本發(fā)明涉及計算機處理技術領域，特別涉及一種訂單策略動態(tài)調(diào)整方法及裝置。

背景技術：

目前，打車系統(tǒng)的使用已越來越普遍，乘客可以通過在用戶設備(userequipment，簡稱ue)上安裝打車系統(tǒng)并發(fā)布打車請求來便捷的打車。對于打車系統(tǒng)而言，高峰期與平峰期的訂單狀況截然不同：平峰期訂單偏少，司機運能得不到有效釋放；而在上下班高峰期，由于訂單急劇增長，司機供給嚴重不足。

現(xiàn)有的打車系統(tǒng)只能被動的在乘客訂單與司機之間進行調(diào)度，當處于打車高峰期時，容易出現(xiàn)訂單成交率低的情形；另外，當訂單質(zhì)量較差時，如出發(fā)地離目的地很近、目的地在偏遠郊區(qū)、路況擁堵等，很容易導致司機不愿意接單，也容易導致訂單成交率低。而對于乘客而言，在發(fā)出打車訂單后，由于往往不了解訂單的接收情況，只能很被動的等待，在高峰期或訂單質(zhì)量較差時，訂單成交率低；另外，由于打車系統(tǒng)不能及時向乘客反饋訂單成交率低的情形，使得乘客在等了許久后，仍然無法成功打到車，影響乘客打車體驗。因此，如何提高訂單成交率，提升乘客打車體驗，吸引更多的司機上線工作，是目前急需解決的問題。

技術實現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的一種訂單策略動態(tài)調(diào)整方法及裝置。

第一方面，本發(fā)明提供了一種訂單策略動態(tài)調(diào)整方法，包括：

在接收到用戶設備ue發(fā)送的打車請求，且生成第一訂單信息之 后，根據(jù)所述訂單信息，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率；

將所述第一成交概率與預設的第一閥值進行比較，獲得第一比較結(jié)果；

所述第一比較結(jié)果中，當?shù)谝怀山桓怕实陀谒鲱A設的第一閥值時，向ue推送訂單調(diào)整提醒信息。

優(yōu)選地，向ue推送訂單調(diào)整提醒信息之前，所述方法還包括：

判斷第二運力系統(tǒng)對應的第二成交概率是否大于所述第一成交概率的預設倍數(shù)；

當所述第二成交概率大于所述第一成交概率的預設倍數(shù)時，所述向ue推送訂單調(diào)整提醒信息為：向ue推送將所述訂單信息導流至所述第二運力系統(tǒng)的提醒信息；

當所述第二成交概率小于等于所述第一成交概率的預設倍數(shù)時，所述向ue推送訂單調(diào)整提醒信息為：向ue推送“愿等t分鐘”或“加價”的提醒信息。

優(yōu)選地，向ue推送“愿等t分鐘”或“加價”的提醒信息之前，所述方法還包括：

根據(jù)ue在預設時間段內(nèi)的歷史訂單數(shù)據(jù)，確定當前ue的消費等級；

若當前ue為低消費等級的ue，則所述向ue推送訂單調(diào)整提醒信息為：向ue推送“愿等t分鐘”的提醒信息；

否則，所述向ue推送訂單調(diào)整提醒信息為：向ue推送“加價”的提醒信息；所述“加價”為增加具體金額或增加付款倍數(shù)或“打表來接”。

優(yōu)選地，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率之前，所述方法還包括：

建立訂單成交率預估模型。

具體地，所述建立訂單成交率預估模型，包括：

獲取預設時間段內(nèi)所有ue對應的歷史訂單數(shù)據(jù)，從所述歷史訂單數(shù)據(jù)中提取特征數(shù)據(jù)，作為訓練樣本，采用回歸模型對所述特征數(shù)據(jù)進行訓練，得到訂單成交率預估模型；

所述特征數(shù)據(jù)包括：每一成交訂單的成交所屬星期、成交時間點、成交地點、周圍訂單數(shù)、周圍司機數(shù)、周圍司機的平均司乘距離、周圍訂單的成交率、訂單起始點到終點的距離、周圍司機與周圍訂單數(shù)量比、周圍訂單的平均成交耗時。

優(yōu)選地，向ue推送訂單調(diào)整提醒信息之后還包括：

在接收到所述ue發(fā)送的所述訂單調(diào)整提醒信息對應的應答信息之后，根據(jù)所述應答信息，播送訂單并獲取訂單交互信息；

根據(jù)所述訂單交互信息，修正所述ue的訂單對應的預估的成交概率。

優(yōu)選地，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率之前，所述方法還包括：

獲取第一運力系統(tǒng)中符合預設條件的終端數(shù)量；

當所述終端數(shù)量小于預設的第二閥值時，向ue推送“愿等t分鐘”的提醒信息；

當所述終端數(shù)量大于等于預設的第二閥值時，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率。

第二方面，本發(fā)明還提供一種訂單策略動態(tài)調(diào)整裝置，包括：

訂單成交概率評估模塊，用于在接收到用戶設備ue發(fā)送的打車請求，且生成第一訂單信息之后，根據(jù)所述訂單信息，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率；

比較模塊，用于將所述第一成交概率與預設的第一閥值進行比較，獲得第一比較結(jié)果；

提醒信息推送模塊，用于在所述第一比較結(jié)果中，當?shù)谝怀山桓? 率低于所述預設的第一閥值時，向ue推送訂單調(diào)整提醒信息。

優(yōu)選地，所述裝置還包括：

判斷模塊，用于判斷第二運力系統(tǒng)對應的第二成交概率是否大于所述第一成交概率的預設倍數(shù)；

所述提醒信息推送模塊具體用于：當所述第二成交概率大于所述第一成交概率的預設倍數(shù)時，向ue推送將所述訂單信息導流至所述第二運力系統(tǒng)的提醒信息；

當所述第二成交概率小于等于所述第一成交概率的預設倍數(shù)時，向ue推送“愿等t分鐘”或“加價”的提醒信息。

優(yōu)選地，所述裝置還包括：

ue消費等級確定模塊，用于根據(jù)ue在預設時間段內(nèi)的歷史訂單數(shù)據(jù)，確定當前ue的消費等級；

所述提醒信息推送模塊具體用于：若當前ue為低消費等級的ue，則向ue推送“愿等t分鐘”的提醒信息；

否則，向ue推送“加價”的提醒信息；所述“加價”為增加具體金額或增加付款倍數(shù)或“打表來接”。

優(yōu)選地，所述裝置還包括：

訂單成交率預估模型建立模塊，用于獲取預設時間段內(nèi)所有ue對應的歷史訂單數(shù)據(jù)，從所述歷史訂單數(shù)據(jù)中提取特征數(shù)據(jù)，作為訓練樣本，采用回歸模型對所述特征數(shù)據(jù)進行訓練，得到訂單成交率預估模型；

所述特征數(shù)據(jù)包括：每一成交訂單的成交所屬星期、成交時間點、成交地點、周圍訂單數(shù)、周圍司機數(shù)、周圍司機的平均司乘距離、周圍訂單的成交率、訂單起始點到終點的距離、周圍司機與周圍訂單數(shù)量比、周圍訂單的平均成交耗時。

優(yōu)選地，所述裝置還包括：

訂單播送模塊，用于在接收到所述ue發(fā)送的所述訂單調(diào)整提醒 信息對應的應答信息之后，根據(jù)所述應答信息，播送訂單并獲取訂單交互信息；

所述訂單成交概率評估模塊還用于根據(jù)所述訂單交互信息，修正所述ue的訂單對應的預估的成交概率。

優(yōu)選地，所述裝置還包括：

周圍終端數(shù)獲取模塊，用于獲取第一運力系統(tǒng)中符合預設條件的終端數(shù)量；

所述比較模塊還用于：將所述獲取的終端數(shù)量與預設的第二閥值進行比較；

所述提醒信息推送模塊還用于：當所述終端數(shù)量小于預設的第二閥值時，向ue推送“愿等t分鐘”的提醒信息；

所述訂單成交概率評估模塊還用于：當所述終端數(shù)量大于等于預設的第二閥值時，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率。

本發(fā)明提供的訂單策略動態(tài)調(diào)整方法及裝置，在接收到ue發(fā)送的打車請求后，先預估其成交概率，當成交概率較高時，播送訂單，當成交概率較低時，能及時的向ue推送訂單調(diào)整提醒信息，告知乘客訂單成交率低的原因，并提醒乘客及時的對其訂單進行調(diào)整，提高訂單成交概率，提升乘客打車體驗；在乘客調(diào)整其訂單后，也能吸引更多的司機上線工作。

附圖說明

圖1是本發(fā)明一實施例提供的訂單策略動態(tài)調(diào)整方法的流程圖；

圖2是本發(fā)明另一實施例提供的訂單策略動態(tài)調(diào)整方法的流程圖；

圖3是本發(fā)明實施例訂單策略動態(tài)調(diào)整裝置的原理圖。

具體實施方式

下面結(jié)合附圖和實施例，對本公開的具體實施方式作進一步詳細描述。以下實施例用于說明本公開，但不用來限制本公開的范圍。

以下對本發(fā)明實施例中提及的部分詞語進行說明。

本發(fā)明實施例中提及的用戶設備(userequipment，簡稱ue)是指服務需求方，如交通工具叫車服務中的乘客所使用的移動電話或固定電話或其他具有信息傳輸功能的設備等，例如智能手機、個人數(shù)碼助理(pda)、平板電腦、筆記本電腦、車載電腦(carputer)、掌上游戲機、智能眼鏡、智能手表、可穿戴設備、虛擬顯示設備或顯示增強設備(如googleglass、oculusrift、hololens、gearvr)等。

本發(fā)明實施例中提及的打車平臺是指打車系統(tǒng)及其相應的后臺服務器。其中，打車系統(tǒng)為一個管理系統(tǒng)，其用于根據(jù)接收的ue的打車請求為用戶提供相應的服務。打車平臺可以包括多個打車系統(tǒng)，如包括出租車打車系統(tǒng)、快車打車系統(tǒng)、專車打車系統(tǒng)、順風車打車系統(tǒng)等。ue的打車請求中包含有出發(fā)地信息和目的地信息。

本發(fā)明實施例中提及的終端為提供服務方，如交通工具叫車服務中的司機，所使用的用于接單的移動終端或pc端等設備。諸如上述服務需求方所使用各設備。本發(fā)明實施例中，為了區(qū)別乘客和司機，分別采用用戶設備ue和終端來分別表示乘客和司機所持的移動終端等設備。

本發(fā)明實施例中的第一運力系統(tǒng)可以理解為打車平臺上的任一打車系統(tǒng)，如出租車打車系統(tǒng)、快車打車系統(tǒng)、專車打車系統(tǒng)、順風車打車系統(tǒng)等；第二運力系統(tǒng)為打車平臺上與第一運力系統(tǒng)不同的其他打車系統(tǒng)，如第一運力系統(tǒng)為出租車打車系統(tǒng)時，第二運力系統(tǒng)可以為快車打車系統(tǒng)、專車打車系統(tǒng)、順風車打車系統(tǒng)中的任意一種或多種。

圖1是本發(fā)明實施例提供的訂單策略動態(tài)調(diào)整方法的流程圖，如圖1所示，該方法包括：

s1，在接收到ue發(fā)送的打車請求，且生成第一訂單信息之后，根據(jù)訂單信息，采用預先建立的訂單成交率預估模型，預估第一運力 系統(tǒng)對應的第一成交概率。

其中，用戶設備ue可以為移動終端或pc端，打車請求包含：出發(fā)地、目的地及ue的用戶標識等其中一種信息或組合信息。ue的用戶標識包含手機號碼、身份標識碼(id)、硬件地址等其中一種信息或組合信息。

第一訂單信息包含：ue的出發(fā)地、目的地、ue的用戶標識、訂單信息生成時間等。

第一運力系統(tǒng)為ue發(fā)送打車請求對應的系統(tǒng)，如乘客通過其ue上安裝的出租車打車系統(tǒng)發(fā)送打車請求，則該第一系統(tǒng)則為出租車打車系統(tǒng)。不難理解的是，也可以是專車打車系統(tǒng)、快車打車系統(tǒng)等。為了方便描述，本發(fā)明實施例中第一運力系統(tǒng)以出租車打車系統(tǒng)為例進行描述，對應的，第二運力系統(tǒng)指與出租車打車系統(tǒng)處于同一打車平臺的其他運力系統(tǒng)，如快車打車系統(tǒng)、專車打車系統(tǒng)、順風車打車系統(tǒng)等。

根據(jù)獲取的ue的出發(fā)地、目的地、訂單信息生成時間等，能通過訂單成交率預估模型對當前ue的訂單的成交概率進行預估。不難理解的是，訂單的成交概率受到出發(fā)地、當前時間信息等的影響，當前時間信息可以反映出高峰期或平峰期等特征，如早上8點至9點，晚上5點到7點為高峰期，其對訂單的成交概率肯定會有所影響；再如，目的地為偏遠郊區(qū)時，其對訂單的成交概率也會有所影響。

s2，將第一成交概率與預設的第一閥值進行比較，獲得第一比較結(jié)果；

具體來說，第一閥值是指針對訂單預設的成交概率閥值。本發(fā)明實施例預設的第一閥值為0.5。應當理解的是，第一閥值也可以根據(jù)實際應用設置其他數(shù)值。具體實施時通過調(diào)整該第一閥值，可以控制訂單調(diào)整提醒信息覆蓋的影響面。

s3，在第一比較結(jié)果中，當?shù)谝怀山桓怕实陀陬A設的第一閥值時， 向ue推送訂單調(diào)整提醒信息。

具體來說，向ue推送訂單調(diào)整提醒信息的同時，也會附帶發(fā)送訂單成交率低的原因，讓乘客及時的了解。

本發(fā)明實施例在接收到ue的打車請求后，先預估其成交概率，當成交概率較高時，播送訂單，當成交概率較低時，能及時的向ue推送訂單調(diào)整提醒信息，告知乘客訂單成交率低的原因，并提醒乘客及時的對其訂單進行調(diào)整，提高了訂單成交概率，提高了乘客打車體驗。

本實施例中，在步驟s1采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率之前，該方法還包括圖1中未示出的以下步驟：

s0，建立訂單成交率預估模型。

建立訂單成交率預估模型的方法為：獲取預設時間段內(nèi)所有ue對應的歷史訂單數(shù)據(jù)，從歷史訂單數(shù)據(jù)中提取特征數(shù)據(jù)，作為訓練樣本，采用回歸模型對特征數(shù)據(jù)進行訓練，得到訂單成交率預估模型。

其中，預設時間段根據(jù)實際需求可以是最近一年內(nèi)，也可以是最近一個季度內(nèi)等。特征數(shù)據(jù)包括：每一成交訂單的成交所屬星期、成交時間點、成交地點、周圍訂單數(shù)、周圍司機數(shù)、周圍司機的平均司乘距離、周圍訂單的成交率、訂單起始點到終點的距離、周圍司機與周圍訂單數(shù)量比、周圍訂單的平均成交耗時等。

需要說明的是，上述司乘距離指司機與乘客訂單的距離；訂單的成交耗時指訂單從用戶設備ue發(fā)出到司機終端接單所耗費的時間。

上述回歸模型可以是支持向量機模型或決策樹或邏輯斯特回歸模型，由于邏輯斯特回歸模型相對簡單，本發(fā)明采用邏輯斯特回歸模型作為具體實施例，并利用機器學習算法進行反復訓練，訓練得到的邏輯斯特回歸模型即為訂單成交率預估模型，提高預估的準確度。

邏輯斯特回歸模型(logisticregression)廣泛運用于二分類問題， 具體模型如下：

其中，p(y＝1|x＝x)表示預估為正例的概率，y為目標變量，x為預測變量，β為模型參數(shù)，通常采用最大似然方法進行估計。本發(fā)明實施例中，y＝1表示訂單成交，y＝0表示訂單成交失敗。對于y＝1或y＝0的二分類問題，p(y＝1|x＝x)+p(y＝0|x＝x)＝1。

通過上述訂單成交率預估模型，便可預估實時獲取的訂單的成交概率。

當步驟s1中第一成交概率大于等于0.5時，不會向ue推送訂單調(diào)整提醒信息，當步驟s1中第一成交概率低于0.5時，才向ue推送訂單調(diào)整提醒信息，以減少對乘客的干擾。

當存在其他運力系統(tǒng)(如快車打車系統(tǒng)、專車打車系統(tǒng)、順風車打車系統(tǒng))對應的第二成交概率大于出租車打車系統(tǒng)對應的第一成交概率時，步驟s1中向ue推送的訂單調(diào)整提醒信息可以是導流到其他運力系統(tǒng)的提醒信息；當然，也可以不進行訂單導流，直接推送“愿等t分鐘”或“加價”的提醒信息。

考慮到導流的繁瑣及用戶的可接受性，作為優(yōu)選方式，本發(fā)明實施例在步驟s3向ue推送訂單調(diào)整提醒信息之前，還包括如圖2所示的以下步驟：

s31，判斷第二運力系統(tǒng)對應的第二成交概率是否大于第一成交概率的預設倍數(shù)；

當?shù)诙山桓怕蚀笥诘谝怀山桓怕实念A設倍數(shù)時，向ue推送將訂單信息導流至第二運力系統(tǒng)的提醒信息；

當?shù)诙山桓怕市∮诘扔诘谝怀山桓怕实念A設倍數(shù)時，向ue推送“愿等t分鐘”或“加價”的提醒信息。

本發(fā)明實施例預設倍數(shù)為1.5，即當?shù)诙\力系統(tǒng)對應的第二成交概率遠遠大于第一成交概率時，才向ue推送將訂單信息導流至第 二運力系統(tǒng)的提醒信息，提醒乘客進行訂單導流。預設倍數(shù)可以根據(jù)實際需求進行設置。

不難理解的是，當?shù)谝贿\力系統(tǒng)為出租車打車系統(tǒng)時，第二系統(tǒng)為快車打車系統(tǒng)、專車打車系統(tǒng)、順風車打車系統(tǒng)中的任意一種或多種。類似地，通過訂單成交率預估模型可以分別預估快車打車系統(tǒng)、專車打車系統(tǒng)、順風車打車系統(tǒng)等對應的成交概率，選取成交概率大于第一成交概率的打車系統(tǒng)，實現(xiàn)訂單的導流，能提高訂單成交率。

由于不同的乘客其消費能力也不同，當乘客消費能力相對較低或者對加價情形敏感時，若向其推送“加價”的提醒信息，必然影響乘客打車體驗；類似的，當乘客消費能力相對較高，對加價比較認可，但對時間很敏感的乘客推送“愿等t分鐘”的提醒信息，也必然會影響其打車體驗。因此，本發(fā)明優(yōu)選地方式，繼續(xù)參照圖2，當?shù)诙山桓怕市∮诘扔诘谝怀山桓怕实?.5倍，向ue推送“愿等t分鐘”或“加價”的提醒信息之前還包括以下步驟：

s32，根據(jù)ue在預設時間段內(nèi)的歷史訂單數(shù)據(jù)，確定當前ue的消費等級；

若當前ue為低消費等級的ue，則向ue推送“愿等t分鐘”的提醒信息；

否則，向ue推送“加價”的提醒信息。

例如，從預設時間段內(nèi)的歷史訂單數(shù)據(jù)中獲取到當前ue從未有過加價的訂單，但經(jīng)常愿意等待較長時間，因此，確認該ue對加價比較敏感，為低消費等級。

具體實施時，“加價”可以為增加具體金額，如“加價15元”；也可以是增加付款倍數(shù)，如“增加原始應付金額的1.2倍”；還可以是動態(tài)加價的方式，如；“每公里加價1元”；還可以是其它方式，如“打表來接”。本發(fā)明實施例不做限定。

需要說明的是，當接收到ue發(fā)送的“愿等t分鐘”提醒信息對 應的應答信息時，如接收到“愿等15分鐘”的應答信息，本發(fā)明實施例會根據(jù)該時間計算播單的擴大范圍，擴大訂單的播送范圍，通知更遠的、即將到達的司機接單。

不難理解的是，當擴大訂單的播送范圍后，其對應的成交概率也會提高，該成交概率也可以通過訂單成交率預估模型預估得到。

需要說明的是，當?shù)谝贿\力系統(tǒng)不是出租車打車系統(tǒng)時，加價方式中不存在“打表來接”的方式，因為只有出租車能實現(xiàn)打表方式。

進一步地，在步驟s3之后還包括圖1中未示出的以下步驟：

s4，在接收到ue發(fā)送的訂單調(diào)整提醒信息對應的應答信息之后，根據(jù)該應答信息，播送訂單并獲取訂單交互信息；

s5，根據(jù)訂單交互信息，修正當前ue的訂單對應的預估的成交概率。

上述步驟s4具體包括：

s41，判斷預設時間段內(nèi)(如2分鐘內(nèi))是否接收到用戶設備ue推送訂單調(diào)整提醒信息的應答信息；

s42，根據(jù)應答信息接收情況，播送訂單。

具體地，上述步驟s42包括以下幾種情況：

第一種：當接收到應答信息，且應答信息為確認加價的調(diào)整信息，則生成調(diào)整后的第二訂單信息并向第一運力系統(tǒng)預設條件的終端播送；該第二訂單信息中包含有加價信息。該預設條件為與ue的出發(fā)地的距離為第一距離的所有終端。

第二種：若未收到應答信息或接收的應答信息為拒絕調(diào)整，則默認將第一訂單信息播送至第一運力系統(tǒng)預設條件的終端。

第三種：若接收的應答信息為“愿等t分鐘”，則根據(jù)該時間計算訂單播送的擴大范圍，并將第一訂單信息播送至該擴大后的播單范圍的終端。

第四種，若接收到的應答信息為“導流”的信息，則播送第一訂 單信息至對應其他運力系統(tǒng)。

步驟s5中訂單交互信息的獲取也可以設置時間限制，如在若干秒后，獲取訂單交互信息。訂單交互信息指訂單(第一訂單信息或第二訂單信息)播送后，終端實際應答情況信息。由于本發(fā)明實施例在播送訂單前會預估訂單的成交概率，而預估值與實際值存在差異，因此，優(yōu)選地，在播送訂單信息后，根據(jù)終端實際應答情況及時修正預估的成交概率，再與預設的閥值比較，執(zhí)行是否向用戶設備ue推送訂單調(diào)整提醒信息的動作，能進一步提高訂單成交率。

假設訂單播送前通過訂單成交率預估模型預估的成交概率為p，訂單播單時播送給了播單范圍內(nèi)的若干個終端，而這些終端沒有應答，那么實際的成交概率相對于訂單播送前預估的成交概率會有所下降。因此，根據(jù)終端實際應答情況來修正訂單的成交概率對提高訂單成交率具有一定的好處。

根據(jù)數(shù)據(jù)統(tǒng)計分析得知：司機若對某訂單有接單意愿，80％的司機會通過其終端在該訂單播送一次時接單，90％會在訂單播送兩次之內(nèi)接單，播送兩次以上再接單的概率幾乎為零。因此，本發(fā)明實施例采用以下計算公式對訂單的成交概率進行修正：

pa＝p-(n-0.8*a-0.9*b-c)/n；

其中，n為播單范圍內(nèi)終端數(shù)量，pa為n個終端沒有應答時修正后的預估訂單成交概率，p為訂單播送前通過訂單成交率預估模型預估的成交概率，a為該訂單被播送一次的終端，b為該訂單被播送兩次的終端，c為該訂單被播送兩次以上的終端。

考慮到當?shù)谝挥唵涡畔⒅谐霭l(fā)地附近的終端很少，即預設條件內(nèi)終端很少時，無論如何加價，訂單成交的可能性都會比較低，可選地，在采用預先建立的訂單成交率預估模型，預估出租車打車系統(tǒng)對應的第一成交概率之前還包括：

獲取出租車打車系統(tǒng)中符合預設條件的終端數(shù)量；

當終端數(shù)量小于預設的第二閥值時，向ue推送“愿等t分鐘”的提醒信息；

當終端數(shù)量大于等于預設的第二閥值時，采用預先建立的訂單成交率預估模型，預估第一成交概率。

本發(fā)明實施例設置第二閥值為5，不難理解的是，也可以根據(jù)實際應用設置其他數(shù)值。

如圖3所示，為本發(fā)明實施例提供的訂單策略動態(tài)調(diào)整裝置，包括：

訂單成交概率評估模塊，用于在接收到用戶設備ue發(fā)送的打車請求，且生成第一訂單信息之后，根據(jù)訂單信息，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率；

比較模塊，用于將第一成交概率與預設的第一閥值進行比較，獲得第一比較結(jié)果；

提醒信息推送模塊，用于在第一比較結(jié)果中，當?shù)谝怀山桓怕实陀陬A設的第一閥值時，向ue推送訂單調(diào)整提醒信息。

本實施例中，優(yōu)選地，該裝置還包括：

判斷模塊，用于判斷第二運力系統(tǒng)對應的第二成交概率是否大于第一成交概率的預設倍數(shù)；

提醒信息推送模塊具體用于：當?shù)诙山桓怕蚀笥诘谝怀山桓怕实念A設倍數(shù)時，向ue推送將訂單信息導流至第二運力系統(tǒng)的提醒信息；

當?shù)诙山桓怕市∮诘扔诘谝怀山桓怕实念A設倍數(shù)時，向ue推送“愿等t分鐘”或“加價”的提醒信息。

本實施例中，優(yōu)選地，該裝置還包括：

ue消費等級確定模塊，用于根據(jù)ue在預設時間段內(nèi)的歷史訂單數(shù)據(jù)，確定當前ue的消費等級；

提醒信息推送模塊具體用于：若當前ue為低消費等級的ue， 則向ue推送“愿等t分鐘”的提醒信息；

否則，向ue推送“加價”的提醒信息；該“加價”為增加具體金額或增加付款倍數(shù)或“打表來接”。

本實施例中，優(yōu)選地，該裝置還包括：

訂單成交率預估模型建立模塊，用于獲取預設時間段內(nèi)所有ue對應的歷史訂單數(shù)據(jù)，從歷史訂單數(shù)據(jù)中提取特征數(shù)據(jù)，作為訓練樣本，采用回歸模型對特征數(shù)據(jù)進行訓練，得到訂單成交率預估模型；

其中，特征數(shù)據(jù)包括：每一成交訂單的成交所屬星期、成交時間點、成交地點、周圍訂單數(shù)、周圍司機數(shù)、周圍司機的平均司乘距離、周圍訂單的成交率、訂單起始點到終點的距離、周圍司機與周圍訂單數(shù)量比、周圍訂單的平均成交耗時。

本實施例中，優(yōu)選地，該裝置還包括：

訂單播送模塊，用于在接收到ue發(fā)送的訂單調(diào)整提醒信息對應的應答信息之后，根據(jù)應答信息，播送訂單并獲取訂單交互信息；

訂單成交概率評估模塊還用于根據(jù)訂單交互信息，修正ue的訂單對應的預估的成交概率。

本實施例中，優(yōu)選地，該裝置還包括：

周圍終端數(shù)獲取模塊，用于獲取第一運力系統(tǒng)中符合預設條件的終端數(shù)量；

比較模塊還用于：將獲取的終端數(shù)量與預設的第二閥值進行比較；

提醒信息推送模塊還用于：當終端數(shù)量小于預設的第二閥值時，向ue推送“愿等t分鐘”的提醒信息；

訂單成交概率評估模塊還用于：當終端數(shù)量大于等于預設的第二閥值時，采用預先建立的訂單成交率預估模型，預估第一運力系統(tǒng)對應的第一成交概率。

對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。

應當注意的是，在本公開的裝置的各個部件中，根據(jù)其要實現(xiàn)的功能而對其中的部件進行了邏輯劃分，但是，本公開不受限于此，可以根據(jù)需要對各個部件進行重新劃分或者組合，例如，可以將一些部件組合為單個部件，或者可以將一些部件進一步分解為更多的子部件。

本公開的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領域的技術人員應當理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(dsp)來實現(xiàn)根據(jù)本公開實施例的系統(tǒng)中的一些或者全部部件的一些或者全部功能。本公開還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設備或者裝置程序(例如，計算機程序和計算機程序產(chǎn)品)。這樣的實現(xiàn)本公開的程序可以存儲在計算機可讀介質(zhì)上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。

應該注意的是上述實施例對本公開進行說明而不是對本公開進行限制，并且本領域技術人員在不脫離所附權(quán)利要求的范圍的情況下可設計出替換實施例。在權(quán)利要求中，不應將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本公開可以借助于包括有若干不同元件的硬件以及借助于適當編程的計算機來實現(xiàn)。在列舉了若干裝置的模塊權(quán)利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。

以上實施方式僅適于說明本公開，而并非對本公開的限制，有關技術領域的普通技術人員，在不脫離本公開的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術方案也屬于本公開的范疇，本公開的專利保護范圍應由權(quán)利要求限定。