CN107093001A - 区域控制方法及装置 - Google Patents

Abstract

本申请实施例公开了一种区域控制方法及装置，所述方法包括：根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子；根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值；按照所述至少一个属性因子的属性值，规划所述服务区域。本申请实施例提高了服务区域规划的准确度。

Description

区域控制方法及装置

技术领域

本申请属于网络技术领域，具体地说，涉及一种区域控制方法及装置。

背景技术

在某些网上交易场景中，通过进行服务区域划分，使得位于同一服务区域的消费用户可以购买该服务区域中商户的商品，并由为该服务区域配置的配送用户进行商品的配送。

现有技术中，服务区域的划分大小、配送用户的人数配置等通常都是人工凭经验指导的，不够准确。

发明内容

由于现有技术中服务区域的划分大小、配送用户的人数配置等都是人工凭借经验指导的，不够准确，发明人在研究中发现，服务区域的划分大小、配送用户的人数等属性因子又会影响配送质量，仅凭人工经验进行服务区域的规划既不够准确且无法保证配送质量，据此提出本申请的技术方案，本申请提供了一种区域控制方法及装置，提高了服务区域规划的准确性。

本申请的一方面提供了一种区域控制方法，包括：

根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子；

根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值；

按照所述至少一个属性因子的属性值，规划所述服务区域。

可选地，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值包括：

根据所述评价指标的指标数值，计算所述配送质量的质量数值；

根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值。

可选地，所述根据所述评价指标的指标数值，计算所述配送质量的质量数值包括：

根据所述评价指标的指标数值，利用第一质量评价模型计算所述配送质量的质量数值；

所述根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值包括：

根据所述配送质量的质量数值，利用第二质量评价模型计算所述至少一个属性因子的属性值。

可选地，所述第一质量评价模型以及所述第二质量评价模型预先训练获得，以及所述第一质量评价模型以及所述第二质量评价模型的预先训练步骤包括：

利用所述评价指标，构建所述第一质量评价模型；

利用所述至少一个属性因子，构建所述第二质量评价模型；

关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一质量评价模型以及所述第二质量评价模型的模型系数。

可选地，所述利用所述评价指标，构建第一质量评价模型包括：

将所述评价指标的加权求和公式作为第一质量评价模型；

所述利用所述至少一个属性因子，构建第二质量评价模型包括：

将所述至少一个属性因子的加权求和公式作为第二质量评价模型。

可选地，所述关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数包括：

从历史记录数据中获取多组同一服务区域对应的所述评价指标的指标数据以及所述至少一个属性因子的属性值，作为训练样本；

利用所述训练样本关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数。

可选地，所述关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数包括：

根据所述第一质量评价模型与所述第二质量评价模型计算结果相等的关联关系，训练所述第一质量评价模型以及所述第二质量评价模型；

分别获得所述第一评价模型以及所述第二评价模型的模型系数。

可选地，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值包括：

根据所述评价指标的指标数值以及数值已知的属性因子的属性值，计算数值未知的属性因子的属性值。

可选地，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值包括：

从所述服务区域的配送记录中，获得所述评价指标的指标数值；

根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。

可选地，所述至少一个属性因子包括服务区域的区域面积、所述区域面积内的服务提供方数量、服务需求用户数量以及配送用户数量。

本申请的另一方面提供了一种区域控制装置，包括：

确定模块，用于根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子；

计算模块，用于根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值；

规划控制模块，用于按照所述至少一个属性因子的属性值，规划所述服务区域。

可选地，所述计算模块包括：

第一计算单元，用于根据所述评价指标的指标数值，计算所述配送质量的质量数值；

第二计算单元，用于根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值。

可选地，所述第一计算单元具体用于根据所述评价指标的指标数值，利用第一质量评价模型计算所述配送质量的质量数值；

所述第二计算单元具体用于根据所述配送质量的质量数值，利用第二质量评价模型计算所述至少一个属性因子的属性值。

可选地，还包括：

第一预构建模块，用于利用所述评价指标，构建所述第一质量评价模型；

第二预构建模块，用于利用所述至少一个属性因子，构建所述第二质量评价模型；

预训练模块，用于关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一质量评价模型以及所述第二质量评价模型的模型系数。

可选地，所述第一预构建模块具体用于将所述评价指标的加权求和公式作为第一质量评价模型；

所述第二预构建模块具体用于将所述至少一个属性因子的加权求和公式作为第二质量评价模型。

可选地，所述预训练模块包括：

样本获取单元，用于从历史记录数据中获取多组同一服务区域对应的所述评价指标的指标数据以及所述至少一个属性因子的属性值，作为训练样本；

训练单元，用于利用所述训练样本关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数。

可选地，所述预训练模块具体用于根据所述第一质量评价模型与所述第二质量评价模型计算结果相等的关联关系，训练所述第一质量评价模型以及所述第二质量评价模型；分别获得所述第一评价模型以及所述第二评价模型的模型系数。

可选地，所述计算模块具体用于根据所述评价指标的指标数值以及数值已知的属性因子的属性值，计算数值未知的属性因子的属性值。

可选地，所述计算模块包括：

数值获取单元，用于从所述服务区域的配送记录中，获得所述评价指标的指标数值；

计算单元，用于根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。

与现有技术相比，本申请可以获得包括以下技术效果：

根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子；根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值；按照所述至少一个属性因子的属性值，规划所述服务区域。通过结合配送质量的评价指标，可以准确计算获得至少一个属性因子的合理的属性值，从而按照计算获得属性值进行服务区域的规划，而非人工凭经验进行指导，提高了服务区域规划的准确度。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请实施例的一种区域控制方法一个实施例的流程图；

图2是本申请实施例的一种区域控制方法又一个实施例的流程图；

图3是本申请实施例的一种区域控制装置一个实施例的结构示意图；

图4是本申请实施例的一种区域控制装置又一个实施例的结构示意图。

具体实施方式

以下将配合附图及实施例来详细说明本申请的实施方式，藉此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。

本申请实施例的技术方案主要应用于涉及物流配送服务的应用场景中，特别是基于互联网的外卖类应用以及购物类应用等，在本申请实施例适用的应用场景中，通过进行服务区域划分，使得位于同一服务区域的消费用户可以购买该服务区域中商户的商品，并由为该服务区域配置的配送用户进行商品的配送。

发明人在研究中发现，对于物流配送服务，用户更关注的一个重要因素是获得的配送服务，通常可以利用评价指标来评价配送服务的配送质量；而服务区域存在的属性因子又会影响评价指标的数值变化，因此为了更加准确的规划服务区域，同时保证配送服务的配送质量不受影响，发明人经过进一步研究提出本申请的技术方案，在本申请实施例中，根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子；根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值；按照所述至少一个属性因子的属性值，规划所述服务区域。本申请实施例通过结合配送质量的评价指标，可以准确计算获得服务区域存在的至少一个属性因子的属性值，从而按照该属性值进行服务区域的规划，而非人工凭经验知道，提高了服务区域规划的准确度。

本申请实施例的技术方案可以适用于对已有服务区域的调整，也适用于指导新的服务区域的规划。

下面将结合附图对本申请实施例的技术方案进行详细描述。

图1是本申请实施例提供的一种区域控制方法一个实施例的流程图，该方法可以包括以下几个步骤：

101：根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子。

其中，配送质量是指配送服务的质量，用于表示配送服务的好坏。

评价指标是用来衡量配送质量的，可以包括配送时长、配送准时率等等。

服务区域作为一个物理存在的地理位置，存在诸多物理属性，且服务区域作为社会活动的载体，也存在人为属性。

而服务区域的物理属性以及人为属性中，存在影响评价指标的属性因子。因此本申请实施例中，可以根据评价指标，从服务区域中确定出影响评价指标的至少一个属性因子。

在一个实际应用中，服务区域中存在的影响评价指标的至少一个属性因子例如可以包括：服务区域的区域面积、该区域面积内的服务提供方数量、该区域面积内的服务需求用户数量和/或该区域面积内的配送用户数量等等。

服务区域的区域面积为服务区域存在的物理属性，如果区域面积越大，配送用户取货以及送货的距离就会越大，从而对配送时长以及配送准时率等评价指标有消极影响；反之区域面积越小，配送用户取货以及送货的距离就会越小，对评价指标有积极影响。

服务提供方数量为服务区域存在的人为属性，在一定区域面积内，如果服务提供方数量越多，服务提供方即分布越密集，配送用户取货的距离就会变短，从而对评价指标有积极影响；反之，如果服务提供方数量越少，配送用户取货的距离就会变长，会对对评价指标有消极影响。

服务需求用户数量为服务区域存在的人为属性，在一定区域面积内，如果服务需求用户数量越多，那么对送货距离就会变短，但是配送任务就会增多。

配送用户数量为服务区域存在的人为属性，在一定区域面积内，如果配送用户数量越多，对配送质量会有积极的影响；反之对配送质量会有消极的影响。

102：根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。

由于属性因子会影响评价指标，进而影响配送质量，因此对服务区域的规划需要保证配送质量为前提，不能影响配送质量。据此首先根据评价指标，确定会影响评价指标的至少一个属性因子；而评价指标可以用来衡量配送质量，根据评价指标的指标数值，可以对配送质量进行量化，因此本实施例中可以根据评价指标的指标数值，计算所述至少一个属性因子的属性值，以使得计算获得的属性因子的属性值能够不影响配送质量。

103：按照所述至少一个属性因子的属性值，规划所述服务区域。

根据计算获取的各个属性因子的属性值，即可以用来规划服务区域。规划所述服务区域也即可以是更新服务区域的属性因子的属性值，以使得服务区域按照计算获得的属性因子的属性值运行。

其中，对于已有的服务区域，可以用来重新规划服务区域，评价指标的指标数值可以从服务区域的配送记录中采集获得；从而使得在保证配送质量不变的前提下，对服务区域的规划进行优化。因此可选地，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值包括：

从所述服务区域的配送记录中，获得所述评价指标的指标数值；

根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。

而对于待开的服务区域，可以用于指导待开服务区域的规划，评价指标的指标数值可以预先设置，比如可以采用经验值。

通过本实施例，实现了对服务区域合理的规划，无需人工参与，提高了服务区域规划的准确度。

其中，在进行服务区域的规划时，一个或多个属性因子的属性值通常是客观存在或者可以预设的，仅需要计算数值未知的属性因子即可。

因此，在某些实施例中，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值可以包括：

根据所述评价指标的指标数值以及数值已知的属性因子的属性值，计算数值未知的属性因子的属性值。

其中，至少一个属性因子可以包括服务区域的区域面积、所述区域面积内的服务提供方数量、所述区域面积内的服务需求用户数量以及所述区域面积内的配送用户数量的。

对于已有服务区域，服务区域的区域面积通常不会变化，区域面积固定之后，所述区域面积内的服务提供方数量以及服务需求用户数量即可以确定，因此服务区域的区域面积、所述区域面积内的服务提供方数量、所述区域面积内的服务需求用户数量为数值已知的属性因子的属性值，配送用户数量为数值未知的属性因子，只需计算配送用户数量即可。由于服务提供方数量以及服务需求用户数量可能会发生变化，比如周末和工作日时，服务提供方数量以及服务需求用户数量就会不一样，因此通过计算配送用户数量，可以重新规划服务区域，以使得根据在不同时间合理配置配送用户数量，既保证配送质量，又可以避免配送资源的浪费。

由此可知，影响评价指标的至少一个属性因子中，配送用户数量是影响服务区域运营的重要属性，且实际应用也需要对配送用户进行管理，因此数值未知的属性因子可以具体是指配送用户数量，而数值已知的属性因子的属性值可以采集获得。

而对于待开的服务区域，可以通过预设一个或多个属性因子的属性值，来计算数值未知的属性因子的属性值，直至获得满足配送质量的各个属性因子的属性值。例如预设区域面积，服务提供方数量也即可以确定，服务需求用户数量也可以确定，只需计算配送用户数量，因此可以通过不断调整区域面积，即可以计算得到相应的配送用户数量，从而可以获得服务区域划分多大，配送用户配置多少比较合理，以保证一定的配送质量。

由于根据评价指标的指标数值，可以对配送质量进行量化，而属性因子的属性值变化也会影响配送质量，因此在某些实施例中，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值可以包括：

根据所述评价指标的指标数值，计算所述配送质量的质量数值；

根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值。

本申请实施例，利用至少一个属性因子对评价指标存在的影响，以配送质量为前提实现了属性因子的计算，既保证了配送质量不受影响，又可以实现服务区域的准确规划，实现服务区域的精细化运营。

为了进一步提高服务区域规划的准确度，作为又一个实施例，所述根据所述评价指标的指标数值，计算所述配送质量的质量数值可以包括：

根据所述评价指标的指标数值，利用第一质量评价模型计算所述配送质量的质量数值；

所述根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值可以包括：

根据所述配送质量的质量数值，利用第二质量评价模型计算所述至少一个属性因子的属性值。

其中，第一质量评价模型以及第二质量评价模型预先训练获得。在某些实施例中，第一质量评价模型利用评价指标构建获得；第二质量评价模型利用至少一个属性因子构建获得；

从而基于评价指标的训练样本值以及属性因子的训练样本值，关联地的训练第一质量评价模型以及所述第二质量评价模型，即可以分别获得所述第一评价模型以及所述第二评价模型的模型系数。从而即可以利用训练获得的基于第一质量评价模型以及第二质量评价模型，即可以用来计算配送质量，由于实际应用中，评价指标的指标数值可以获得，因此可以根据指标数值，基于第一质量评价模型计算配送质量的质量数值；根据质量数值，基于第二质量评价模型，可以计算获得属性因子的属性值。

为了方便理解，如图2所示为本申请实施例提供的一种区域控制方法又一个实施例的流程图，该方法可以包括以下几个步骤：

201：根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子。

202：利用所述评价指标，构建第一质量评价模型。

可选地，可以将所述评价指标的加权求和公式作为第一质量评价模型。例如假设评价指标包括Q以及T，则第一质量评价模型可以为e*Q+f*T；其中，e、f即为权重系数，也即第一质量评价模型的模型系数，数值未知。

第一质量评价模型用于计算配送质量的质量数值，假设配送质量表示为Y，则Y＝e*Q+f*T。

203：利用所述至少一个属性因子，构建第二质量评价模型。

可选地，可以将所述至少一个属性因子的加权求和公式作为第二质量评价模型。例如假设至少一个属性因子包括S、M、N以及P，第二质量评价模型可以为a*S+b*M+c*N+d*P；a、b、c、d即为权重系数，也即第二质量评价模型的模型系数，数值未知。

第二质量评价模型也用于计算配送质量的质量数值，配送质量表示为Y，则Y＝a*S+b*M+c*N+d*P。

204：关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数。

需要说明的是，步骤202～步骤204并不限定于本实施例中的操作顺序。第一质量评价模型以及第二质量评价模型可以预先构建并预先训练获得，使得第一质量评价模型以及第二质量评价模型可以适用于每一个服务区域。

当然也可以是针对需要进行规划的一个服务区域，相应的构建并训练第一质量评价模型以及第二质量评价模型。

其中，用来训练第一质量评价模型以及第二质量评价模型可以从历史记录数据中获得；

因此在某些实施例中，步骤204可以包括：

从历史记录数据中获取多组同一服务区域对应的所述评价指标的指标数据以及所述至少一个属性因子的属性值，作为训练样本；

利用所述训练样本关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数。

205：从所述服务区域的配送记录中，获得所述评价指标的指标数值。

206：根据所述评价指标的指标数值，利用所述第一质量评价模型计算所述配送质量的质量数值。

当然作为又一个实施例，如果所述服务区域为待开的服务区域时，指标数值可以根据经验值预先设定。

207：根据所述配送质量的质量数值，利用所述第二质量评价模型计算所述至少一个属性因子的属性值。

208：按照所述至少一个属性因子的属性值，规划所述服务区域。

本实施例中，利用评价指标以及至少一个属性因子可以预先训练第一质量评价模型以及第二质量评价模型，从而根据实际应用中评价指标的指标数值，基于第一质量评价模型以及第二质量评价模型即可以计算获得至少一个属性因子的属性值，以用来规划所述服务区域，进一步提高了服务区域规划的准确度。

可选地，在某些实施例中，关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数可以包括：

根据所述第一质量评价模型与所述第二质量评价模型计算结果相等的关联关系，训练所述第一质量评价模型以及所述第二质量评价模型；

分别获得所述第一评价模型以及所述第二评价模型的模型系数。

假设第一质量评价模型可以表示为e*Q+f*T；第二质量评价模型可以表示为a*S+b*M+c*N+d*P。

由于第一质量评价模型以及第二质量评价模型均可以用于计算配送质量，因此可以获得：

e*Q+f*T＝a*S+b*M+c*N+d*P；

通过求解a、b、c、d、e、f，计算获得第一质量评价模型以及第二质量评价模型的模型系数，基于第一质量评价模型以及第二质量评价模型即可以用来计算属性因子的属性值。

因此利用训练样本关联的训练a*S+b*M+c*N+d*P，建立多个多元一次方程，通过求解多元一次方程，即可以计算获得a、b、c、d、e、f的数值。

训练样本可以从各个服务区域的历史记录数据中获得，从而使得计算获得第一质量评价模型以及第二质量评价模型更加准确。

其中，仍以第一质量评价模型为e*Q+f*T；第二质量评价模型为a*S+b*M+c*N+d*P为例。

求解e*Q+f*T＝a*S+b*M+c*N+d*P，可以采用最小二乘法进行求解。

假设获得100组训练样本。

为了理解方便，e*Q+f*T＝a*S+b*M+c*N+d*P可以描述为：

0＝a₀*X₀+a₁*X₁+a₂*X₂+a₃*X₃+a₄*X₄+a₅*X₅·····公式(1)

令θ＝[a₀,a₁,a₂,a₃,a₄,a₅]^T；

其中K＝1、2、3……100；

公式(1)可以简化为：

按照最小二乘法的理论，如果将Y_K当成是6维坐标系里面的点，需要求解出的a₀、a₁、a₂、a₃、a₄、a₅可以将点到点的距离最小。

也即保证下面的公式中J最小：

根据数学知识，如果需要保证J最小，通过对公式(3)进行求导，导数为0时，J值最小，从而即可以计算获得a₀、a₁、a₂、a₃、a₄、a₅的数值。

当然，需要说明的是，求解多元一次方程有很多求解方式，例如线性回归(LinearRegression)、多项式回归(Polynomial Regression)、ElasticNet回归等，本申请实施例并不仅限定于最小二乘法。

由上述描述可知，可以利用历史记录数据作为训练样本训练第一质量评价模型以及第二质量评价模型，随着历史记录数据的增多，可以使得第一质量评价模型以及第二质量评价模型不断得到优化，使得计算获得是属性因子的属性值更加准确，从而可以对服务区域进行客观、公开、准确的规划。

通过本申请实施例中，对于已有服务区域，可以计算配送用户数量等属性因子的属性值，通过调整配送用户数量实现服务区域的重新规划，以实现精细化运行，对于待开的服务区域，可以计算服务区域的区域面积，以及区域面积内配送用户数量，从而可以确定服务区域划分多大，配备多少配送用户是合理的，方便业务拓展。

图3是本申请实施例提供的一种区域控制装置一个实施例的结构示意图，该装置可以包括：

确定模块301，用于根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子。

评价指标是用来衡量配送质量的，可以包括配送时长、配送准时率等等。

该至少一个属性因子可以包括服务区域的区域面积、该区域面积内的服务提供方数量、该区域面积内的服务需求用户数量和/或该区域面积内的配送用户数量等。

计算模块302，用于根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。

规划控制模块303，用于按照所述至少一个属性因子的属性值，规划所述服务区域。

通过本实施例，实现了对服务区域合理的规划，无需人工参与，提高了服务区域规划的准确度。

对于已有的服务区域，利用属性因子的属性值可以用来重新规划服务区域，评价指标的指标数值可以从服务区域的配送记录中采集获得；从而使得在保证配送质量不变的前提下，对服务区域的规划进行优化。因此可选地，所述计算模块可以包括：

因此作为又一个实施例，所述计算模块可以包括：

数值获取单元，用于从所述服务区域的配送记录中，获得所述评价指标的指标数值；

数值计算单元，用于根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。

在实际应用中，对于服务区域的规划，一个或多个属性因子的属性值通常是客观存在或者可以预设的，仅需要计算数值未知的属性因子即可。

因此，在某些实施例中，所述计算模块可以具体用于根据所述评价指标的指标数值以及数值已知的属性因子的属性值，计算数值未知的属性因子的属性值。

由于根据评价指标的指标数值，可以对配送质量进行量化，而属性因子的属性值变化也会影响配送质量，因此，作为又一个实施例，所述计算模块302可以包括：

第一计算单元3021，用于根据所述评价指标的指标数值，计算所述配送质量的质量数值；

对于已有的服务区域，评价指标的指标数值可以是从服务区域的配送记录中获得。

第二计算单元3022，用于根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值。

为了进一步提高服务区域规划的准确度，作为又一个实施例所述第一计算单元具体用于根据所述评价指标的指标数值，利用第一质量评价模型计算所述配送质量的质量数值；

所述第二计算单元具体用于根据所述配送质量的质量数值，利用第二质量评价模型计算所述至少一个属性因子的属性值。

其中，第一质量评价模型以及第二质量评价模型预先训练获得。在某些实施例中，如图4中所述，该装置还可以包括：

第一预构建模块304，用于利用所述评价指标，构建所述第一质量评价模型；

第二预构建模块305，用于利用所述至少一个属性因子，构建所述第二质量评价模型；

预训练模块306，用于关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一质量评价模型以及所述第二质量评价模型的模型系数。

其中，可选地，所述预训练模块可以具体用于根据所述第一质量评价模型与所述第二质量评价模型计算结果相等的关联关系，训练所述第一质量评价模型以及所述第二质量评价模型；分别获得所述第一评价模型以及所述第二评价模型的模型系数。

可选地，在某些实施例中，所述第一预构建模块具体用于将所述评价指标的加权求和公式作为第一质量评价模型；

所述第二预构建模块具体用于将所述至少一个属性因子的加权求和公式作为第二质量评价模型。

可选地，在某些实施例中，所述预训练模块可以包括：

样本获取单元，用于从历史记录数据中获取多组同一服务区域对应的所述评价指标的指标数据以及所述至少一个属性因子的属性值，作为训练样本；

训练单元，用于利用所述训练样本关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数。

通过利用历史记录数据作为训练样本训练第一质量评价模型以及第二质量评价模型，随着历史记录数据的增多，可以使得第一质量评价模型以及第二质量评价模型不断得到优化，使得计算获得是属性因子的属性值更加准确，从而可以对服务区域进行客观、公开、准确的规划。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、

其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。此外，“耦接”一词在此包含任何直接及间接的电性耦接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表所述第一装置可直接电性耦接于所述第二装置，或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本申请的较佳实施方式，然所述描述乃以说明本申请的一般原则为目的，并非用以限定本申请的范围。本申请的保护范围当视所附权利要求所界定者为准。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

上述说明示出并描述了本申请的若干优选实施例，但如前所述，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述申请构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求的保护范围内。

Claims (19)

1.一种区域控制方法，其特征在于，包括：

根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子；

根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值；

按照所述至少一个属性因子的属性值，规划所述服务区域。

2.根据权利要求1所述的方法，其特征在于，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值包括：

根据所述评价指标的指标数值，计算所述配送质量的质量数值；

根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值。

3.根据权利要求2所述的方法，其特征在于，所述根据所述评价指标的指标数值，计算所述配送质量的质量数值包括：

根据所述评价指标的指标数值，利用第一质量评价模型计算所述配送质量的质量数值；

所述根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值包括：

根据所述配送质量的质量数值，利用第二质量评价模型计算所述至少一个属性因子的属性值。

4.根据权利要求3所述的方法，其特征在于，所述第一质量评价模型以及所述第二质量评价模型预先训练获得，以及所述第一质量评价模型以及所述第二质量评价模型的预先训练步骤包括：

利用所述评价指标，构建所述第一质量评价模型；

利用所述至少一个属性因子，构建所述第二质量评价模型；

关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一质量评价模型以及所述第二质量评价模型的模型系数。

5.根据权利要求4所述的方法，其特征在于，所述利用所述评价指标，构建第一质量评价模型包括：

将所述评价指标的加权求和公式作为第一质量评价模型；

所述利用所述至少一个属性因子，构建第二质量评价模型包括：

将所述至少一个属性因子的加权求和公式作为第二质量评价模型。

6.根据权利要求4所述的方法，其特征在于，所述关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数包括：

从历史记录数据中获取多组同一服务区域对应的所述评价指标的指标数据以及所述至少一个属性因子的属性值，作为训练样本；

利用所述训练样本关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数。

7.根据权利要求4～6任一项所述的方法，其特征在于，所述关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数包括：

根据所述第一质量评价模型与所述第二质量评价模型计算结果相等的关联关系，训练所述第一质量评价模型以及所述第二质量评价模型；

分别获得所述第一评价模型以及所述第二评价模型的模型系数。

8.根据权利要求1所述的方法，其特征在于，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值包括：

根据所述评价指标的指标数值以及数值已知的属性因子的属性值，计算数值未知的属性因子的属性值。

9.根据权利要求1所述的方法，其特征在于，所述根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值包括：

从所述服务区域的配送记录中，获得所述评价指标的指标数值；

根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。

10.根据权利要求1所述的方法，其特征在于，所述至少一个属性因子包括服务区域的区域面积、所述区域面积内的服务提供方数量、服务需求用户数量以及配送用户数量。

11.一种区域控制装置，其特征在于，包括：

确定模块，用于根据配送质量的评价指标，确定服务区域存在的影响所述评价指标的至少一个属性因子；

计算模块，用于根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值；

规划控制模块，用于按照所述至少一个属性因子的属性值，规划所述服务区域。

12.根据权利要求11所述的装置，其特征在于，所述计算模块包括：

第一计算单元，用于根据所述评价指标的指标数值，计算所述配送质量的质量数值；

第二计算单元，用于根据所述配送质量的质量数值，计算所述至少一个属性因子的属性值。

13.根据权利要求12所述的装置，其特征在于，所述第一计算单元具体用于根据所述评价指标的指标数值，利用第一质量评价模型计算所述配送质量的质量数值；

所述第二计算单元具体用于根据所述配送质量的质量数值，利用第二质量评价模型计算所述至少一个属性因子的属性值。

14.根据权利要求13所述的装置，其特征在于，还包括：

第一预构建模块，用于利用所述评价指标，构建所述第一质量评价模型；

第二预构建模块，用于利用所述至少一个属性因子，构建所述第二质量评价模型；

预训练模块，用于关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一质量评价模型以及所述第二质量评价模型的模型系数。

15.根据权利要求14所述的装置，其特征在于，所述第一预构建模块具体用于将所述评价指标的加权求和公式作为第一质量评价模型；

所述第二预构建模块具体用于将所述至少一个属性因子的加权求和公式作为第二质量评价模型。

16.根据权利要求14所述的装置，其特征在于，所述预训练模块包括：

样本获取单元，用于从历史记录数据中获取多组同一服务区域对应的所述评价指标的指标数据以及所述至少一个属性因子的属性值，作为训练样本；

训练单元，用于利用所述训练样本关联地训练所述第一质量评价模型以及所述第二质量评价模型，以分别获得所述第一评价模型以及所述第二评价模型的模型系数。

17.根据权利要求14或15所述的装置，其特征在于，所述预训练模块具体用于根据所述第一质量评价模型与所述第二质量评价模型计算结果相等的关联关系，训练所述第一质量评价模型以及所述第二质量评价模型；分别获得所述第一评价模型以及所述第二评价模型的模型系数。

18.根据权利要求11所述的装置，其特征在于，

所述计算模块具体用于根据所述评价指标的指标数值以及数值已知的属性因子的属性值，计算数值未知的属性因子的属性值。

19.根据权利要求11所述的装置，其特征在于，所述计算模块包括：

数值获取单元，用于从所述服务区域的配送记录中，获得所述评价指标的指标数值；

计算单元，用于根据所述评价指标的指标数值，计算所述至少一个属性因子的属性值。