[发明专利]自动驾驶车辆上的商品的价格预测方法及装置

权利要求书

1.一种自动驾驶车辆上的商品的价格预测方法，其特征在于，包括：

获取自动驾驶车辆在历史运行过程中所采集的多个历史业务数据，所述历史业务数据包括历史商品的销量、历史商品的价格、历史天气信息以及历史曝光数，其中，曝光数包括自动驾驶车辆行驶过程中车身上的摄像头所采集到的人数；

构建多元线性回归模型，其中，所述多元线性回归模型的因变量包括商品销量，所述多元线性回归模型的自变量包括商品价格、天气信息以及曝光数，并且，所述多元线性回归模型中的多个参数值基于所述多个历史业务数据获得；

以历史曝光数预测未来曝光数，以天气预报信息获取未来天气信息，基于所述未来曝光数以及未来天气信息，计算所述多元线性回归模型中未来商品销量与未来商品价格之间的线性对应关系；

基于所述线性对应关系，获取未来商品总营收与所述未来商品价格的二次函数对应关系，其中，商品总营收=商品销量*商品价格；

基于所述二次函数对应关系获取当所述未来商品总营收为最大值时的所述未来商品价格的数值。

2.根据权利要求1所述的方法，其特征在于，所述获取自动驾驶车辆在历史运行过程中所采集的多个历史业务数据，包括：

在所述自动驾驶车辆的历史运行过程中，利用所述自动驾驶车辆中的订单管理系统获取商品销量以及商品价格，通过互联网获取所述自动驾驶车辆所在区域的天气信息，以及利用所述自动驾驶车辆上的摄像头采集行人的人数，将所述行人的人数作为曝光数；

将历史时间段内产生的所述商品销量、所述商品价格、所述天气信息、以及所述曝光数作为所述历史业务数据，将所述历史业务数据按照预设的时间维度以及映射关系进行组合，得到用于构建所述多元线性回归模型的数据集。

3.根据权利要求2所述的方法，其特征在于，所述多元线性回归模型中的多个参数值基于所述多个历史业务数据获得，包括：

将所述数据集中的所述历史商品的销量、所述历史商品的价格、所述历史天气信息以及所述历史曝光数作为所述多元线性回归模型的输入，利用所述多元线性回归模型计算所述自变量分别对应的参数值。

4.根据权利要求3所述的方法，其特征在于，所述多元线性回归模型采用以下公式表达：

其中，表示商品销量，表示曝光数对应的参数值，表示曝光数，表示商品价格对应的参数值，表示商品价格，表示天气信息对应的参数值，表示天气信息，表示常数。

5.根据权利要求1所述的方法，其特征在于，所述计算所述多元线性回归模型中未来商品销量与未来商品价格之间的线性对应关系，包括：

将所述未来曝光数以及所述未来天气信息作为所述自变量中的固定变量，并将所述固定变量输入到所述多元线性回归模型中，计算所述多元线性回归模型中未来商品销量与未来商品价格之间的线性对应关系。

6.根据权利要求1所述的方法，其特征在于，所述基于所述线性对应关系，获取未来商品总营收与所述未来商品价格的二次函数对应关系，包括：

利用所述线性对应关系，计算在每一个所述未来商品销量下，与所述未来商品销量相对应的未来商品价格，根据所述未来商品销量与所述未来商品价格之间的一一对应关系，利用商品总营收计算公式，生成所述未来商品总营收与所述未来商品价格之间的二次函数对应关系。

7.根据权利要求1所述的方法，其特征在于，所述基于所述二次函数对应关系获取当所述未来商品总营收为最大值时的所述未来商品价格的数值，包括：

基于所述二次函数对应关系生成二次函数曲线，对所述二次函数曲线的顶点进行求解，将所述二次函数曲线的顶点数值作为所述未来商品总营收对应的最大值，根据所述未来商品总营收对应的最大值确定所述未来商品价格对应的数值。