[发明专利]线预测模型

说明书

本文描述了一种用于基于提交给处理网络的交易信息来估计各种资源提供商处的等待时间的系统和方法。在一些实施方案中，所述系统标识目标资源提供商与多个其他资源提供商之间的时间距离，以便标识所述目标资源提供商本地的资源提供商。另外，所述系统可以标识所述系统上的多个用户中的每一个用户的分段。所述处理网络可以标识从所述目标资源提供商本地的所述资源提供商中的每一个接收的最近交易请求。所述处理网络然后可以标识与那些交易请求中的每一个相关联的用户。基于分配给那些用户中的每一个的分段，所述系统可以估计所述目标资源提供商的到达率，以及随后是估计的等待时间。

背景技术

与各种资源提供商相关联的等待时间可能会影响消费者行为。例如，不同时间的不同资源提供商之间的等待时间可能会有所变化，并且这可能会影响消费者的购买决策。虽然资源提供商可以发布他们自己的等待时间预测，但是这些预测可能受到如果所提供的等待时间太长则消费者将离开的认知的影响。因此，消费者难以确定资源提供商是否对其等待时间诚实。此外，没有一种全面的方式可以实时预测多个资源提供商的等待时间将是多久，实时预测多个资源提供商的等待时间将使消费者能够对资源提供商做出明智的选择。

本发明的实施方案单独地和共同地解决了这个和其他问题。

发明内容

本发明的实施方案涉及用于利用至少交易数据来预测资源提供商状况的系统和方法。这可以涉及基于每个分段内的用户之间的交易相似性来标识多个用户段。在一些实施方案中，这可以使用聚类技术(例如，k均值聚类)来完成，以便根据资源提供商交易将用户分组。例如，倾向于在类似的资源提供商群组处购物的用户被放置在同一集群或分段中。该系统和方法还可以包括标识目标资源提供商(将要估计其等待时间的资源提供商)本地的资源提供商。在一些实施方案中，这可以通过以下方式完成：分析过去的交易以便标识单个用户已经进行了时间上相近的交易的资源提供商。当接收到估计目标资源提供商的等待时间的请求时，系统可以标识在每一个所标识的本地资源提供商处进行的最近交易(例如，在最近30分钟内进行的交易)，并且可以确定与那些交易中的每一笔相关联的用户。然后，系统可以基于用户相关联的用户分段来生成与所标识的用户相关联的概率分布。一旦该概率分布已生成，就可以从该概率分布(例如，通过使用泊松回归)估计目标资源提供商的到达率。可以将目标资源提供商的服务速率计算为在给定时间段内最近进行的交易次数。然后可以使用目标资源提供商的计算的服务速率和估计的到达率来预测目标资源提供商的等待时间。

本发明的一个实施方案涉及一种方法，包括：标识从处于目标资源提供商附近的一组资源提供商接收的多个交易；确定与该多个交易相关联的多个分段；以及针对该多个交易中的每个交易，基于多个分段中与该交易相关联的分段来确定目标资源提供商处的待决交易的概率。该方法还包括：基于所确定的概率来确定目标资源提供商处的可能的总(likely total)待决交易；以及基于目标资源提供商处的可能的总待决交易来计算目标资源提供商的排队时间。

本发明的另一个实施方案涉及一种服务器设备，该服务器设备包括：一个或多个处理器；以及存储器，该存储器包括指令，该指令当由一个或多个处理器执行时致使服务器设备：标识从处于目标资源提供商附近的一组资源提供商接收的多个交易；确定与该多个交易相关联的多个分段；以及确定目标资源提供商处的待决交易的概率。该指令进一步致使服务器设备：基于所确定的概率来确定目标资源提供商处的可能的总待决交易；以及基于目标资源提供商处的可能的总待决交易来计算目标资源提供商的排队时间。

本发明的又一个实施方案涉及一种预测目标资源提供商的等待时间的方法，包括：标识从处于目标资源提供商附近的一组资源提供商接收的多个交易；标识与该多个交易中的每一个相关联的用户；确定与所标识的用户相关联的分段；以及基于所确定的分段，确定目标资源提供商处的未来交易的概率分布。该方法还包括：使用泊松回归技术来确定概率分布的期望值；以及基于该期望值计算目标资源提供商的等待时间。

本发明的这些和其他实施方案将在下文更详细地描述。

附图简要说明