运力评估方法、计算机可读存储介质及计算机设备与流程

1.本发明属于物流领域，尤其涉及一种运力评估方法、计算机可读存储介质及计算机设备。


背景技术：

2.目前的订单分配系统大部分流量走的是抢单大厅方案，即订单产生后，随着时间和距离按城市配置，例如配置(10s，1km)表示(第0s推送1km内的司机，第10s推送2km内的司机，第20s推送3km内的司机，依次类推，直到订单被响应)；接单距离较短，可以在一定程度上避免因距离太远或装货点限行等原因而取消。
3.但是该方案对货车匹配、车型匹配、是否优质司机、环境特征等等欠考虑，导致某些配对的取消率较高；司机密度过高时，可能每轮播的司机过多影响司机体验，反之司机密度过低时，可能每轮播的司机过少导致响应率降低，造成运力浪费。


技术实现要素：

4.本发明的目的在于提供一种运力评估方法、计算机可读存储介质及计算机设备，旨在解决不能充分利用司机运力，造成运力浪费的问题。
5.第一方面，本发明提供了一种运力评估方法，包括：
6.根据订单特征和用户特征筛选订单，将筛选的订单作为目标订单；
7.获取每日目标订单的订单总量、订单总金额和订单总距离，利用时间序列模型预测未来一天的日订单总量、日订单总金额和日订单总距离；
8.根据司机特征筛选司机，将筛选的司机作为目标司机；
9.获取目标司机每日的订单总量、订单总金额、订单总距离和司机数量，以计算目标司机运力日参数；
10.根据目标司机的运力日参数以及预测未来一天的日订单总量、日订单总金额和日订单总距离计算得到未来一天所需司机数量。
11.进一步地，所述运力日参数包括日订单量运力、日订单金额运力和日订单距离运力。
12.进一步地，所述司机特征包括：司机流水、总运输距离、总接单量、空间特征和时间特征。
13.进一步地，所述获取目标司机每日的订单总量、订单总金额、订单总距离和司机数量，以计算目标司机运力日参数具体为：
14.将订单总量、订单总金额和订单总距离分别除以司机数量，得到目标司机集合的每日运力，即：
15.[0016][0017][0018]
其中，date代表日期，为date当天的订单量参数，为date当天的订单金额参数，为date当天的订单距离参数；
[0019]
根据每日运力参数计算目标司机集合对应的运力日均参数，即：
[0020][0021][0022][0023]
其中，n为统计的天数，为日均订单量运力参数，为日均订单金额参数，为日均订单距离参数。
[0024]
进一步地，所述运力评估方法还包括：
[0025]
获取每时目标订单的订单总量、订单总金额和订单总距离，分别利用时间序列模型预测未来一小时的订单总量、订单总金额和订单总距离；
[0026]
获取目标司机每时的订单总量、订单总金额、订单总距离和司机数量，并计算目标司机运力小时参数；
[0027]
根据目标司机运力小时参数以及预测未来一小时的订单总量、订单总金额和订单总距离计算得到未来一小时所需司机数量。
[0028]
进一步地，所述时间序列模型是arma模型。
[0029]
进一步地，所述订单特征包括：车型、运输距离、订单金额、跟车和搬运。
[0030]
进一步地，所述用户特征包括用户主动取消比率。
[0031]
第二方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的运力评估方法的步骤。
[0032]
第三方面，本发明提供了一种计算机设备，包括：一个或多个处理器、存储器以及一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现所述的运力评估方法的步骤。
[0033]
在本发明中，确定订单范围和司机群体统计历史数据和司机群体参数，通过时间序列预测未来订单数据，根据未来订单数据和司机群体参数评估司机群体的司机数量，可以在实际派单中，根据评估的司机数量调度司机，减少运力浪费，也可根据司机参数对司机的运力水平进行划分，依据偏好选择司机。
附图说明
[0034]
图1是本发明一实施例提供的运力评估方法的流程图。
[0035]
图2是本发明一实施例提供的计算机设备的具体结构框图。
具体实施方式
[0036]
为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0037]
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0038]
请参阅图1，本发明一实施例提供的运力评估方法包括以下步骤：需注意的是，若有实质上相同的结果，本发明的运力评估方法并不以图1所示的流程顺序为限。
[0039]
s1、根据订单特征和用户特征筛选订单，将筛选的订单作为目标订单；
[0040]
s2、获取每日目标订单的订单总量、订单总金额和订单总距离，利用时间序列模型预测未来一天的日订单总量、日订单总金额和日订单总距离；
[0041]
s3、根据司机特征筛选司机，将筛选的司机作为目标司机；
[0042]
s4、获取目标司机每日的订单总量、订单总金额、订单总距离和司机数量，以计算目标司机运力日参数；
[0043]
s5、根据目标司机的运力日参数以及预测未来一天的日订单总量、日订单总金额和日订单总距离计算得到未来一天所需司机数量。
[0044]
在本发明一实施例中，所述运力日参数包括日订单量运力、日订单金额运力和日订单距离运力。
[0045]
在本发明一实施例中，所述司机特征包括：司机流水、总运输距离、总接单量、空间特征和时间特征。
[0046]
在本发明一实施例中，所述获取目标司机每日的订单总量、订单总金额、订单总距离和司机数量，以计算目标司机运力日参数具体为：
[0047]
将订单总量、订单总金额和订单总距离分别除以司机数量，得到目标司机集合的每日运力，即：
[0048][0049][0050][0051]
其中，date代表日期，为date当天的订单量参数，为date当天的订单金额参数，为date当天的订单距离参数；
[0052]
根据每日运力参数计算目标司机集合对应的运力日均参数，即：
[0053]
[0054][0055][0056]
其中，n为统计的天数，为日均订单量运力参数，为日均订单金额参数，为日均订单距离参数。
[0057]
根据目标司机的运力日参数以及预测未来一天的日订单总量、日订单总金额和日订单总距离计算得到未来一天所需司机数量，即：
[0058][0059]
其中，为未来一天所需司机数量，为预测未来一天的日订单总量。
[0060]
在本发明一实施例中，所述运力评估方法还包括：
[0061]
获取每时目标订单的订单总量、订单总金额和订单总距离，分别利用时间序列模型预测未来一小时的订单总量、订单总金额和订单总距离；
[0062]
获取目标司机每时的订单总量、订单总金额、订单总距离和司机数量，并计算目标司机运力小时参数；
[0063]
根据目标司机运力小时参数以及预测未来一小时的订单总量、订单总金额和订单总距离计算得到未来一小时所需司机数量。
[0064]
获取目标司机每时目标订单的订单量参数、订单金额参数和订单距离参数，即：
[0065][0066][0067][0068]
其中，date代表日期，hour代表小时，dn
date，hour
为date日hour时的订单量参数，dm
date，hour
为date日hour时的订单金额参数，dd
date,hour
为date日hour时的订单距离参数；
[0069]
在每小时节点，统计n天的小时订单总量参数、小时订单金额参数和小时订单距离参数，即：
[0070][0071][0072]
[0073]
其中，n为统计的天数，为date日hour时的平均订单量运力参数，为date日hour时的平均订单金额参数，为date日hour时的平均订单距离参数；
[0074]
预测未来一天每小时司机总数为：
[0075][0076]
其中，为未来一天hour时所需司机数量，为预测未来一天hour时的小时订单总量，为运力小时均参数。
[0077]
在本发明一实施例中，所述时间序列模型是arma模型。
[0078]
获取每日目标订单的订单总量、订单总金额和订单总距离，利用时间序列模型预测未来一天的日订单总量、日订单总金额和日订单总距离具体为：
[0079]
分别对订单总量、订单总金额和订单总距离取对数后进行两次差分，并将差分后的时间序列输入到arma模型，预测未来一天的日订单总量、日订单总金额和日订单总距离。
[0080]
以订单数量为例，当n＝7时：
[0081]
对订单数量取对数，取对数后获得的数据做7阶差分后，再做一阶差分，将得到的时间序列输入到arma(7，1)模型，预测未来一天的订单数量。
[0082]
在本发明一实施例中，所述订单特征包括：车型、运输距离、订单金额、跟车和搬运。
[0083]
在本发明一实施例中，所述用户特征包括用户主动取消比率。
[0084]
本发明一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本发明一实施例提供的运力评估方法的步骤。
[0085]
图2示出了本发明一实施例提供的计算机设备的具体结构框图，一种计算机设备100包括：一个或多个处理器101、存储器102、以及一个或多个计算机程序，其中所述处理器101和所述存储器102通过总线连接，所述一个或多个计算机程序被存储在所述存储器102中，并且被配置成由所述一个或多个处理器101执行，所述处理器101执行所述计算机程序时实现如本发明一实施例提供的运力评估方法的步骤。
[0086]
计算机设备包括服务器和终端等。该计算机设备可以是台式计算机、移动终端或车载设备，移动终端包括手机、平板电脑、个人数字助理或可穿戴设备等中的至少一种。
[0087]
在本发明实施例中，确定订单范围和司机群体统计历史数据和司机群体参数，通过时间序列预测未来订单数据，根据未来订单数据和司机群体参数评估司机群体的司机数量，可以在实际派单中，根据评估的司机数量调度司机，减少运力浪费，也可根据司机参数对司机的运力水平进行划分，依据偏好选择司机。
[0088]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。
[0089]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。