[發(fā)明專利]一種預測成單司機數量的方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 201811132647.4
• 申請日: 2018-09-27
• 公開（公告）號: CN109409576A
• 公開（公告）日: 2019-03-01
• 發(fā)明（設計）人: 羅浩
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q50/30
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種預測成單司機數量的方法，其特征在于，包括：

確定多個司機中每個司機的業(yè)務類型；

根據每種所述業(yè)務類型的司機的成單特征，預測每種所述業(yè)務類型的成單司機的數量；

根據每種所述業(yè)務類型的成單司機的數量預測成單司機的總數量。

2.根據權利要求1所述的方法，其特征在于，所述確定多個司機中每個司機的業(yè)務類型，包括：

獲取多個司機中每個司機在以當前時刻為起點往前第一預設時間段內的歷史訂單數量；

若當前司機的所述歷史訂單數量大于0，則將所述當前司機的業(yè)務類型確定為活躍類型；否則，

將所述當前司機的業(yè)務類型確定為非活躍類型。

3.根據權利要求2所述的方法，其特征在于，所述根據每種所述業(yè)務類型的司機的成單特征，預測每種所述業(yè)務類型的成單司機的數量，包括：

確定所述活躍類型的每個司機的個體成單特征；所述個體成單特征包括以下至少一項：體驗特征、數據統計特征、出勤偏好特征、預測日期的天氣情況以及預測日期的司機補貼/獎勵；

將所述每個司機的個體成單特征輸入到預先訓練的活躍類型的成單司機數量模型中，得到所述每個司機對應的成單司機數量；

對所述每個司機對應的成單司機數量進行求和運算，得到所述活躍類型的成單司機的第一數量。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：預先根據以下步驟訓練所述活躍類型的成單司機數量模型：

確定所述活躍類型的樣本司機；

獲取每個所述樣本司機的樣本個體成單特征；

標定每個所述樣本個體成單特征對應的樣本成單司機數量；

將每個所述樣本司機的樣本個體成單特征以及對應的樣本成單司機數量作為訓練集，訓練所述活躍類型的成單司機數量模型。

5.根據權利要求2所述的方法，其特征在于，所述根據每種所述業(yè)務類型的司機的成單特征，預測每種所述業(yè)務類型的成單司機的數量，包括：

確定所述非活躍類型的司機的總體成單特征以及總數量；

將所述總體成單特征以及所述總數量輸入到預先訓練的非活躍類型的成單司機數量模型中，得到所述非活躍類型的成單司機的第二數量。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括根據以下步驟訓練所述非活躍類型的成單司機數量模型：

確定所述非活躍類型的樣本司機；

獲取所述樣本司機的樣本總體成單特征；

標定所述樣本總體成單特征對應的樣本成單司機數量；

將所述樣本司機的樣本總體成單特征以及對應的樣本成單司機數量作為訓練集，訓練所述非活躍類型的成單司機數量模型。

7.根據權利要求2所述的方法，其特征在于，所述非活躍類型包括新注冊類型和沉默類型；

所述將所述當前司機的業(yè)務類型確定為非活躍類型，包括：

獲取所述非活躍類型的每個司機的注冊時間；

若當前司機的注冊時間在以當前時刻為起點往前第二預設時間段內，則將所述當前司機的業(yè)務類型確定為新注冊類型；否則，

將所述當前司機的業(yè)務類型確定為沉默類型。

8.根據權利要求1-7任一項所述的方法，其特征在于，所述根據每種所述業(yè)務類型的成單司機的數量預測成單司機的總數量，包括：

對每種所述業(yè)務類型的成單司機的數量進行求和運算，得到成單司機的總數量。

9.一種預測成單司機數量的裝置，其特征在于，包括：

業(yè)務類型確定模塊，用于確定多個司機中每個司機的業(yè)務類型；

類型數量預測模塊，用于根據每種所述業(yè)務類型的司機的成單特征，預測每種所述業(yè)務類型的成單司機的數量；

總數量預測模塊，用于根據每種所述業(yè)務類型的成單司機的數量預測成單司機的總數量。