CN107093123A - 数据处理方法和装置 - Google Patents

Abstract

本发明实施例提供一种数据处理方法和装置，其中，该数据处理方法包括：根据配送区域在异常情况下预测的理论订单量，确定平衡参数的调整幅度；基于平衡参数的调整幅度，对配送区域在异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，不再依赖人工经验，确定配送压力等级的效率较高，而且是在爆单情况发生之前，实现配送压力的提前预测，便于及时采取应对策略，有利于及时减轻配送区域的压力和物流调度系统面临的调度压力。

Description

数据处理方法和装置

技术领域

本发明涉及互联网技术领域，尤其涉及一种数据处理方法和装置。

背景技术

随着互联网快速发展，大量O2O平台如雨后春笋，物流行业改变了人们的购物方式，外卖行业改变了人们的餐饮行为，但随着用户量的增加，准时安全送达已经成为了亟待解决的问题。

发明内容

发明人在实现本发明的过程中发现：在正常情况下，以商圈为粒度，订单量在一定范围内的正常波动，配送员可以按时安全送达订单。但在一些极端情况下，比如恶劣天气、商圈单量激增，然而配送员也有可能因为恶略天气而相应减少，订单量和配送员数量严重不平衡，大量订单不能被按时送达，大量订单被搁置及延期，极大的影响了用户体验。

为了解决这一系列问题，现有技术是通过监控商圈的商圈压力(人均单量)，按照商圈策略，对商圈内商户状态进行控制(如提高配送时长，关闭营销活动，关闭营业状态等)，从而降低订单量的引入来进行订单量和配送员的平衡调节。然而这种方法使得配送员的收入因为订单量的减少而减少，大大降低了配送员的体验，同时也会因为商圈范围的减少从而降低用户体验。

为此，本发明实施例提供一种数据处理方法和装置，可以实现不再依赖人工经验，确定配送压力等级的效率较高，而且是在爆单情况发生之前，实现配送压力的提前预测，便于及时采取应对策略，有利于及时减轻配送区域的压力和物流调度系统面临的调度压力，同时，在极端情况下，对订单量和配送员的供需进行平衡调节，同时保证了配送员体验和用户体验。

第一方面，本发明实施例中提供提供了一种数据处理方法，实现于服务器侧，该方法包括：

预估异常情况下的理论订单量；

根据预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级；

根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；

根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

进一步地，预估异常情况下的理论订单量，包括：

根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量；

所述配送区域在异常情况下的配送压力状况通过所述配送区域在异常情况下的至少一个特征参数来体现，所述至少一种特征参数是指体现配送区域在异常情况下的配送压力状况的参数，具体包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。

进一步地，根据所述预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级，包括：

根据正常情况下每个订单的理论配送时间，以及异常情况下商圈内的配送员数量，确定在异常情况下与所述配送员数量匹配的订单量，得到异常情况下爆单处理后的订单量。

根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级。

进一步地，所述的方法还包括：

预设所述爆单等级与所述平衡参数的调整幅度之间的对应关系。

进一步地，根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，包括：

根据所述平衡参数的调整幅度，调整异常情况下的订单配送费率、商圈范围、订单配送时间和/或用户下单状态，使得订单量和配送员数量达到平衡状态；

所述平衡状态是指为了同时保证配送员体验和用户体验对订单量和配送员的供需进行平衡调节后达到的状态。

第二方面，本发明实施例提供了提供了一种数据处理装置，包括：

预估模块，用于预估异常情况下的理论订单量；

确定模块，用于根据所述预估模块预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级；根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；

平衡处理模块，用于根据所述确定模块确定的平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

进一步地，所述预估模块具体用于：

根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量；

所述配送区域在异常情况下的配送压力状况通过所述配送区域在异常情况下的至少一个特征参数来体现，所述至少一种特征参数是指体现配送区域在异常情况下的配送压力状况的参数，具体包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。

进一步地，所述确定模块具体用于：

根据正常情况下每个订单的理论配送时间，以及异常情况下商圈内的配送员数量，确定在异常情况下与所述配送员数量匹配的订单量，得到异常情况下爆单处理后的订单量。

根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级。

进一步地，所述的装置还包括：

设置模块，用于预设所述爆单等级与所述平衡参数的调整幅度之间的对应关系。

进一步地，所述平衡处理模块具体用于：

根据所述平衡参数的调整幅度，调整异常情况下的订单配送费率、商圈范围、订单配送时间和/或用户下单状态，使得订单量和配送员数量达到平衡状态；所述平衡状态是指为了同时保证配送员体验和用户体验对订单量和配送员的供需进行平衡调节后达到的状态。

在上述实施例提供的数据处理方法和装置中，根据配送区域在异常情况下预测的理论订单量，确定平衡参数的调整幅度；基于平衡参数的调整幅度，对配送区域在异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，不再依赖人工经验，确定配送压力等级的效率较高，而且是在爆单情况发生之前，实现配送压力的提前预测，便于及时采取应对策略，有利于及时减轻配送区域的压力和物流调度系统面临的调度压力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的数据处理方法实施例一的流程图；

图2为本发明实施例对订单数据进行平衡处理的示意图；

图3为本发明实施例提供的数据处理方法实施例二的流程图；

图4为本发明实施例提供的数据处理装置实施例一的结构图。

具体实施方式

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作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。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“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，A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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述XXX，但这些XXX不应限于这些术语。这些术语仅用来将XXX彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一XXX也可以被称为第二XXX，类似地，第二XXX也可以被称为第一XXX。

取决于语境，如在此所使用的词语“如果”、“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”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

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。

在物流配送应用场景中，在恶劣天气、商户推出营销活动等异常情况下，一些配送区域很可能会出现订单量骤增、订单积压过多的现象，导致配送区域的配送压力过大，物流调度系统也面临巨大压力。现有技术基于人工经验判断配送区域是否出现爆单情况，在判断出现爆单情况时，采取应对措施，这种方式具有延迟性，效率较低，无法及时减轻配送区域的压力和物流调度系统面临的调度压力。

针对上述问题，本申请实施例提供一种解决方案，主要原理是：基于配送区域在异常情况下的配送压力情况，提前预测异常情况下的理论订单量，确定平衡参数的调整幅度；根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，不再依赖于人工经验，而且可以提前预测，便于及时采取应对措施，避免配送区域出现订单量骤增、订单积压过多的现象，以保证配送区域在已有物流运力的条件下，对订单的消化以及对用户服务的保证。

下面将结合具体实施例，对本申请技术方案进行详细说明。

图1为本发明实施例提供的数据处理方法实施例一的流程图，由服务器来执行，如图1所示，该方法包括如下步骤：

步骤101、预估异常情况下的理论订单量；

步骤102、根据预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级；

步骤103、根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；

步骤104、根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

在本实施例中，并不限定配送区域的范围，可以根据应用需求适应性定义配送区域的范围。例如，配送区域可以是指城市中的商业活动区(简称商圈)。

在本实施例中，需要根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量。配送区域在异常情况下的配送压力状况可通过配送区域在异常情况下的至少一个特征参数来体现。于是，可以获取配送区域内的至少一种特征参数，所述至少一种特征参数是指可以体现配送区域在异常情况下的配送压力状况的参数。举例说明，至少一种特征参数可以包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。

基于上述至少一种特征参数，可以预测配送区域在异常情况下的理论订单量。一般来说，配送区域内在异常情况下的理论订单量越多，需要的配送员数量越多。然而在一些极端情况下，比如恶劣天气、商圈订单量激增，且配送员数量有可能因为恶略天气而相应减少，就会存在异常情况下的理论订单量和配送员数量严重不平衡的问题，大量订单不能被按时送达，因此需要确定平衡参数的调整幅度，对所述异常情况下的理论订单量进行平衡处理，得到平衡处理后的订单量，主要调节异常情况下的订单量和配送员数量的平衡问题。

在本实施例中，确定平衡参数的调整幅度的具体实现方式可以是，根据通常情况下每个订单的理论配送时间，以及在异常情况下商圈内的配送员数量，确定与所述配送员数量匹配的订单量，这里的与所述配送员数量匹配的订单量相当于在异常情况下爆单处理后的订单量，根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级。也就是说，在异常情况下，与商圈内的配送员数量匹配的订单量(即在异常情况下爆单处理后的订单量)体现了异常情况下的商圈内的配送力。通常，商圈内的配送力越强，一定程度上意味着商圈内的订单积压量较少，而且应对订单量骤增的能力相对较强，则商圈内的爆单等级相对较低；相反的，商圈内的配送力越弱，意味着商圈内的订单积压量较多，而且应对订单量骤增的能力相对越差，则商圈内的爆单等级会上升。

本发明实施例中，基于上述确定的商圈内的配送力与爆单等级之间成反比关系，即在异常情况下爆单后的订单量越小，爆单等级越高。为此，本发明实施例预设有爆单等级与平衡参数的调整幅度之间的对应关系，根据上述确定的爆单等级，可以确定与爆单等级对应的平衡参数的调整幅度，通常，爆单等级越高，平衡参数的调整幅度越大。

需要说明的是，本发明实施例中，平衡参数可以是但不限于以下至少一种：订单配送费率、商圈范围、订单配送时间和/或用户下单状态等。

基于上述与爆单等级对应的平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，图2为本发明实施例对订单数据进行平衡处理的示意图，如图2所示的，根据异常情况下的理论订单量和爆单处理后的订单量，对异常情况下的理论订单量进行平衡处理，得到平衡处理后的订单量。

在本实施例中，根据配送区域在异常情况下预测的理论订单量，确定平衡参数的调整幅度；基于平衡参数的调整幅度，对配送区域在异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，不再依赖人工经验，确定配送压力等级的效率较高，而且是在爆单情况发生之前，实现配送压力的提前预测，便于及时采取应对策略，有利于及时减轻配送区域的压力和物流调度系统面临的调度压力。

图3为本发明实施例提供的数据处理方法实施例二的流程图，由服务器来执行，如图3所示，该方法包括如下步骤：

步骤301、预估异常情况下的理论订单量；

在本实施例中，需要根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量。配送区域在异常情况下的配送压力状况可通过配送区域在异常情况下的至少一个特征参数来体现。于是，可以获取配送区域内的至少一种特征参数，所述至少一种特征参数是指可以体现配送区域在异常情况下的配送压力状况的参数。举例说明，至少一种特征参数可以包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。基于上述至少一种特征参数，预估异常情况下的理论订单量。

步骤302、获取在异常情况下爆单处理后的订单量；

在本实施例中，根据正常情况下每个订单的理论配送时间，以及异常情况下商圈内的配送员数量，确定在异常情况下与所述配送员数量匹配的订单量，得到异常情况下爆单处理后的订单量。

步骤303、根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级；

在异常情况下，与商圈内的配送员数量匹配的订单量(即在异常情况下爆单处理后的订单量)体现了异常情况下的商圈内的配送力。通常，商圈内的配送力越强，一定程度上意味着商圈内的订单积压量较少，而且应对订单量骤增的能力相对较强，则商圈内的爆单等级相对较低；相反的，商圈内的配送力越弱，意味着商圈内的订单积压量较多，而且应对订单量骤增的能力相对越差，则商圈内的爆单等级会上升。

本发明实施例中，基于上述确定的商圈内的配送力与爆单等级之间成反比关系，即在异常情况下爆单后的订单量越小，爆单等级越高。

步骤304、根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；

为此，本发明实施例预设有爆单等级与平衡参数的调整幅度之间的对应关系，根据上述确定的爆单等级，可以确定与爆单等级对应的平衡参数的调整幅度，通常，爆单等级越高，平衡参数的调整幅度越大。

需要说明的是，本发明实施例中，平衡参数可以是但不限于以下至少一种：订单配送费率、商圈范围、订单配送时间和/或用户下单状态等。

步骤305、根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

具体平衡处理包括如下方式中的至少一种或者多种方式的组合：

例如，配送费的智能调节，一方面降低了订单量的引入，另一方面通过配送费的提升，提高兼职配送员和配送员的接单率，从而提升了极端情况下订单的处理能力；

又例如，商圈范围智能修改，异常情况下，减小商圈的配送范围，缩短了配送员的配送距离，减少了配送时长，从而保证了用户的体验，提升了送单效率；

又例如，加大配送时常，根据不同的爆单等级，会有相应的配送时长的延迟，降低用户预期，以及加长因特殊原因的配送员送单时间；

又例如，对用户进行分级，优先保证优质用户订单的配送，异常情况下，关闭一些订单量较少，等级较低的用户订单状态，优先保证优质用户，优质用户的订单多，能提升并单，减少骑士的配送距离，提升配送体验。

在本实施例中，根据配送区域在异常情况下预测的理论订单量，确定爆单处理后的订单量，进而确定爆单等级，从而确定与爆单等级相对应的平衡参数的调整幅度；基于平衡参数的调整幅度，对配送区域在异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，可以实现不再依赖人工经验，确定配送压力等级的效率较高，而且是在爆单情况发生之前，实现配送压力的提前预测，便于及时采取应对策略，有利于及时减轻配送区域的压力和物流调度系统面临的调度压力。

进一步，在异常情况下，对订单量和配送员的供需进行平衡调节，同时保证了配送员体验和用户体验。

图4为本发明实施例提供的订单数据处理装置实施例一的结构图，位于服务器侧，如图4所示，包括：

预估模块41，用于预估异常情况下的理论订单量；

确定模块42，用于根据所述预估模块预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级；根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；

平衡处理模块43，用于根据所述确定模块确定的平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

可选地，所述预估模块41具体用于：

根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量；

所述配送区域在异常情况下的配送压力状况通过所述配送区域在异常情况下的至少一个特征参数来体现，所述至少一种特征参数是指体现配送区域在异常情况下的配送压力状况的参数，具体包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。

可选地，所述确定模块42具体用于：：

根据正常情况下每个订单的理论配送时间，以及异常情况下商圈内的配送员数量，确定在异常情况下与所述配送员数量匹配的订单量，得到异常情况下爆单处理后的订单量。

根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级。

可选地，所述的装置还包括：

设置模块44，用于预设所述爆单等级与所述平衡参数的调整幅度之间的对应关系。

可选地，所述平衡处理模块43具体用于：

根据所述平衡参数的调整幅度，调整异常情况下的订单配送费率、商圈范围、订单配送时间和/或用户下单状态，使得订单量和配送员数量达到平衡状态，所述平衡状态是指为了同时保证配送员体验和用户体验对订单量和配送员的供需进行平衡调节后达到的状态。

在上述实施例提供的数据处理装置中，根据配送区域在异常情况下预测的理论订单量，确定平衡参数的调整幅度；基于平衡参数的调整幅度，对配送区域在异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，不再依赖人工经验，确定配送压力等级的效率较高，而且是在爆单情况发生之前，实现配送压力的提前预测，便于及时采取应对策略，有利于及时减轻配送区域的压力和物流调度系统面临的调度压力。

以上描述了数据处理装置的内部功能和结构，实际中，该数据处理装置可实现为服务器，在一个可能的设计中，该数据处理装置包括：存储器、处理器，所述存储器与所述处理器耦合；所述存储器用于存储支持数据处理装置执行上述图1和图3所示实施例中中数据处理方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

所述程序包括一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行。

所述处理器，用于预估异常情况下的理论订单量；根据预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级；根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

可选地，所述处理器在预估异常情况下的理论订单量时包括：

根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量；

所述配送区域在异常情况下的配送压力状况通过所述配送区域在异常情况下的至少一个特征参数来体现，所述至少一种特征参数是指体现配送区域在异常情况下的配送压力状况的参数，具体包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。

可选地，所述处理器在根据所述预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级时包括：

根据正常情况下每个订单的理论配送时间，以及异常情况下商圈内的配送员数量，确定在异常情况下与所述配送员数量匹配的订单量，得到异常情况下爆单处理后的订单量；根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级。

可选地，所述存储器中保存有预设的所述爆单等级与所述平衡参数的调整幅度之间的对应关系。

可选地，所述处理器在根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理时包括：

根据所述平衡参数的调整幅度，调整异常情况下的订单配送费率、商圈范围、订单配送时间和/或用户下单状态，使得订单量和配送员数量达到平衡状态，所述平衡状态是指为了同时保证配送员体验和用户体验对订单量和配送员的供需进行平衡调节后达到的状态。

在上述实施例提供的服务器中，根据配送区域在异常情况下预测的理论订单量，确定平衡参数的调整幅度；基于平衡参数的调整幅度，对配送区域在异常情况下的订单量进行平衡处理，得到平衡处理后的订单量，不再依赖人工经验，确定配送压力等级的效率较高，而且是在爆单情况发生之前，实现配送压力的提前预测，便于及时采取应对策略，有利于及时减轻配送区域的压力和物流调度系统面临的调度压力。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以产品的形式体现出来，该计算机产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上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精神和范围。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

预估异常情况下的理论订单量；

根据预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级；

根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；

根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

2.根据权利要求1所述的方法，其特征在于，预估异常情况下的理论订单量，包括：

根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量；

所述配送区域在异常情况下的配送压力状况通过所述配送区域在异常情况下的至少一个特征参数来体现，所述至少一种特征参数是指体现配送区域在异常情况下的配送压力状况的参数，具体包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。

3.根据权利要求1所述的方法，其特征在于，根据所述预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级，包括：

根据正常情况下每个订单的理论配送时间，以及异常情况下商圈内的配送员数量，确定在异常情况下与所述配送员数量匹配的订单量，得到异常情况下爆单处理后的订单量。

根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级。

4.根据权利要求1所述的方法，其特征在于，还包括：

预设所述爆单等级与所述平衡参数的调整幅度之间的对应关系。

5.根据权利要求1-4中任一项所述的方法，其特征在于，根据所述平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，包括：

根据所述平衡参数的调整幅度，调整异常情况下的订单配送费率、商圈范围、订单配送时间和/或用户下单状态，使得订单量和配送员数量达到平衡状态；

所述平衡状态是指为了同时保证配送员体验和用户体验对订单量和配送员的供需进行平衡调节后达到的状态。

6.一种数据处理装置，其特征在于，包括：

预估模块，用于预估异常情况下的理论订单量；

确定模块，用于根据所述预估模块预估的异常情况下的理论订单量，确定与所述异常情况下的理论订单量对应的爆单等级；根据所述爆单等级，确定与所述爆单等级相对应的所述平衡参数的调整幅度；

平衡处理模块，用于根据所述确定模块确定的平衡参数的调整幅度，对所述异常情况下的订单量进行平衡处理，得到平衡处理后的订单量。

7.根据权利要求6所述的装置，其特征在于，所述预估模块具体用于：

根据配送区域在异常情况下的配送压力状况，预测配送区域在异常情况下的理论订单量；

所述配送区域在异常情况下的配送压力状况通过所述配送区域在异常情况下的至少一个特征参数来体现，所述至少一种特征参数是指体现配送区域在异常情况下的配送压力状况的参数，具体包括：天气状况、积压订单量、订单集中度、订单增长速度以及订单消化速度等任何可以体现配送区域在异常情况下的配送压力状况的参数。

8.根据权利要求6所述的装置，其特征在于，所述确定模块具体用于：：

根据正常情况下每个订单的理论配送时间，以及异常情况下商圈内的配送员数量，确定在异常情况下与所述配送员数量匹配的订单量，得到异常情况下爆单处理后的订单量。

根据所述异常情况下的理论订单量和所述爆单处理后的订单量，确定所述相应的爆单等级。

9.根据权利要求6所述的装置，其特征在于，还包括：

设置模块，用于预设所述爆单等级与所述平衡参数的调整幅度之间的对应关系。

10.根据权利要求6-9中任一项所述的装置，其特征在于，所述平衡处理模块具体用于：

根据所述平衡参数的调整幅度，调整异常情况下的订单配送费率、商圈范围、订单配送时间和/或用户下单状态，使得订单量和配送员数量达到平衡状态；所述平衡状态是指为了同时保证配送员体验和用户体验对订单量和配送员的供需进行平衡调节后达到的状态。