自动调价方法及装置与流程

1.本发明涉及物流技术，尤其涉及一种自动调价方法、装置及存储介质。


背景技术：

2.在物流领域，尤其是干线卡车货运领域，由于货物尺寸不一，储存要求各异，成单金额数值较大，金额波动大，没有定价标准等诸多特性，货源信息的定价往往很难确定；货主在平台方的网站上发布货源信息时，对于货源信息的定价就往往不会给出具体价格，如只写出价格可议等；这是因为价格给的高的话，虽然货源信息可以较快的成单)，但是货主必然会付出更多的运输成本，对于货物运输时效不是非常急迫的货主来说，自然是不希望这样的；反之，若货源信息的定价给的低的话，往往没有承运人愿意承运这个货源信息中的货运任务，也就没有承运人会与货主进行联系或沟通，这样至少会使货源信息的成单耗时增加，进而导致货运时效无法保证，货主同样也不希望这种情况出现。但是若货主在发布货源信息时不给出具体价格，其实反而增加了货主和承运人在货源信息成单过程中的沟通成本，大量的时间用在沟通和议价的过程中，必然使得运输效率下降，承运人在单位时间内的收入减少，货主因沟通议价耗时的不确定性，使得货运时效无法保证。


技术实现要素：

3.本发明实施例提供一种自动调价方法、装置及存储介质，能够在货主发布货源信息时给出合理建议，减少货主沟通议价耗时，进而保障货运的时效性。
4.本发明实施例的第一方面，提供一种自动调价方法，包括：
5.利用货源信息中的装货地信息及接单距离，确定接单范围，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；
6.根据货源信息和车辆数据为每个参考司机生成对应的输入数据，并将输入数据输入期望值模型，得到每个参考司机的期望值；
7.计算所有参考司机的平均期望值和期望值中位数，根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议。
8.可选地，在第一方面的一种可能实现方式中，还包括：
9.从历史数据中获取多个历史抢单行为，为每个历史抢单行为建立由运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据组成的特征数据，为每个历史抢单行为的特征数据确定对应的抢单价格；
10.将多个特征数据及对应的抢单价格输入到待训练的回归模型中，得到训练后的期望值模型。
11.可选地，在第一方面的一种可能实现方式中，利用货源信息中的装货地信息及接单距离，确定接单范围，包括：
12.根据货源信息中的装货地信息和卸货地信息得到与其装货地和卸货地相同的历
史订单，并将这些历史订单的实际空驶里程均值作为第一里程；
13.根据货源信息中的装货地信息得到装货地所在区域范围内的当前货源信息的数量和当前可接单的车辆的数量，并将区域范围内当前货源信息的数量与当前可接单的车辆的数量的比值作为第一比值；
14.将第一里程和第一比值的乘积作为接单距离；
15.以装货地为中心，以接单距离为半径，确定接单范围。
16.可选地，在第一方面的一种可能实现方式中，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机包括：
17.根据司机数据库中的运输信息选取当前没有运输任务的司机组成第一集合；
18.从第一集合中选取司机对应车辆的车型可以满足运输需求的司机组成第二集合；
19.从第二集合中选取车辆定位数据对应的地点位于接单范围内的司机组成第三集合；
20.将第三集合内的司机作为所有参考司机。
21.可选地，在第一方面的一种可能实现方式中，
22.根据货源信息和车辆数据为每个参考司机生成对应的输入数据包括：
23.根据装卸货地特征和车辆需求特征确定运输特征数据；
24.根据货源信息的生成时间确定时间特征数据；
25.根据相同线路的历史平均成单价格确定线路价格特征数据；
26.根据司机自身特征和司机承运特征确定司机成单特征数据。
27.本发明实施例的第二方面，提供一种自动调价方法，包括：
28.利用货源信息中的装货地信息及接单距离确定接单范围及接单时长，利用货源信息中的装货时间或当前时间之间的差值确定剩余时长；
29.当剩余时长小于等于接单时长时，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；当剩余时长大于接单时长时，则根据接单范围、货源信息中的运输需求信息、装货时间，以及司机数据库中的运输信息、车型信息筛选出所有参考司机；
30.根据货源信息和车辆数据为每个参考司机生成对应的输入数据，并将输入数据输入期望值模型，得到每个参考司机的期望值；
31.计算所有参考司机的平均期望值和期望值中位数，根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议。
32.本发明实施例的第三方面，提供一种自动调价装置，包括：
33.范围确定模块，用于利用货源信息中的装货地信息及接单距离，确定接单范围，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；
34.期望值生成模块，用于根据货源信息和车辆数据为每个参考司机生成对应的输入数据，并将输入数据输入期望值模型，得到每个参考司机的期望值；
35.计算模块，用于计算所有参考司机的平均期望值和期望值中位数，根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议。
36.本发明实施例的第四方面，提供一种自动调价装置，包括：
37.范围及时长确定模块，用于利用货源信息中的装货地信息及接单距离确定接单范围及接单时长，利用货源信息中的装货时间或当前时间之间的差值确定剩余时长；
38.时长判断模块，用于当剩余时长小于等于接单时长时，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；当剩余时长大于接单时长时，则根据接单范围、货源信息中的运输需求信息、装货时间，以及司机数据库中的运输信息、车型信息筛选出所有参考司机；
39.期望值生成模块，用于根据货源信息和车辆数据为每个参考司机生成对应的输入数据，并将输入数据输入期望值模型，得到每个参考司机的期望值；
40.计算模块，用于计算所有参考司机的平均期望值和期望值中位数，根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议。
41.根据本技术的第五方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面中任意一项所述的自动调价方法。
42.根据本技术的第六方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面中任意一项所述的自动调价方法。
43.本发明提供的一种自动调价方法及装置，能够为货主提供相应的定价或调价信息，避免出现货主的定价不准导致货源信息长时间无法成单，进而长时间在货源大厅中展示时占用的系统资源，造成资源浪费，同时加快了成单速度，提高了用户体验。
附图说明
44.图1为自动调价方法的第一种实施方式的流程图；
45.图2为自动调价方法的第二种实施方式的流程图；
46.图3为自动调价装置的第一种实施方式的结构图；
47.图4为自动调价装置的第二种实施方式的结构图。
具体实施方式
48.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
49.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
50.应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过
程构成任何限定。
51.应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
52.应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含a、b和c”、“包含a、b、c”是指a、b、c三者都包含，“包含a、b或c”是指包含a、b、c三者之一，“包含a、b和/或c”是指包含a、b、c三者中任1个或任2个或3个。
53.应当理解，在本发明中，“与a对应的b”、“与a相对应的b”、“a与b相对应”或者“b与a相对应”，表示b与a相关联，根据a可以确定b。根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其他信息确定b。a与b的匹配，是a与b的相似度大于或等于预设的阈值。
54.取决于语境，如在此所使用的“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于检测”。
55.下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
56.本发明提供一种自动调价方法，如图1所示其流程图，包括：
57.步骤s120、利用货源信息中的装货地信息及接单距离，确定接单范围，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；
58.步骤s140、根据货源信息和车辆数据为每个参考司机生成对应的输入数据，并将输入数据输入期望值模型，得到每个参考司机的期望值；
59.步骤s160、计算所有参考司机的平均期望值和期望值中位数，根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议。
60.在步骤s120之前，还包括步骤s110、根据历史抢单数据建立期望模型；具体为
61.步骤s1101、从历史数据中获取多个历史抢单行为，为每个历史抢单行为建立由运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据组成的特征数据，为每个历史抢单行为的特征数据确定对应的抢单价格；
62.步骤s1102、将多个特征数据及对应的抢单价格输入到待训练的回归模型中，得到训练后的期望值模型。
63.其中，步骤s1101、从历史数据中获取多个历史抢单行为，为每个历史抢单行为建立由运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据组成的特征数据，为每个历史抢单行的特征数据确定对应的抢单价格；
64.具体的，抢单业务中，发货方在平台方的网站或平台上发布货源信息后，还可以对该货源信息生成对应的抢单信息，以帮助发货方的货源信息尽快成单；司机(即承运方或运输车辆的使用人)可以根据抢单信息来发送对应的响应信息，以表示司机希望承接这个货源信息中的货运任务，这一行为即为抢单行为。而每个抢单行为都会被平台方进行记录并形成相关的数据，如抢单行为对应的货源信息、对应的抢单价格，对应的抢单司机等等。
65.这里需要先从历史数据或数据库中获取多个历史上的抢单行为的数据(即历史抢单行为)，具体获取方法这里不做限定，如获取从当前时间起1年内的所有抢单行为作为多个历史抢单行为或半年内的所有抢单行为作为多个历史抢单行为均可。
66.在获取了多个历史抢单行为后，就可以为每个历史抢单行为建立由运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据组成的特征数据；其中，
67.运输特征数据，其主要包含两方面的特征，装卸货地特征和车辆需求特征。也可以理解为，根据装卸货地特征和车辆需求特征确定运输特征数据。
68.装卸货地特征，是反映装货地和卸货地相关信息的特征，具体可以包括以下任意一项及其组合：
69.始发省id、始发市id、始发区id、目的省id、目的市id、目的区id、始发地经度、始发地纬度、目的地经度、目的地纬度、装卸货地之间的行驶里程；
70.需要说明的是，装货地即为始发地，始发省id即始发地对应的编码；卸货地即为目的地，目的省id即目的地对应的编码；这里可以直接利用国家行政区划代码，也可以对每个省、市、区等自行编辑用于区分的数字或编码；另外，始发市id、目的市id等也是如此，这里就不在赘述了。
71.始发地经度、始发地纬度、目的地经度、目的地纬度，即为装货地与卸货地的经纬度对应的数值，其获取方式有很多，这里不做限定。
72.装卸货地之间的行驶里程，即为装货地到卸货地之间车辆的行驶里程的数值，其获取方式有很多，这里不做限定。
73.此外，由于抢单行为存在对应的货源信息，货源信息中包含装货地地址、卸货地地址，而在得到了装货地地址后卸货地地址后，自然也就可以通过对应方式得到始发省id、始发市id、始发区id、目的省id、目的市id、目的区id、始发地经度、始发地纬度、目的地经度、目的地纬度、装卸货地之间的行驶里程这些特征了。
74.车辆需求特征，是反映货物运输时所需车辆相关信息的特征，具体可以包括以下任意一项及其组合：
75.车型、车长、承载上限；
76.需要说明的是，车型，为车辆型号对应的编码；车长，为车辆长度的数值；承载上限，为车辆承载货物重量上限的数值。
77.此外，由于抢单行为存在对应的抢单司机，而每个抢单的司机都有各自的车辆，这里信息均存储在平台方的司机数据库中，因此可以通过抢单司机从司机数据库中得到车型、车长、承载上限这些特征。
78.时间特征数据，其是反映货源信息生成的时间段的特征。也可以理解为，根据货源信息的生成时间确定时间特征数据。具体的，其可以包括以下任意一项及其组合：
79.生成月份、生成星期、生成小时；
80.需要说明的是，这里的时间特征数据是根据抢单行为对应的货源信息来确定的，例如，某个抢单行为对应的货源信息(或者这里可以说是历史上的货源信息)是在2021年1月1日12：20生成的，那么生成月份即为1，2021年1月1日为星期五，那么生成星期即为5，生成小时即为12。
81.线路价格特征数据，其是反映货源信息生成前具有相同线路(或者说是相同装卸
货地)的其他订单成交价格的特征。也可以理解为，根据相同线路的历史平均成单价格确定线路价格特征数据；具体的，其可以包括以下任意一项及其组合：
82.相同线路上一单成交价格、相同线路近一周平均成交价格、相同线路近一个月平均成交价格；
83.需要说明的是，这里的线路价格特征数据是根据抢单行为对应的货源信息来确定的，例如，抢单行为对应的货源信息是在2021年1月1日12：20生成的，货源信息中的线路是从北京到上海，那么相同线路上一单成交价格就是在2021年1月1日12：20之前上一个同样为北京到上海的订单的成交价格，相同线路近一周平均成交价格就是在在2021年1月1日12：20之前一周，即从2020年12月25日12：21到2021年1月1日12：20这期间所有北京到上海的订单的平均成交价格，相同线路近一个月平均成交价格即为从2020年12月1日12：21到2021年1月1日12：20这期间所有北京到上海的订单的平均成交价格。
84.此外，关于货源信息和订单的关系，货源信息包含了为了完成货运任务所需的相关信息，而订单中不仅包含了完成货运任务所需的相关信息，还包含了成交的相关信息、承运这个货运任务的车辆信息及承运人信息等；货源信息是形成订单过程中所需的信息。
85.司机成单特征数据，其主要包含两方面的特征，司机自身特征和司机承运特征。也可以理解为，根据司机自身特征和司机承运特征确定司机成单特征数据。
86.司机自身特征，其是反映司机自身属性的特征，具体的，其可以包括以下任意一项及其组合：
87.司机籍贯编码、司机年龄；
88.司机籍贯编码就是司机的籍贯信息，可以自行编码，也可以直接利用司机身份证上前3位或前6位的信息作为司机籍贯编码。
89.司机年龄就是司机年龄对应的数值。
90.这里，由于抢单行为存在对应的抢单司机，因此可以通过抢单司机从司机数据库中得到司机籍贯编码、司机年龄这些特征。
91.司机承运特征，其是反映与司机的历史承运信息相关的特征，其可以包括以下任意一项及其组合：
92.相同线路司机上一单成交价格、相同线路司机近一周承运次数、相同线路司机近一周平均成交价格、司机常跑路线；
93.需要说明的是，相同线路司机上一单成交价格是根据抢单行为对应的抢单司机及货源信息来确定的，不同的抢单行为对应的司机及货源信息不同，例如抢单行为对应的货源信息是在2021年1月1日12：20生成的，线路是从北京到上海，抢单的司机的对应账号的f001，那么相同线路司机上一单成交价格就是账号为f001的这个司机在2021年1月1日12：20之前上一个同样为北京到上海的订单的成交价格；同样，相同线路司机近一周承运次数也是根据抢单行为来确定的，那么相同线路司机近一周承运次数就是账号为f001的这个司机在2021年1月1日12：20之前一周，即从2020年12月25日12：21到2021年1月1日12：20这期间所有北京到上海的订单的承运数量(或者说完成数量)；同样，相同线路司机近一周平均成交价格就是编号为f001的这个司机在2021年1月1日12：20之前一周，完成的所有北京到上海的订单的平均成交价格；而司机常跑路线，也是根据抢单行为来确定的，不同的抢单行为对应的司机不同，这里对司机的历史承运数据进行统计，并把司机承运最多的线路的始
发地经度、始发地纬度、目的地经度、目的地纬度组成线路编码，亦或提前对全国所有线路进行编码，之后根据司机承运最多的线路对应的编码作为司机常跑路线，除此以外，还可以对司机的历史承运数据进行统计，统计并把司机承运排名前n位(n为大于等于1则整数)线路的编码按排名顺序以及叠加，或者组成向量后作为司机常跑路线。
94.在获得了运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据后，需要将其组成特征数据，需要说明的是，每个特征数据中可能含有多个数值，这里只需要将这些数值组成向量即可，而且将运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据组成特征数据同样可以采用这种方法；例如司机成单特征数据由司机籍贯编码{130}、相同线路司机近一周承运次数{3}和相同线路司机近一周平均成交价格{5867}组成，那么司机成单特征数据就可以为{130,3,5867}；再例如订单运输特征数据为{110,210,130,19.6}，货源时间特征数据为{5}，订单线路价格特征数据为{1100,997}，司机成单特征数据{130,3,5867}，那么特征数据就可以为{110,210,130,19.6，5，1100,997，130,3,5867}。
95.另外，在现有技术中存在很多对模型输入数据进行降维或特征化的方法，这些方法同样可以用于本技术的技术方案中，例如在将运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据进行组合的过程中进行特征化，进而得到最终的特征数据。
96.因为特征数据中的运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据均是与抢单行为一一对应的，因此，特征数据与抢单行为也是一一对应的，加之抢单行为均有对应的抢单价格，这样就可以把特征数据和抢单价格一一对应起来。
97.步骤s1102、将多个特征数据及对应的抢单价格输入到待训练的回归模型中，得到训练后的期望值模型；
98.具体的，由于能够为每个历史抢单行为的特征数据确定对应的抢单价格；之后将多个特征数据及对应的抢单价格输入到待训练的回归模型(如xgboost、lightgbm、svm等回归模型)中进行训练，进而得到训练后的期望值模型；需要说明的是，建立模型的过程可以利用现有方法，因此这里不再赘述。
99.步骤s120、利用货源信息中的装货地信息及接单距离，确定接单范围，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；
100.具体的，关于接单距离，其可以提前设定，如150km，或其他固定数值。当然为了提高技术效果，保证在提升推荐精准度的同时限制系统资源的消耗，该接单距离还可以是动态数值，具体如下，
101.根据货源信息中的装货地信息和卸货地信息得到与其装货地和卸货地相同的历史订单，并将这些历史订单的实际空驶里程均值作为第一里程；
102.根据货源信息中的装货地信息得到装货地所在区域范围内的当前货源信息的数量和当前可接单的车辆的数量，并将区域范围内当前货源信息的数量与当前可接单的车辆的数量的比值作为第一比值；
103.将第一里程和第一比值的乘积作为接单距离。
104.这里，由于此前已经获得了货源信息中的装货地信息和卸货地信息，也就知道了本次货物运输任务的装货地和卸货地，因此平台方可以从其数据库中得到与货源信息的装
货地和卸货地相同的历史订单，而每个历史订单中均有车辆的实际空驶里程的记录，因此可以对这些筛选出的历史订单的实际空驶里程求均值，即得到了第一里程。
105.另外，由于此前已经获得了货源信息中的装货地信息，平台方可以根据货源信息中装货地信息获取装货地所在的区域(如行政区域，市、区、县等区域)范围，并从其数据库中得到区域范围内的当前货源信息的数量和当前可接单的车辆的数量，之后将当前货源信息的数量除以当前可接单的车辆的数量的数值作为第一比值即可。
106.后面只需要将第一里程和第一比值的乘积作为接单距离，即接单距离＝第一里程
×
第一比值。
107.由于货源信息中存在装货地信息，因此可以以装货地为中心，以接单距离为半径，确定一个接单范围。
108.根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；
109.这里只要确定司机对应的车辆位于接单范围内、能够满足运输需求及当前没有运输任务即可；具体的，
110.根据司机数据库中的运输信息选取当前没有运输任务的司机组成第一集合；
111.从第一集合中选取司机对应车辆的车型可以满足运输需求的司机组成第二集合；
112.从第二集合中选取车辆定位数据对应的地点位于接单范围内的司机组成第三集合；
113.将第三集合内的司机作为所有参考司机。
114.需要说明的是，通过司机数据库中的运输信息可以判断司机当时是否在执行运输任务及运输任务的相关信息；通过货源信息中的运输需求信息与司机数据库中车型信息进行对应可以判断司机对应的车辆是否满足运输需求；通过司机数据库的车辆定位数据可以判断司机或其对应的车辆是否位于接单范围内；另外，对于车辆定位数据，可以只选择最新的车辆定位数据来进行判断，或者在规定时间段内的车辆定位数据来进行判断，如距当前时间点不超过24小时的车辆定位数据，等等。
115.步骤s140、根据货源信息和司机数据为每个参考司机生成对应的输入数据，并将输入数据输入期望值模型，得到每个参考司机的期望值；
116.具体的，这里所有参考司机可能是一个，也可能是多个，还有可能就选出没有参考司机，如果没有参考司机，那就无需在进行后续步骤，也无需向货源信息对应的货主推送任何信息或建议；若存在参考司机，那么可以为筛选出的参考司机生成对应的输入数据，即每个参考司机均有自己对应的输入数据，后面将输入数据输入期望值模型，得到参考司机的期望值，这里参考司机的期望值是和参考司机一一对应的，即输入数据的数量与参考司机的数量是相同的，利用期望值模型，就可为得到每个参考司机各自期望值。
117.根据货源信息和司机数据为参考司机生成输入数据，具体为，由于在建立期望值模型的过程中已经确定了特征数据都是由哪些特征组成的，而这里根据货源信息和司机数据为参考司机生成输入数据同样如此，只需要生成同样的特征并按照相同的方法组成特征数据即可作为。例如，在训练模型的过程中，特征数据是由始发省id、目的省id、车型、车长、生成星期、相同线路上一单成交价格、相同线路近一周平均成交价格、司机籍贯编码、相同线路司机近一周承运次数、相同线路司机近一周平均成交价格组成的，那么这里的输入数
据同样应该由这些特征按相同的方式来组成。
118.需要说明的是，在上述描述建立模型训练数据的过程中已经给出了得到各个特征的方法，只是在建立模型训练数据时使用的是抢单行为，而抢单行为存在对应的货源信息(或者说是历史货源信息)和抢单司机，这样就等于利用抢单行为将货源信息和抢单的司机建立了对应关系；而在模型预测阶段获取输入数据的过程中，输入的数据同样是需要这种对应关系才能得到，只不过这里是利用确定参考司机这个筛选过程，将货源信息和参考司机建立了对应关系，进而得到对应的特征并组成特征数据，并将特征数据作为输入数据。
119.更具体的，输入数据同样需要由运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据组成；
120.例如，运输特征数据其中的装卸货地特征，这些均能在货源信息中找到相应的信息，如装货地址，卸货地址等，根据这些就能获取到始发省id、始发市id、始发区id、目的省id、目的市id、目的区id、始发地经度、始发地纬度、目的地经度、目的地纬度、装卸货地之间的行驶里程等特征；而对于其中的车辆需求特征，由于与货源信息存在对应的参考司机，通过平台方的司机数据库，又能找到司机对应的车辆，这些车辆的车型、车长、承载上限就可以作为对应的特征。
121.另外，由于货源信息的生成时间不同，因此得到的时间特征数据也会不同；线路价格特征数据获取过程中同样用到了货源信息的生成时间和货源信息中的线路信息，因此线路价格特征数据也会随货源信息不同而不同。
122.在输入数据这里，司机成单特征数据中的司机自身特征是根据参考司机得到的，随着司机的不同，得到的司机自身特征也会不同；而司机成单特征数据中的司机承运特征，不仅涉及司机，还涉及到了货源信息的生成时间及货源信息中的线路信息，因此司机承运特征会随货源信息和参考司机的变化而变化。
123.步骤s160、计算所有参考司机的平均期望值和期望值中位数，根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议；
124.具体的，由于已经得到了每个参考司机的期望值，这里就需要根据每一个参考司机的期望值计算所有参考司机的平均期望值和得到所有参考司机的期望值的中位数；
125.根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议。具体的，
126.可以事先根据货源信息的价格与平均期望值和期望值中位数的关系设置不同的调价方式和/或建议文本，
127.如当货源信息中的价格既小于平均期望值也小于期望值中位数时，则可以将货源信息中的价格调整为平均期望值与期望值中位数之间的任何数值；除此以外，建议文本可以为“司机的接单意愿较低，货源信息的成单时间较长，建议提高价格”，亦或是利用平均期望值与期望值中位数组成一个建议价格区间，并将该价格区间建议提供给货主，等等；除此以外，还可以设定监控时长，当货源信息中的价格既小于平均期望值也小于期望值中位数且已经发送了通知，当从发送通知的时间点起，若监控时长内货源信息对应的货主没有调高价格，该货源信息也没有成交，则撤单或不再展示该货源信息。
128.如当货源信息中的价格既大于平均期望值也大于期望值中位数时，则可以不对货源信息中的价格进行调整；除此以外，建议文本可以为“司机的接单意愿较高，预计货源信
息可快速成单”，等等；
129.如当货源信息中的价格在平均期望值与期望值中位数之间时，则可以不对货源信息中的价格进行调整；除此以外，建议文本可以为“价格设置合理”，等等。
130.需要说明的是，货源信息的价格可以是货主在发布或上传货源信息时，最初针对这个货源信息给出的具体价格。
131.除此以外，还可以利用某个参考司机的期望值给出建议，如当货源信息中的价格小于所有参考司机的最小期望值时，则可以将货源信息中的价格调整为平均期望值与期望值中位数之间的任何数值；除此以外，建议文本为“该价格当前无法成单，建议提高价格”。
132.本发明的实施例还提供一种自动调价方法，如图2所示其流程图，包括：
133.步骤s220、利用货源信息中的装货地信息及接单距离确定接单范围及接单时长，利用货源信息中的装货时间和当前时间之间的差值确定剩余时长；
134.步骤s240、当剩余时长小于等于接单时长时，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；当剩余时长大于接单时长时，则根据接单范围、货源信息中的运输需求信息、装货时间，以及司机数据库中的运输信息、车型信息筛选出所有参考司机；
135.步骤s260、根据货源信息和车辆数据为每个参考司机生成对应的输入数据，并将输入数据输入期望值模型，得到每个参考司机的期望值；
136.步骤s280、计算所有参考司机的平均期望值和期望值中位数，根据货源信息的价格与平均期望值和期望值中位数的关系为提供货源信息的用户给出调价和/或建议。
137.在步骤s220之前，还包括步骤s210、根据历史抢单数据建立期望值模型。
138.其中，步骤s220、利用货源信息中的装货地信息及接单距离确定接单范围及接单时长，利用货源信息中的装货时间和当前时间之间的差值确定剩余时长；
139.具体的，利用货源信息中的装货地信息及接单距离确定接单范围及接单时长，其中，如何确定接单范围在步骤s120中已经介绍过了，这里不再累述，另一方面，接单时长为车辆从接单范围边界行驶到接单范围中心的行驶用时，由于接单范围边界与道路存在交点，之后只需要确定交点到接单范围中心的行驶线路并确定该线路的行驶用时即可，至于线路的选取这里不做限定。
140.此外，在货源信息中存在装货时间的相关信息，因此可以利用货源信息中的装货时间和当前时间之间的差值确定剩余时长。
141.步骤s240、当剩余时长小于等于接单时长时，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；当剩余时长大于接单时长时，则根据接单范围、货源信息中的运输需求信息、装货时间，以及司机数据库中的运输信息、车型信息筛选出所有参考司机；
142.具体的，当剩余时长小于等于接单时长时，根据接单范围、货源信息中的运输需求信息，以及司机数据库中的车辆定位数据、运输信息、车型信息筛选出所有参考司机；
143.由于已经得到了剩余时长和接单时长，这里只需要判断两者的大小关系即可；当剩余时长小于等于接单时长时，后续与步骤s120一致，因此不再赘述。
144.当剩余时长大于接单时长时，则根据接单范围、货源信息中的运输需求信息、装货时间，以及司机数据库中的运输信息、车型信息筛选出所有参考司机；
specific integrated circuits，简称：asic)中。另外，该asic可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(rom)、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
163.本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
164.在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元(英文：central processing unit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digital signal processor，简称：dsp)、专用集成电路(英文：application specific integrated circuit，简称：asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
165.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。