信息处理方法及装置与流程

1.本发明涉及物流技术，尤其涉及一种信息处理方法及装置。


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，金额波动大等诸多特性，司机(即承运方)经常需要较长的时间才能找到合适的货源信息；其中虚假货源和司机对货源信息价格的需求不同是两个主要影响因素。虚假货源可以利用特定方式剔除，而司机对货源信息价格的需求却因人而异，有的司机考虑到货源信息的卸货地距自己较远，可能造成空驶返回的情况，那么这个司机对这个货源信息价格的需求就会提高，有的司机可能完成了订单后，希望寻找一个运输线路与自己返程路线相同的货源信息，那么这个司机对货源信息价格的需求就会降低。
3.目前存在为司机提供货源信息的平台方，而平台方为了能够为司机或其他用户提供更好的服务，就需要确定司机对货源信息价格的需求，进而才能做出更加精准的货源信息推送或车源信息推送等相关服务。但是如果直接询问司机对货源信息价格的需求往往不会得到真实的答案，因为司机必然希望货源信息的价格越高越好，这样才能取得更高的收入。因此如何确定司机对货源信息价格的需求就成了亟待解决的问题。


技术实现要素：

4.本发明实施例提供一种信息处理方法、装置及存储介质，能够使货主和司机快速成单。
5.本发明实施例的第一方面，提供一种信息处理方法，包括：
6.s1、当接收到司机端针对货源信息的意向请求时，判断司机的活跃度是否达标；若是则执行s2；若否则由货源信息中的展示价格与n个设定比例分别相乘得到n个调整数值后执行s4；
7.s2、根据货源信息和司机数据生成对应的输入数据，并将输入数据输入期望值模型，得到司机对该货源信息的期望值；判断货源信息中的展示价格是否大于等于期望值；若是则执行s3；若否则基于期望值和n个设定比例得到n个调整数值，得到n个调整数值后执行s4；
8.s3、判断期望值是否大于货源信息中的展示价格与最大设定比例的乘积；若是则由货源信息中的展示价格与n个设定比例分别相乘，得到n个调整数值后执行s4；若否，则将期望值与货源信息中的展示价格的差值平分为n份，根据每份对应的分位数得到n个调整数值后执行s4；
9.s4、将n个调整数值分别与货源信息的展示价格相加得到n个调整价格，将大于等于期望值且小于等于底线价格的一个调整价格作为司机的价格需求。
10.可选地，在第一方面的一种可能实现方式中，从历史数据中获取多个历史抢单行为；
11.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；
12.为每个历史抢单行为的特征数据确定对应的抢单价格；
13.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。
14.可选地，在第一方面的一种可能实现方式中，所述判断司机的活跃度是否达标包括：
15.获取预设时间段内司机承运订单的数量，若司机承运订单的数量大于预设值，则司机的活跃度达标；和/或
16.获取预设时间段内司机查看货源信息的次数，若司机查看货源信息的次数大于预设值，则司机的活跃度达标。
17.可选地，在第一方面的一种可能实现方式中，根据货源信息和司机数据生成对应的输入数据包括：
18.根据货源信息和司机数据得到运输特征数据、时间特征数据、线路价格特征数据和司机成单特征数据；
19.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，进而得到输入数据。
20.可选地，在第一方面的一种可能实现方式中，根据货源信息和司机数据生成对应的输入数据，还包括：
21.根据装卸货地特征和车辆需求特征确定运输特征数据；
22.根据货源信息的生成时间确定时间特征数据；
23.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；
24.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。
25.可选地，在第一方面的一种可能实现方式中，所述基于期望值和n个设定比例，得到n个调整数值包括：
26.由期望值与n个设定比例分别相乘，得到n个调整数值；或
27.将期望值除以货源信息中的展示价格的商与n个设定比例分别相乘，得到n个调整比例，由期望值与n个调整比例分别相乘，得到n个调整数值。
28.本发明实施例的第二方面，提供一种期望值模型建立方法，包括：
29.从历史数据中获取多个历史抢单行为；
30.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；
31.为每个历史抢单行为的特征数据确定对应的抢单价格；
32.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。
33.本发明实施例的第三方面，提供一种信息处理装置，包括：
34.活跃度判断模块，用于当接收到司机端针对货源信息的意向请求时，判断司机的活跃度是否达标；若是则由期望值判断模块继续处理；若否则由货源信息中的展示价格与n个设定比例分别相乘得到n个调整数值后通过发送模块继续处理；
35.期望值判断模块，用于根据货源信息和司机数据生成对应的输入数据，并将输入数据输入期望值模型，得到司机对该货源信息的期望值；判断货源信息中的展示价格是否大于等于期望值；若是则由计算模块继续处理；若否则基于期望值和n个设定比例得到n个调整数值，得到n个调整数值后通过发送模块继续处理；
36.计算模块、用于判断期望值是否大于货源信息中的展示价格与最大设定比例的乘积；若是则由货源信息中的展示价格与n个设定比例分别相乘，得到n个调整数值后通过发送模块继续处理；若否，则将期望值与货源信息中的展示价格的差值平分为n份，根据每份对应的分位数得到n个调整数值后通过发送模块继续处理；
37.价格需求模块、用于将n个调整数值分别与货源信息的展示价格相加得到n个调整价格，将大于等于期望值且小于等于底线价格的一个调整价格作为司机的价格需求。
38.根据本技术的第四方面，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信息处理方法。
39.根据本技术的第五方面，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信息处理方法。
40.本发明提供的一种信息处理方法及装置，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
41.图1为信息处理方法的流程示意图；
42.图2为期望值模型建立方法的流程图；
43.图3为信息处理装置的结构示意图。
具体实施方式
44.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。
45.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，以便本发明描述的本发明的实施例能够以除了在本发明图示或描述的那些以外的顺序实施。
46.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。
47.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。
48.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。
49.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。
50.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”。
51.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。
52.本发明提供一种信息处理方法，如图1所示其流程图，包括：
53.步骤s1、当接收到司机端针对货源信息的意向请求时，判断司机的活跃度是否达标；若是则执行s2；若否则由货源信息中的展示价格与n个设定比例分别相乘得到n个调整数值后执行s4。
54.司机在针对某个货源信息向平台方的服务器或处理设备发送意向请求时，平台方可以判断这个司机的活跃度是否达标。在步骤s1的一种可能的实施方式中，还包括：
55.获取预设时间段内司机承运订单的数量，若司机承运订单的数量大于预设值，则司机的活跃度达标；和/或
56.获取预设时间段内司机查看货源信息的次数，若司机查看货源信息的次数大于预设值，则司机的活跃度达标。
57.此处判断司机活跃度是否达标的方法很多，例如，司机在近一个月内的承运订单的数量达到20个为达标，和/或司机在近一周内查看货源信息的次数达到50次，等等；本技术对判断司机的活跃度是否达标的方法不做限定。
58.若该司机的活跃度达标，则执行步骤s2。
59.若该司机的活跃度没有达标，则由货源信息中的展示价格与n个设定比例分别相乘，得到n个调整数值后执行步骤s4；
60.关于意向请求，其是司机在浏览货源信息后，若司机对该货源信息有接单意向，则可以向平台方发送意向请求；例如司机浏览货源信息后，认为该货源信息中的运输任务比较合适，但货源信息的展示价格并没有满足其需求，这个可以向平台方发送意向请求；等等。
61.关于货源信息中的展示价格，其是货主希望其他用户浏览这个货源信息时所看到的价格，这个展示价格是由货主自行设置的；除此以外，货主还可以为货源信息设置对应的底线价格，这个底线价格一般是高于展示价格的，表示货主愿意承担的最高的价格，底线价格无法被其他用户所看到。因为卡车货运领域承运风险较大，时效要求较高，加之有些货主
因为自身存在一定的运输资源，也会去承接一些其他货主的货源信息，之后再自行承运或组合货源信息转包给其他司机，此时的底线价格可以是承接其他货源信息时所支付的价格或成交价格。
62.另外，关于n个设定比例，其中n为大于0的正整数，n的数值可以人为提前设定；设定比例可以是人为提前设定好的数值，如3个设定比例可以为5％、10％、15％；亦或是其他人为设定的数值，如7％、15％、25％；还可以是设定一个基础比例，如5％，n个设定比例分别为基础比例乘以1到n，即n个设定比例分别为1
×
5％、2
×
5％、
…
、n
×
5％；等等。
63.此外，设定比例可以随底线价格除以展示价格的比值增大而增加；如上面的方法，可以是设定一个基础数值，由基础数值与底线价格除以展示价格的比值相乘得到基础比例，之后再由n个设定比例分别为基础比例乘以1到n。
64.步骤s2、根据货源信息和司机数据生成对应的输入数据，并将输入数据输入期望值模型，得到司机对该货源信息的期望值；判断货源信息中的展示价格是否大于等于期望值；若是则执行s3；若否则基于期望值与n个设定比例得到n个调整数值，得到n个调整数值后执行s4。
65.在步骤s2的一种可能的实施方式中，具体的，关于期望值模型，首先说明期望值模型的建立过程；过程如下：
66.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；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。
67.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。
68.此处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)，具体获取方法本发明不做限定，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。
69.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，
70.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。
71.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：
72.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；
73.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；此处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，本发
明就不在赘述了。
74.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，本发明不做限定。
75.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，本发明不做限定。
76.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。
77.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：
78.车型、车长、承载上限；
79.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。
80.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，这些对应的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。
81.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：
82.生成月份、生成星期、生成小时；
83.需要说明的是，此处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。
84.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：
85.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；
86.需要说明的是，此处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。
87.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。
88.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。
89.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：
90.司机籍贯编码、司机年龄；
91.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。
92.司机年龄就是司机年龄对应的数值。
93.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。
94.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：
95.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；
96.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，这里可以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。
97.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，此处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}。
98.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。
99.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。
100.进而就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，因此本发明不再赘述。
101.根据货源信息和司机数据生成对应的输入数据，并将输入数据输入期望值模型，得到司机对该货源信息的期望值；具体为：
102.根据货源信息和司机数据为意向请求对应的这个货源信息生成输入数据，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，而此处根据货源信息和司机数据为意向请求对应的这个货源信息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，那么此处的输入数据同样应该由这些特征按相同的方式来组成。
103.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，只不过此处是利用议价这个过程，将货源信息和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。
104.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；
105.例如，运输特征数据其中的装卸货地特征，这些均能在意向请求对应的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，由于司机是确定的(即提出议价的这个司机)，通过平台方的司机数据库，又能找到这个司机对应的车辆，这些车辆的车型、车长、承载上限就可以作为对应的特征。
106.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。
107.在输入数据方面，司机成单特征数据中的司机自身特征是根据司机得到的，因为司机已经确定，所以司机自身特征也是确定的；而司机成单特征数据中的司机承运特征，除了涉及司机，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。
108.所述基于期望值和n个设定比例，得到n个调整数值包括：
109.由期望值与n个设定比例分别相乘，得到n个调整数值；或
110.将期望值除以货源信息中的展示价格的商与n个设定比例分别相乘，得到n个调整比例，由期望值与n个调整比例分别相乘，得到n个调整数值。
111.其中，由期望值与n个设定比例分别相乘，得到n个调整数值；具体为：
112.在得到了司机对这个货源信息的期望值之后，就可以判断货源信息中的展示价格是否大于等于期望值；若是则执行s3；若否，就可以由期望值与n个设定比例分别相乘，将乘积作为n个调整数值后执行s4；
113.n个设定比例在前面已经介绍过了，本发明就不在赘述了。
114.除此以外，将期望值除以货源信息中的展示价格的商与n个设定比例分别相乘，得到n个调整比例；具体为：
115.在判断货源信息中的展示价格不大于等于期望值时，可以将期望值除以货源信息中的展示价格的商与n个设定比例分别相乘，进而将乘积作为n个调整比例，再由期望值与n个调整比例分别相乘后得到n个调整数值，此后在执行s4。
116.步骤s3、判断期望值是否大于货源信息中的展示价格与最大设定比例的乘积；若是则由货源信息中的展示价格与n个设定比例分别相乘，得到n个调整数值后执行s4；若否，则将期望值与货源信息中的展示价格的差值平分为n份，根据每份对应的分位数得到n个调整数值后执行s4。
117.在步骤s3的一种可能的实施方式中，具体的，设定比例上面已经进行了介绍，而每个设定比例都有各自的数值，此处只要选取数值最大的作为最大设定比例即可。
118.判断期望值是否大于货源信息中的展示价格与最大设定比例的乘积；若是则由货源信息中的展示价格与n个设定比例分别相乘，得到n个调整数值后执行s4；此过程相对简单，本发明不再赘述。
119.若否，则将期望值与货源信息中的展示价格的差值平分为n份，根据每份对应的分位数得到n个调整数值后执行s4；关于此过程，这里进行示例，例如已经得到的期望值为2300，货源信息中的展示价格为2000，那么期望值与货源信息中的展示价格的差值即为300，加之n的数值在前面已经确定，此处假设n为3，那么就需要将300平分为3份，之后利用分位数逻辑，3份中每份对应的分位数即为300
×
1/3、300
×
2/3、300
×
3/3，即3个调整数值分别为100、200、300；在得到了n个调整数值后执行步骤s4即可。
120.步骤s4、将n个调整数值分别与货源信息的展示价格相加得到n个调整价格，将大于等于期望值且小于等于底线价格的一个调整价格作为司机的价格需求。
121.关于，将大于等于期望值且小于等于底线价格的一个调整价格作为司机的价格需求，需要说明的是，若没有一个调整价格满足大于等于期望值且小于等于货源信息的底线价格的条件，则相当于没有得到司机的价格需求。若存在多个调整价格满足大于等于期望值且小于等于货源信息的底线价格的条件，则可以随机从中选取一个调整价格作为司机的价格需求，当然还可以设定其他的条件来对多个调整价格进行筛选，如根据货源信息中的线路信息确定司机上一次完成相同线路运输时的订单成交价格，并从多个调整价格中选取与所述订单成交价格差值最小的一个调整价格作为司机的价格需求。
122.而在确定了司机的价格需求后，就可以结合司机的价格需求，司机的车型信息，以及货源信息中的线路信息，为司机选取其他货源信息进行推送。
123.更具体的，由于司机的价格需求是一个具体数值，司机的车型信息是司机在平台方登记的车型，加之此前司机针对货源信息发出了意向请求，相当于司机对这个货源信息中的线路信息是认可的；因此，平台方只需要从数据库选取货源信息中，展示价格不小于司机的价格需求，需求车型与司机的车型相同的，以及运输线路与线路信息相同的其他货源信息进行推送即可。
124.本发明的实施例还提供一种期望值模型建立方法，如图2所示其流程示意图，包括：
125.从历史数据中获取多个历史抢单行为；
126.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；
127.为每个历史抢单行为的特征数据确定对应的抢单价格；
128.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。
129.本发明的实施例还提供一种信息处理装置，如图3所示其结构示意图，包括：
130.活跃度判断模块，用于当接收到司机端针对货源信息的意向请求时，判断司机的活跃度是否达标；若是则由期望值判断模块继续处理；若否则由货源信息中的展示价格与n个设定比例分别相乘得到n个调整数值后通过发送模块继续处理；
131.期望值判断模块，用于根据货源信息和司机数据生成对应的输入数据，并将输入数据输入期望值模型，得到司机对该货源信息的期望值；判断货源信息中的展示价格是否大于等于期望值；若是则由计算模块继续处理；若否由期望值与n个设定比例分别相乘，得到n个调整数值后通过发送模块继续处理；
132.计算模块、用于判断期望值是否大于货源信息中的展示价格与最大设定比例的乘积；若是则由货源信息中的展示价格与n个设定比例分别相乘，得到n个调整数值后通过发送模块继续处理；若否，则将期望值与货源信息中的展示价格的差值平分为n份，根据每份对应的分位数得到n个调整数值后通过价格需求模块继续处理；
133.价格需求模块、用于将n个调整数值分别与货源信息的展示价格相加得到n个调整价格，将大于等于期望值且小于等于底线价格的一个调整价格作为司机的价格需求。。
134.其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(application 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。
135.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。
136.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。
137.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。