CN108229879A - 一种行程时长预估方法、装置及存储介质 - Google Patents

一种行程时长预估方法、装置及存储介质 Download PDF

Info

Publication number
CN108229879A
CN108229879A CN201711431235.6A CN201711431235A CN108229879A CN 108229879 A CN108229879 A CN 108229879A CN 201711431235 A CN201711431235 A CN 201711431235A CN 108229879 A CN108229879 A CN 108229879A
Authority
CN
China
Prior art keywords
section
personnel
address
dispatching personnel
attribute information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711431235.6A
Other languages
English (en)
Other versions
CN108229879B (zh
Inventor
张培鹤
徐梦云
张羽翔
王天华
孙晓笛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lazas Network Technology Shanghai Co Ltd
Original Assignee
Lazas Network Technology Shanghai Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lazas Network Technology Shanghai Co Ltd filed Critical Lazas Network Technology Shanghai Co Ltd
Priority to CN201711431235.6A priority Critical patent/CN108229879B/zh
Publication of CN108229879A publication Critical patent/CN108229879A/zh
Application granted granted Critical
Publication of CN108229879B publication Critical patent/CN108229879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例涉及交通系统领域，尤其涉及一种行程时长预估方法及装置，用于更加准确的确定从起始地址行进至目标地址所需的时长。本申请实施例中由于将获取的起始地址、目标地址和个人属性信息作为速度估算模型的输入，且人员配送人员的个人属性信息用于指示该人员配送人员的历史行进轨迹的特征信息，因此从速度估算模型的输出的起始地址和目标地址之间的估算行进速度可以更加准确的逼近该配送人员的真实行进速度，从而根据起始地址、目标地址和估算行进速度确定的从起始地址行进至目标地址所需的时长可以更加准确。

Description

一种行程时长预估方法、装置及存储介质
技术领域
本申请实施例涉及交通系统领域，尤其涉及一种行程时长预估方法、装置以及存储介质。
背景技术
随着移动互联网行业的快速发展，交通运输行业也在不断发展，尤其是近年来兴起的外卖行业。随着用户对送餐人员送餐及时率要求的不断提高，也促使着相关技术人员不断精确送餐人员从获取外卖订单到将外卖配送至订单人员这段路段上所需的时长。
一种方式，服务器是根据历史值来确定路段所需的时长。另一种方式，服务器是根据路段总长和交通工具的常规行驶速度的商来确定该路段所需的时长。该两种确定所需的时长的方式参考的因素比较单一，从而导致估算的所需的时长不准确的问题。
发明内容
本申请实施例提供一种行程时长预估方法、装置以及存储介质，用于更加准确的确定从起始地址行进至目标地址所需的时长。
本申请实施例提供一种行程时长预估方法，该方法中，获取起始地址、目标地址和配送人员的个人属性信息，其中，配送人员的个人属性信息用于指示配送人员的历史行进轨迹的特征信息，将起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度，根据起始地址、目标地址和估算行进速度，确定配送人员从起始地址行进至目标地址所需的时长。
可选的，将起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度，包括获取起始地址和目标地址之间的路段属性信息，其中，路段属性信息包括交通信息和/或天气信息，将路段属性信息、起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度。
可选的，获取起始地址、目标地址和配送人员的个人属性信息之前，还包括：获取M个配送人员中配送人员预设类别的历史行进轨迹，M为正整数，针对M个配送人员中的配送人员，执行：将配送人员的历史行进轨迹划分出多个路段，针对多个路段中的路段，获取配送人员的个人属性信息，以及配送人员经过路段时路段属性信息，且根据配送人员经过路段的时间戳和路段的路线长度，确定配送人员经过路段的实际行进速度，根据M个配送人员中的配送人员的个人属性信息、路段属性信息和配送人员经过路段的实际行进速度，进行模型训练，得到速度估算模型。
可选的，将配送人员的历史行进轨迹划分出多个路段，包括：根据配送人员的历史行进轨迹的时间戳，确定出历史行进轨迹的多个第一特征点，其中，历史行进轨迹中配送人员在多个第一特征点中的第一特征点对应的第一范围内滞留时长大于时长阈值，将多个第一特征点中的两个第一特征点之间的路段作为历史行进轨迹中的路段。
可选的，将多个第一特征点中的两个第一特征点之间的路段作为历史行进轨迹中的路段，包括：针对多个第一特征点中的第一特征点，执行：根据配送人员的实际行进速度和/或第一特征点的地址，确定第一特征点对应的第二特征点，其中，第二特征点为配送人员在第一特征点对应的第二范围内行进方式转换的点，将多个第一特征点中的两个第一特征点对应的两个第二特征点之间的路段作为历史行进轨迹中的路段。
可选的，配送人员的个人属性信息包括以下内容中的任一项或任多项：配送人员的派送订单及时率、配送人员的标识、配送人员的派送订单年限和配送人员对应的实际行进速度的平均速度。
可选的，获取起始地址、目标地址和配送人员的个人属性信息，包括：获取订单，确定订单的派送源地址和订单的派送目标地址，获取派送订单的配送人员的当前地址，将当前地址作为起始地址，且将派送源地址作为目标地址，以及将派送源地址作为起始地址，且将派送目标地址作为目标地址，根据起始地址、目标地址和估算行进速度，确定配送人员从起始地址行进至目标地址所需的时长之后，还包括：根据配送人员从当前地址行进至派送源地址所需的时长，以及配送人员从派送源地址行进至派送目标地址所需的时长的和，确定配送人员派送订单所需的总时长，将总时长反馈至配送人员的终端设备和/或订单的下单人员的终端设备。
本申请实施例提供一种行程时长预估装置，包括获取单元，用于获取起始地址、目标地址和配送人员的个人属性信息，其中，配送人员的个人属性信息用于指示配送人员的历史行进轨迹的特征信息，速度估算单元，用于将起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度，时长确定单元，用于根据起始地址、目标地址和估算行进速度，确定配送人员从起始地址行进至目标地址所需的时长。
可选的，速度估算单元，具体用于：获取起始地址和目标地址之间的路段属性信息，其中，路段属性信息包括交通信息和/或天气信息，将路段属性信息、起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度。
可选的，还包括模型确定单元，用于：获取M个配送人员中配送人员预设类别的历史行进轨迹，M为正整数，针对M个配送人员中的配送人员，执行：将配送人员的历史行进轨迹划分出多个路段，针对多个路段中的路段，获取配送人员的个人属性信息，以及配送人员经过路段时路段属性信息，且根据配送人员经过路段的时间戳和路段的路线长度，确定配送人员经过路段的实际行进速度，根据M个配送人员中的配送人员的个人属性信息、路段属性信息和配送人员经过路段的实际行进速度，进行模型训练，得到速度估算模型。
可选的，模型确定单元，具体用于根据配送人员的历史行进轨迹的时间戳，确定出历史行进轨迹的多个第一特征点，其中，历史行进轨迹中配送人员在多个第一特征点中的第一特征点对应的第一范围内滞留时长大于时长阈值，将多个第一特征点中的两个第一特征点之间的路段作为历史行进轨迹中的路段。
可选的，模型确定单元，具体用于：针对多个第一特征点中的第一特征点，执行根据配送人员的实际行进速度和/或第一特征点的地址，确定第一特征点对应的第二特征点，其中，第二特征点为配送人员在第一特征点对应的第二范围内行进方式转换的点，将多个第一特征点中的两个第一特征点对应的两个第二特征点之间的路段作为历史行进轨迹中的路段。
可选的，配送人员的个人属性信息包括以下内容中的任一项或任多项：配送人员的派送订单及时率、配送人员的标识、配送人员的派送订单年限和配送人员对应的实际行进速度的平均速度。
可选的，获取单元，具体用于获取订单，确定订单的派送源地址和订单的派送目标地址，获取派送订单的配送人员的当前地址，将当前地址作为起始地址，且将派送源地址作为目标地址，以及将派送源地址作为起始地址，且将派送目标地址作为目标地址，该装置还包括反馈单元，用于：根据配送人员从当前地址行进至派送源地址所需的时长，以及配送人员从派送源地址行进至派送目标地址所需的时长的和，确定配送人员派送订单所需的总时长，将总时长反馈至配送人员的终端设备和/或订单的下单人员的终端设备。
本申请实施例提供一种计算机可读存储介质，其中，存储介质存储有指令，当指令在计算机上运行时，使得计算机实现执行上述方法中任一项的方法。
本申请实施例提供一种计算机设备，包括：存储器，用于存储程序指令，处理器，用于调用存储器中存储的程序指令，按照获得的程序执行上述方法中任一项的方法。
本申请实施例中由于将获取的起始地址、目标地址和个人属性信息作为速度估算模型的输入，且配送人员的个人属性信息用于指示该配送人员的历史行进轨迹的特征信息，因此从速度估算模型的输出的起始地址和目标地址之间的估算行进速度可以更加准确的逼近该配送人员的真实行进速度，从而根据起始地址、目标地址和估算行进速度确定的从起始地址行进至目标地址所需的时长可以更加准确。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供一种适用的系统架构示意图；
图2为本申请实施例提供一种行程时长预估方法的流程示意图；
图3为本申请实施例提供一种构建速度估算模型的方式的流程示意图；
图4为本申请实施例提供一种适用的配送人员的历史行进轨迹示意图；
图5为本申请实施例提供一种适用的配送人员的历史行进轨迹示意图；
图6为本申请实施例提供一种适用的配送人员的历史行进轨迹示意图；
图7为本申请实施例提供一种行程时长预估装置的结构示意图。
具体实施方式
为了使本申请实施例的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请实施例进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请实施例，并不用于限定本申请实施例。
图1示例性示出了本申请实施例适用的一种系统架构图，如图1所示，包括服务器101和终端设备102。服务器101接收到终端设备102发送的起始地址、目标地址和人员的个人属性信息，可以通过存储在服务器101中的速度估算模型得到该人员在该起始地址和目标地址之间的估算行进速度，再根据估算行进速度得到该起始地址和目标地址之间的所需的时长，服务器101将该时长发送给终端设备102。
本申请实施例适用于多种应用场景，比如配送订单，外卖、快递、上下班等等。在配送订单的场景下，终端设备102可以是配送人员的终端设备，也可以是下单人员的终端设备，也就是说，起始地址和目标地址之间的所需的时长可以推送至下单人员的终端设备和配送人员的终端设备，使他们能够及时了解配送该订单的所需的时长。
本申请实施例中，终端设备102可以是手机、平板电脑、笔记本电脑或者台式电脑等等。
图2示例性示出了本申请实施例适用的一种行程时长预估方法的流程示意图，如图2所示，包括：
步骤201，服务器获取起始地址、目标地址和配送人员的个人属性信息；其中，配送人员的个人属性信息用于指示配送人员的历史行进轨迹的特征信息；起始地址也可以描述为起始地址的地址信息。起始地址可以是起始地址的经纬度，目标地址也可以描述为目标地址的地址信息。目标地址可以是目标地址的经纬度；
步骤202，服务器将起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度；
步骤203，服务器根据起始地址、目标地址和估算行进速度，确定配送人员从起始地址行进至目标地址所需的时长。
本申请实施例中由于将获取的起始地址、目标地址和个人属性信息作为速度估算模型的输入，且配送人员的个人属性信息用于指示该配送人员的历史行进轨迹的特征信息，因此从速度估算模型的输出的起始地址和目标地址之间的估算行进速度可以更加准确的逼近该配送人员的真实行进速度，从而根据起始地址、目标地址和估算行进速度确定的从起始地址行进至目标地址所需的时长可以更加准确。
上述步骤201中，一种可选的实施方式中，在配送订单的场景下，配送人员的个人属性信息包括以下内容中的任一项或任多项：配送人员的配送订单及时率、配送人员的标识、配送人员的配送订单年限、配送人员的行进方式、配送人员的初始信息和配送人员对应的实际行进速度的平均速度。
配送人员的配送订单的及时率可以根据订单的种类确定不同种类的订单的及时率，订单可以分为即时订单和预订单，即时订单的及时率是配送人员配送的即时订单中提前到达的即时订单件数和准时到达的即时订单件数之和，除以即时订单总件数得到的商；预订单的及时率是配送人员配送的预订单中在预定时间点范围内到达的预订单件数除以预订单总件数得到的商。
配送人员的标识可以是该配送人员的身份证号或者该配送人员在所属公司的员工号。配送人员的配送订单年限可以是配送人员从事配送订单工作的工作天数。配送人员的行进方式可以包括驾驶机动车出行，非机动车出行或者步行，机动车可以包括汽车和摩托车，非机动车可以包括电瓶车或者自行车。配送人员的初始信息可以是配送人员的姓名、性别、年龄、手机号、家庭住址和健康证明等等。配送人员对应的实际行进速度的平均速度可以是配送人员在配送订单过程中的实际行进速度的平均速度，可以将配送订单所行进的总路程值除以配送订单所用的总时间得到的商作为配送人员在配送订单过程中的实际行进速度的平均速度。
在人员上下班的场景下，人员的个人属性信息可以包括以下内容中的任一项或任多项：人员的标识、人员的行进方式、人员对应的实际行进速度的平均速度和人员行进过程中发生交通事故的记录等等。人员的标识可以是该人员的身份证号或者该人员在所属公司的员工号。
人员的标识可以是该人员的身份证号或者该人员所有的车辆的车牌号。人员的行进方式可以包括驾驶机动车出行，非机动车出行或者步行，机动车可以包括汽车和摩托车，非机动车可以包括电瓶车或者自行车。人员对应的实际行进速度的平均速度可以是人员在上下班过程中的实际行进速度的平均速度。可以将上下班过程中所行进的总路程值除以上下班过程中所用的总时间得到的商作为人员在上下班过程中的实际行进速度的平均速度。人员行进过程中发生交通事故的记录可以为人员在上下班过程中发生交通事故的记录，包括上下班过程中发生交通事故的位置信息。
服务器获取配送人员的个人属性信息的方式有多种，一种可选的实施方式中，服务器可以直接获取个人属性信息中的所有项。举个例子，在配送订单的场景下，服务器可以直接获取终端设备发送的配送人员的配送订单及时率、配送人员的标识、配送人员的配送订单年限、配送人员的行进方式的和配送人员对应的实际行进速度的平均速度。
另一种可选的实施方式中，服务器的存储区存储有个人属性信息的关系对应表，可以将个人属性信息的所有项都存放至关系对应表中，终端设备只要向服务器发送个人属性信息中的一项(比如可以是配送人员的标识)，服务器可以调用该关系对应表获取个人属性信息的其他项，
举个例子，在配送订单的场景下，关系对应表中存储有配送人员的配送订单及时率、配送人员的标识、配送人员的配送订单年限、配送人员的行进方式和配送人员对应的实际行进速度的平均速度，终端设备可以向服务器发送配送人员的标识，服务器可以根据该配送人员的标识获取配送人员的配送订单及时率、配送人员的配送订单年限和配送人员对应的实际行进速度的平均速度。
上述步骤202中，一种可选的实施方式中，服务器可以获取起始地址和目标地址之间的路段属性信息；其中，路段属性信息包括交通信息和/或天气信息；将路段属性信息、起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度。
可选的，交通信息可以包括以下内容中的任一项或任多项：从起始地址到目标地址之间的红绿灯个数和从起始地址到目标地址的时段是否属于高峰时端。天气信息可以包括经过该路段时的天气状况和刮风状况。其中，天气状况可以包括晴天、阴天、下雨或者下雪，刮风状况可以包括刮风的等级和刮风的方向。可选的，如果天气状况是下雨，还可以包括下雨的雨量情况，下雨的雨量情况可以包括小雨、中雨、大雨或者暴雨等等。可选的，如果天气状况是下雪，还可以包括下雪的雪量情况，下雪的雪量情况可以包括小雪、中雪、大雪或者暴雪等等。
本申请实施例中，服务器可以通过天气预报获取天气信息，可以通过地图或者历史记录统计的规律获取交通信息。
本申请实施例中，可以由终端设备获取起始地址和目标地址之间的路段属性信息，并上报给服务器；也可以由服务器获取起始地址和目标地址之间的路段属性信息。
本申请实施例中，从起始地址到达目标地址可以存在多条路径。一种可选的实施方式中，可以从电子地图上获取多条路径。可选的，电子地图可以是谷歌地图，百度地图，高德地图，腾讯地图或者苹果地图。
另一种可选地实施方式中，也可以从服务器的存储区获取多条路径。具体来说服务器可以以表格的形式将从起始地址到达目标地址存在的多条路径存储在服务器的存储区。
表1示例性示出了从起始地址到达目标地址的路径信息表，如表1所示，表格中的内容为：假设起始地址的经度区间范围为[121.1511，121.1512)，纬度区间范围为[35.3088，35.3089)，目标地址的经度区间范围为[121.1501，121.1502)，纬度区间范围为[35.3075，35.3076)。从起始地址到达目标地址的路径有4条，分别为轨迹1，轨迹1的路径长度为2千米，在轨迹2上可用的行进方式为步行；轨迹2，轨迹2的路径长度为2.5千米，在轨迹2上可用的行进方式为步行和非机动车；轨迹3，轨迹,3的路径长度为2.3千米，在轨迹3上可用的行进方式为步行、非机动车和机动车；轨迹4，轨迹4的路径长度为3千米，在轨迹4上可用的行进方式为步行、非机动车和机动车。
可选的，轨迹1、轨迹2、轨迹3和轨迹4可以在配送人员需要时通过调用轨迹对应的文本或者图片显示。
比如，配送人员选用了轨迹1，则服务器可以调用轨迹1对应的数据，将该数据推送给配送人员的终端设备和下单配送人员的终端设备上。
表1：起始地址到达目标地址的路径信息表
上述表格1中示例了从经度区间范围为[121.1511，121.1512)、纬度区间范围为[35.3088，35.3089)的起始地址到经度区间范围为[121.1501，121.1502)且纬度区间范围为[35.3075，35.3076)的目标地址的路径信息表，其它路径也可以如上述表1的形式存储在服务器的存储区。
本申请实施例中，由于从起始地址到达目标地址可以存在多条路径，可以选择其中任一条路径作为配送人员从起始地址到达目标地址的实际路径，也可以将多条路径中长度最小的那条路径作为配送人员从起始地址到达目标地址的实际路径。
可选的，当配送人员选择不同的行进方式时，比如机动车、非机动车或者步行，配送人员从起始地址到达目标地址的实际路径可以不同，这是因为在不同的行进方式下路径可以不同，比如非机动车可以行驶通过一些机动车不可以通过的小道或者小巷。
本申请实施例中，服务器获取的起始地址和目标地址之间的路段属性信息可以是配送人员从起始地址到达目标地址的实际路径的路段属性信息。
第一种可选的实施方式中，终端设备根据电子地图确定从起始地址到达目标地址的实际路径，通过天气预报和电子地图确定实际路径的路段属性信息，并上报给服务器。
第二种可选的实施方式中，服务器根据电子地图确定从起始地址到达目标地址的实际路径，通过天气预报和电子地图获取实际路径的路段属性信息。
第三种可选的实施方式中，服务器可以从存储区获取从起始地址到达目标地址的实际路径，通过天气预报和电子地图确定实际路径的路段属性信息。
本申请实施例提供一种可选地实施方式，用于生成如表1的从起始地址到目标地址的路径信息表。获取配送人员在配送订单时的历史行进轨迹，表2示例性示出了配送人员的历史行进轨迹表，如表1所示，表格中第二行的内容为：在2017年10月24日10点45分41秒，配送人员的地址为东经121.15157224度，北纬31.30882465度。每隔20秒获取一个时间戳，并获取该时间戳对应的配送人员的地址。
表2：历史行进轨迹表
一种可选的实施方式中，可以根据每个配送人员的历史行进轨迹的时间戳，确定出历史行进轨迹的多个第一特征点；其中，历史行进轨迹中配送人员在多个第一特征点中的第一特征点对应的第一范围内滞留时长大于时长阈值。
根据上述表2，假设时长阈值为30秒，标号为3、4和5的地址的经纬度很接近，处于预设的第一范围内。服务器可以确定在该第一范围内滞留的时长为40秒，大于时长阈值为30秒，因此，服务器可以将标号为3或者标号为4或者标号为5的地址确定为一个第一特征点的地址。对于配送人员，第一特征点可以是当前地址、配送源地址或者配送目标地址。
本申请实施例中，将历史行进轨迹中的多个第一特征点按照时间戳的前后顺序排列。相邻的两个第一特征点中，前一个特征点的地址为起始地址，后一个第一特征点的地址为目标地址。
本申请实施例中，可以获取起始地址的经纬度和目标地址的经纬度，将起始地址的经纬度和目标地址的经纬度映射到经纬度区间范围内，一种可选的实施方式中，可以将起始地址的经纬度和目标地址的经纬度进行小数点后N位的截取，比如，起始地址的经纬度东经121.15157224度，北纬31.30882465度。假设将起始地址的经纬度进行小数点后4位的截取。可选的，可以通过直接进位的方式进行小数点后4位的截取，起始地址的经度为东经121.1516度，纬度为北纬31.3089度。可选的，可以通过将小数点第4位后的数字删除，起始地址的经度为东经121.1515度，纬度为31.3088度。可选的，可以通过将小数点第5位的数字进行四舍五入，起始地址的经度为东经121.1516度，纬度为31.3088度。假设，起始地址的经度为东经121.1516度，纬度为31.3088度，则可以将起始地址映射到经纬区间范围为[121.1516，121.1517)，纬度区间范围为[38.3088，38.3089)的区域中。
另一种可选的实施方式中，可以将起始地址的经纬度和目标地址的经纬度进行地图哈希(Geography Hash,Geohash)算法处理，Geohash可以将一个经纬度转换成可以排序可以比较的字符串编码，一个字符串编码代表一个经纬度区域范围。字符串中的字符越多，对应的经纬度区域范围在实际中的区域面积越小。因此，可以根据实际需求确定字符串中的字符数，比如，可以将起始地址的经纬度和目标地址的经纬度转换成7位的Geohash字符串。
本申请实施例中，除了将配送人员的历史行进轨迹中的第一特征点确定为起始地址和/或目标地址，还可以将配送人员配送的订单的配送源地址作为起始地址，将配送目标地址作为目标地址。
本申请实施例中，服务器可以根据电子地图获取从起始地址的经纬度区间范围到目标地址的经纬度区间范围的路径，并获取路径轨迹、路径的长度和在路径上可以选择的行进方式，将从起始地址的经纬度区间范围到目标地址的经纬度区间范围的路径，并获取路径轨迹、路径的长度和在路径上可以选择的行进方式进行整理，生成如图1的表格，存储在服务器的存储区。
如此，服务器存储区中存储有从起始地址到目标地址的路径信息表，在配送人员需要获取起从起始地址到目标地址的实际路径时，服务器可以直接调用存储区的数据，从而减少对第三方的电子地图系统的依赖。
上述步骤203中，一种可选的实施方式中，服务器可以根据起始地址和目标地址的实际路径的长度和估算行进速度，确定配送人员从起始地址行进至目标地址所需的时长。
一种可选的实施方式中，服务器可以获取订单，确定订单的配送源地址和订单的配送目标地址，可以获取配送订单的配送人员的当前地址。将当前地址作为起始地址，且将配送源地址作为目标地址，以及将配送源地址作为起始地址，且将配送目标地址作为目标地址。根据配送人员从当前地址行进至配送源地址所需的时长，以及配送人员从配送源地址行进至配送目标地址所需的时长的和，确定配送人员配送订单所需的总时长；将总时长反馈至配送人员的终端设备和/或订单的下单配送人员的终端设备。
本申请实施例中，服务器可以直接将当前地址行进至配送源地址所需的时长加上配送源地址行进至配送目标地址所需的时长作为配送订单所需的总时长。可选的，服务器可以将当前地址行进至配送源地址所需的时长乘以第一权重得到的第一值，将配送源地址行进至配送目标地址所需的时长乘以第二权重得到的第二值，将第一值和第二值相加得到的值作为配送订单所需的总时长，可选的，第一权重和第二权重之和可以等于1。
本申请实施例中，即使两个配送订单配送人员的从起始地址到达目标地址的路径是一样的，但每个配送人员的个人属性信息具有单一性，因此，将起始地址、目标地址、个人属性信息和路段属性信息作为速度估计模型的输入，从输出侧得到的从起始地址到目标地址之间的估算行进速度是不同的，从而使得从起始地址行进至目标地址所需的时长也不同。
本申请实施例中上述速度估算模型的构建方式有多种，本申请实施例提供一种可选地实施方式，用于构建速度估算模型。图3示例性示出了本申请实施例适用的一种构建速度估算模型的方式的流程示意图，如图3所示，
步骤301，服务器可以获取M个配送人员中配送人员预设类别的历史行进轨迹；M为正整数；
步骤302，针对M个配送人员中的配送人员，执行步骤3021和步骤3022；
步骤3021，将配送人员的历史行进轨迹划分出多个路段；
步骤3022，针对多个路段中的路段，获取配送人员的个人属性信息，以及配送人员经过路段时路段属性信息，且根据配送人员经过路段的时间戳和路段的路线长度，确定配送人员经过路段的实际行进速度；
步骤303，根据M个配送人员中的配送人员的个人属性信息、路段属性信息和配送人员经过路段的实际行进速度，进行模型训练，得到速度估算模型。
上述步骤3021中，服务器可以将配送人员的历史行进轨迹划分出多个路段，一种可选的实施方式中，可以确定历史行进轨迹中的多个第一特征点，确定第一特征点的方法请参见上文中确定从起始地址到目标地址的路径中的方法。确定出第一特征点后，可以根据第一特征点的时间戳将相邻两个时间戳对应的两个第一特征点之间的轨迹确定为一个路段。
图4示例性示出了本申请实施例适用的配送人员的历史行进轨迹示意图，如图4所示，配送订单的配送人员从点C获取两个订单，第一个订单的配送源地址为点A,配送目标地址为点B，第二个订单的配送源地址为点D，配送目标地址为点E。
可选的，历史行进轨迹中的路段可以是上文中介绍的多个第一特征点中两个第一特征点之间的路段，比如图4中的路段CA、路段AD、路段DE和路段EB。路段CA指点C和点A之间的路段，路段AD指点A到点D之间的路段，路段DE指点D和点E之间的路段，路段EB指点E和点B之间的路段。
另一种可选的实施方式自中，确定第一特征点后，可以确定第二特征点。
针对多个第一特征点中的第一特征点，执行：根据配送人员的实际行进速度和/或第一特征点的地址，确定第一特征点对应的第二特征点；其中，第二特征点为配送人员在第一特征点对应的第二范围内行进方式转换的点；将多个第一特征点中的两个第一特征点对应的两个第二特征点之间的路段作为历史行进轨迹中的路段。
图5示例性示出了本申请实施例适用的配送人员的历史行进轨迹示意图，如图5所示，包括第一特征点：点C、点A、点B、点D和点E，第二特征点：点C’、点A’、点B’、点D’和点E’。其中，点A可以在A所在的区域内的任意一点，点A’可以在A’所在的区域内的任意一点，区域在图5中以圆圈表示，点A’所在的区域为带牛A对应的第二范围，在点A’所在的区域内，配送配送人员可以转换行进方式。其它第一特征点和第二特征点的位置关系如位置点A和位置点A’的位置关系相同，在这里不再赘述。
举个例子，如果配送订单的配送人员去科技园区B配送订单，位置点B所在的圆圈可以代表该科技园区，由于该科技园区B不允许外来车辆进入，配送人员甲可以将交通工具停放在点B’所在的区域内，步行进入科技园区B，位置点B’为配送人员甲行进方式转换的点。
可选的，历史行进轨迹中的路段可以是上文中介绍的多个第二特征点中两个第二特征点之间的路段，比如图5中的路段C’A’、路段A’D’、路段D’E’和路段E’B’。路段C’A’指点C’和点A’之间的路段，路段A’D’指点A’到点D’之间的路段，路段D’E’指点D’和点E’之间的路段，路段E’B’指点E’和点B’之间的路段。
上述步骤302中,一种可选的实施方式中，服务器可以根据经过两个第二特征点之间的路段时间戳以及时间戳对应的位置点的经纬度确定经过该路段所需的时间和该路段的路线长度。
以两个第二特征点之间的路段D’E’为例，图6例性示出了本申请实施例适用的配送人员的历史行进轨迹示意图，如图6所示，包括两个第二特征点D’和E’，以及服务器在路段D’E’上的5个时间戳对应的5个位置点P0、P1、P2、P3和P4，位置点P0为位置点D’，位置点P4为位置点E’。假设P0点的时间戳t0为0:0:0，经纬度为(α0,β0)；P1点的时间戳t1为0:0:20，经纬度为(α1,β1)；P2点的时间戳t2为0:0:40，经纬度为(α2,β2)；P3点的时间戳t3为0:1:00，经纬度为(α3,β3)；P4点的时间戳t4为0:1:20，经纬度为(α4,β4)。α0、α1、α2、α3和α4表示的是经度，β0、β1、β2、β3和β4表示的是纬度。在图6中，服务器是每隔20秒获取一个时间戳，获取时间戳的间隔是可以根据不同的情况设置的。
一种可选的经过该路段D’E’所需的时间的实施方式中，可以直接将位置点P4的时间戳减去位置点P0的时间戳，得到80秒。也可以根据公式(1)得到路段D’E’所需的时间：
在公式(1)中，t为路段D’E’所需的时间，n为路段D’E’上获取的时间戳的个数，ti+1和t为时间戳的值。
服务器可以将路段D’E’的时间戳的值代入公式(1)得到路段D’E’所需的时间：t＝80秒。
一种可选的确定路段D’E’的路段长度的实施方式中，可以直接求取位置点P0到位置点P1的距离d，也可以将路段D’E’根据时间戳对应的位置点分成多个子距离，如图5所示，可以分成4个子路段d1、d2、d3和d4，d1表示P0到P1的子路段的长度，d2表示P1到P2的子路段的长度，d3表示P2到P3的子路段的长度，d4表示P3到P4的子路段的长度，再根据公式(2)得到路段D’E’的路线长度：
在公式(2)中，d为路段D’E’的路线长度，n为路段D’E’上获取的时间戳的个数，di为子路段的长度值。
服务器可以将路段D’E’的子路段的值代入公式(2)得到路段D’E’路线长度。
一种可选的实施方式中，可以根据公式(3)得到两个位置点之间的长度，比如P0P1之间的长度：
di＝R×arccos[cosβ1cosβ2cos(α1-α2)+sinβ1×sinβ2]…公式(3)
在公式(3)中，di为任两个位置点之间的长度，R为两个位置点所在的球体的半径，α1为第一个位置点的经度，β1为第一个位置点的纬度；α2为第二个位置点的经度，β2为第二个位置点的纬度。
一种可选的实施方式中，服务器可以根据经过路段D’E’所需的时间t和该路段D’E’的路段长度，得到经过路段D’E’的实际行进速度：
在公式(4)中，v为经过路段D’E’的实际行进速度；d为路段D’E’的路段长度，t为经过路段D’E’所需的时间t
本申请实施例是针对配送人员的历史行进轨迹中的两个第二特征点D’和E’为例，论述如何得到路段D’E’的实际行进速度。其它配送人员的历史行进轨迹中的两个第二特征点之间的实际行进速度也可以根据上文获取，在这里不再赘述。
一种可选的实施方式中，服务器可以根据配送人员的行进方式将该配送人员的历史进行轨迹中的路段对应的经过该路段所需的时间、该路段的路段长度和经过该路段的实际行进速度进行数据整理。
可选的，服务器可以根据历史值和行进方式为两个第二特征点之间的路段设置时间阈值，将配送人员在某种行进方式下，经过该路段所需的时间中超过该路段的时间阈值的时间删除。
可选的，服务器可以根据历史值和行进方式为两个第二特征点之间的路段设置路段长度阈值。将配送人员在某种行进方式下，确定的该路段的路段长度中大于该路段的路段长度阈值的路段长度删除。
可选的，服务器可以根据历史值和行进方式为两个第二特征点之间的实际行进速度设置速度范围。将配送人员在某种行进方式下，确定的该路段的实际行进速度中超出速度范围的实际行进速度删除。
如此，可以增加获取到的历史进行轨迹中的路段对应的经过该路段所需的时间、该路段的路线长度和经过该路段的实际行进速度的准确性，为下一步构建速度估算模型做准备。
一种可选的实施方式中，服务器还根据针对配送人员的历史行进轨迹中的路段，获取配送人员的个人属性信息，配送人员经过路段时的路段属性信息，比如，配送人员甲经过路段D’E’，配送人员甲的个人属性信息，包括配送人员甲的配送及时率、配送人员甲的标识、配送人员甲的配送订单年限、配送人员甲的行进方式和配送人员甲的实际行进速度的平均速度；配送人员甲经过路段D’E’的路段属性信息，包括经过该路段时的天气状况和刮风状况，比如，天气状态为晴天，刮风状况为风力3级，东北风方向等等。
一种可选的实施方式中，服务器可能获取不到完整的个人属性信息或者路段属性信息。服务器可以根据预设的默认值对个人属性信息或者路段属性信息进行补充，以获得完整的个人属性信息或者路段属性信息。
一种可选的是实施方式中，服务器可以按照时间顺序将配送人员的历史行进轨迹中的路段对应的个人属性信息、所路段的属性信息和配送人员经过路段的实际行进速度分为两组，第一组中的配送人员的历史行进轨迹中的路段对应的个人属性信息、路段属性信息和配送人员经过路段的实际行进速度用于进行模型训练，得到速度估算模型。将第二组中员工的历史行进轨迹中的路段对应的的个人属性信息、路段属性信息和配送人员经过路段的实际行进速度用于速度估算模型的评估。
一种可选的实施方式中，服务器可以利用第一组中的员工的历史行进轨迹中的路段对应的个人属性信息、路段属性信息和配送人员经过路段的实际行进速度迭代的训练速度估算模型中的参数，获取速度估算模型，将第二组的员工的历史行进轨迹中的路段对应的个人属性信息和路段属性信息作为该速度估算模型的输入，得到一个的输出侧速度，将该输出侧速度和该配送人员经过路段的实际行进速度进行对比，如果该输出侧速度和该配送人员经过路段的实际行进速度之差的绝对值小于预设阈值，则停止训练速度估算模型中的参数，获得速度估算模型。否则继续训练速度估算模型中的参数，直到输出侧速度和该配送人员经过路段的实际行进速度之差的绝对值小于预设阈值。
可选的，速度估算模型可以是神经网络训练模型，也可以是梯度提升树模型(Gradient Boosting Decision Tree，GBDT)。
基于以上实施例及相同构思，图7示出了本申请实施例提供的一种行程时长预估装置的结构示意图；如图7所示，行程时长预估装置700可以包括确定单元701、速度估算单元702和时长确定单元403。
本申请实施例中，获取单元，用于获取起始地址、目标地址和配送人员的个人属性信息；其中，配送人员的个人属性信息用于指示配送人员的历史行进轨迹的特征信息。速度估算单元，用于将起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度。时长确定单元，用于根据起始地址、目标地址和估算行进速度，确定配送人员从起始地址行进至目标地址所需的时长。
本申请实施例中由于将获取的起始地址、目标地址和个人属性信息作为速度估算模型的输入，且配送人员的个人属性信息用于指示该配送人员的历史行进轨迹的特征信息，因此从速度估算模型的输出的起始地址和目标地址之间的估算行进速度可以更加准确的逼近该配送人员的真实行进速度，从而根据起始地址、目标地址和估算行进速度确定的从起始地址行进至目标地址所需的时长可以更加准确。
一种可选的实施方式中，速度估算单元，具体用于：获取起始地址和目标地址之间的路段属性信息，其中，路段属性信息包括交通信息和/或天气信息，将路段属性信息、起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度。
一种可选的实施方式中，还包括模型确定单元，用于：获取M个配送人员中配送人员预设类别的历史行进轨迹，M为正整数，针对M个配送人员中的配送人员，执行：将配送人员的历史行进轨迹划分出多个路段，针对多个路段中的路段，获取配送人员的个人属性信息，以及配送人员经过路段时路段属性信息，且根据配送人员经过路段的时间戳和路段的路线长度，确定配送人员经过路段的实际行进速度，根据M个配送人员中的配送人员的个人属性信息、路段属性信息和配送人员经过路段的实际行进速度，进行模型训练，得到速度估算模型。
一种可选的实施方式中，模型确定单元，具体用于根据配送人员的历史行进轨迹的时间戳，确定出历史行进轨迹的多个第一特征点，其中，历史行进轨迹中配送人员在多个第一特征点中的第一特征点对应的第一范围内滞留时长大于时长阈值，将多个第一特征点中的两个第一特征点之间的路段作为历史行进轨迹中的路段。
一种可选的实施方式中，模型确定单元，具体用于：针对多个第一特征点中的第一特征点，执行根据配送人员的实际行进速度和/或第一特征点的地址，确定第一特征点对应的第二特征点，其中，第二特征点为配送人员在第一特征点对应的第二范围内行进方式转换的点，将多个第一特征点中的两个第一特征点对应的两个第二特征点之间的路段作为历史行进轨迹中的路段。
一种可选的实施方式中，配送人员的个人属性信息包括以下内容中的任一项或任多项：配送人员的派送订单及时率、配送人员的标识、配送人员的派送订单年限和配送人员对应的实际行进速度的平均速度。
一种可选的实施方式中，获取单元，具体用于获取订单，确定订单的派送源地址和订单的派送目标地址，获取派送订单的配送人员的当前地址，将当前地址作为起始地址，且将派送源地址作为目标地址，以及将派送源地址作为起始地址，且将派送目标地址作为目标地址，该装置还包括反馈单元，用于：根据配送人员从当前地址行进至派送源地址所需的时长，以及配送人员从派送源地址行进至派送目标地址所需的时长的和，确定配送人员派送订单所需的总时长，将总时长反馈至配送人员的终端设备和/或订单的下单人员的终端设备。
本申请实施例提供的时长预估装置具体阐述可参考上述实施例提供的时长预估方法，在这里不再赘述。
需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。在本申请实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现、当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。指令可以存储在计算机存储介质中，或者从一个计算机存储介质向另一个计算机存储介质传输，例如，指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质，(例如，软盘、硬盘、磁带、磁光盘(MO)等)、光介质(例如，CD、DVD、BD、HVD等)、或者半导体介质(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(Solid State Disk，SSD))等。本领域内的技术人员应明白，本申请实施例可提供为方法、系统、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例提供的一种计算机设备，该计算机设备可以包括存储器和处理器。
存储器可用于存储指令和数据，存储器可主要包括存储指令区和存储数据区，存储数据区可存储关联关系；存储指令区可存储操作系统、至少一个功能所需的指令等；指令可使处理器执行以下方法，具体方法包括：获取起始地址、目标地址和配送人员的个人属性信息；其中，配送人员的个人属性信息用于指示配送人员的历史行进轨迹的特征信息。将起始地址、目标地址和个人属性信息作为速度估算模型的输入，从速度估算模型的输出侧得到配送人员在起始地址和目标地址之间的估算行进速度。根据起始地址、目标地址和估算行进速度，确定配送人员从起始地址行进至目标地址所需的时长。
处理器是计算机设备的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器内的指令以及调用存储在存储器内的数据，执行计算机设备的各种功能和处理数据。可选的，处理器可包括一个或多个处理单元；可选的，处理器可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。在一些实施例中，处理器和存储器可以在单一芯片上实现，在一些实施例中，他们也可以在独立的芯片上分别实现。
本领域内的技术人员应明白，本申请实施例可提供为方法、装置、或计算机程序产品。因此，本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、装置、和计算机程序产品的流程图和/或方框图来描述的。应理解可由指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种行程时长预估方法，其特征在于，包括：
获取起始地址、目标地址和配送人员的个人属性信息；其中，所述配送人员的个人属性信息用于指示所述配送人员的历史行进轨迹的特征信息；
将所述起始地址、所述目标地址和所述个人属性信息作为速度估算模型的输入，从所述速度估算模型的输出侧得到所述配送人员在所述起始地址和所述目标地址之间的估算行进速度；
根据所述起始地址、所述目标地址和所述估算行进速度，确定所述配送人员从所述起始地址行进至所述目标地址所需的时长。
2.如权利要求1所述的方法，其特征在于，所述将所述起始地址、所述目标地址和所述个人属性信息作为速度估算模型的输入，从所述速度估算模型的输出侧得到所述配送人员在所述起始地址和所述目标地址之间的估算行进速度，包括：
获取所述起始地址和所述目标地址之间的路段属性信息；其中，所述路段属性信息包括交通信息和/或天气信息；
将所述路段属性信息、所述起始地址、所述目标地址和所述个人属性信息作为速度估算模型的输入，从所述速度估算模型的输出侧得到所述配送人员在所述起始地址和所述目标地址之间的估算行进速度。
3.如权利要求2所述的方法，其特征在于，所述获取起始地址、目标地址和配送人员的个人属性信息之前，还包括：
获取M个配送人员中配送人员预设类别的历史行进轨迹；所述M为正整数；
针对所述M个配送人员中的配送人员，执行：将所述配送人员的历史行进轨迹划分出多个路段；针对所述多个路段中的路段，获取所述配送人员的个人属性信息，以及所述配送人员经过所述路段时所述路段属性信息，且根据所述配送人员经过所述路段的时间戳和所述路段的路线长度，确定所述配送人员经过所述路段的实际行进速度；
根据所述M个配送人员中的所述配送人员的个人属性信息、所述路段属性信息和所述配送人员经过所述路段的实际行进速度，进行模型训练，得到所述速度估算模型。
4.如权利要求3所述的方法，其特征在于，所述将所述配送人员的历史行进轨迹划分出多个路段，包括：
根据所述配送人员的历史行进轨迹的时间戳，确定出所述历史行进轨迹的多个第一特征点；其中，所述历史行进轨迹中所述配送人员在所述多个第一特征点中的所述第一特征点对应的第一范围内滞留时长大于时长阈值；
针对所述多个第一特征点中的第一特征点，执行：
根据所述配送人员的实际行进速度和/或所述第一特征点的地址，确定所述第一特征点对应的第二特征点；其中，所述第二特征点为所述配送人员在所述第一特征点对应的第二范围内行进方式转换的点；
将所述多个第一特征点中的两个第一特征点对应的两个第二特征点之间的路段作为所述历史行进轨迹中的所述路段。
5.一种行程时长预估装置，其特征在于，包括：
获取单元，用于获取起始地址、目标地址和配送人员的个人属性信息；其中，所述配送人员的个人属性信息用于指示所述配送人员的历史行进轨迹的特征信息；
速度估算单元，用于将所述起始地址、所述目标地址和所述个人属性信息作为速度估算模型的输入，从所述速度估算模型的输出侧得到所述配送人员在所述起始地址和所述目标地址之间的估算行进速度；
时长确定单元，用于根据所述起始地址、所述目标地址和所述估算行进速度，确定所述配送人员从所述起始地址行进至所述目标地址所需的时长。
6.如权利要求5所述的装置，其特征在于，所述速度估算单元，具体用于：
获取所述起始地址和所述目标地址之间的路段属性信息；其中，所述路段属性信息包括交通信息和/或天气信息；
将所述路段属性信息、所述起始地址、所述目标地址和所述个人属性信息作为速度估算模型的输入，从所述速度估算模型的输出侧得到所述配送人员在所述起始地址和所述目标地址之间的估算行进速度。
7.如权利要求6所述的装置，其特征在于，还包括模型确定单元，用于：
获取M个配送人员中配送人员预设类别的历史行进轨迹；所述M为正整数；
针对所述M个配送人员中的配送人员，执行：将所述配送人员的历史行进轨迹划分出多个路段；针对所述多个路段中的路段，获取所述配送人员的个人属性信息，以及所述配送人员经过所述路段时所述路段属性信息，且根据所述配送人员经过所述路段的时间戳和所述路段的路线长度，确定所述配送人员经过所述路段的实际行进速度；
根据所述M个配送人员中的所述配送人员的个人属性信息、所述路段属性信息和所述配送人员经过所述路段的实际行进速度，进行模型训练，得到所述速度估算模型。
8.如权利要求7所述的装置，其特征在于，所述模型确定单元，具体用于：
根据所述配送人员的历史行进轨迹的时间戳，确定出所述历史行进轨迹的多个第一特征点；其中，所述历史行进轨迹中所述配送人员在所述多个第一特征点中的所述第一特征点对应的第一范围内滞留时长大于时长阈值；
针对所述多个第一特征点中的第一特征点，执行：
根据所述人员的实际行进速度和/或所述第一特征点的地址，确定所述第一特征点对应的第二特征点；其中，所述第二特征点为所述人员在所述第一特征点对应的第二范围内行进方式转换的点；
将所述多个第一特征点中的两个第一特征点对应的两个第二特征点之间的路段作为所述历史行进轨迹中的所述路段。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有指令，当所述指令在计算机上运行时，使得计算机实现执行如权利要求1至4中任一项所述的方法。
10.一种计算机设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行如权利要求1至4任一项所述的方法。
CN201711431235.6A 2017-12-26 2017-12-26 一种行程时长预估方法、装置及存储介质 Active CN108229879B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711431235.6A CN108229879B (zh) 2017-12-26 2017-12-26 一种行程时长预估方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711431235.6A CN108229879B (zh) 2017-12-26 2017-12-26 一种行程时长预估方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN108229879A true CN108229879A (zh) 2018-06-29
CN108229879B CN108229879B (zh) 2021-01-05

Family

ID=62648816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711431235.6A Active CN108229879B (zh) 2017-12-26 2017-12-26 一种行程时长预估方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN108229879B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109059952A (zh) * 2018-10-11 2018-12-21 国家卫星海洋应用中心 一种行程时长预测方法及装置
CN109284956A (zh) * 2018-08-10 2019-01-29 北京三快在线科技有限公司 一种任务时长确定方法及装置和电子设备
CN109711599A (zh) * 2018-11-26 2019-05-03 跨越速运集团有限公司 基于时效优先的物流自动化调度方法及系统
CN110135783A (zh) * 2019-05-15 2019-08-16 贵州西部农产品交易中心有限公司 一种茶产业智能冷链物流信息服务平台
CN110599078A (zh) * 2019-07-26 2019-12-20 平安科技（深圳）有限公司 物流配送信息的处理方法、装置及计算机设备
CN110706047A (zh) * 2018-07-10 2020-01-17 北京三快在线科技有限公司 一种确定订单的交付信息方法及装置
CN110807545A (zh) * 2019-10-22 2020-02-18 北京三快在线科技有限公司 任务时长的预估方法、装置、电子设备和存储介质
CN111047044A (zh) * 2018-10-11 2020-04-21 腾讯大地通途（北京）科技有限公司 Eta模型的训练方法、eta预估方法、装置及设备
CN111105058A (zh) * 2018-10-25 2020-05-05 阿里巴巴集团控股有限公司 跑步路线的动态估时方法和装置以及电子设备
CN111260151A (zh) * 2020-02-12 2020-06-09 上海东普信息科技有限公司 多频次派件时长预测方法、装置、设备及存储介质
CN111291682A (zh) * 2020-02-07 2020-06-16 浙江大华技术股份有限公司 确定目标对象的方法、装置、存储介质及电子装置
CN111598458A (zh) * 2020-05-18 2020-08-28 拉扎斯网络科技（上海）有限公司 任务处理方法、装置、电子设备及存储介质
CN111738479A (zh) * 2019-03-25 2020-10-02 本田技研工业株式会社 服务安排系统以及服务安排方法
CN112623603A (zh) * 2020-12-22 2021-04-09 四川合纵药易购医药股份有限公司 用于智能仓储的货物拣选方法
CN113139137A (zh) * 2020-01-19 2021-07-20 北京三快在线科技有限公司 确定poi坐标的方法、装置、存储介质及电子设备
CN113885492A (zh) * 2021-09-17 2022-01-04 广东嘉腾机器人自动化有限公司 一种agv行驶控制方法及系统
CN117635402A (zh) * 2024-01-25 2024-03-01 中国人民解放军国防科技大学 智慧流调系统、方法、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016019857A1 (zh) * 2014-08-04 2016-02-11 北京嘀嘀无限科技发展有限公司 服务派发系统及方法
CN105701564A (zh) * 2016-01-07 2016-06-22 北京京东尚科信息技术有限公司 运单配送提醒方法和装置
US20170069208A1 (en) * 2015-09-04 2017-03-09 Nokia Technologies Oy Method and apparatus for providing an alternative route based on traffic light status
CN107111794A (zh) * 2015-01-11 2017-08-29 微软技术许可有限责任公司 预测和利用地图服务中出行时间的可变性

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016019857A1 (zh) * 2014-08-04 2016-02-11 北京嘀嘀无限科技发展有限公司 服务派发系统及方法
CN107111794A (zh) * 2015-01-11 2017-08-29 微软技术许可有限责任公司 预测和利用地图服务中出行时间的可变性
US20170069208A1 (en) * 2015-09-04 2017-03-09 Nokia Technologies Oy Method and apparatus for providing an alternative route based on traffic light status
CN105701564A (zh) * 2016-01-07 2016-06-22 北京京东尚科信息技术有限公司 运单配送提醒方法和装置

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110706047A (zh) * 2018-07-10 2020-01-17 北京三快在线科技有限公司 一种确定订单的交付信息方法及装置
CN110706047B (zh) * 2018-07-10 2021-12-28 北京三快在线科技有限公司 一种确定订单的交付信息方法及装置
CN109284956A (zh) * 2018-08-10 2019-01-29 北京三快在线科技有限公司 一种任务时长确定方法及装置和电子设备
CN109059952A (zh) * 2018-10-11 2018-12-21 国家卫星海洋应用中心 一种行程时长预测方法及装置
CN111047044A (zh) * 2018-10-11 2020-04-21 腾讯大地通途（北京）科技有限公司 Eta模型的训练方法、eta预估方法、装置及设备
CN111105058A (zh) * 2018-10-25 2020-05-05 阿里巴巴集团控股有限公司 跑步路线的动态估时方法和装置以及电子设备
CN109711599A (zh) * 2018-11-26 2019-05-03 跨越速运集团有限公司 基于时效优先的物流自动化调度方法及系统
CN109711599B (zh) * 2018-11-26 2021-03-23 跨越速运集团有限公司 基于时效优先的物流自动化调度方法及系统
CN111738479A (zh) * 2019-03-25 2020-10-02 本田技研工业株式会社 服务安排系统以及服务安排方法
CN110135783A (zh) * 2019-05-15 2019-08-16 贵州西部农产品交易中心有限公司 一种茶产业智能冷链物流信息服务平台
CN110599078A (zh) * 2019-07-26 2019-12-20 平安科技（深圳）有限公司 物流配送信息的处理方法、装置及计算机设备
CN110807545A (zh) * 2019-10-22 2020-02-18 北京三快在线科技有限公司 任务时长的预估方法、装置、电子设备和存储介质
CN113139137A (zh) * 2020-01-19 2021-07-20 北京三快在线科技有限公司 确定poi坐标的方法、装置、存储介质及电子设备
CN113139137B (zh) * 2020-01-19 2022-05-03 北京三快在线科技有限公司 确定poi坐标的方法、装置、存储介质及电子设备
CN111291682A (zh) * 2020-02-07 2020-06-16 浙江大华技术股份有限公司 确定目标对象的方法、装置、存储介质及电子装置
CN111260151A (zh) * 2020-02-12 2020-06-09 上海东普信息科技有限公司 多频次派件时长预测方法、装置、设备及存储介质
CN111260151B (zh) * 2020-02-12 2022-06-24 上海东普信息科技有限公司 多频次派件时长预测方法、装置、设备及存储介质
CN111598458A (zh) * 2020-05-18 2020-08-28 拉扎斯网络科技（上海）有限公司 任务处理方法、装置、电子设备及存储介质
CN112623603A (zh) * 2020-12-22 2021-04-09 四川合纵药易购医药股份有限公司 用于智能仓储的货物拣选方法
CN112623603B (zh) * 2020-12-22 2021-09-07 四川合纵药易购医药股份有限公司 用于智能仓储的货物拣选方法
CN113885492A (zh) * 2021-09-17 2022-01-04 广东嘉腾机器人自动化有限公司 一种agv行驶控制方法及系统
CN113885492B (zh) * 2021-09-17 2023-12-05 广东嘉腾机器人自动化有限公司 一种agv行驶控制方法及系统
CN117635402A (zh) * 2024-01-25 2024-03-01 中国人民解放军国防科技大学 智慧流调系统、方法、计算机设备和存储介质
CN117635402B (zh) * 2024-01-25 2024-05-17 中国人民解放军国防科技大学 智慧流调系统、方法、计算机设备和存储介质

Also Published As

Publication number Publication date
CN108229879B (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN108229879A (zh) 一种行程时长预估方法、装置及存储介质
JP6942762B2 (ja) 運輸サービスの料金を求める方法及びシステム
TWI684746B (zh) 用於在地圖上顯示運輸工具的移動和行駛路徑的系統、方法和非暫時性電腦可讀取媒體
US11620592B2 (en) Systems and methods for planning transportation routes
US11494714B2 (en) Efficiency of a transportation matching system using geocoded provider models
CN107945507A (zh) 行程时间预测方法及装置
KR101994631B1 (ko) 서비스의 공급을 관리하기 위한 시스템 및 방법
CN108960694A (zh) 配送区域确定方法和装置
CN110400015A (zh) 一种时间估计方法及其装置、设备
CN104318477A (zh) 一种基于大数据的车辆保险评估的方法
Wang et al. Car4Pac: Last mile parcel delivery through intelligent car trip sharing
US10527439B2 (en) Navigation system based on air pollution exposure profiling
CN109564647A (zh) 评价装置、评价方法和评价程序
CN104613974B (zh) 导航时间获取方法、系统、导航方法和装置
US20200082315A1 (en) Efficiency of a transportation matching system using geocoded provider models
CN110570656B (zh) 定制公共交通线路方法及装置
US20200082313A1 (en) Efficiency of a transportation matching system using geocoded provider models
EP4138051A1 (en) Method of collecting data from fleet of vehicles
CN102610091B (zh) 出行服务信息的获取方法及装置
CN110544055A (zh) 订单处理方法和装置
CN107014392A (zh) 一种路线规划方法及设备
US11626021B2 (en) Systems and methods for dispatching shared rides through ride-hailing platform
Goudarzi Travel time prediction: comparison of machine learning algorithms in a case study
CN106530679B (zh) 微公交运行管理系统及方法
CN106295868A (zh) 交通出行数据处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant