[发明专利]一种预测成单司机数量的方法、装置、设备及存储介质

说明书

本申请提供一种预测成单司机数量的方法、装置、设备及存储介质，其中，所述方法包括：确定多个司机中每个司机的业务类型；根据每种所述业务类型的司机的成单特征，预测每种所述业务类型的成单司机的数量；根据每种所述业务类型的成单司机的数量预测成单司机的总数量。本申请由于考虑了不同业务类型司机的差异性，进而分别确定每种类型的成单司机的数量，可以提高预测成单司机的总数量的准确性，有利于提高后续运营方制定运营策略的准确性。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种预测成单司机数量的方法、装置、设备及存储介质。

背景技术

在网约车平台上，成单司机是指在当天出勤的司机，准确地预测成单司机的数量有利于网约车运营方制定应对天气变化和运营活动等突发情况的运营策略。

现有技术中通常基于历史时间序列来预测成单司机的数量，其中，历史时间序列即按照时间顺序排列的一组历史数据。即，对用于表征成单司机数量的历史时间序列进行建模并拟合出曲线，以发现成单司机数量的变动规律，进而预测未来时间的成单司机数量。

然而，上述方法仅基于历史时间序列来预测成单司机的数量，考虑的因素较为单一，对成单司机数量进行预测的准确性较差，影响后续运营方制定运营策略的准确性。

发明内容

有鉴于此，本申请提供一种预测成单司机数量的方法、装置、设备及存储介质，以解决现有预测成单司机数量的方案的问题。

具体地，本申请是通过如下技术方案实现的：

根据本申请的第一方面，提出了一种预测成单司机数量的方法，包括：

确定多个司机中每个司机的业务类型；

根据每种所述业务类型的司机的成单特征，预测每种所述业务类型的成单司机的数量；

根据每种所述业务类型的成单司机的数量预测成单司机的总数量。

在一实施例中，所述确定多个司机中每个司机的业务类型，包括：

获取多个司机中每个司机在以当前时刻为起点往前第一预设时间段内的历史订单数量；

若当前司机的所述历史订单数量大于0，则将所述当前司机的业务类型确定为活跃类型；否则，

将所述当前司机的业务类型确定为非活跃类型。

在一实施例中，所述根据每种所述业务类型的司机的成单特征，预测每种所述业务类型的成单司机的数量，包括：

确定所述活跃类型的每个司机的个体成单特征；所述个体成单特征包括以下至少一项：体验特征、数据统计特征、出勤偏好特征、预测日期的天气情况以及预测日期的司机补贴/奖励；

将所述每个司机的个体成单特征输入到预先训练的活跃类型的成单司机数量模型中，得到所述每个司机对应的成单司机数量；

对所述每个司机对应的成单司机数量进行求和运算，得到所述活跃类型的成单司机的第一数量。

在一实施例中，所述方法还包括：预先根据以下步骤训练所述活跃类型的成单司机数量模型：

确定所述活跃类型的样本司机；

获取每个所述样本司机的样本个体成单特征；

标定每个所述样本个体成单特征对应的样本成单司机数量；

将每个所述样本司机的样本个体成单特征以及对应的样本成单司机数量作为训练集，训练所述活跃类型的成单司机数量模型。

在一实施例中，所述根据每种所述业务类型的司机的成单特征，预测每种所述业务类型的成单司机的数量，包括：