù)所述測(cè)試集和所述預(yù)測(cè)模型計(jì)算目標(biāo)歷史時(shí)間的測(cè)試價(jià)格倍數(shù)；

根據(jù)所述目標(biāo)歷史時(shí)間的實(shí)際價(jià)格倍數(shù)和所述測(cè)試價(jià)格倍數(shù)，確定所述預(yù)測(cè)模型是否準(zhǔn)確。

7.根據(jù)權(quán)利要求1至5中任一項(xiàng)所述的方法，其特征在于，所述特征數(shù)據(jù)包括以下至少之一：

起始時(shí)間，起始位置，終點(diǎn)位置，乘客評(píng)價(jià)，拼車情況或歷史訂單的價(jià)格倍數(shù)。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述預(yù)測(cè)模型對(duì)應(yīng)每個(gè)所述特征數(shù)據(jù)具有相應(yīng)的權(quán)值。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，在所述特征數(shù)據(jù)包括歷史訂單的價(jià)格倍數(shù)的情況下，所述歷史訂單的價(jià)格倍數(shù)的權(quán)值與所述預(yù)約訂單的起始時(shí)間到當(dāng)前時(shí)間的差值成反比。

10.一種預(yù)約訂單的價(jià)格倍數(shù)確定裝置，其特征在于，包括：

接收單元，用于接收終端發(fā)出的包含預(yù)約訂單數(shù)據(jù)的信息；

獲取單元，用于獲取與所述預(yù)約訂單的價(jià)格倍數(shù)相關(guān)的特征數(shù)據(jù)；

計(jì)算單元，用于根據(jù)所述特征數(shù)據(jù)和預(yù)先生成的預(yù)測(cè)模型，計(jì)算所述預(yù)約訂單的價(jià)格倍數(shù)。

11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，還包括：

訓(xùn)練單元，用于獲取歷史訂單的歷史特征數(shù)據(jù)，以及與所述歷史特征數(shù)據(jù)相關(guān)聯(lián)的歷史價(jià)格倍數(shù)信息，將所述歷史特征數(shù)據(jù)和所述歷史價(jià)格倍數(shù)信息構(gòu)成的訓(xùn)練數(shù)據(jù)作為訓(xùn)練集；

學(xué)習(xí)單元，用于通過(guò)機(jī)器學(xué)習(xí)算法，利用所述訓(xùn)練集學(xué)習(xí)得到所述預(yù)測(cè)模型。

12.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述機(jī)器學(xué)習(xí)算法包括以下至少之一：

線性回歸算法、回歸決策樹算法、迭代決策樹算法或隨機(jī)森林算法。

13.根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述學(xué)習(xí)單元包括：

配置子單元，用于為每條所述訓(xùn)練數(shù)據(jù)分配設(shè)置價(jià)格倍數(shù)的初始預(yù)測(cè)值；

生成子單元，用于根據(jù)所述初始預(yù)測(cè)值和所述訓(xùn)練集，采用迭代決策樹算法，生成所述預(yù)設(shè)模型。