生成预约服务信息的方法、装置、设备以及存储介质

技术领域

本申请涉及一种计算机技术领域，尤其涉及一种人工智能领域。

背景技术

现有的预约服务系统中，通常情况下会有很多用户采用远程排号的方式取号。如果用户在叫号的时候没有到达服务场所，则只能等到用户到达服务场所的时候再过号重排。如果排在当前用户之前的用户出现过号的情况，会导致预约服务系统无法准确预估当前用户的排号等待时间，进而导致用户在排号等待的过程中产生焦虑情绪。这种情况给用户带来不好的服务体验，可能会产生大量的用户投诉。

发明内容

本申请提供了一种生成预约服务信息的方法、装置、设备以及存储介质。

根据本申请的一方面，提供了一种生成预约服务信息的方法，包括：

获取在先预约用户的排号信息和服务状态信息；

根据在先预约用户的排号信息和服务状态信息，得到在先预约用户的过号信息；

根据过号信息得到当前用户的排号等待时间；

生成包括排号等待时间的当前用户的预约服务信息。

根据本申请的另一方面，提供了一种生成预约服务信息的装置，包括：

获取单元，用于获取在先预约用户的排号信息和服务状态信息；

第一预测单元，用于根据在先预约用户的排号信息和服务状态信息，得到在先预约用户的过号信息；

第二预测单元，用于根据过号信息得到当前用户的排号等待时间；

生成单元，用于生成包括排号等待时间的当前用户的预约服务信息。

根据本申请的又一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。

根据本申请的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使该计算机执行本申请任意一项实施例所提供的方法。

上述申请中的一个实施例具有如下优点或有益效果：可准确预测排号等待时间，从而起到为预约服务准确提醒的作用。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请一实施例的生成预约服务信息的方法的流程图；

图2是根据本申请另一实施例的生成预约服务信息的方法的流程图；

图3是根据本申请另一实施例的生成预约服务信息的方法的流程图；

图4是根据本申请另一实施例的生成预约服务信息的方法的预测排号等待时间的流程图；

图5是根据本申请一实施例的生成预约服务信息的装置的示意图；

图6是用来实现本申请实施例的生成预约服务信息的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请一实施例的生成预约服务信息的方法的流程图。参见图1，该生成预约服务信息的方法包括：

步骤S110，获取在先预约用户的排号信息和服务状态信息；

步骤S120，根据在先预约用户的排号信息和服务状态信息，得到在先预约用户的过号信息；

步骤S130，根据过号信息得到当前用户的排号等待时间；

步骤S140，生成包括排号等待时间的当前用户的预约服务信息。

随着服务意识以及线上化服务水平的提高，目前越来越多的服务提供方在预约服务的时候支持线上取号。以餐饮行业为例，在很多情况下，用户出门就餐前通过提前取号的方式预约餐位。这种方式在很大程度上可以减少在餐厅门口排队等位的时间。特别是在一些特别火爆的餐厅，用户通过出门前预约取号，可以在很大程度上减少排号等待时间，从而提升整体就餐体验。

但是，目前的预约服务系统通常支持的取号方式是以预约取号请求时间的先后顺序为准给预约的用户进行排号。例如，前面最后一个取号的用户的排号是2号，那么在当前时间提出预约取号请求的用户只能取3号。在一种情况下，即使提出预约取号请求的用户现在还在距离服务场所百公里以外的位置，其取得的排号也只能是3号。采用这种取号方式，可能会导致用户到达服务场所后再过号重排。

针对过号重排的情况，可根据实际情况采用各种过号重排机制进行处理。例如，一种处理方式是过号直接作废，从队尾重新排号。另一种更加普遍使用的处理方式是，过号之后从当前叫号的排号号码开始向后顺延3个排号号码，在向后顺延的3个排号号码之后将过号的排号号码插入到排号队列。这种方式虽然可以基本保证过号顾客的体验，但会导致预约服务系统无法准确地预估排号等待时间，导致正常排号的用户由于太多过号用户插入而很长时间等不到座位。这种情况会使用户体验很差，可能带来大量的差评和用户投诉。

以餐饮行业为例，相关技术中排号等待时间通常是根据历史时刻的餐位周转时间来计算。例如，上周一平均每个10分钟可以有一个餐位空余出来再提供服务。当前有10个用户等待排号，那么就需要10*10即100分钟的排号等待时间。

综上，因为目前支持的取号方式是以预约取号请求时间的先后顺序为准给预约的用户进行排号，所以当有大量的用户是远程排号的时候，就会造成有大量的过号情况发生。服务提供方会安排这些过号用户插入排号队列，但排号等待时间的计算没有考虑过号插入的情况，因此会导致当有大量的过号插入的时候，无法准确预估排号等待时间。

有鉴于此，本申请实施例提供了一种可准确预测排号等待时间的生成预约服务信息的方法。本申请实施例中，用户可以在现场或者通过远程方式提出预约取号请求。在用户提出预约取号请求时，对排号等待时间进行预测，并生成包括排号等待时间的当前用户的预约服务信息。另外，也可以在用户排号等待过程中的任一时间点，对排号等待时间进行预测，并将生成的包括排号等待时间的当前用户的预约服务信息发送给用户，让用户知晓从当前时刻开始还需要等待多久时间才能被叫号，以缓解用户等待过程中的焦虑情绪。其中，生成预约服务信息的时间点可以是在用户查询预约服务信息时，也可以是系统设置或者用户设置的时间点。本申请实施例中对具体生成排号等待时间和发送预约服务信息的时间点不作限制。

在步骤S110中，首先获取在先预约用户的排号信息。在先预约用户是在预约服务的排号队列中排在当前用户之前的用户。例如，在当前时刻接收到当前用户的预约取号请求时，需要预估排号等待时间。在当前时刻之前预约服务系统中最后一个已经被叫号的用户的排号是2号，当前时刻在预约服务系统的排号队列中的用户是从3号到9号，也就是说当前时刻正在排号的用户是从3号到9号，则当前用户取得的排号是10号。在先预约用户是排在当前用户之前的排号是从3号到9号的用户。

在一个示例中，可首先获取在先预约用户的排号信息和服务状态信息。例如，在先预约用户的排号信息可包括排在当前用户之前的排号是从3号到 9号的用户。服务状态信息可包括当前叫号的排号号码，也就是在当前时刻之前预约服务系统中最后一个已经被叫号的用户的排号。

在步骤S120中，可将在先预约用户的排号信息和服务状态信息作为机器学习模型的输入信息，利用机器学习模型对输入信息进行处理，输出在先预约用户的过号信息。其中，在先预约用户的过号信息可以包括在先预约用户可能发生过号情况的概率。

如果在先预约用户可能发生过号情况的概率较大，也可能会使当前用户的排号等待时间变长。在步骤S130中，可根据包括在先预约用户可能发生过号情况的概率的过号信息，预测当前用户的排号等待时间。

在步骤S140中，为当前用户生成预约服务信息。预约服务信息可包括排号等待时间，也可以包括在先预约用户的人数或等用户关心的信息。

本申请实施例可准确预测排号等待时间，从而起到为预约服务准确提醒的作用。利用本申请实施例预测的准确的排号等待时间，便于用户安排行程，缓解用户等待过程中的焦虑情绪，提升用户体验。

在一种实施方式中，排号信息包括用户取得的排号号码和/或用户前往服务场所的行程信息；服务状态信息包括当前叫号的排号号码和/或预约服务的翻台时间。

例如，在当前时刻之前预约服务系统中最后一个已经被叫号的用户的排号是2号，则当前叫号的排号号码是2号。当前时刻在预约服务系统的排号队列中的用户是从3号到9号，也就是说当前时刻正在排号的用户是从3号到9号，则当前用户取得的排号是10号。在先预约用户是排在当前用户之前的排号是从3号到9号的用户。在先预约用户取得的排号号码依次是从3号到9号。

在一种实施方式中，在先预约用户中每个用户的前往服务场所的行程信息可包括用户的定位信息以及出行方式。以上信息可以在提出预约取号请求时由用户提供，也可以从用户的车载地图导航系统中获取。在一个示例中，用户在驾车过程中，预约服务系统接收到用户的预约取号请求。则预约服务系统可与用户的车载地图导航系统进行交互，从用户的车载地图导航系统中获取用户的定位信息以及出行方式。

在另一种实施方式中，在先预约用户中每个用户的前往服务场所的行程信息可包括用户到达服务场所的时间。以上信息也可以在提出预约取号请求时由用户提供。例如，在填写预约取号请求的表单时，可要求用户填写到达服务场所的时间。另外，用户到达服务场所的时间也可以从用户的车载地图导航系统中获取。在一个示例中，用户在驾车过程中，预约服务系统接收到用户的预约取号请求。则预约服务系统可与用户的车载地图导航系统进行交互，从用户的车载地图导航系统中获取用户的定位信息以及出行方式，然后再根据用户的定位信息以及出行方式预测出用户到达服务场所的时间。

预约服务的翻台时间可以是预约服务系统的每个服务设备为用户提供一次服务所用的平均时间。以餐饮行业为例，餐厅每张餐桌在客人用餐完毕后重新收拾并放置新餐具，叫翻台。如果一张餐桌一天共接待8批客户，则在一天的时间内翻台8次。翻台次数越多，意味着服务提供方的生意越好。

本申请实施例中，可将用户取得的排号号码、用户前往服务场所的行程信息、当前叫号的排号号码和预约服务的翻台时间作为机器学习模型的输入信息，利用机器学习模型对输入信息进行处理，输出在先预约用户的过号信息。这种方式中，根据用户前往服务场所的行程信息可对用户的过号情况进行准确地估计，进而可准确地预测排号等待时间。

在一种实施方式中，获取服务状态信息，包括：

根据服务提供方的历史数据得到预约服务的翻台时间。

以餐饮行业为例，可根据餐厅的历史数据预测当天的平均翻台时间。可利用机器学习模型得到预约服务的翻台时间。例如，餐厅服务系统中记录的历史数据可包括每张餐桌客人的用餐时间。将餐厅服务系统中记录的历史数据输入第三机器学习模型，利用第三机器学习模型预测预约服务的翻台时间。第三机器学习模型的输入信息还可包括以下至少之一：服务提供方的信息(例如店铺、餐馆的信息)、交通信息(例如是否拥堵)、天气信息和节假日等信息。

本申请实施例中的第三机器学习模型可包括线性回归模型或深度学习模型。

本申请实施例中，利用历史数据可以使得预约服务的翻台时间预测得更准确，进而可更准确地预测排号等待时间。

在一种实施方式中，排号信息还包括用户画像；服务状态信息还包括服务提供方的画像。

用户画像又称用户角色，可作为一种勾画目标用户、联系用户诉求与设计方向的有效工具。一个示例性的用户画像可包括以下元素的至少之一：姓名、照片、年龄、家庭状况、收入、工作、用户活动场景、计算机技能和喜好。用户画像中包括的元素可以反映出用户的行为习惯特征。不同的用户的行为习惯特征不同，行为方式也不同，进而采用不同的行为方式会导致不同的行为后果。可利用用户画像预测用户的过号情况，估计用户的可能发生过号情况的概率。

一个示例性的服务提供方的画像可包括以下元素的至少之一：服务提供方所在的位置信息、服务提供方所属的商圈信息和用户对服务提供方的评价信息等。服务提供方的画像中包括的上述信息也可能与用户发生过号情况的概率相关。例如，服务提供方所在的位置处理交通拥堵的路段，则可能导致用户发生过号情况。可利用服务提供方的画像中包括的上述信息估计用户的可能发生过号情况的概率。

本申请实施例中，利用用户画像和服务提供方的画像，可进一步对用户的过号情况进行准确地估计，进而可更加准确地预测排号等待时间。

图2是根据本申请另一实施例的生成预约服务信息的方法的流程图。如图2所示，在一种实施方式中，图1中的步骤S120，根据在先预约用户的排号信息和服务状态信息，得到在先预约用户的过号信息，具体可包括步骤S220：将在先预约用户的排号信息和服务状态信息作为第一机器学习模型的输入信息，利用第一机器学习模型得到在先预约用户的过号概率；

图1中的步骤S130，根据过号信息得到当前用户的排号等待时间，具体可包括步骤S230：根据在先预约用户的过号概率得到当前用户的排号等待时间。

在一个示例中，前面最后一个取号的用户的排号是3号，那么在当前时间提出预约取号请求的用户只能取4号。如果提出预约取号请求的用户现在还在距离服务场所百公里以外的位置，或者提出预约取号请求的用户在一小时之后才能到达服务场所，则该用户会有很大的概率会过号。可利用排号为 4号的用户可能会过号的信息，预测排号为5号的用户的排号等待时间。如果排号为4号的用户的过号概率比较大，则排号为5号的用户的排号等待时间就会较长。

可在提出预约取号请求时，获取用户的定位信息以及出行方式，或者直接让用户来输入到达服务场所的时间。针对在先预约用户，可将以上信息以及用户取得的排号号码、当前叫号的排号号码、预约服务的翻台时间等，输入第一机器学习模型，来预测在先预约用户可能发生过号情况的概率，也就是在先预约用户的过号概率。本申请实施例中的第一机器学习模型可包括线性回归模型或深度学习模型等。

在一个示例中，用户画像和服务提供方的画像也可以作为第一机器学习模型的输入信息。

利用第一机器学习模型得到在先预约用户的过号概率，可根据在先预约用户的过号概率计算出当前用户的排号等待时间。

在一个示例中，若预约服务的翻台时间为T，某个在先预约用户的过号概率为P1，则对于当前用户而言，由该在先预约用户而导致的等待时间为(1- P1)*T。将当前用户的所有在先预约用户导致的等待时间相加求和，得到当前用户的排号等待时间。

本申请实施例中，利用在先预约用户的过号概率预测当前用户的排号等待时间，充分考虑了过号情况对排号等待时间的影响，进而可准确地预测排号等待时间。

以上计算方式适用于过号直接作废，从队尾重新排号的情况，也就是适用于过号不插入的情况。如果考虑到过号插入的情况，则还需要使用过号插入概率来预估排号等待时间。

图3是根据本申请另一实施例的生成预约服务信息的方法的流程图。如图3所示，在一种实施方式中，图1中的步骤S120，根据在先预约用户的排号信息和服务状态信息，得到在先预约用户的过号信息，具体可包括：步骤 S220，将在先预约用户的排号信息和服务状态信息作为第一机器学习模型的输入信息，利用第一机器学习模型得到在先预约用户的过号概率；步骤S322，根据在先预约用户的过号概率得到预估时间；步骤S324，将在先预约用户的排号信息、服务状态信息以及预估时间作为第二机器学习模型的输入信息，利用第二机器学习模型得到在先预约用户的过号插入概率；

图1中的步骤S130，根据过号信息得到当前用户的排号等待时间，具体可包括步骤S330：根据在先预约用户的过号概率和过号插入概率，得到当前用户的排号等待时间。

在这种实施方式中，首先在步骤S220中得到在先预约用户的过号概率。相关方法可参见图2所示的实施例的描述，在此不再赘述。然后在步骤S322 中，根据在先预约用户的过号概率得到预估时间。预估时间是在不考虑过号插入的情况下得到的预估时间。在一个示例中，若预约服务的翻台时间为T，某个在先预约用户的过号概率为P1，则对于当前用户而言，由该在先预约用户而导致的等待时间为(1-P1)*T。将当前用户的所有在先预约用户导致的等待时间相加求和，得到预估时间。

如果步骤S220预测在先预约用户的过号概率不为零，那么在预估时间内该用户会有过号插入发生的可能。则在步骤S324中，针对在先预约用户，可将用户的定位信息以及出行方式(或者用户到达服务场所的时间)、用户取得的排号号码、当前叫号的排号号码、预约服务的翻台时间，以及步骤S322 中得到的预估时间，输入第二机器学习模型，来预测在先预约用户可能在预估时间内发生过号插入情况的概率，也就是在先预约用户的过号插入概率。本申请实施例中的第二机器学习模型可包括线性回归模型或深度学习模型。

在一个示例中，用户画像和服务提供方的画像也可以作为第二机器学习模型的输入信息。

在另一个示例中，也可采用多个机器学习模型分别在至少一个时间维度上对先预约用户的过号插入情况进行分析，得到对应于至少一个时间维度的调整因子。其中，至少一个时间维度可包括工作日、周末和节假日中的至少一种。然后再将调整因子作为输入特征输入到第二机器学习模型中。这种实施方式中加入了时间维度的信息，使得排号等待时间的预估值更加准确。

在步骤S330中，综合考虑排在当前用户前面所有号码的用户的过号概率，以及过号插入概率，基于以上信息来预测当前用户的排号等待时间。

在一个示例中，若预约服务的翻台时间为T，某个在先预约用户的过号插入概率为P2，则对于当前用户而言，由该在先预约用户过号插入而导致的等待时间为P2*T。将当前用户的所有在先预约用户过号插入导致的等待时间相加求和，再加上预估时间，得到当前用户的排号等待时间。

在另一个示例中，可将当前用户的所有在先预约用户过号插入导致的等待时间相加求和，再加上预估时间，得到新的预估时间。利用第二机器学习模型重新预测在先预约用户可能在新的预估时间内发生过号插入情况的概率，利用新的概率，将当前用户的所有在先预约用户过号插入导致的等待时间相加求和，再将求和结果累加到预估时间。重复执行上述步骤，直到在先预约用户中没有可能过号插入的用户，最终得到当前用户的排号等待时间。

本申请实施例中，利用在先预约用户的过号概率和过号插入概率预测当前用户的排号等待时间，充分考虑了过号情况和过号插入情况对排号等待时间的影响，进而可准确地预测排号等待时间。

在一种实施方式中，预约服务信息还包括：行程推荐信息和预约服务相关的服务提供方的推荐信息中的至少一种。

以餐饮行业为例，在预测排号等待时间之后，可以通过发送预约服务信息为用户提供以下服务：

(1)将排号等待时间通知用户。

(2)根据排号等待时间给用户做行程推荐。例如推荐用户去某商场购物或者推荐用户去某娱乐场所活动等。

(3)若排号等待时间过长，为用户推荐其他餐馆。

在一个示例中，还可以结合用户画像生成以上预约服务信息，进一步满足用户的个性化需求。

本申请实施例中，可通过预约服务信息为用户提供更加周到的服务，进一步提升用户体验。

图4是根据本申请另一实施例的生成预约服务信息的方法的预测排号等待时间的流程图。如图4所示，预约服务的翻台时间为T，某个在先预约用户的过号概率为P1，在先预约用户的过号插入概率为P2，一个示例性的预测排号等待时间的流程可包括以下步骤：

1)计算所有排号号码小于当前号码的在排用户的(1-P1)*T，将所有排号号码小于当前号码的在排用户的(1-P1)*T相加求和，得到预估时间PT。

在这一步骤之前，可利用第一机器学习模型预测在先预约用户的过号概率P1。相关方法可参见图2所示的实施例的描述，在此不再赘述。

2)计算PT之后，对于所有号码排号号码小于当前号码的在排用户，预测过号插入用户。例如，可用N表示预测的过号插入用户的用户数。当N＝0 时，表示没有过号插入用户。当N>0时，过号插入用户的编号为1，2，3，…， N。

在这一步骤中，可利用第二机器学习模型预测在先预约用户的过号插入概率P2。相关方法可参见图3所示的实施例的描述，在此不再赘述。

3)判断是否N>0，若否则将PT作为预测的排号等待时间。

若是，则将

在上述循环过程中，每执行一次循环体之后可能PT值都会发生改变，因此需要利用新的PT值和过号插入概率P2得到新的预估时间PT。重复执行以上循环体中的步骤，直到N＝0时结束循环，将最后得到的PT作为预测的排号等待时间。

在上述循环过程中，也可以设置步长k，在每执行一次循环体的过程中，检查k个在先预约用户。在k个在先预约用户中可能有m个用户是有过号插入可能的。在每执行一次循环体的过程中，将m个用户过号插入导致当前用户增加的排号等待时间加入到新得到的PT值中。重复执行循环过程，直到 N＝0时结束循环，将最后得到的PT作为预测的排号等待时间。

图5是根据本申请一实施例的生成预约服务信息的装置的示意图。参见图5，该生成预约服务信息的装置包括：

获取单元100，用于获取在先预约用户的排号信息和服务状态信息；

第一预测单元200，用于根据在先预约用户的排号信息和服务状态信息，得到在先预约用户的过号信息；

第二预测单元300，用于根据过号信息得到当前用户的排号等待时间；

生成单元400，用于生成包括排号等待时间的当前用户的预约服务信息。

在一种实施方式中，排号信息包括用户取得的排号号码和/或用户前往服务场所的行程信息；服务状态信息包括当前叫号的排号号码和/或预约服务的翻台时间。

在一种实施方式中，获取单元100用于：

根据服务提供方的历史数据得到预约服务的翻台时间。

在一种实施方式中，排号信息还包括用户画像；服务状态信息还包括服务提供方的画像。

在一种实施方式中，第一预测单元200用于：将在先预约用户的排号信息和服务状态信息作为第一机器学习模型的输入信息，利用第一机器学习模型得到在先预约用户的过号概率；

第二预测单元300用于：根据在先预约用户的过号概率得到当前用户的排号等待时间。

在一种实施方式中，第一预测单元200用于：将在先预约用户的排号信息和服务状态信息作为第一机器学习模型的输入信息，利用第一机器学习模型得到在先预约用户的过号概率；根据在先预约用户的过号概率得到预估时间；将在先预约用户的排号信息、服务状态信息以及预估时间作为第二机器学习模型的输入信息，利用第二机器学习模型得到在先预约用户的过号插入概率；

第二预测单元300用于：根据在先预约用户的过号概率和过号插入概率，得到当前用户的排号等待时间。

在一种实施方式中，预约服务信息还包括：行程推荐信息和预约服务相关的服务提供方的推荐信息中的至少一种。

本申请实施例的生成预约服务信息的装置中的各单元的功能可以参见上述方法中的对应描述，在此不再赘述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的生成预约服务信息的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器1301、存储器1402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器1301 为例。

存储器1302即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的生成预约服务信息的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的生成预约服务信息的方法。

存储器1302作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的生成预约服务信息的方法对应的程序指令/模块(例如，附图5所示的获取单元100、第一预测单元200、第二预测单元300和生成单元400)。处理器 1301通过运行存储在存储器1302中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的生成预约服务信息的方法。

存储器1302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据预约服务的电子设备的使用所创建的数据等。此外，存储器1302可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1302可选包括相对于处理器1301远程设置的存储器，这些远程存储器可以通过网络连接至预约服务的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

生成预约服务信息的方法的电子设备还可以包括：输入装置1303和输出装置1304。处理器1301、存储器1302、输入装置1303和输出装置 1304可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置1303可接收输入的数字或字符信息，以及产生与预约服务的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1304可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和 /或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入) 来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS)服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

根据本申请实施例的技术方案，可准确预测排号等待时间，从而起到为预约服务准确提醒的作用。利用本申请实施例预测的准确的排号等待时间，便于用户安排行程，缓解用户等待过程中的焦虑情绪，提升用户体验。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。