CN108734344B - 订单配送预测方法、装置、设备及计算机可读存储介质 - Google Patents
订单配送预测方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108734344B CN108734344B CN201810427842.3A CN201810427842A CN108734344B CN 108734344 B CN108734344 B CN 108734344B CN 201810427842 A CN201810427842 A CN 201810427842A CN 108734344 B CN108734344 B CN 108734344B
- Authority
- CN
- China
- Prior art keywords
- order
- virtual
- delivery
- characteristic data
- real
- 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.)
- Active
Links
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开实施例提供订单配送预测方法、装置、设备及计算机可读存储介质。订单配送预测方法包括:在用户下订单之前对订单特征数据进行预采集;根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送,从而能够按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力公司的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
Description
技术领域
本公开实施例涉及计算机应用技术领域,尤其涉及订单配送预测方法、装置、设备及计算机可读存储介质。
背景技术
目前配送行业存在大量运力配送公司,每个公司的配送质量及效率参差不齐。在外卖、新零售行业中,综合性运力平台可以承接全国各地的用户订单,并选择一个最合理、高效的方式完成物流配送。而在用户下订单之后,平台会呈现给用户一个预计送达时间,也称作“用户T”,方便用户合理安排时间。
发明内容
在实际应用中,发明人发现:在相关技术中,对订单配送结果的预测可以采用订单特征归类预测。即,通过对历史物流配送数据进行分析,寻找具有相似特征的订单信息,按照相似度值进行排序,得到历史结果,予以反馈。但是,配送过程的实时动态变化性较多,例如,人员、天气、压力值、实时调控等等都会影响配送效率。另外,配送平台(尤其是即时配送平台)的订单并发量往往非常之高,相似度的匹配存在一定的效率问题,因此,此方案的应用存在一定的困难
为了解决上述技术问题,本公开第一方面提供了一种订单配送预测方法,包括:
在用户下订单之前对订单特征数据进行预采集;
根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;
通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送。
结合第一方面,本公开在第一方面的第一种实现方式中,所述通过与按照处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,包括:
将根据预采集的订单特征数据生成的虚拟订单输入物流配送系统,物流配送系统识别所述虚拟订单并计算出相应的配送结果。
结合第一方面,本公开在第一方面的第二种实现方式中,所述通过与按照处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,包括:
按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果;
根据所述分流处理结果对所述虚拟订单进行配送结果预测。
结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式中的任一项,本公开在第一方面的第三种实现方式中,在对订单特征数据进行预采集之前,还包括:
监测用户是否确定了全部或部分订单内容;
其中,所述在用户下订单之前对订单特征数据进行预采集,包括:
在监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集。
结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式中的任一项,本公开在第一方面的第四种实现方式中,所述订单特征数据包括发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。
结合第一方面、第一方面的第一种实现方式和第一方面的第二种实现方式中的任一项,本公开在第一方面的第五种实现方式中,所述虚拟订单被标记以与所述真实订单相区分。
本公开第二方面提供了一种订单配送预测装置,包括:
预采集模块,被配置为在用户下订单之前对订单特征数据进行预采集;
生成模块,被配置为根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;
预测模块,被配置为通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送。
结合第二方面,本公开在第二方面的第一种实现方式中,所述预测模块包括:
将根据预采集的订单特征数据生成的虚拟订单输入物流配送系统,物流配送系统识别所述虚拟订单并计算出相应的配送结果。
结合第二方面,本公开在第二方面的第二种实现方式中,所述预测模块包括:
分流处理子模块,被配置为按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果;
预测子模块,被配置为根据所述分流处理结果对所述虚拟订单进行配送结果预测。
结合第二方面、第二方面的第一种实现方式和第二方面的第二种实现方式中的任一项,本公开在第二方面的第三种实现方式中,在所述预采集模块之前,还包括:
监测模块,被配置为监测用户是否确定了全部或部分订单内容;
其中,所述预采集模块被配置为:
在所述监测模块监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集。
结合第二方面、第一方面的第一种实现方式和第一方面的第二种实现方式中的任一项,本公开在第二方面的第四种实现方式中,所述订单特征数据包括发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。
结合第二方面、第一方面的第一种实现方式和第一方面的第二种实现方式中的任一项,本公开在第二方面的第五种实现方式中,所述虚拟订单被标记以与所述真实订单相区分。
本公开第三方面提供了一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如第一方面、第一方面的第一种实现方式至第五种实现方式中任一项所述的方法。
本公开第四方面提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现如第一方面、第一方面的第一种实现方式至第五种实现方式中任一项所述的方法。
在本公开实施方式中,通过在用户下订单之前对订单特征数据进行预采集;根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送,从而能够按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力公司的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
本公开的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本公开实施例或相关技术中的技术方案,下面将对示例性实施例或相关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公开的一些示例性实施例,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示出根据本公开一实施方式的订单配送预测方法的流程图;
图2示出根据图1所示的本公开实施方式的订单配送预测方法中的步骤S103的流程图;
图3示出根据本公开另一实施方式的订单配送预测方法的流程图;
图4示出根据本公开一实施方式的订单配送预测装置的结构框图;
图5示出根据图4所示的本公开实施方式的订单配送预测装置中的预测模块403的结构框图;
图6示出根据本公开另一实施方式的订单配送预测装置的结构框图;
图7示出根据本公开一实施方式的设备的结构框图;
图8是适于用来实现根据本公开一实施方式的订单配送预测方法的计算机系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本公开方案,下面将结合本公开示例性实施例中的附图,对本公开示例性实施例中的技术方案进行清楚、完整地描述。
在本公开的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
在相关技术中,对订单配送结果的预测可以采用订单特征归类预测。即,通过对历史物流配送数据进行分析,寻找具有相似特征的订单信息,按照相似度值进行排序,得到历史结果,予以反馈。但是,配送过程的实时动态变化性较多,例如,人员、天气、压力值、实时调控等等都会影响配送效率。另外,配送平台(尤其是即时配送平台)的订单并发量往往非常之高,相似度的匹配存在一定的效率问题,因此,此方案的应用存在一定的困难。本公开实施方式可以用来解决以上问题。
下面将结合本公开示例性实施例中的附图,对本公开示例性实施例中的技术方案进行清楚、完整地描述,显然,所描述的示例性实施例仅仅是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域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,都属于本公开保护的范围。
图1示出根据本公开一实施方式的订单配送预测方法的流程图。该方法可以包括步骤S101、S102和S103。
在步骤S101中,在用户下订单之前对订单特征数据进行预采集。
在步骤S102中,根据预采集的订单特征数据生成虚拟订单,其中,虚拟订单不被实际配送。
在步骤S103中,通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,真实订单被实际配送。
在一个实施例中,订单特征数据包括发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。即,在用户下订单之前,已经存在了一些构成未来订单的组成部分的订单特征数据。
在一个实施例中,当用户访问发货方时,可能生成订单特征数据。例如,发货方信息可以包括发货方的名称、身份、地址、经营项目等与发货方相关的信息。
在一个实施例中,当用户访问发货方并且选择了某项物品时,可能生成订单特征数据。例如,订单特征数据可能包括配送物品类型、配送物品尺寸、配送物品重量等与所要配送的物品相关的信息。本领域技术人员可以理解,配送物品类型、配送物品尺寸、配送物品重量等都可能对配送情况产生影响。例如,尺寸大、重量大的物品一般都需要较长的配送时间。例如,危险品类型的物品通常需要采用特殊的物流方式,因此也会增加配送时间。
在一个实施例中,当用户确定收货方时,可能生成订单特征数据。例如,订单特征数据可能包括配送距离、配送价格、与配送相关的天气信息、收货方信息。本领域技术人员可以理解,在一个实施例中,配送距离、配送价格、与配送相关的天气信息可能会由于配送路径的不同而不同。即使收货方地址不变,配送路径也可能会由于配送物品类型、配送物品尺寸、配送物品重量等而不同。收货方信息可能包括收货方的名称、身份、地址、经营项目等信息。
在一个实施例中,在用户下订单之前,这个潜在的订单(本公开实施例中也可以被称作虚拟订单,即,根据预采集的订单特征数据生成的虚拟订单)的各种订单特征数据会随着用户对发货方的选择、对物品的选择、对收货方的选择中的至少之一而随时变化。因此,对这种尚未发出的潜在的订单的订单特征数据的采集被称作预采集,这区别于对用户已经发出的订单中的订单特征数据的采集。
在一个实施例中,根据预采集的订单特征数据生成虚拟订单,其中,虚拟订单不被实际配送。在一个实施例中,虚拟订单被标记以与真实订单相区分。虚拟订单与真实订单相区分使得处理系统在处理虚拟订单时不会将其作为真实订单进行配送。在一个实施例中,真实订单指的是用户发出的已经确认的订单,真实订单被实际配送。在一个实施例中,在用户下订单之前,根据预采集的订单特征数据,诸如发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一,生成虚拟订单。
在一个实施例中,通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测指的是:将根据预采集的订单特征数据生成的虚拟订单输入物流配送系统,物流配送系统识别虚拟订单并计算出相应的配送结果。在一个实施例中,配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内(例如,几分钟内)的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间。
在本公开实施方式中,通过在用户下订单之前对订单特征数据进行预采集;根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送,从而能够按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
图2示出根据图1所示的本公开实施方式的订单配送预测方法中的步骤S103的流程图。如图2所示,步骤S103包括步骤S201和S202。
在步骤S201中,按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果。
在步骤S202中,根据分流处理结果对虚拟订单进行配送结果预测。
在一个实施例中,分流是物流行业的概念,指的是根据业务规则将物流订单信息分发到不同的配送运力单位。在一个实施例中,分流系统架构时支持识别虚拟订单,并合理划分虚拟订单与真实订单的处理区别,保证影响分流结果的处理逻辑完全一致。在一个实施例中,将根据预采集的订单特征数据生成的虚拟订单输入分流配送系统,分流配送系统识别虚拟订单并计算出相应的分流结果。
在一个实施例中,根据分流处理结果对虚拟订单进行配送结果预测指的是:根据分流系统处理得到的分流结果进行预测处理,输出预测结果。在一个实施例中,配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内(例如,几分钟内)的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间。
在本公开实施方式中,通过按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果;根据分流处理结果对虚拟订单进行配送结果预测,从而能够按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
图3示出根据本公开另一实施方式的订单配送预测方法的流程图。在图3所示的实施例中,除了包括与图1所示的实施例相同的步骤S101、S102、S103之外,在步骤S101之前,即,在对订单特征数据进行预采集之前,还包括步骤S301。
在步骤S301中,监测用户是否确定了全部或部分订单内容。
在一个实施例中,监测用户是否确定了全部或部分订单内容指的是:监测用户是否确定了订单特征数据,例如,发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。即,在用户对订单特征数据预采集之前,监测是否已经存在一些构成未来订单的组成部分的订单特征数据。例如,当用户在网络平台上点击了一家发货方、在一家发货方中选择了至少一个物品、确定了至少一个收货方之一时,可以监测到用户确定了全部或部分订单内容。当然,此处的全部或部分订单内容指的是潜在的订单(本公开实施例中也可以被称作虚拟订单)的订单内容。根据本公开的教导,本领域技术人员可以理解的是,订单内容中的一部分或全部可以被作为订单特征数据采集。在一个实施例中,某些用户的信息可以被作为订单内容,但是,这些用户信息由于某些原因不能被作为订单特征数据而被预采集。
在监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集指的是:用户确定了部分订单内容,此时可以对已经确定的订单内容中的订单特征数据进行采集。
在本公开实施方式中,通过在对订单特征数据进行预采集之前,还包括:监测用户是否确定了全部或部分订单内容;其中,所述在用户下订单之前对订单特征数据进行预采集,包括:在监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集,从而能够按提取出构成虚拟订单的订单特征数据,进而按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
图4示出根据本公开一实施方式的订单配送预测装置的结构框图。如图4所示的装置包括预采集模块401、生成模块402和预测模块403。
预采集模块401被配置为在用户下订单之前对订单特征数据进行预采集。
生成模块402被配置为根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送。
预测模块403被配置为通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送。
在一个实施例中,订单特征数据包括发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。即,在用户下订单之前,已经存在了一些构成未来订单的组成部分的订单特征数据。
在一个实施例中,当用户访问发货方时,可能生成订单特征数据。例如,发货方信息可以包括发货方的名称、身份、地址、经营项目等与发货方相关的信息。
在一个实施例中,当用户访问发货方并且选择了某项物品时,可能生成订单特征数据。例如,订单特征数据可能包括配送物品类型、配送物品尺寸、配送物品重量等与所要配送的物品相关的信息。本领域技术人员可以理解,配送物品类型、配送物品尺寸、配送物品重量等都可能对配送情况产生影响。例如,尺寸大、重量大的物品一般都需要较长的配送时间。例如,危险品类型的物品通常需要采用特殊的物流方式,因此也会增加配送时间。
在一个实施例中,当用户确定收货方时,可能生成订单特征数据。例如,订单特征数据可能包括配送距离、配送价格、与配送相关的天气信息、收货方信息。本领域技术人员可以理解,在一个实施例中,配送距离、配送价格、与配送相关的天气信息可能会由于配送路径的不同而不同。即使收货方地址不变,配送路径也可能会由于配送物品类型、配送物品尺寸、配送物品重量等而不同。收货方信息可能包括收货方的名称、身份、地址、经营项目等信息。
在一个实施例中,在用户下订单之前,这个潜在的订单的各种订单特征数据会随着用户对发货方的选择、对物品的选择、对收货方的选择中的至少之一而随时变化。因此,对这种尚未发出的潜在的订单的订单特征数据的采集被称作预采集,这区别于对用户已经发出的订单中的订单特征数据的采集。
在一个实施例中,根据预采集的订单特征数据生成虚拟订单,其中,虚拟订单不被实际配送。在一个实施例中,虚拟订单被标记以与真实订单相区分。虚拟订单与真实订单相区分使得处理系统在处理虚拟订单时不会将其作为真实订单进行配送。在一个实施例中,真实订单指的是用户发出的已经确认的订单,真实订单被实际配送。在一个实施例中,在用户下订单之前,根据预采集的订单特征数据,诸如发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一,生成虚拟订单。
在一个实施例中,通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测指的是:将根据预采集的订单特征数据生成的虚拟订单输入物流配送系统,物流配送系统识别虚拟订单并计算出相应的配送结果。在一个实施例中,配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内(例如,几分钟内)的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间。
在本公开实施方式中,通过预采集模块,被配置为在用户下订单之前对订单特征数据进行预采集;生成模块,被配置为根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;预测模块,被配置为通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送,从而能够按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
图5示出根据图4所示的本公开实施方式的订单配送预测装置中的预测模块403的结构框图。如图5所示,预测模块403包括分流处理子模块501和预测子模块502。
分流处理子模块501被配置为按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果。
预测子模块502被配置为根据分流处理结果对虚拟订单进行配送结果预测。
在一个实施例中,分流是物流行业的概念,指的是根据业务规则将物流订单信息分发到不同的配送运力单位。在一个实施例中,分流系统架构时支持识别虚拟订单,并合理划分虚拟订单与真实订单的处理区别,保证影响分流结果的处理逻辑完全一致。在一个实施例中,将根据预采集的订单特征数据生成的虚拟订单输入分流配送系统,分流配送系统识别虚拟订单并计算出相应的分流结果。
在一个实施例中,根据分流处理结果对虚拟订单进行配送结果预测指的是:根据分流系统处理得到的分流结果进行预测处理,输出预测结果。在一个实施例中,配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内(例如,几分钟内)的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间。
在本公开实施方式中,通过分流处理子模块,被配置为按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果;预测子模块,被配置为根据所述分流处理结果对所述虚拟订单进行配送结果预测,从而能够按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
图6示出根据本公开另一实施方式的订单配送预测装置的结构框图。在图6所示的实施例中,除了包括与图4所示的实施例相同的预采集模块401、生成模块402和预测模块403之外,在在进行对订单特征数据进行预采集的预采集模块401之前,还包括监测模块601。
监测模块601被配置为监测用户是否确定了全部或部分订单内容。
在一个实施例中,监测用户是否确定了全部或部分订单内容指的是:监测用户是否确定了订单特征数据,例如,发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。即,在用户对订单特征数据预采集之前,监测是否已经存在一些构成未来订单的组成部分的订单特征数据。例如,当用户在网络平台上点击了一家发货方、在一家发货方中选择了至少一个物品、确定了至少一个收货方之一时,可以监测到用户确定了全部或部分订单内容。当然,此处的全部或部分订单内容指的是潜在的订单(本公开实施例中也可以被称作虚拟订单)的订单内容。根据本公开的教导,本领域技术人员可以理解的是,订单内容中的一部分或全部可以被作为订单特征数据采集。在一个实施例中,某些用户的信息可以被作为订单内容,但是,这些用户信息由于某些原因不能被作为订单特征数据而被预采集。
在一个实施例中,预采集模块401被配置为在监测模块601监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集。在一个实施例中,用户确定了部分订单内容,此时可以对已经确定的订单内容中的订单特征数据进行采集。
在本公开实施方式中,通过监测模块,被配置为监测用户是否确定了全部或部分订单内容;其中,所述预采集模块被配置为:在所述监测模块监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集,从而能够按提取出构成虚拟订单的订单特征数据,进而按照与处理真实订单相同的方式处理虚拟订单,针对虚拟订单计算出相应的配送结果。配送结果可以是按照真实订单的方式计算虚拟订单在未来短时间内的承接运力,并且可以根据运力单位的情况计算更加准确的预计送达时间,可以给用户体验带来极大的提升,为配送平台的准时率提供保障。
以上描述了订单配送预测装置的内部功能和结构,在一个可能的设计中,该订单配送预测装置的结构可实现为订单配送预测设备,如图7中所示,该处理设备700可以包括处理器701以及存储器702。
所述存储器702用于存储支持订单配送预测装置执行上述任一实施例中订单配送预测方法的程序,所述处理器701被配置为用于执行所述存储器702中存储的程序。
所述存储器702用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器701执行。
所述处理器701用于执行前述各方法步骤中的全部或部分步骤。
其中,所述订单配送预测设备的结构中还可以包括通信接口,用于订单配送预测设备与其他设备或通信网络通信。
本公开示例性实施例还提供了一种计算机存储介质,用于储存所述订单配送预测装置所用的计算机软件指令,其包含用于执行上述任一实施例中订单配送预测方法所涉及的程序。
图8是适于用来实现根据本公开一实施方式的订单配送预测方法的计算机系统的结构示意图。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行上述图1所示的实施方式中的各种处理。在RAM803中,还存储有系统800操作所需的各种程序和数据。CPU801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本公开的实施方式,上文参考图1描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行图1的数据处理方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种订单配送预测方法,其特征在于,包括:
在用户下订单之前对订单特征数据进行预采集;
根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;
通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送,
所述预采集的订单特征数据随着用户对发货方的选择、对物品的选择、对收货方的选择中的至少之一而随时变化,其中,
所述通过与按照处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,包括:
将根据预采集的订单特征数据生成的虚拟订单输入物流配送系统,物流配送系统识别所述虚拟订单并计算出相应的配送结果;和/或
按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果;
根据所述分流处理结果对所述虚拟订单进行配送结果预测,
所述订单特征数据包括发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。
2.根据权利要求1所述的方法,其特征在于,在对订单特征数据进行预采集之前,还包括:
监测用户是否确定了全部或部分订单内容;
其中,所述在用户下订单之前对订单特征数据进行预采集,包括:
在监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集。
3.根据权利要求1所述的方法,其特征在于,所述虚拟订单被标记以与所述真实订单相区分。
4.一种订单配送预测装置,其特征在于,包括:
预采集模块,被配置为在用户下订单之前对订单特征数据进行预采集;
生成模块,被配置为根据预采集的订单特征数据生成虚拟订单,其中,所述虚拟订单不被实际配送;
预测模块,被配置为通过按照与处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,其中,所述真实订单被实际配送,
所述预采集的订单特征数据随着用户对发货方的选择、对物品的选择、对收货方的选择中的至少之一而随时变化,其中,
所述通过与按照处理真实订单相同的方式处理虚拟订单来对虚拟订单的配送结果进行预测,包括:
将根据预采集的订单特征数据生成的虚拟订单输入物流配送系统,物流配送系统识别所述虚拟订单并计算出相应的配送结果;和/或
分流处理子模块,被配置为按照与对真实订单进行的分流处理的相同的方式对虚拟订单进行分流处理,得到分流处理结果;
预测子模块,被配置为根据所述分流处理结果对所述虚拟订单进行配送结果预测,
所述订单特征数据包括发货方信息、配送物品类型、配送物品尺寸、配送物品重量、配送距离、配送价格、与配送相关的天气信息、收货方信息中的至少之一。
5.根据权利要求4所述的装置,其特征在于,在所述预采集模块之前,还包括:
监测模块,被配置为监测用户是否确定了全部或部分订单内容;
其中,所述预采集模块被配置为:
在所述监测模块监测到用户确定了全部或部分订单内容时,在用户下订单之前对订单特征数据进行预采集。
6.根据权利要求4所述的装置,其特征在于,所述虚拟订单被标记以与所述真实订单相区分。
7.一种电子设备,其特征在于,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-3任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现如权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810427842.3A CN108734344B (zh) | 2018-05-07 | 2018-05-07 | 订单配送预测方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810427842.3A CN108734344B (zh) | 2018-05-07 | 2018-05-07 | 订单配送预测方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108734344A CN108734344A (zh) | 2018-11-02 |
CN108734344B true CN108734344B (zh) | 2021-06-04 |
Family
ID=63937074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810427842.3A Active CN108734344B (zh) | 2018-05-07 | 2018-05-07 | 订单配送预测方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734344B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636455B (zh) * | 2018-12-06 | 2023-04-07 | 中山火炬职业技术学院 | 一种基于大数据实现的动态油墨价格产销系统 |
CN109598447A (zh) * | 2018-12-10 | 2019-04-09 | 拉扎斯网络科技(上海)有限公司 | 配送压力调整、订单分配方法及装置、电子设备及介质 |
CN109902858A (zh) * | 2019-01-23 | 2019-06-18 | 跨越速运集团有限公司 | 一种物流取货操作耗时智能预测方法及系统 |
CN109977006A (zh) * | 2019-02-18 | 2019-07-05 | 天津五八到家科技有限公司 | 订单匹配方法、装置、设备和存储介质 |
CN109886489A (zh) * | 2019-02-21 | 2019-06-14 | 上海德启信息科技有限公司 | 应用于中转资源的配置系统及方法 |
CN111738637A (zh) * | 2019-03-25 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置、电子设备及介质 |
CN110166633B (zh) * | 2019-05-20 | 2021-01-26 | 拉扎斯网络科技(上海)有限公司 | 一种通信方法、装置、可读存储介质和电子设备 |
CN110851703A (zh) * | 2019-09-30 | 2020-02-28 | 口碑(上海)信息技术有限公司 | 一种数据处理方法及装置 |
CN110955596B (zh) * | 2019-11-19 | 2023-05-19 | 拉扎斯网络科技(上海)有限公司 | 应用测试方法、装置、电子设备及计算机可读存储介质 |
CN113159659A (zh) * | 2020-01-22 | 2021-07-23 | 北京京东振世信息技术有限公司 | 更新货单时效的方法、装置、设备和计算机可读介质 |
CN112488199A (zh) * | 2020-11-30 | 2021-03-12 | 上海寻梦信息技术有限公司 | 物流配送方式预测方法、系统、设备及存储介质 |
CN114140945B (zh) * | 2021-08-06 | 2023-05-26 | 浙江口碑网络技术有限公司 | 智能柜的柜格申请方法、装置及计算设备 |
CN113780650B (zh) * | 2021-09-06 | 2024-03-26 | 杭州拼便宜网络科技有限公司 | 运力锁定方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203895A (zh) * | 2015-05-06 | 2016-12-07 | 重庆邮电大学 | 一种物流虚拟运行仿真系统 |
CN107437144A (zh) * | 2017-08-01 | 2017-12-05 | 北京闪送科技有限公司 | 一种订单调度方法、系统、计算机设备和存储介质 |
CN107437146A (zh) * | 2017-08-01 | 2017-12-05 | 北京同城必应科技有限公司 | 一种订单供需调度方法、系统、计算机设备和存储介质 |
CN107767212A (zh) * | 2017-09-27 | 2018-03-06 | 北京同城必应科技有限公司 | 一种供需关系的计算方法、装置、服务器和存储介质 |
-
2018
- 2018-05-07 CN CN201810427842.3A patent/CN108734344B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203895A (zh) * | 2015-05-06 | 2016-12-07 | 重庆邮电大学 | 一种物流虚拟运行仿真系统 |
CN107437144A (zh) * | 2017-08-01 | 2017-12-05 | 北京闪送科技有限公司 | 一种订单调度方法、系统、计算机设备和存储介质 |
CN107437146A (zh) * | 2017-08-01 | 2017-12-05 | 北京同城必应科技有限公司 | 一种订单供需调度方法、系统、计算机设备和存储介质 |
CN107767212A (zh) * | 2017-09-27 | 2018-03-06 | 北京同城必应科技有限公司 | 一种供需关系的计算方法、装置、服务器和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108734344A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734344B (zh) | 订单配送预测方法、装置、设备及计算机可读存储介质 | |
CN111523977B (zh) | 波次订单集合的创建方法、装置、计算设备和介质 | |
CN105096067A (zh) | 一种生成物流网络预警信息的方法及服务器 | |
CN112184348B (zh) | 订单数据处理方法、装置、电子设备及介质 | |
CN113239317A (zh) | 确定订单履约仓库的方法和装置 | |
CN111311147A (zh) | 包装箱回收方法、客户端、服务端和系统 | |
Brick et al. | A facility location and installation of resources model for level of repair analysis | |
Jiang et al. | A scheme for determining vehicle routes based on Arc-based service network design | |
CN114819861A (zh) | 一种物流货运平台的信息发布方法以及装置 | |
CN112819401A (zh) | 一种集包袋管理方法和系统 | |
CN111652439A (zh) | 一种派送点派件量的生成方法、装置及计算机系统 | |
CN109978421B (zh) | 信息输出方法和装置 | |
CN110619400A (zh) | 用于生成订单信息的方法和装置 | |
CN111461630A (zh) | 派送快递包裹的监控方法、装置、设备及存储介质 | |
CN116151718A (zh) | 一种海外仓管理系统、方法、设备及存储介质 | |
CN111680941A (zh) | 保价推荐方法、装置、设备及存储介质 | |
CN115525665A (zh) | 一种信息处理方法、装置、电子设备及计算机可读介质 | |
CN115099865A (zh) | 一种数据处理方法和装置 | |
CN113379173B (zh) | 为仓库商品标记标签的方法和装置 | |
CN110084541B (zh) | 用于预测供应商送货时长的方法和装置 | |
CN112581181A (zh) | 申报价格的异常挖掘方法、装置、电子设备及可读介质 | |
CN113780611A (zh) | 一种库存管理方法和装置 | |
CN111062661A (zh) | 一种基于销量预测的库容分配方法及装置 | |
CN112819393B (zh) | 订单切分的方法和装置 | |
CN114620402B (zh) | 信息处理方法、装置、设备及存储介质 |
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 |