用于处理订单的方法及设备的制造方法
【技术领域】
[0001] 本公开的实施例设及一种用于处理订单的方法及设备。
【背景技术】
[0002] 随着智能设备的普及和移动互联网的高速发展，用户（例如出租车司机）已经习 惯于使用打车软件。具体来说，来自业务服务器的订单被发送给用户的移动终端并且在该 移动终端上安装的打车软件的界面中呈现或播放，W便该用户可W进行抢单。如果抢单成 功，则该用户可W获得该订单的联系信息W便进行接驾。该样，能够减少该用户的空驶距 离。
[0003] 然而，随着使用打车软件的用户日益增多，具有挑战性的问题是如何将订单快速 地、精准地发送给适当的用户。具体来说，如果不能够精准地发送订单，例如如果不加区分 地将一位用户周围预定范围（例如3公里）内的所有订单都发送给该用户，则不仅浪费订 单发送资源，而且针对该用户来说无价值或低价值的大量订单的发送将会影响高价值订单 的发送。
[0004] 相关技术中，通常考虑如下参考因素中的一个或多个来将订单快速地、精准地发 送给适当的用户，该些参考因素包括该订单的始发地、该订单的目的地、该订单周围预定范 围内的用户数量、该用户的位置和该用户当前的行进方向等。具体来说，根据该些参考因素 及其权重而采用相应的预测方法，分别预测多个用户中的每个用户针对该订单而执行抢单 操作的概率，然后，将该订单优先发送给该概率较高的用户。
[0005] 然而，针对上述根据不同参考因素及其权重的不同预测方法，目前不存在一种方 法能够评估其所预测的概率的准确度，从而难W行之有效地将订单快速地、精准地发送给 适当的用户。
【发明内容】
[0006] 本公开的实施例旨在提供一种用于处理订单的方法及设备，能够解决相关技术中 存在的问题。
[0007] 根据本公开的一个方面，提供了一种用于处理订单的方法。该方法包括：预测用户 针对订单而执行抢单操作的概率；确定该用户针对该订单而实际执行抢单操作的概率；W 及基于所预测的概率与所确定的概率，确定该预测的准确度。
[000引根据本公开的另一个方面，提供了一种用于处理订单的设备，该设备包括；预测装 置，用于预测用户针对订单而执行抢单操作的概率；第一确定装置，用于确定该用户针对该 订单而实际执行抢单操作的概率；W及第二确定装置，用于基于所预测的概率与所确定的 概率，确定该预测的准确度。
[0009] 本公开的实施例基于所预测的概率与所确定的概率来确定该预测的准确度，能够 提高该预测的准确度，从而将订单更加快速地、精准地发送给适当的用户。
【附图说明】
[0010] 此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公 开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
[0011] 图1是图示了本公开的实施例可实现于其中的系统100的图；
[0012] 图2是根据本公开的实施例的用于处理订单的方法200的流程图；
[0013] 图3是根据本公开的实施例的用于处理订单的方法300的流程图拟及
[0014] 图4是根据本公开的实施例的用于处理订单的设备400的结构框图。
【具体实施方式】
[0015] 下面将参考附图中示出的若干示例性实施方式来描述本公开的原理和精神。应当 理解，描述该些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开， 而并非W任何方式限制本公开的范围。
[0016] 图1是图示了本公开的实施例可实现于其中的系统100的图。该系统100包括移 动终端102A至102F，该移动终端102A至102F各自通过网络106与业务服务器104进行通 信。该网络106可W包括连接任何数目的移动终端、固定终端和业务服务器104的大型计 算机网络，诸如局域网（LAN)、广域网（WAN)、因特网、蜂窝网络或者其组合。该业务服务器 104包括一个或多个计算设备110 W及一个或多个机器可读储存库或数据库112。本领域 技术人员应当理解，该业务服务器104既可W代表比如计算机服务器的单个服务器，也可 W代表一起工作W执行功能的多个服务器（例如云服务器hadoop)。
[0017] 在系统100中，移动终端102A至102F安装有打车软件，用来呈现或播放来自业务 服务器104的订单，W便由用户108A至108F进行抢单。如果例如用户108D抢单成功，则 该用户108D可W获得该订单的联系信息W便进行接驾。
[001引本领域技术人员应当理解，移动终端102A至102F可W各自包括任何类型的移动 终端，诸如手持式计算机、个人数字助理（PDA)、蜂窝电话、网络家电、智能电话、增强型通用 分组无线业务巧GH?巧移动电话、媒体播放器、导航设备或者该些数据处理设备或其他数 据处理设备中的任何两个或多个的组合。本领域技术人员还应当理解，系统100仅仅用于 说明目的，并非旨在限制本公开的实施例的范围。在某些情况下，某些组件可W按照具体需 要而增加或者减少。
[0019] 图2是根据本公开的实施例的用于处理订单的方法200的流程图。本领域技术人 员应当理解，该方法200可W由参考图1所示的业务服务器104来执行。为描述方便，下文 将参考图1所示的系统100来描述该方法200。
[0020] 在方法200开始之后，在步骤S202,预测用户针对订单而执行抢单操作的概率。
[0021] 根据本公开的实施例，可W提取该订单中的特征W及根据与该特征对应的预定权 重来预测该用户针对该订单而执行抢单操作的概率。其中，根据预定的预测方法，该订单中 的特征可W被分配有不同的权重，该权重可W基于机器学习模型、使用历史订单中相应的 特征来确定。例如，如果根据机器学习模型，历史订单的始发地与用户的距离被确定为与该 用户针对该历史订单而执行抢单操作的关联度较大，则订单中用来表示始发地与用户的距 离的特征将被分配较大的权重。
[0022] 接下来，该方法200进行到步骤S204,确定该用户针对该订单而实际执行抢单操 作的概率。
[0023] 根据本公开的实施例，在将一个订单发布给周围预定范围内的用户的过程中，可 W分别确定该订单被发布给该用户的发布次数，然后根据该抢单次数与该发布次数和该用 户针对该订单而实际执行抢单操作的抢单次数，确定该用户针对该订单而实际执行抢单操 作的概率。例如，如果该订单被发布给该订单周围预定范围内的100名用户，则该发布次数 是100,同时，如果该100名用户中的5名用户实际执行来抢单操作，则该抢单次数是5。因 此，该用户针对该订单而实际执行抢单操作的概率可W例如等于该抢单次数与该发布次数 的比，即5%。
[0024] 该方法200继而进行到步骤S206,基于所预测的概率与所确定的概率，确定该预 测的准确度。具体来说，可W将所预测的概率（例如6% )与所确定的概率（例如5% )之 间的相对偏差确定为该预测的准确度。例如，该预测的准确度可W通过如下公式（1)来计 算。
[0025] PB=|A-R|/R (1)
[0026] 其中，PB可W表示所预测的概率与所确定的概率之间的概率偏差，从而表示该预 测的准确度；A可W表示所预测的概率；R可W表示所确定的概率。
[0027] 因此，通过上述公式（1)，该预测的准确度可W等于I 6% -5% 1/5% = 0.2。
[002引本领域技术人员可W理解，通过上述步骤S202至步骤S206,基于所预测的概率与 所确定的概率来确定该预测的准确度，能够提高该预测的准确度，从而将订单更加快速地、 精准地发送给适当的用户。
[0029] 根据本公开的实施例，在将多个订单发布给周围预定范围内的用户的过程中，可 W分别确定该多个订单被发布给该用户的发布次数和该用户针对该多个订单而实际执行 抢单操作的抢单次数，然后根据该抢单次数与该发布次数，确定该用户针对该订单而实际 执行抢单操作的概率。例如，如果100个订单被发布给该订单周围预定范围内的100名用 户，则该发布次数是10000,同时，如果针对该100个订单中的每个订单，都存在该100名用 户中的5名用户实际执行来抢单操作，则该抢单次数是500。因此，该用户针对该多个订单 而实际执行抢单操作的概率可W例如等于该抢单次数与该发布次数的比，即5%。
[0030] 本领域技术人员能够理解，本实施例将多个订单作为一个整体来统计发布次数和 抢单次数，并且根据该抢单次数与该发布次数来确定该用户针对该多个订单而实际执行抢 单操作的概率。该样，能够提高所确定的概率的