[发明专利]租车中心仓选品方法、装置、设备及计算机可读存储介质

权利要求书

1.一种租车中心仓选品方法，其特征在于，应用于租车平台，所述方法包括：

获取目标城市在第一预设历史时间段内的特征数据，所述目标城市为设有至少一个所述租车中心仓的城市，所述特征数据用于表示所述目标城市中各个租车中心仓的环境信息以及所在目标城市的车型的相关联数据；

根据所述特征数据，通过车型需求预测模型，得到所述目标城市中各个租车中心仓在预设时间段内对应的车型需求预测数据，所述车型需求预测模型是由决策树模型训练得到；

根据所述车型需求预测数据，确定各个所述租车中心仓的选品结果。

2.根据权利要求1所述的方法，其特征在于，在所述得到所述目标城市中各个租车中心仓在预设时间段内对应的车型需求预测数据之前，所述方法还包括：

获取多个预定城市中的每个预定城市在第二预设历史时间段内的历史特征数据和每个所述预定城市的各个租车中心仓在第三预设历史时间段内对各个车型的历史需求量，所述历史特征数据包括多个维度的数据；

根据每个所述预定城市对应的所述多个维度的数据和所述历史需求量，对所述决策树模型进行训练，得到所述车型需求预测模型；

其中，第一预设历史时间段的时间间隔等于第二预设历史时间段的时间间隔，第二预设历史时间段的时间间隔大于第三预设历史时间段的时间间隔，预设时间段的时间间隔等于第三预设历史时间段的时间间隔。

3.根据权利要求2所述的方法，其特征在于，所述多个维度包括：租车平台下单维度、租车平台冒泡维度、租车平台司机维度、城市出行维度、租车中心仓环境维度、城市人口密度维度、城市环境维度、城市租赁公司维度以及城市人口收入维度；

所述根据每个所述预定城市对应的所述多个维度的数据和所述历史需求量，对所述决策树模型进行训练，得到所述车型需求预测模型，包括：

对所述多个维度的数据进行归一化处理，得到多个维度的特征量；

以每个所述预定城市的每个租车中心仓对应的多个维度的特征量和所述历史需求量为一个训练样本，对所述决策树模型进行训练，其中，所述历史需求量为所述决策树模型训练过程中的标签；

根据所述决策树模型的输出，以及作为所述标签的所述历史需求量之间的差异，调整所述决策树模型的参数，直至所述决策树模型达到期望训练效果；

将所述达到期望训练效果的决策树模型作为所述车型需求预测模型。

4.根据权利要求3所述的方法，其特征在于，所述对所述多个维度的数据进行归一化处理，得到多个维度的特征量，包括：

对所述租车中心仓环境维度的数据、所述城市环境维度的数据以及所述城市租赁公司维度的数据进行预定义编码，得到所述租车中心仓环境维度的特征量、所述城市环境维度的特征量以及所述城市租赁公司维度的特征量；

将所述租车平台下单维度的下单车型数量作为所述租车平台下单维度的特征量，将所述租车平台冒泡维度的用户冒泡数量作为所述租车平台冒泡维度的特征量，将所述租车平台司机维度的司机数量作为所述租车平台司机维度的特征量，将所述城市出行维度的月均出行数量作为所述城市出行维度的特征量，将所述城市人口密度维度的人口密度值作为所述城市人口密度维度的特征量，将所述城市人口收入维度的人均月收入值作为所述城市人口收入维度的特征量。

5.根据权利要求3所述的方法，其特征在于，所述以每个所述预定城市的每个租车中心仓对应的多个维度的特征量和所述历史需求量为一个训练样本，对所述决策树模型进行训练，包括：

根据每个所述预定城市的每个租车中心仓对应的各个所述维度的特征量，生成第一矩阵；

根据每个所述预定城市的每个租车中心仓对应的各个车型的历史需求量，生成第二矩阵；

根据所述第一矩阵和所述第二矩阵，形成所述训练样本，所述训练样本为所述第一矩阵和所述第二矩阵的合并矩阵，其中，所述第一矩阵为所述合并矩阵中的第一输入量X，所述第二矩阵作为所述合并矩阵的标签输入量Y，所述第一输入量X对应唯一的所述标签输入量Y；

将所述第一输入量X和标签输入量Y同步输入到所述决策树模型中训练，输出所述标签输入量Y对应的预测值。