[发明专利]一种众包任务下发的方法及设备

权利要求书

1.一种众包任务下发的方法，其特征在于，该方法包括：

确定触发任务定价时，通过预设会员接单价格预测模型，根据所述任务的价格影响因素，确定所述任务的发单价格；

将携带所述任务标识和所述任务的发单价格的订单发布到众包平台；

根据所述任务的订单在众包平台的接单情况，利用预设动态调价规则对所述订单中的任务的发单价格进行调整。

2.如权利要求1所述的方法，其特征在于，所述预设会员接单价格预测模型通过如下方式确定：

基于向量机模型，确定初始价格预测模型及对应的模型参数；

将历史任务的价格影响因素及任务定价作为价格预测模型的训练数据集，对所述价格预测模型进行训练得到所述预设会员接单价格预测模型。

3.如权利要求2所述的方法，其特征在于，基于向量机模型，确定初始价格预测模型及对应的模型参数，包括：

基于向量机模型，选择一种核函数作为初始价格预测模型；

按照预设模型参数生成方法，确定所述核函数对应的核参数作为所述初始价格预测模型对应的模型参数。

4.如权利要求1或2所述的方法，其特征在于，所述任务的价格影响因素包括以下至少一种：

单个任务的特征；

任务区域的特征；

登录众包平台的会员的特征。

5.如权利要求4所述的方法，其特征在于，所述单个任务的特征包括以下至少一种：

任务预约时间；

任务种类；

任务难度等级；

任务位置。

6.如权利要求4所述的方法，其特征在于，所述任务区域的特征包括以下至少一种：

任务区域的任务价格水平；

任务区域的订单密度；

任务区域的会员密度。

7.如权利要求4所述的方法，其特征在于，所述登录众包平台的会员的特征包括以下至少一种：

会员已接单数量；

会员历史接单价格；

会员历史接单区域；

会员接单时间；

会员位置。

8.如权利要求2所述的方法，其特征在于，将历史任务的价格影响因素及任务定价作为价格预测模型的训练数据集，包括：

获取所述众包平台上所有历史任务相关信息，所述历史任务的相关信息包括历史任务的价格影响因素及接单价格；

根据所述历史任务相关信息，确定每个种类的任务在对应的每个任务区域的基准定价；

将所述历史任务的价格影响因素及对应基准定价作为价格预测模型的训练数据集。

9.如权利要求8所述的方法，其特征在于，所述历史任务的价格影响因素包括任务种类、任务服务时长，确定每个种类的任务在对应的每个任务区域的基准定价，包括：

根据所述历史任务的任务种类将所有历史任务分类；

对同种类的所有历史任务的任务服务时长进行数据挖掘分析，得到所述同种类的所有历史任务的任务难度等级；

根据所述同种类的所有历史任务的任务难度等级及接单价格，确定所述同种类的历史任务在对应的每个任务区域的基准定价。

10.如权利要求9所述的方法，其特征在于，对同种类的所有历史任务的任务服务时长进行数据挖掘分析，包括：

利用K-means聚类分析法/人工神经网络，对同种类的所有历史任务的任务服务时长进行数据挖掘分析。