基于货源信息的运费评估方法、系统、设备及存储介质

技术领域

本发明涉及货运大数据领域，具体地说，涉及基于货源信息的运费评估方法、系统、设备及存储介质。

背景技术

在非同城公路货运场景下，评估司机的收益的主要因素来自燃油费用、高速通行费用、车辆维护费用，而在具体的一个运输行程中，平台制定司机收益(运费)的主要依据来自司机的成本消耗：燃油、ETC、车辆损耗，而路线则是其强相关因素，决定了司机的行驶距离、出发地、目的地，进而影响车辆速度、货主出价等。此外，货重、车长和车型决定了车辆载重、车辆轴数进而影响车辆损耗和燃油费用，因此，上述因素对整个司机收益架构有着本质性的影响。

目前的市场上的货运平台因为货源信息的缺失、运输成本难以获取计算，大多通过历史货源信息预测价格，这些货运平台给出的价格对司机、货主双方缺失解释性，进而影响平台的成交率、履约率；而目前已有的货运平台只考虑了不同因素对司机收益的影响，并没有很好地考虑到具体各种类型的运输车辆的特殊性以及当地交通路政对货运卡车的特殊政策，因此得到的平台价格不够准确而很难留住用户，且货主、司机双方的收益也会受损，货物的成交率、履约率也会因此受到影响。

因此，本发明提供了一种基于货源信息的运费评估方法、系统、设备及存储介质。

发明内容

针对现有技术中的问题，本发明的目的在于提供基于货源信息的运费评估方法、系统、设备及存储介质，克服了现有技术的困难，能够基于大量的历史订单的特征以及运费，通过评分卡模型得到每条线路上的司机运费模型，根据货源信息自动评估运费，有效保障司机、货主的收益。

本发明的实施例提供一种基于货源信息的运费评估方法，包括以下步骤：

S110、导入历史货源信息并清洗数据；

S120、自清洗后的所述历史货源信息中提取货源特征，所述货源特征包括基础特征和附加特征；

S130、至少基于所述基础特征拟合基础模型；

S140、至少基于所述附加特征生成调价策略；以及

S150、基于所述基础模型和调价策略评估运费。

优选地，所述步骤S110，中包括：对历史货源信息进行变量选取，进行缺失值、异常值处理后划分集合，所述历史货源信息包括出发地信息、目的地信息、车型信息、车长、信息、货重信息、货容信息、装卸方式、订金金额、货物类型、运费信息。

优选地，所述步骤S120，中包括：将货源特征编码转换，后将特征集合划分为基础特征集合和附加特征集合。

优选地，所述步骤S120，还包括：

在每个历史货源信息中将除所述运费信息以外的每种变量信息依次与所述运费信息计算斯皮尔曼相关系数；

统计所有所述历史货源信息中每种变量信息的斯皮尔曼相关系数的平均数；

将斯皮尔曼相关系数的平均数大于等于预设阈值的变量信息作为基础特征；

将斯皮尔曼相关系数的平均数小于预设阈值的变量信息作为附加特征。

优选地，所述步骤S130，中包括：通过固定特征的区间或值，利用基础特征集合中的基础特征拟合得到所述基础模型。

优选地，所述步骤S140，中包括：根据所述附加特征基于评分卡模型生成价格表，基于所述价格表生产调价策略。

优选地，所述步骤S150，中包括：基于所述基础模型和评分卡模型进行运费评估。

本发明的实施例还提供一种基于货源信息的运费评估系统，用于实现上述的基于货源信息的运费评估方法，所述基于货源信息的运费评估系统包括：

信息导入模块，导入历史货源信息并清洗数据；

特征提取模块，自清洗后的所述历史货源信息中提取货源特征，所述货源特征包括基础特征和附加特征；

基础模型模块，至少基于所述基础特征拟合基础模型；

调价策略模块，至少基于所述附加特征生成调价策略；以及

运费评估模块，基于所述基础模型和调价策略评估运费。

本发明的实施例还提供一种基于货源信息的运费评估设备，包括：

处理器；

存储器，其中存储有所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述基于货源信息的运费评估方法的步骤。

本发明的实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现上述基于货源信息的运费评估方法的步骤。

本发明的目的在于提供基于货源信息的运费评估方法、系统、设备及存储介质，能够基于大量的历史订单的特征以及运费，通过评分卡模型得到每条线路上的司机运费模型，根据货源信息自动评估运费，有效保障司机、货主的收益。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1是本发明的基于货源信息的运费评估方法的流程图。

图2是本发明的基于货源信息的运费评估系统的结构示意图。

图3是本发明的基于货源信息的运费评估设备的结构示意图。

图4是本发明一实施例的计算机可读存储介质的结构示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本申请所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用系统，本申请中的各项细节也可以根据不同观点与应用系统，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

下面以附图为参考，针对本申请的实施例进行详细说明，以便本申请所属技术领域的技术人员能够容易地实施。本申请可以以多种不同形态体现，并不限定于此处说明的实施例。

在本申请的表示中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的表示意指结合该实施例或示例表示的具体特征、结构、材料或者特点包括于本申请的至少一个实施例或示例中。而且，表示的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本申请中表示的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于表示目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本申请的表示中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

为了明确说明本申请，省略与说明无关的器件，对于通篇说明书中相同或类似的构成要素，赋予了相同的参照符号。

在通篇说明书中，当说某器件与另一器件“连接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种器件“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素排除在外，而是意味着可以还包括其它构成要素。

当说某器件在另一器件“之上”时，这可以是直接在另一器件之上，但也可以在其之间伴随着其它器件。当对照地说某器件“直接”在另一器件“之上”时，其之间不伴随其它器件。

虽然在一些实例中术语第一、第二等在本文中用来表示各种元件，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一接口及第二接口等表示。再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

此处使用的专业术语只用于言及特定实施例，并非意在限定本申请。此处使用的单数形态，只要语句未明确表示出与之相反的意义，那么还包括复数形态。在说明书中使用的“包括”的意义是把特定特性、区域、整数、步骤、作业、要素及/或成份具体化，并非排除其它特性、区域、整数、步骤、作业、要素及/或成份的存在或附加。

虽然未不同地定义，但包括此处使用的技术术语及科学术语，所有术语均具有与本申请所属技术领域的技术人员一般理解的意义相同的意义。普通使用的字典中定义的术语追加解释为具有与相关技术文献和当前提示的内容相符的意义，只要未进行定义，不得过度解释为理想的或非常公式性的意义。

图1是本发明的基于货源信息的运费评估方法的流程图。如图1所示，本发明的基于货源信息的运费评估方法包括：

S110、导入历史货源信息并清洗数据；

S120、自清洗后的历史货源信息中提取货源特征，货源特征包括基础特征和附加特征；

S130、至少基于基础特征拟合基础模型；

S140、至少基于附加特征生成调价策略；以及

S150、基于基础模型和调价策略评估运费。

优选地，步骤S110，中包括：对历史货源信息进行变量选取，进行缺失值、异常值处理后划分集合，历史货源信息包括出发地信息、目的地信息、车型信息、车长、信息、货重信息、货容信息、装卸方式、订金金额、货物类型、运费信息，但不以此为限。

优选地，步骤S120，中包括：将货源特征编码转换，后将特征集合划分为基础特征集合和附加特征集合，但不以此为限。

优选地，步骤S120，还包括：

在每个历史货源信息中将除运费信息以外的每种变量信息依次与运费信息计算斯皮尔曼相关系数；

统计所有历史货源信息中每种变量信息的斯皮尔曼相关系数的平均数；

将斯皮尔曼相关系数的平均数大于等于预设阈值的变量信息作为基础特征；

将斯皮尔曼相关系数的平均数小于预设阈值的变量信息作为附加特征，

优选地，步骤S130，中包括：通过固定特征的区间或值，利用基础特征集合中的基础特征拟合得到基础模型，但不以此为限。

优选地，步骤S140，中包括：根据附加特征基于评分卡模型生成价格表，基于价格表生产调价策略，但不以此为限。

优选地，步骤S150，中包括：基于基础模型和评分卡模型进行运费评估，但不以此为限。

本发明的基于货源信息的运费评估方法能够基于大量的历史订单的特征以及运费，通过评分卡模型得到每条线路上的司机运费模型，根据货源信息自动评估运费，有效保障司机、货主的收益。

本发明的具体实施方式包括：

首先，根据平台的历史订单可以发现，短途同城订单的成交率、履约率都较高，非同城订单相较之下的问题层出不穷，价格争议是其中较为重要的部分。本发明从历史成交货源信息及运费出发挖掘一套运费的打分规则，基于评分卡模型的打分规则对用户来说更加具有接受度，并切实保障司机、货主的收益，实现平台用户留存率的提升。

评分卡是在金融行业常用的，衡量风险的有效工具。根据客户数据找出业务关注的变量并赋予各个变量的不同取值不同的分数后，再根据客户自身情况找出相应的分值求和，就得到了各个客户对应的风险评分。在本发明中，对货物信息也做相同的评分，但是是通过货物本身的信息给出一个分段加价。

本实施例中提供基于数据特征的一个最佳方案：平台累计的历史订单数据本身具有大量缺失值，其中出发地、目的地、车型、车长、货重货容基本为货主的必填信息，这些特征是但是例如装卸方式、订金金额、货物类型、禁区等详细订单信息通常为缺失值，因此很难据此训练出行之有效的模型。于是本发明将此类详细信息作为基础模型的一个调价策略的输入，通过对基础特征训练出的模型进行加价得到最终的运费。

货主在平台发布货源时，根据货主填写的出发地、目的地、车型、车长、货重等基本信息，平台基于这些信息给出一个参考价，随后再基于评分卡模型对于其他信息再进行加价，最后给出运费。

Step 1，对原始货源特征编码后进行相关性分析，得到与运费强相关的特征集合。

对于平台历史成交的海量货源信息，从中筛选出对运费影响较大的货源特征。但是由于一些较详细的信息货主在填写时易缺失，因此需要拉取海量历史数据并编码，且做大量异常值处理、缺失值处理以排除货主乱填错填的可能性，保证训练数据的有效性，在此之后需要对特征集合进行筛选。

假设货源特征集合为:

由于模型需要与收益线性相关特征，因此皮尔逊相关(Pearson correlation)来处理是非常有效的：

其中cov(X，Y)是变量X、Y的协方差；Y为运费，σ

此外，斯皮尔曼相关(Spearman correlation)也是假定两个变量间呈线性相关的：

其中，X

这两种相关性分析中，相关系数的绝对值越接近1，则说明两个变量相关性越强，相关系数越接近0则表示相关性越低。

经过这两种相关性分析后得到的集合即为货源强相关的特征集合。

Step 2，基于基础货源特征给出基础特征拟合模型。

将特征集合划分为基础特征和附加特征集合，通过对基础特征的训练得到一个近似的模型价格：

假设基础特征集合为特征集合的子集：

通过优化模型输出和实际价格对权重进行拟合优化，寻求式子的最小值：

其中，ω

由于线性拟合模型的效果有限，且模型的可解释性又不能因此降低，于是通过固定特征值得到每条线路上的锚定货源基本价格模型model

y＝∑

其中，ω

当模型的自变量为运输距离时，此模型的权重即为公里价，偏差即为起步价。

Step 3，通过拟合给出运费的附加特征的评分卡模型。

将划分出的附加特征集合，通过历史数据的训练得到一个近似的评分卡模型，对于连续特征需要增加区间评分处理：

假设附加特征集合为特征集合的子集：

通过优化模型输出和实际价格对模型进行优化：

本实施例中，平台累计的历史订单数据本身具有大量缺失值，其中出发地、目的地、车型、车长、货重货容基本为货主的必填信息(这些特征即modelbase的xi，针对这些特征建立模型拟合)，但是，例如装卸方式、订金金额、货物类型、禁区等详细订单信息通常为缺失值(这些特征即modeladd的xi，针对这些特征建立评分卡模型)，因此很难据此训练出行之有效的模型。于是本发明将此类详细信息作为基础模型的一个调价策略的输入，通过对基础特征训练出的模型进行加价得到最终的运费。”

min

Step3实际上是一个调价策略，比如一单货我需要多装多卸需要加多少钱、一装两卸要加多少钱这种问题，因此需要实际值和step2线性模型的差值，由此拟合调价层。

其中，y

model

由于历史数据量有限，因此不区分路线得到全部路线上的评分卡模型(以装卸方式为例)：

货主填写货源相关基础信息后得到一个基础价格，再根据评分卡给出最终出价。

本算法是根据历史货源信息得到的一个白盒模型，是基于模型的定价规则的一个解释性补充，通过锚定货源信息提升收益预测的准确度，基于评分卡模型对一些易被忽视的特征也给出打分的规则，作为模型的一个调价策略，以提升准确率的同时，对平台交易双方也有一个合理的解释，特别是在各大交易平台的价格采纳率较低的现状下，解释性定价规则的挖掘是非常有价值的。

现存的平台定价策略的主要难点在于解释性和准确率难以同时达到最优，本算法基于评分卡模型，结合其他特征得到评分卡模型作为调价策略，既保障了算法的准确率，也大大增加了平台价格的说服力，在留住用户的基础上提升了平台订单的成交率、履约率。

图2是本发明的基于货源信息的运费评估系统的结构示意图。如图2所示，本发明的实施例还提供一种基于货源信息的运费评估系统，用于实现上述的基于货源信息的运费评估方法，基于货源信息的运费评估系统5包括：

信息导入模块51，导入历史货源信息并清洗数据；

特征提取模块52，自清洗后的历史货源信息中提取货源特征，货源特征包括基础特征和附加特征；

基础模型模块53，至少基于基础特征拟合基础模型；

调价策略模块54，至少基于附加特征生成调价策略；以及

运费评估模块55，基于基础模型和调价策略评估运费。

在一个优选实施例中，信息导入模块51被配置为对历史货源信息进行变量选取，进行缺失值、异常值处理后划分集合，历史货源信息包括出发地信息、目的地信息、车型信息、车长、信息、货重信息、货容信息、装卸方式、订金金额、货物类型、运费信息。

在一个优选实施例中，特征提取模块52，被配置为将货源特征编码转换，后将特征集合划分为基础特征集合和附加特征集合。

在一个优选实施例中，特征提取模块52被配置为在每个历史货源信息中将除运费信息以外的每种变量信息依次与运费信息计算斯皮尔曼相关系数；统计所有历史货源信息中每种变量信息的斯皮尔曼相关系数的平均数；将斯皮尔曼相关系数的平均数大于等于预设阈值的变量信息作为基础特征；将斯皮尔曼相关系数的平均数小于预设阈值的变量信息作为附加特征。

在一个优选实施例中，基础模型模块53被配置为通过固定特征的区间或值，利用基础特征集合中的基础特征拟合得到基础模型。

在一个优选实施例中，调价策略模块54被配置为根据附加特征基于评分卡模型生成价格表，基于价格表生产调价策略。

在一个优选实施例中，运费评估模块55被配置基于基础模型和评分卡模型进行运费评估。

本发明的基于货源信息的运费评估系统能够基于大量的历史订单的特征以及收益，通过评分卡模型得到每条线路上的运费模型，根据货源信息自动评估运费，有效保障司机、货主的收益。

本发明实施例还提供一种基于货源信息的运费评估设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的基于货源信息的运费评估方法的步骤。

如上所示，该实施例本发明的基于货源信息的运费评估设备能够基于大量的历史订单的特征以及收益，通过评分卡模型得到每条线路上的运费模型，根据货源信息自动评估运费，有效保障司机、货主的收益。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。

图3是本发明的基于货源信息的运费评估设备的结构示意图。下面参照图3来描述根据本发明的这种实施方式的电子设备600。图3显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任一总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。

本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的基于货源信息的运费评估方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。

如上所示，该实施例本发明的基于货源信息的运费评估系统能够基于大量的历史订单的特征以及收益，通过评分卡模型得到每条线路上的运费模型，根据货源信息自动评估运费，有效保障司机、货主的收益。

图4是本发明的计算机可读存储介质的结构示意图。参考图4所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

程序产品可以采用一个或多个可读介质的任一组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任一以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任一合适的组合。

计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任一合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任一合适的组合。

可以以一种或多种程序设计语言的任一组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任一种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

综上，本发明的目的在于提供基于货源信息的运费评估方法、系统、设备及存储介质，能够基于大量的历史订单的特征以及收益，通过评分卡模型得到每条线路上的运费模型，根据货源信息自动评估运费，有效保障司机、货主的收益。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。