数据处理方法、装置、服务器及存储介质与流程

1.本技术涉及数据处理技术领域，更具体地，涉及一种数据处理方法、装置、服务器及存储介质。


背景技术：

2.现有电子不停车收费etc系统中通常使用固定折扣对etc系统的用户数据进行处理，固定折扣主要根据行业经验进行确定，这种固定折扣的方式过于单一，无法准确满足etc系统的需求。


技术实现要素：

3.本技术提出了一种数据处理方法、装置、服务器及存储介质，以改善上述缺陷。
4.第一方面，本技术实施例提供了一种数据处理方法，应用于服务器，所述方法包括：获取车辆的用户账号；获取通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据；基于预先获取的目标概率确定目标折扣信息，其中，所述目标概率预先根据所述etc系统中的样本用户的历史数据而确定，所述历史数据包括每个样本用户被加入黑名单的次数，所述目标概率用于表征所述etc系统中任一用户被加入黑名单的概率；根据所述目标折扣信息和所述第一数据确定第二数据，基于所述第二数据对所述用户账号发起数据处理请求。
5.第二方面，本技术实施例提供了一种数据处理装置，应用于服务器，所述装置包括：第一获取单元、第二获取单元、第一确定单元以及第二确定单元。其中，第一获取单元，用于获取车辆的用户账号；第二获取单元，用于获取通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据；第一确定单元，用于基于预先获取的目标概率确定目标折扣信息，其中，所述目标概率预先根据所述etc系统中的样本用户的历史数据而确定，所述历史数据包括每个样本用户被加入黑名单的次数，所述目标概率用于表征所述etc系统中任一用户被加入黑名单的概率；第二确定单元，用于根据所述目标折扣信息和所述第一数据确定第二数据，基于所述第二数据对所述用户账号发起数据处理请求。
6.在本技术的一些实施例中，基于前述方案，数据处理装置还包括：第一预测单元，用于根据所述历史数据中每个样本用户被加入黑名单的次数确定所述样本用户被加入黑名单的平均次数；第二预测单元，用于基于所述平均次数使用泊松分布预测所述etc系统中任一用户被加入黑名单的概率，将所述概率作为所述目标概率。
7.在本技术的一些实施例中，所述黑名单包括未在指定时段内处理所述etc系统产生的本次待处理数据的用户账号，所述指定时段与本次待处理数据对应，第一确定单元包括：初始折扣获取单元、第一调整单元、折扣等级确定单元以及目标折扣确定单元。其中，初始折扣获取单元用于获取多个初始折扣信息；第一调整单元用于基于所述目标概率调整所述多个初始折扣信息，以得到多个参考折扣信息，其中，每个所述参考折扣信息对应一个折扣等级，所述目标概率与所述多个参考折扣信息负相关；折扣等级确定单元用于基于所述
用户账号的历史数据，确定所述用户账号当前处理所述数据处理请求时所使用的目标折扣等级；目标折扣确定单元用于从所述多个参考折扣信息中获取与所述目标折扣等级对应的所述目标折扣信息。
8.在本技术的一些实施例中，基于前述方案，参考折扣信息与所述折扣等级正相关，折扣等级确定单元包括：历史折扣获取单元，用于确定所述用户账号处理所述etc系统上一次产生的待处理数据时所使用的历史折扣等级；目标等级确定单元，用于根据预先确定的等级转移规则及所述用户账号的历史数据和所述历史折扣等级，确定所述用户账号当前处理所述数据处理请求时所使用的目标折扣等级，其中，所述等级转移规则规定所述目标折扣等级与所述用户账号的历史数据呈负相关关系。
9.在本技术的一些实施例中，基于前述方案，第一调整单元包括：分布概率确定单元，用于基于所述目标概率确定所述多个参考折扣信息的分布概率，所述分布概率用于表示所述任一用户使用每个所述参考折扣信息的概率；第二调整单元，用于根据所述多个初始折扣信息及所述分布概率调整所述多个参考折扣信息。
10.在本技术的一些实施例中，基于前述方案，分布概率确定单元包括：矩阵确定单元，用于基于所述目标概率确定用于表征多个所述折扣等级间相互转移的概率的状态转移矩阵，其中，所述状态转移矩阵用于表征所述任一用户的折扣等级与所述任一用户的目标概率呈负相关关系；分布概率确定子单元，用于根据所述状态转移矩阵得到稳态状态下所述多个参考折扣信息的分布概率，其中，在所述稳态状态下，多个所述折扣等级间相互转移前和相互转移后，所述任一用户使用每个所述参考折扣信息的概率保持不变。
11.在本技术的一些实施例中，基于前述方案，参考折扣信息与所述折扣等级正相关，矩阵确定单元包括：概率确定单元，用于基于所述目标概率确定所述任一用户未被加入黑名单的第一概率，所述目标概率为第二概率；第一转移概率确定单元，用于若所述任一用户处于所述折扣等级中的最低等级，将所述任一用户保持所述最低等级不变的概率设置为所述第二概率，将所述任一用户上升到邻近等级的概率设置为所述第一概率，将所述任一用户上升到其他等级的概率设置为零，以获取所述最低等级对应的转移概率；第二转移概率确定单元，用于若所述任一用户处于所述折扣等级中的最高等级，将所述任一用户下降到邻近等级的概率设置为所述第二概率，将所述任一用户保持所述最高等级不变的概率设置为所述第一概率，将所述任一用户下降到其他等级的概率设置为零，以获取所述最高等级对应的转移概率；第三转移概率确定单元，用于若所述任一用户处于所述最低等级与所述最高等级之间的中间折扣等级，将所述任一用户下降到邻近等级的概率设置为所述第二概率，将所述任一用户上升到邻近等级的概率设置为所述第一概率，将所述任一用户保持所述中间折扣等级及转移到其他等级的概率设置为零，以获取所述中间折扣等级对应的转移概率；矩阵确定子单元，用于由所述最低等级对应的转移概率、所述最高等级对应的转移概率以及所述中间折扣等级对应的转移概率生成所述状态转移矩阵。
12.在本技术的一些实施例中，基于前述方案，第二调整单元包括：第二调整子单元，用于根据所述分布概率确定所述多个参考折扣信息的预测值与无偏估计值；最优折扣确定单元，用于基于所述多个初始折扣信息计算得到使所述预测值与所述无偏估计值之间的偏差满足预设阈值条件的最优折扣信息，作为所述多个参考折扣信息。
13.在本技术的一些实施例中，基于前述方案，第二调整子单元包括：第一迭代单元，
用于基于所述分布概率迭代更新所述多个初始折扣信息；第二迭代单元，用于将每次迭代更新前的所述多个初始折扣信息与所述分布概率的加权和确定为所述无偏估计值，将每次迭代更新后得到的所述多个初始折扣信息确定为所述预测值。
14.第三方面，本技术实施例提供了一种服务器，包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行上述数据处理方法。
15.第四方面，本技术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中存储有程序代码，所述程序代码可被处理器调用执行上述数据处理方法。
16.第五方面，本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的方法。
17.本技术提供的数据处理方法、装置、服务器及存储介质，在获取到车辆的用户账号以及通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据后，基于预先获取的目标概率确定目标折扣信息，其中，所述目标概率预先根据所述etc系统中的样本用户的历史数据而确定，所述历史数据包括每个样本用户被加入黑名单的次数，所述目标概率用于表征所述etc系统中任一用户被加入黑名单的概率，然后根据所述目标折扣信息和所述第一数据确定第二数据，最后基于所述第二数据对所述用户账号发起数据处理请求。由此，使与车辆绑定的用户账号在对etc系统中发起的数据处理请求进行处理时使用的折扣信息可以根据历史数据估算得到的用户账号被加入黑名单的概率而确定，使折扣信息会随着用户账号被加入黑名单的次数而变化，使得折扣信息更加灵活。
附图说明
18.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
19.图1示出了本技术一实施例提供的数据处理方法的应用场景示意图。
20.图2示出了本技术一实施例提供的数据处理方法的流程示意图。
21.图3示出了本技术一实施例提供的数据处理方法的系统架构示意图。
22.图4示出了本技术另一实施例提供的数据处理方法的流程示意图。
23.图5示出了本技术一实施例提供的数据处理方法中步骤s440的流程示意图。
24.图6示出了本技术另一实施例提供的数据处理方法中步骤s441的流程示意图。
25.图7示出了本技术另一实施例提供的数据处理方法中步骤s442的流程示意图。
26.图8示出了本技术另一实施例提供的数据处理方法中步骤s450的流程示意图。
27.图9示出了本技术一实施例提供的数据处理方法的流程框图。
28.图10示出了本技术一实施例的数据处理装置的结构框图。
29.图11示出了本技术一实施例提供的服务器的结构框图。
30.图12示出了本技术一实施例提供的计算机可读存储介质的结构框图。
具体实施方式
31.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
32.目前，在电子不停车收费etc系统中，通常使用固定折扣的方式对etc系统中用户账号的用户数据进行处理。随着计算机技术的不断发展， etc系统的运营单位制定的运营策略的变化也越来越迅速，但这种固定折扣的方式过于单一，已无法同时满足etc系统的多元需求。其中，该用户数据可以是etc系统中与车辆绑定的用户账号的账号数据，账号数据可以包括车辆标识信息、车辆里程信息、etc系统产生的车辆的待支付费用、账户余额等等。
33.发明人经过长期的研究发现，可以利用计算机技术，通过收集etc系统中的用户数据，可以自适应地根据etc系统中用户账号被加入黑名单的次数而改变折扣信息，使得折扣信息更加灵活，能够为运营单位的数据决策提供更加可靠的信息来源。因此，发明人提出了一种数据处理方法、装置、服务器及存储介质。
34.下面将对本技术所涉及的一种服务器的系统架构进行介绍。
35.请参阅图1，图1示出了本技术一实施例提供的数据处理方法的应用场景示意图。在本技术的一些实施方式中，数据处理方法可以应用于电子不停车收费etc系统中的服务器中，以使用etc系统的车辆140通过出口闸机为例。在该车联网的应用场景下，车辆140在进入高速或桥梁等路段时会经过入口闸机和出口闸机，入口闸机和出口闸机通常配备有通讯设备130，可以分别收集到车辆140的车辆标识信息、入口信息和出口信息，根据上述入口信息和出口信息可以计算得到车辆140的车辆行驶路径、车辆里程信息等车辆数据，通讯设备130可以将这些车辆标识信息、入口信息、出口信息或车辆数据等发送给服务器，服务器通过车辆标识信息可以得到与车辆140关联的用户账号，然后根据入口信息、出口信息或车辆数据等信息对该用户账号里与车辆140有关的数据进行处理。可以理解的是，用户可以使用一个或多个电子设备110登录与车辆140关联的用户账号，并且用户可以通过电子设备110对服务器发送的数据处理请求作出对应的处理操作，其中，电子设备110与服务器120以及通讯设备130与服务器120之间均可以通过有线或无线的方式进行数据交互。
36.需要说明的是，电子设备110可以是移动终端、智能电话，便携式游戏设备、膝上型电脑、pda、便携式互联网设备、音乐播放器、数据存储设备以及车载智能终端等。
37.作为一种方式，电子设备110可以是具有无线连接功能的手持式设备、车载智能终端等。作为另一种方式，电子设备110也可以是手机、平板电脑、笔记本电脑、掌上电脑、可穿戴设备，虚拟现实(virtual reality，vr)设备、增强现实(augmented reality，ar)设备、工业控制中的有线或无线终端、无人驾驶中的无线终端、智慧家庭中的有线或无线终端等，在此并不作限定。
38.服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn ( content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器，还可以是提供车联网服务、路网协同、车路协同、智能交通、自动驾驶、工业互联网服务、数据通信（如4g、5g等）等专门或平台服务器。
39.请参阅图2，图2示出了本技术一实施例提供的数据处理方法的流程示意图，所述
数据处理方法可以应用于图1所示的服务器120。该方法包括：s210至s240。
40.步骤s210：获取车辆的用户账号。
41.在一些实施例中，服务器可以获取由etc系统中的通讯设备发送的车辆标识信息，基于车辆标识信息服务器可以通过查询数据库等方式查找得到与该车辆关联的用户账号，可以将该用户账号作为车辆的用户账号。在另一些实施方式中，用户可以直接通过车载智能终端等电子设备主动向服务器发送与该车辆关联的用户账号。可以理解的是，在一些实施例中，用户账号与车辆之间可以是一对一、一对多或多对多的关联关系，以一对多的关联关系为例，同一个用户账号可以关联多台车辆，但一台车辆同时仅支持关联一个用户账号。
42.步骤s220：获取通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据。
43.在本技术的实施例中，服务器可以获取由etc系统中产生的与所述用户账号的车辆对应的第一数据。其中，第一数据可以包含车辆的车辆行驶路径、车辆里程信息等一种或多种信息。
44.在一些实施例中，服务器可以从etc系统中的通讯设备中获取第一数据。示例性地，当车辆经过出入口闸机的通讯设备时，与通讯设备相连通的摄像头、红外感应装置等数据采集设备可以通过扫描车牌等方式获得车辆标识信息，每当车辆经过一个通讯设备，通讯设备就可以将该车辆当前经过的位置、时间等与该车辆的车辆标识信息相关联并记录下来，然后服务器通过对比该车辆途经的每个通讯设备记录的位置、时间等信息，就可得出第一数据。
45.在另一些实施例中，服务器还可以从车辆携带的车载智能终端中获取第一数据。示例性地，在车辆行驶过程中，智能车载终端可以通过实时定位等方式记录车辆行驶路径、车辆里程信息等信息，然后通过车联网中路侧的通讯设备将这些信息作为第一数据传输给服务器。
46.在本技术的实施例中，第一数据也可以是车辆收费信息。例如，若etc系统应用于停车场管理，那么第一数据可以车辆的停车收费信息；若etc系统应用于高速公路或桥梁场景，那么第一数据可以是车辆的路径收费信息等等。
47.步骤s230：基于预先获取的目标概率确定目标折扣信息，其中，所述目标概率预先根据所述etc系统中的样本用户的历史数据而确定，所述历史数据包括每个样本用户被加入黑名单的次数，所述目标概率用于表征所述etc系统中任一用户被加入黑名单的概率。
48.在本技术的实施例中，在获取到车辆的用户账号以及电子不停车收费etc系统产生的与车辆对应的第一数据后，服务器将基于预先获取的目标概率确定目标折扣信息。
49.在一些实施例中，预先获取的目标概率可以根据etc系统中样本用户的历史数据而确定。其中，样本用户可以是etc系统中的所有用户账号，也可以是从etc系统的所有用户账号中抽取的部分用户账号，本技术实施例对此不作限制。作为一种实施方式，历史数据可以包括每个样本用户被加入黑名单的次数，对应地，目标概率用于表征所述etc系统中任一用户被加入黑名单的概率。
50.示例性地，为保证etc系统中的用户可以规范使用所述用户账号，etc系统的运营单位可以用户知情的情况下对出现异常的用户账号制定惩罚规则。例如，可以将出现异常的用户账号加入黑名单，其中，还可以对被加入黑名单的用户账号的使用进行一定程度上
的限制，例如，可以使被加入黑名单的用户账号无法使用etc系统提供的部分服务等。其中，用户账号因出现异常而被加入黑名单的情况包括但不仅限于以下几种情形：用户账号的用户数据出现异常，例如用户账号的账户余额长期不足；用户账号未及时处理etc系统产生的数据，如未及时支付etc系统产生的费用；与用户账号绑定的车辆出现异常行为，如车辆违反交规等等。
51.若etc系统出现异常的用户账号或每个用户账号出现异常的次数逐渐增多，对应地，除了可以采用加入黑名单的方式对这些异常行为进行约束，还可以根据用户账号被加入黑名单的历史情况调整etc系统中每个用户账号当前使用折扣信息。在本技术的实施例中，可以基于所述历史数据中每个样本用户被加入黑名单的次数来估算etc系统中任一用户被加入黑名单的概率，将该概率作为目标概率，然后可以根据目标概率来确定目标折扣信息。其中，目标折扣信息可以表示用户可获得折扣力度。可选地，目标折扣信息越大，表示用户可获得折扣越多；反之，目标折扣信息越小，表示用户可获得折扣越少。
52.示例性地，目标概率越大可以表示etc系统中用户账号的异常行为越多，可以对应地将etc系统的折扣力度降低，这意味着用户可获得的折扣变少，可以作为对用户账号频繁被加入黑名单的惩罚，在一定程度上达到约束用户账号异常行为的目的。例如，目标概率为0.2时使用的折扣率为8折，用户可获得的折扣即目标折扣信息对应可以是0.2，若目标概率升高至0.3，目标概率升高将降低目标折扣信息，可以对应将折扣率升高，例如折扣率可以调整为9折，目标折扣信息对应可以是0.1。可选地，目标折扣信息除了可以是上述折扣率的形式外，在不同的应用场景下，目标折扣信息也可以是其他形式。例如，目标折扣信息还可以是优惠券的形式，此时若目标概率增高，可以降低目标折扣信息，即是说，将优惠券的优惠额度降低，用户可获得折扣变少。除此之外，在不同的应用场景中还可以制定不同的折扣标准，例如可以针对不同的时间段制定不同折扣信息等。
53.步骤s240：根据所述目标折扣信息和所述第一数据确定第二数据，基于所述第二数据对所述用户账号发起数据处理请求。
54.在本技术实施例中，在确定目标折扣信息之后，可以根据目标折扣信息和第一数据确定第二数据。作为一种实施方式，服务器可以基于第二数据对该车辆的用户账号发起数据处理请求，其中，根据数据处理请求，用户可以根据第二数据对该车辆的用户账号的用户数据进行处理等。
55.示例性地，若第一数据包含车辆的车辆行驶路径、车辆里程信息等一种或多种信息，第二数据可以是该车辆的待支付费用。示例性地，首先可以根据车辆行驶路径、车辆里程信息等计算得到该车辆的车辆收费信息，再基于车辆收费信息和目标折扣信息确定该车辆的待支付费用。其中，若目标折扣信息是上述折扣率的形式，那么第二数据可以由目标折扣信息与车辆收费信息的乘积确定；若目标折扣信息是优惠券的形式，那么第二数据可以由车辆收费信息减去优惠券的优惠额度后得到的费用确定。以etc系统应用于高速公路或桥梁的收费场景为例，若车辆c行经一段高速后的车辆里程信息为100公里，而该路段的收费标准是每公里收费x，那么对应的车辆收费信息为100x，目标折扣信息以折扣率的方式进行计算，若根据上述实施例计算得到目标折扣信息为y，其中y大于零且小于1，那么该车辆的待支付费用可以为100x与y的乘积。
56.在确定待支付费用后，服务器可以基于待支付费用对车辆的用户账号发起扣费请
求。在一些实施例中，基于扣费请求可以对该用户账号的账户余额进行更新，例如将当前账户余额更新为扣除待支付费用之后的账户余额等。可选地，所述服务器可以为支付服务器，可以直接从所述车辆的用户账号中扣除所述待支付费用；所述服务器也可以是数据服务器，可以通知支付服务器从所述车辆的用户账号中扣除所述待支付费用。除此之外，如图3所示，服务器120还可以将扣费请求发送给绑定了所述车辆的用户账号的电子设备110，电子设备110接收到扣费请求后，若所述车辆的用户账号的账户余额少于待支付费用，意味着扣费请求处理失败，可以提示用户在电子设备110上进行费用充值。
57.可以理解的是，本技术实施例并未对目标折扣信息的形式进行限制，折扣信息可以基于预先获取的目标概率而确定，并且根据折扣信息和该车辆的第一数据得到第二数据，并且基于第二数据可以对该车辆的用户账号发起数据处理请求，那么所述折扣信息为本技术实施例所称的目标折扣信息。
58.综上所述，本技术提供的数据处理方法，在获取到车辆的用户账号以及通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据后，基于预先获取的目标概率确定目标折扣信息，其中，所述目标概率预先根据所述etc系统中的样本用户的历史数据而确定，所述历史数据包括每个样本用户被加入黑名单的次数，所述目标概率用于表征所述etc系统中任一用户被加入黑名单的概率，然后根据所述目标折扣信息和所述第一数据确定第二数据，最后基于所述第二数据对所述用户账号发起数据处理请求。由此，使与车辆绑定的用户账号在对etc系统中发起的数据处理请求进行处理时使用的折扣信息可以根据历史数据估算得到的用户账号被加入黑名单的概率而确定，使折扣信息会随着用户账号被加入黑名单的次数而变化，使得折扣信息更加灵活。
59.请参阅图4，图4示出了本技术另一实施例提供的数据处理方法的流程示意图。所述数据处理方法例如可以应用于图1所示的服务器120。下面将针对图4所示的流程进行详细的阐述，所述数据处理方法具体可以包括：s410至s470。
60.步骤s410：获取车辆的用户账号。
61.在本技术实施例中，步骤s410可以参阅前述实施例的内容，在此不再赘述。
62.步骤s420：获取通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据。
63.在本技术实施例中，步骤s420可以参阅前述实施例的内容，在此不再赘述。
64.步骤s430：获取多个初始折扣信息。
65.在本技术的实施例中，目标折扣信息除了与目标概率相关，还可以与初始折扣信息有关。在一些实施方式中，初始折扣信息可以根据etc系统运营单位的实际运营情况而确定。例如，若运营单位根据以往的运营情况将单位能够提供的折扣信息确定为9折，那么可以将多个初始折扣信息均确定为9折。另一些实施方式中，由于运营单位确定的折扣信息可能并未反应出真实的运营情况，在本技术实施例中，也可以基于历史运营情况对运营单位确定的折扣信息进行调整，将调整后的折扣信息作为多个初始折扣信息。
66.步骤s440：基于所述目标概率调整所述多个初始折扣信息，以得到多个参考折扣信息，其中，每个所述参考折扣信息对应一个折扣等级，所述目标概率与所述多个参考折扣信息负相关。
67.由前述实施例的内容可知，目标概率是预先根据etc系统中样本用户的历史数据
而确定的，目标概率代表了etc系统中任一用户被加入黑名单的概率。在一些实施方式中，所述黑名单可以包括未在指定时段内处理所述etc系统产生的本次待处理数据的用户账号，所述指定时段与本次待处理数据对应。
68.示例性地，所述待处理数据可以是etc系统产生的需要用户进行处理的数据，例如可以将本技术实施例生成的第二数据作为待处理数据。若待处理数据为该车辆的待支付费用，在一些实施例中，etc系统可以支持车辆的用户账号在指定时间段内将该待支付费用对应扣费请求处理完成。例如，根据车辆c当日的行程产生了一笔待支付费用，针对这项待支付费用将对车辆c的用户账号发起扣费请求，可以约定在当日的24点进行结算时若该扣费请求仍未处理完成，则将车辆c的用户账号加入黑名单，直到该扣费请求处理完成，才将车辆c的用户账号从黑名单中放出来。其中，该扣费请求将从车辆c的用户账号的账户余额中扣除这项待支付费用，若账户余额大于或等于这项待支付费用，那么根据该扣费请求可以直接从账户余额中扣除这项待支付费用；若账户余额小于这项待支付费用，可以提示用户进行费用充值，若费用充值后的账户余额大于或等于待支付费用，则可以根据该扣费请求可以直接从费用充值后的账户余额中扣除这项待支付费用。可以理解的是，在该实施例中，等到这项待支付费用扣费成功后，可以将该扣费请求算作处理完成，因此，用户账号被加入黑名单的次数可以与未在指定时段内处理所述etc系统产生的待处理数据的次数相对应。此外，每项待处理数据对应一个指定时段，这意味着在统计用户账号被加入黑名单的次数时，若每项待处理数据长期未完成时，可以仅在初次统计时被加入黑名单，从而避免出现重复统计的情况。
69.示例性地，可以使用泊松分布预测etc系统中任一用户被加入黑名单的概率，将预测得出的概率作为目标概率。在一些实施例中，首先统计样本用户的历史数据中每个样本用户被加入黑名单的次数，然后确定样本用户被加入黑名单的平均次数。例如，样本用户被加入黑名单的平均次数可以由每个样本用户被加入黑名单的次数之和除以样本用户的总人数得到。接着，可以使用无偏估计的方式将样本用户被加入黑名单的平均次数作为etc系统中任一用户可能被加入黑名单的平均次数，并且作为泊松分布的数学期望，其中，x用于表示etc系统中任一用户可能被加入黑名单的次数。
70.进一步地，根据泊松分布可以估算得到etc系统中任一用户被加入黑名单的概率，将该任一用户未被加入黑名单的概率记为，其中。更进一步地，可以预测得出etc系统中任一用户被加入黑名单的次数大于或等于1的概率，可以将该概率作为任一用户被加入黑名单的概率，即目标概率，将目标概率记为，其中。
71.在本技术的实施例中，在确定用户账号的目标折扣信息之前，还可以基于目标概率调整多个初始折扣信息，以得到多个参考折扣信息，其中，每个参考折扣信息对应一个折扣等级。为保证etc系统运营单位的正常运营，当用户账号的异常行为越多，目标概率越大时，可以对应地将etc系统参考折扣信息降低，可以使目标概率与参考折扣信息呈负相关关系。
72.示例性地，初始折扣信息可以表示etc系统的运营单位的实际运营状态，随着用户账号的异常行为的变化，目标概率增大或减小，均会对运营单位的运营情况造成影响，为了
减少运营单位的损失，可以根据etc系统中样本用户的历史数据动态调整初始折扣信息。在一些实施方式中，可以周期性地基于目标概率调整多个初始折扣信息，例如每间隔一段预设时间收集一次样本用户以及样本用户的历史数据，然后周期性地根据样本用户的历史数据更新目标概率，每个预设时间内根据更新的目标概率重新调整多个初始折扣信息。应当说明的是，由于每个预设时间内运营单位的运营状态可能发生变化，因此每个周期的初始折扣信息也可以对应地进行更新。
73.为便于说明，可以将一个预设时间称为一个周期，其中，预设时间可以根据运营单位的实际需求进行设置，例如可以将一个周期设置为一周、一个月或一个季度等。在一些实施例中，可以将上一周期称为第t周期，将获取得到所述车辆对应的第一数据所处的周期称为第t+1周期，那么第t+1周期的多个参考折扣信息可以根据第t周期样本用户的历史数据计算得到的目标概率以及第t+1周期给出的多个初始折扣信息计算得出，其中m表示折扣等级的等级数。具体地，请参阅图5，步骤s440可以包括：s441至s442。
74.步骤s441：基于所述目标概率确定所述多个参考折扣信息的分布概率，所述分布概率用于表示所述任一用户使用每个所述参考折扣信息的概率。
75.若目标概率越高，表示样本用户中用户账号被加入黑名单的频率变高，用户账号的异常行为也越多，为保证运营单位的利益，可以降低运营单位的折扣力度。在一些实施方式中，可以根据目标概率调整表征etc系统中的用户账号使用每个所述参考折扣信息的概率的分布概率，例如当目标概率增高时，适当降低分布概率等。具体地，请参阅图6，步骤s441可以包括：s4411至s4412。
76.步骤s4411：基于所述目标概率确定用于表征多个所述折扣等级间相互转移的概率的状态转移矩阵，其中，所述状态转移矩阵用于表征所述任一用户的折扣等级与所述任一用户的目标概率呈负相关关系。
77.作为一种方式，为了更好的约束用户账号的异常行为，可以降低被加入黑名单的次数较多的用户账号的折扣信息。示例性地，可以通过构建状态转移矩阵来表示用户账号的折扣等级与目标概率之间关系，其中，目标概率越高，用户账号的折扣等级将越低。状态转移矩阵表征了etc系统中多个折扣等级间相互转移的概率，可以理解的是，若折扣等级的等级数为m，那么状态转移矩阵可以是的矩阵。
78.作为一种示例，根据用户账号的折扣等级与目标概率之间的负相关关系，可以根据目标概率确定状态转移矩阵p。
79.示例性地，针对etc系统中的任一用户a，可以基于目标概率预测用户账号a在第t+1周期未被加入黑名单的第一概率，将用户账号a第t+1周期被加入黑名单的概率记为第二概率，其中，第一概率例如可以为，第二概率例如可以为。
80.进一步地，确定当用户账号a处于折扣等级中的最低等级时对应的转移概率。示例性地，假设折扣等级包括：第1等级、第2等级、第3等级、
…
、第m等级，第1等级为最低等级，第m等级为最高等级。
81.如果用户账号a处于折扣等级中的最低等级即第1等级，若该用户账号a在在第t周
期内被加入过黑名单，由于用户账号a已处于最低的第1等级，那么该用户账号a的折扣等级将保持不变，该用户账号a保持最低等级不变的概率为第二概率，即；若该用户账号a第t周期内未被加入过黑名单，那么该用户账号a将上升一个折扣等级，则该用户账号a从第1等级上升到第2等级的概率为用户账号a的第一概率，即；若各个折扣等级之前不能跳跃，那么从第1等级上升到第2等级之外的其他折扣等级的概率为0，即。
82.更进一步地，确定当用户账号a处于折扣等级中的最高等级时对应的转移概率。示例性地，如果用户账号a处于折扣等级中的最高等级即第m等级，若该用户账号a第t周期内被加入过黑名单，那么该用户账号a的折扣等级将降低一个等级，该用户账号a从第m等级降低到第等级的概率；若该用户账号a第t周期内未被加入过黑名单，由于用户账号a已处于最高的第m等级，那么该用户账号a将保持最高等级不变，那么该用户账号a保持最高等级不变的概率；若各个折扣等级之前不能跳跃，因此从第m等级降低到第等级之外的折扣等级的概率为0，即。
83.更进一步地，确定当用户账号a处于最低等级与最高等级之间的中间折扣等级时对应的转移概率。示例性地，如果用户账号a处于第f等级，其中，若该用户账号a在第t周期内被加入过黑名单，那么该用户账号a的折扣等级将降低一个等级，该用户账号a从第f等级降低到第等级的概率；若该用户账号a在第t周期内未被加入过黑名单，那么该用户账号a的折扣等级将上升一个等级，该用户账号a从第f等级上升到第等级的概率；由于各个折扣等级之前不能跳跃，因此从第f等级转移第f
‑
1等级及第f+1等级之外的折扣等级的概率为0，即。
84.然后，由最低等级对应的转移概率、、，最高等级对应的转移概率、、以及中间折扣等级对应的转移概率、、生成的状态转移矩阵p如下所示：可以理解的是，状态转移矩阵可以根据目标概率而确定，本实施例中所述的状态转移矩阵的计算过程仅仅是一种示例性说明，并非对其进行限定，状态转移矩阵还可以根
据运营单位实际运营策略而改变。
85.步骤s4412：根据所述状态转移矩阵得到稳态状态下所述多个参考折扣信息的分布概率，其中，在所述稳态状态下，多个所述折扣等级间相互转移前和相互转移后，所述任一用户使用每个所述参考折扣信息的概率保持不变。
86.在一些实施方式中，可以根据上述步骤确定的状态转移矩阵得到稳态状态下多个参考折扣信息的分布概率。在稳态状态下，etc系统中任一用户使用每个所述参考折扣信息的概率可以保持不变，即分布概率在稳态状态下保持不变。为方便说明，可以将分布概率记为，，其中，以为例，是指任一用户使用第1等级对应的参考折扣信息的概率。示例性地，可以在稳态状态下根据状态转移矩阵构建分布概率的稳态方程，通过求解稳态方程得到分布概率的值，例如稳态方程可以为，其中，p为状态转移矩阵，可以由上述步骤s4411根据目标概率计算得到。
87.步骤s442：根据所述多个初始折扣信息及所述分布概率调整所述多个参考折扣信息。
88.在一些实施方式中，可以根据上述步骤计算得到的初始折扣信息及分布概率调整得到多个参考折扣信息。例如，可以从初始折扣信息开始，通过迭代调整初始折扣信息，计算每次调整前后的折扣信息之间的偏差，得到在预设约束条件使偏差满足预设阈值条件的最优折扣信息，可以将偏差满足预设约束条件的最优折扣信息作为所述多个参考折扣信息。具体地，请参阅图7，步骤s442可以包括：s4421至s4422。
89.步骤s4421：根据所述分布概率确定所述多个参考折扣信息的预测值与无偏估计值。
90.在一些方式中，可以通过构建损失函数来表示迭代调整前后的折扣信息之间的偏差。其中，可以将调整前的折扣信息称为多个参考折扣信息的真实值，将调整后的折扣信息称为多个参考折扣信息的预测值。可选地，本技术实施例中，可以使用多个参考折扣信息的无偏估计值作为真实值，通过计算所述多个参考折扣信息的预测值和无偏估计值之间的加权平方和，可以构建出折扣信息的损失函数。示例性地，损失函数可以是，其中是指参考折扣信息的预测值，是指参考折扣信息的无偏估计值，为预设参数，为分布概率的一阶范数的平方。可以理解的是，根据前述实施例中的内容，预设约束条件可以包括分布概率之和为1，即，并且。此外，由于无偏估计的方式中可以将待预测参数的预测值的数学期望作为待预测参数的真实值，因此可以将每次迭代更新后得到的多个初始折扣信息确定为预测值，将每次迭代更新前的多个初始折扣信息与分布概率的加权和确定为无偏估计值，例如无偏估计值 。
91.步骤s4422：基于所述多个初始折扣信息计算得到使所述预测值与所述无偏估计值之间的偏差满足预设阈值条件的最优折扣信息，作为所述多个参考折扣信息。
92.在本技术实施例中，可以构建损失函数，其中可以反映预测值与无偏估
计值之间的偏差。示例性地，可以根据目标概率迭代更新多个初始折扣信息，通过迭代更新计算得到使的值满足预设阈值条件的最优折扣信息，将该最优折扣信息作为多个参考折扣信息。作为一种方式，预设阈值条件可以是预测值与无偏估计值之间的偏差最小，可以设置一个预设收敛阈值，将损失函数的值小于预设收敛阈值作为预设阈值条件，预设阈值条件表明多个参考折扣信息的预测值将接近于多个参考折扣信息的无偏估计值，若所述无偏估计值为每次迭代更新前的多个初始折扣信息与分布概率的加权和，那么每次迭代更新后得到的多个参考折扣信息的预测值将接近于每次迭代更新前多个初始折扣信息与分布概率的加权和。作为另一种方式，可以根据预设阈值条件对损失函数求导得到参考折扣信息的迭代公式，所述迭代公式例如可以为:其中，表示第n+1次迭代更新得到的处于第i等级的参考折扣信息的预测值，表示n次迭代更新得到的处于第j等级的参考折扣信息的预测值，箭头表示在第n+1次迭代更新计算过程中，可以由计算得出。
93.示例性地，第1次迭代更新时，可以将分布概率和初始折扣信息代入上述迭代公式计算得出，然后将和的加权和作为第1次迭代的无偏估计值，代入损失函数计算得到第1次迭代的偏差，并且比较与预设收敛阈值，若大于或等于预设收敛阈值，则将继续迭代。可以理解的是，在后面每一次迭代过程中，均可以将分布概率以及前一次迭代得到的参考折扣信息的预测值代入迭代公式计算得到当次迭代的参考折扣信息的预测值，然后将和前一次迭代得到的参考折扣信息的预测值的加权和作为当次迭代的无偏估计值，接着将当次迭代的预测值和无偏估计值代入损失函数计算偏差，直到所述偏差小于预设收敛阈值，将偏差小于预设收敛阈值时的预测值作为最优折扣信息，最后将最优折扣信息作为多个参考折扣信息。
94.可以理解的是，若根据本技术实施例将损失函数的值小于预设收敛阈值作为预设阈值条件，此时得到的多个参考折扣信息将接近于多个初始折扣信息与分布概率
的加权和，而根据前述实施例的内容，分布概率可以由目标概率计算得到，若目标概率增高，对应得到的多个参考折扣信息表现为大于对应的多个初始折扣信息，可以达到使目标概率与所述参考折扣信息呈负相关关系的目的。
95.步骤s450：基于所述用户账号的历史数据，确定所述用户账号当前处理所述数据处理请求时所使用的目标折扣等级。
96.由前述实施例可知，每个参考折扣信息对应一个折扣等级，要从多个参考折扣信息里与第一数据对应的车辆当前使用的目标折扣信息，可以先确定用户账号当前处理所述数据处理请求时的目标折扣等级。在一些实施例中，用户账号当前处理所述数据处理请求时的目标折扣等级与用户账号的历史数据有关。具体地，请参阅图8，步骤s450可以包括：s451至s452。
97.步骤s451：参考折扣信息与所述折扣等级正相关，确定用户账号处理所述etc系统上一次产生的待处理数据时所使用的历史折扣等级。
98.在一些实施例中，目标折扣等级可以根据用户账号处理所述etc系统上一次产生的待处理数据时使用的历史折扣等级以及等级转移规则确定，其中，等级转移规则可以表示目标折扣等级与用户账号的历史数据的负相关关系。因此，在确定目标折扣等级之前，需要确定用户账号的历史折扣等级。示例性地，折扣等级越高，参考折扣信息也越大，用户可以获得的折扣力度也越大，用户账号当前使用的目标折扣等级可以根据用户账号处理所述etc系统上一次产生的待处理数据时所使用的历史折扣等级确定。
99.步骤s452：根据预先确定的等级转移规则及用户账号的历史数据和所述历史折扣等级，确定所述用户账号当前处理所述数据处理请求时所使用的目标折扣等级，其中，所述等级转移规则规定所述目标折扣等级与所述用户账号的历史数据呈负相关关系。
100.在一些实施例中，可以设置等级转移规则为：若针对上一次产生的待处理数据用户账号在指定时段内处理完成，则用户账号未被加入黑名单，用户账号当前使用的折扣等级可以上升一个折扣等级或者保持最高折扣等级，若针对上一次产生的待处理数据用户账号未在指定时段内处理完成，则用户账号被加入黑名单，用户账号当前使用的折扣等级可以下降一个折扣等级或者保持最低折扣等级。基于此，可以根据用户账号的历史数据确定该用户账号针对上一次产生的待处理数据在指定时段内的数据处理状态，然后确定目标折扣等级是在历史折扣等级的基础上上升一个折扣等级、下降一个折扣等级还是继续保持历史折扣等级不变。
101.在另一些实施例中，目标折扣等级还可以根据用户账号上一个周期使用的历史折扣等级以及等级转移规则确定，在这种情况下，同一个周期内用户账号处理所述etc系统在该周期内产生的待处理数据时使用的折扣等级保持不变，因此可以根据用户账号上一个周期的历史数据，确定该用户账号上一个周期是否被加入过黑名单，进而由上一个周期使用的历史折扣等级确定当前周期使用的目标折扣等级。示例性地，可以设置等级转移规则为：若用户账号在上一周期内未被加入过黑名单，则上升一个折扣等级或者保持最高折扣等级，若用户账号在上一周期内被加入过黑名单，则下降一个折扣等级或者保持最低折扣等级。基于此，可以根据上一周期用户账号的历史数据确定用户账号上一周期内是否被加入过黑名单，然后确定目标折扣等级是在上一周期的历史折扣等级的基础上上升一个折扣等级、下降一个折扣等级还是继续保持上一周期的历史折扣等级不变。
102.步骤s460：从所述多个参考折扣信息中获取与所述目标折扣等级对应的所述目标折扣信息。
103.在本技术的实施例中，在确定该车辆的用户账号当前处理所述数据处理请求时使用的所述目标折扣等级之后，将从多个参考折扣信息中获取与目标折扣等级对应的所述目标折扣信息。由于每个参考折扣信息对应一个折扣等级，并且参考折扣信息与折扣等级正相关，以多个参考折扣信息为例，可以将参考折扣信息与折扣等级的对应关系确定为第1等级对应、第2等级对应、第3等级对应，以此类推，第m等级对应，其中第1等级为最低等级，对应的参考折扣信息最小，第m等级为最高等级，对应的参考折扣信息最大。最终，可以根据参考折扣信息与折扣等级的对应关系，从多个参考折扣信息中获取与目标折扣等级对应的目标折扣信息，以目标折扣等级为第2等级为例，目标折扣信息对应为。
104.步骤s470：根据所述目标折扣信息和所述第一数据确定第二数据，基于所述第二数据对所述用户账号发起数据处理请求。
105.在本技术实施例中，通过目标概率和初始折扣信息确定目标折扣信息之后，可以根据目标折扣信息和第一数据确定该车辆的用户账号对应的第二数据。根据前述实施例的内容，第一数据可以是车辆收费信息，第二数据例如可以是该车辆的待支付费用，可以由目标折扣信息与第一数据的乘积确定。
106.第二数据确定后，在本技术实施例中，可以对该车辆的用户账号发起数据处理请求。在一些典型的实施例中，可以将第二数据作为etc系统产生待处理数据，通过向该车辆的用户账号发起数据处理请求可以基于第二数据对该用户账号的用户数据进行处理。
107.综上所述，本技术实施例提供的数据处理方法，在获取到车辆的用户账号以及通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据后，还将获取多个初始折扣信息，然后将基于etc系统中样本用户的历史数据中每个样本用户被加入黑名单的次数确定目标概率，并且基于目标概率调整多个初始折扣信息，使得目标概率与最后得到的多个参考折扣信息负相关，并且可以为每个参考折扣信息划分一个折扣等级。接着，还将根据用户账号的历史数据确定所述用户账号当前处理所述数据处理请求时目标折扣等级，以便从多个参考折扣信息中获取与目标折扣等级对应的目标折扣信息。最后根据目标折扣信息和第一数据确定第二数据，并且基于第二数据对用户账号发起数据处理请求。由此，使得用户在对etc系统中产生的数据处理请求进行处理时使用的折扣信息可以根据历史数据估算的目标概率而确定，使得折扣信息会随着用户账号被加入黑名单的次数而变化，增加折扣信息的灵活性的同时，还可以起到约束用户账号的异常行为的作用。
108.为便于更好地理解本技术实施例中根据etc系统中样本用户的历史数据，对参考折扣信息的确定过程进行示例性说明。
109.请参阅图9，图9示出了本技术一实施例提供的数据处理方法的流程框图。在一些实施例中，可以将参考折扣信息的确定过程分为：s910到s970。其中，可以将获取该车辆对应的第一数据所处的周期称为第t+1周期，将第t+1之前的上一周期称为第t周期。
110.步骤s910，在数据输入阶段，服务器可以接收etc系统中样本用户第t周期的历史数据。可以理解的是，在一些实施例中，历史数据中除了包含每个样本用户被加入黑名单的次数，还可能包含有其他的干扰数据。示例性地，在提取目标特征数据之前还可以对etc系统中样本用户的历史数据进行存储、预处理操作，其中，预处理操作例如可以包括去除干扰数据等等。
111.步骤s920，在目标概率估算阶段，服务器可以根据第t周期的历史数据中每个样本用户被加入黑名单的次数计算得到etc系统中每个样本用户被加入黑名单的平均次数，将该平均次数作为泊松分布的数学期望，利用泊松分布来估算第t+1周期的目标概率。
112.步骤s930，在状态转移矩阵构建阶段，可以使用上一阶段估算得到的第t+1周期的目标概率及预先确定的等级转移规则构建状态转移矩阵p。
113.步骤s940，在稳态方程构建阶段，可以根据状态转移矩阵p构建稳态方程。接着可以执行步骤s950，在分布概率计算阶段，通过求解稳态方程可以得到稳态状态下每个折扣信息的分布概率π，其中，在稳态状态下，多个折扣等级间相互转移前和相互转移后，每个折扣信息的分布概率π保持不变。
114.步骤s960，在折扣信息约束模型构建阶段，可以通过分布概率π构建折扣信息约束模型。示例性地，可以利用损失函数来构建折扣信息约束模型，通过对损失函数进行求解可以得到折扣信息方程组。
115.步骤s970，在最优折扣信息求解阶段，可以将分布概率π及初始折扣信息代入折扣信息方程组，通过梯度下降算法得到迭代公式，并对迭代公式进行多次迭代计算，可以得到第t+1周期的使损失函数的值满足预设阈值条件的最优折扣信息。进一步地，可以将第t+1周期的最优折扣信息作为参考折扣信息，在车辆需要使用折扣信息时根据该车辆的目标折扣等级从参考折扣信息中确定当前可以使用的目标折扣信息。这样可以使折扣信息可以周期性地根据etc系统中样本用户的历史数据估算的目标概率而确定，使得折扣信息会随着用户账号被加入黑名单的次数而变化，增加折扣信息的灵活性的同时，还可以起到约束用户账号的异常行为的作用。
116.请参阅图10，其示出了本技术一实施例提供的数据处理装置的结构框图。该数据处理装置应用于服务器。该数据处理装置包括：第一获取单元1010、第二获取单元1020、第一确定单元1030以及第二确定单元1040。其中，第一获取单元1010，用于获取车辆的用户账号；第二获取单元1020，用于获取通过电子不停车收费etc系统产生的与所述用户账号的车辆对应的第一数据；第一确定单元1030，用于基于预先获取的目标概率确定目标折扣信息，其中，所述目标概率预先根据所述etc系统中的样本用户的历史数据而确定，所述历史数据包括每个样本用户被加入黑名单的次数，所述目标概率用于表征所述etc系统中任一用户被加入黑名单的概率；第二确定单元1040，用于根据所述目标折扣信息和所述第一数据确定第二数据，基于所述第二数据对所述用户账号发起数据处理请求。
117.作为一种方式，所述数据处理装置还包括：第一预测单元，用于根据所述历史数据中每个样本用户被加入黑名单的次数确定所述样本用户被加入黑名单的平均次数；第二预测单元，用于基于所述平均次数使用泊松分布预测所述etc系统中任一用户被加入黑名单的概率，将所述概率作为所述目标概率。
118.在一些实施方式中，所述黑名单包括未在指定时段内处理所述etc系统产生的本
次待处理数据的用户账号，所述指定时段与本次待处理数据对应，第一确定单元1030可以包括：初始折扣获取单元、第一调整单元、折扣等级确定单元以及目标折扣确定单元。其中，初始折扣获取单元用于获取多个初始折扣信息；第一调整单元用于基于所述目标概率调整所述多个初始折扣信息，以得到多个参考折扣信息，其中，每个所述参考折扣信息对应一个折扣等级，所述目标概率与所述多个参考折扣信息负相关；折扣等级确定单元用于基于所述用户账号的历史数据，确定所述用户账号当前处理所述数据处理请求时所使用的目标折扣等级；目标折扣确定单元用于从所述多个参考折扣信息中获取与所述目标折扣等级对应的所述目标折扣信息。
119.进一步地，作为一种实施方式，上述参考折扣信息与所述折扣等级正相关，上述折扣等级确定单元可以包括：历史折扣获取单元，用于确定所述用户账号处理所述etc系统上一次产生的待处理数据时所使用的历史折扣等级；目标等级确定单元，用于根据预先确定的等级转移规则及所述用户账号的历史数据和所述历史折扣等级，确定所述用户账号当前处理所述数据处理请求时所使用的目标折扣等级，其中，所述等级转移规则规定所述目标折扣等级与所述用户账号的历史数据呈负相关关系。
120.在该实施方式下，上述第一调整单元可以包括：分布概率确定单元，用于基于所述目标概率确定所述多个参考折扣信息的分布概率，所述分布概率用于表示所述任一用户使用每个所述参考折扣信息的概率；第二调整单元，用于根据所述多个初始折扣信息及所述分布概率调整所述多个参考折扣信息。
121.进一步地，上述分布概率确定单元可以包括：矩阵确定单元，用于基于所述目标概率确定用于表征多个所述折扣等级间相互转移的概率的状态转移矩阵，其中，所述状态转移矩阵用于表征所述任一用户的折扣等级与所述任一用户的目标概率呈负相关关系；分布概率确定子单元，用于根据所述状态转移矩阵得到稳态状态下所述多个参考折扣信息的分布概率，其中，在所述稳态状态下，多个所述折扣等级间相互转移前和相互转移后，所述任一用户使用每个所述参考折扣信息的概率保持不变。
122.更进一步地，上述参考折扣信息与所述折扣等级正相关，上述矩阵确定单元可以包括：概率确定单元，用于基于所述目标概率确定所述任一用户未被加入黑名单的第一概率，所述目标概率为第二概率；第一转移概率确定单元，用于若所述任一用户处于所述折扣等级中的最低等级，将所述任一用户保持所述最低等级不变的概率设置为所述第二概率，将所述任一用户上升到邻近等级的概率设置为所述第一概率，将所述任一用户上升到其他等级的概率设置为零，以获取所述最低等级对应的转移概率；第二转移概率确定单元，用于若所述任一用户处于所述折扣等级中的最高等级，将所述任一用户下降到邻近等级的概率设置为所述第二概率，将所述任一用户保持所述最高等级不变的概率设置为所述第一概率，将所述任一用户下降到其他等级的概率设置为零，以获取所述最高等级对应的转移概率；第三转移概率确定单元，用于若所述任一用户处于所述最低等级与所述最高等级之间的中间折扣等级，将所述任一用户下降到邻近等级的概率设置为所述第二概率，将所述任一用户上升到邻近等级的概率设置为所述第一概率，将所述任一用户保持所述中间折扣等级及转移到其他等级的概率设置为零，以获取所述中间折扣等级对应的转移概率；矩阵确定子单元，用于由所述最低等级对应的转移概率、所述最高等级对应的转移概率以及所述中间折扣等级对应的转移概率生成所述状态转移矩阵。
processing unit，cpu）、图像处理器（graphics processing unit，gpu）和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1110中，单独通过一块通信芯片进行实现。
131.存储器1120可以包括随机存储器（random access memory，ram），也可以包括只读存储器（read
‑
only memory）。存储器1120可用于存储指令、应用程序、代码、代码集或指令集。存储器1120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现下述各个方法实施例的指令等。存储数据区还可以服务器在使用中所创建的数据（比如电话本、音视频数据、聊天记录数据）等。
132.请参考图12，其示出了本技术一实施例提供的计算机可读存储介质的结构框图。该计算机可读存储介质1200中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
133.计算机可读存储介质1200可以是诸如闪存、eeprom（电可擦除可编程只读存储器）、eprom、硬盘或者rom之类的电子存储器。可选地，计算机可读存储介质1200包括非易失性计算机可读存储介质（non
‑
transitory computer
‑
readable storage medium）。计算机可读存储介质1200具有执行上述方法中的任何方法步骤的程序代码1210的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码1210可以例如以适当形式进行压缩。
134.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。