CN109978418A - 一种订单配送时长确定方法及装置 - Google Patents

Abstract

本发明公开一种订单配送时长确定方法及装置，该方法包括：获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长，用以解决现有技术中存在订单配送时长评估不够准确的问题。

Description

一种订单配送时长确定方法及装置

技术领域

本发明涉及数据分析领域，尤其涉及一种订单配送时长确定方法及装置。

背景技术

随着互联网的发展，电子商务兴起，越来越多的用户选择网上购物，例如网上订餐，网上买衣服等等，因而加大了配送员的配送量，这在一定程度对配送平台准确评估配送员的配送时长提出了更高的要求。

例如目前网上订餐的配送平台为了预估骑手送达每一份订单所需要的时间，根据骑手距离目的地的距离进行阶段划分，将送餐过程分成三个时间段：1、取餐时间段：主要受餐厅出餐时间影响；2、骑行时间段：主要受距离及骑手速度影响；3、近距离配送时长段：主要受目标地楼层，拥挤程度影响(包含骑手停放电动车，进楼送餐，出楼骑上电动车等过程)。因为近距离配送时长段经常发生在大楼内，由于缺少准确的用户位置信息，加上GPS漂移等原因，导致这段时长评估结果很不准确，进而影响了整个订单的配送时长的评估准确性。

发明内容

本发明实施例提供一种订单配送时长确定方法及装置，用以解决现有技术中存在订单配送时长评估不够准确的问题。

第一方面，本发明方法包括一种订单配送时长确定方法，该方法包括：

获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；

根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；

根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

第二方面，基于同样的发明构思，本发明实施例还提供一种订单配送时长确定装置，该装置包括：

获取单元，用于获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；

确定行驶轨迹点单元，用于根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；

确定时长单元，用于根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

第三方面，本发明实施例还提供一种网路服务器，包括：通信接口、处理器、总线、以及存储器，其中，所述处理器调用存储在所述存储器中的指令，执行以下处理：

获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；

根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；

根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任一项所述的订单配送时长确定方法。

第五方面，本发明实施例提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任一项所述的订单配送时长确定方法。

本发明实施例通过获取配送人员的历史配送记录，利用其中的轨迹信息进行训练，训练方法主要是对距离目的地的一定范围内的配送人员轨迹点进行分析，确定出配送人员近距离开始配送至用户目的地的上下边界时刻，也就是开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点，从而利用起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，准确地确定出配送人员的近距离配送时长，因为起始行驶轨迹点和终止行驶轨迹点位于大楼外，位置是可信的，就可以避免配送人员处于楼内，GPS定位不准确的问题，因为近距离配送时长的训练结果更准确，所以可以提升整个订单的配送时长评估结果的准确性。

附图说明

为了更清楚地说明本发明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的前提下，还可以根据这些附图获得其他的附图。

图1a为本发明实施例提供的一种订单配送时长确定方法流程示意图一；

图1b为本发明实施例提供的一种订单配送时长确定方法流程示意图二；

图2为本发明实施例提供的一种历史轨迹示意图；

图3为本发明实施例提供的一种历史轨迹和订单信息示意图；

图4为本发明实施例提供的一种订单配送时长确定方法实例示意图；

图5为本发明实施例提供的轨迹序列分组示意图；

图6为本发明实施例提供的确定B单近距离时段边界轨迹点的示意图一；

图7为本发明实施例提供的确定B单近距离时段边界轨迹点的示意图二；

图8为本发明实施例提供的合并近距离时段的示意图；

图9为本发明实施例提供的一种订单配送时长确定装置结构示意图；

图10为本发明实施例提供一种网路服务器架构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

考虑到现有技术当配送人员进入大楼内部由于缺少准确的用户位置信息，加上GPS漂移，导致目前单纯根据距离得到的配送时长存在不准确的问题，本申请实施例提供一种订单配送时长确定方法，参见图1a所示，该方法可以由网上订餐平台的网络服务器执行，包括：

步骤101a，首先网络服务器获取配送人员的历史订单的配送记录。

步骤102a，因为配送记录包括订单目的地和配送人员的行驶轨迹；所以网络服务器可以根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点。

步骤103a，继而网络服务器根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

也就是网络服务器是对距离目的地的一定范围内的配送人员历史行驶轨迹做训练分析，确定出配送人员近距离开始配送至用户目的地的上下边界时刻，所谓上下边界时刻也就是开始近距离配送的起始行驶轨迹点对应的第一时刻和完成近距离配送的终止行驶轨迹点对应的第二时刻，从而可以准确地确定出配送人员的近距离配送时长，进而提升整个订单的配送时长评估结果的准确性。

具体来说，参见图1b所示，本发明实施例提供一种订单配送时长确定方法流程示意图，具体地实现方法包括：

步骤101b，网络服务器获取配送人员的历史订单的配送记录。

通常，对于网上订餐而言，每个订单的配送记录会携带每一笔订单的下单时刻以及目的地址，接单的配送人员信息、该配送人员的行驶轨迹，其中行驶轨迹是由若干个行驶轨迹点组成，每个行驶轨迹点都有对应的时间信息和坐标信息等。例如，如图2所示的配送人员行驶轨迹及订单配送信息，图2示出了该配送人员的30个连续行驶轨迹点，每个行驶轨迹点均有对应的编号、时间和经纬度信息。在步骤101中，网络服务器可以获取一定数量的历史订单的配送记录，也可以获取很多配送人员的历史记录，亦或是获取近期一段时间的历史记录。

需要说明的是，为了训练出更为准确的结果，针对一个目的地，在步骤101中，可以获取很多个配送人员配送该目的地对应的订单的历史轨迹，这样，最终训练配送时长时就可以根据很多个配送人员在所述订单目的地的近距离配送时长的平均值，确定任一配送人员在所述订单目的地的近距离配送时长，因为做是因为样本数量大，可以消除单个样本带来的误差。

步骤102b，针对一个订单目的地，根据该目的地坐标点，确定所述订单目的地对应的设定区域。

一般，可以以目的地为圆心、半径为150米所对应的圆形区域，作为设定区域，对于图2来说，配送人员各行驶轨迹点距离B单的目的地坐标(121.13644，41.0944)的半径150米的圆形区域内轨迹点编号区间为[16,27]。

步骤103b，从所述配送人员的行驶轨迹点中，筛选出时间连续的N个行驶轨迹点。其中，所述时间连续的N个行驶轨迹点位于所述设定区域内，且第1个和第N个行驶轨迹点的行驶速度均小于或等于第一阈值。

详细来说，网络服务器一方面可以按照时间发生从前到后的顺序，遍历位于所述设定区域内的所述配送人员的行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为起始行驶轨迹点；另一方面，可以按照时间发生从后到前的顺序，遍历位于所述设定区域内的所述配送人员的行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为终止行驶轨迹点；继而将包含所述起始行驶轨迹点和所述终止行驶轨迹点在内的两个行驶轨迹点之间的时间连续的行驶轨迹点作为所述时间连续的N个行驶轨迹点。

举例来说，假设配送人员的交通工具是助动车，考虑配送人员的步行速度与骑行速度存在不同，所以可以进一步地从设定区域内的多个轨迹点中确定配送人员真正开始步行的N个轨迹点，首先从所述配送人员的行驶轨迹点中，确定出所述设定区域中首个进入所述设定区域的轨迹点和即将离开所述设定区域的轨迹点；然后从首个进入所述设定区域的轨迹点开始遍历之后各个时刻的行驶轨迹点，确定出首个行驶速度低于所述第一阈值的行驶轨迹点为起始行驶轨迹点；紧接着从即将离开所述设定区域的轨迹点开始遍历之前各个时刻的行驶轨迹点，确定出首个行驶速度低于所述第一阈值的行驶轨迹点为终止行驶轨迹点。这样包括起始行驶轨迹点和终止行驶轨迹点以及它们之间的轨迹点的N个轨迹点就可以认定为处于步行状态。例如图2中的轨迹点编号区间为[22,27]为最终确定的第一订单的连续6个轨迹点，其中轨迹点22为起始行驶轨迹点，轨迹点27为终止行驶轨迹点。

步骤104b，根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

因为确定出了连续的N个行驶轨迹点，所以等于准确划分出了近距离配送时间段，所以说N个行驶轨迹点第一个行驶轨迹点和第N个行驶轨迹点之间的时间差即为近距离配送时长。对于图2来讲，轨迹点编号区间[22,27]之间的时间差为69秒，所以这一单的近距离配送时长为69秒。

当按照上述方法准确地划分出近距离配送时间段，就可以结合取餐时间段、骑行时间段从而确定配送人员从接单到配送完成所用的总时长，即准确地训练出了该笔订单所需配送时长。基于此，网上订餐平台还可以开展即时送达等业务，既规范了订单配送业务，也提高了配送效率。

详细来说，为了提高上述方法最终训练得出的订单配送时长结果的准确率，在执行步骤101之前，需要先对配送记录进行去噪，也就是过滤掉不满足条件的轨迹点，利用筛选之后的行驶轨迹点评估近距离配送时长。具体来说，网络服务器获取所述配送人员的行驶轨迹点的时刻信息和坐标信息；然后根据所述行驶轨迹点的时刻信息和坐标信息，对所述所述配送人员的行驶轨迹点进行过滤，得到过滤后的第一轨迹点集合；最终从所述配送人员过滤后的第一轨迹点集合中筛选出时间连续的N个行驶轨迹点。以一个配送人员的一个订单的配送记录举例来说，需要执行的筛选过程如下述步骤所示。

步骤a1、拆分该配送人员的该订单的配送记录并筛选出连续轨迹序列。

首先将该配送人员的该订单的行驶轨迹点按照时间排序编号，然后逐一计算相邻两个编号的轨迹点是否满足连续原则，所谓连续原则是指对于一个配送人员的编号连续的两个轨迹点，每个轨迹序列中相邻两个轨迹点所确定的所述配送人员的行驶速度均小于第二阈值。具体来说，假设两个轨迹点的距离为d(单位为米),时间差为t(单位为秒)，配送人员采用的交通工具为电动车，如果d/(60+t)>15,则认为两个轨迹点不连续，否则认为两个轨迹点是连续的，或者是如果距离d>1000,且d/(60+t)>15,则认为两个轨迹点不连续，否则认为两个轨迹点是连续。换句话说，如果配送人员的行驶速度大于15米/秒，说明配送人员超过正常骑行的最大速度，则很可能是GPS坐标发生漂移，所以两个轨迹点并不在临近的坐标点。

当按照上述连续原则，确定每个轨迹点与前一个轨迹点是否连续，如果是，则和前一个轨迹点放入同一个轨迹序列；否则，将这个轨迹点加入一个新的轨迹序列，用这个轨迹点的后一个轨迹点与之匹配是否连续，依次类推，这样配送人员的所有轨迹序列完成分组后，最终得到多个轨迹序列，假设其中存在由一个轨迹点构成的轨迹序列，则可以过滤掉仅有一个轨迹点的轨迹序列，最终得到的各个轨迹序列都是满足连续原则，且每个轨迹序列至少包含两个轨迹点。之所以这样划分轨迹序列，是为了将存在GPS漂移的轨迹点筛选出来，实际情况是配送人员在配送过程中可能会人为查看手机地图，自定义自己的位置坐标，导致手机地图当前自身定位与实际不符。

步骤b1，当按照步骤a1得到的该配送人员的各轨迹序列之后，可以按照时间顺序再进行分组，分组原则如下：

分别计算出第二轨迹序列的第一个轨迹点与该配送人员第一轨迹序列的最后一个轨迹点之间的到达速度，如果到达速度小于第二阈值，例如15米/秒，则将第二轨迹序列和第一轨迹序列划分至同一轨迹序列小组。所谓到达速度，是指两个轨迹点s1/s2，s1和s2之间的距离除以两者之间的时间差的绝对值，即为s1和s2的到达速度。如果到达速度不小于第二阈值，则把第二轨迹序列单独存入一个新的轨迹序列小组，紧接着，计算第三轨迹序列的第一个轨迹点与第一轨迹序列所在轨迹序列小组的最后一个轨迹点之间的到达速度，以及计算第三轨迹序列的第一个轨迹点与第二轨迹序列所在轨迹序列小组的最后一个轨迹点之间的到达速度，找到计算结果中的最小到达速度，然后判断最小到达速度是否小于第二阈值，若小于，则加入到该序列所在轨迹序列小组，通常经过该步分组后，配送人员正常的轨迹大部分会合并到一个组内，而异常数据会分到另外一个或多个组中。

步骤c1、针对步骤b1得到的该配送人员的每个轨迹序列小组，过滤不覆盖任何取送记录的轨迹序列小组，剩下的轨迹序列小组为该配送人员的有效轨迹序列小组。例如第一轨迹序列小组中有两个轨迹序列，但是订单送达时间均不在这两个轨迹序列内，则过滤掉这一分组。之所以要进行分组，如前一步骤所述，由于绝大多数正常的轨迹点会被分到一个组内，且订单取送数据一般不会落到其他异常数据的分组中，所以此步骤能过滤掉大部分异常数据分组，留下了正常的轨迹数据。

进一步地，在上述步骤103中，从所述配送人员的行驶轨迹点中，确定出时间连续的N个行驶轨迹点的具体过程包括如下步骤。

步骤a2，针对一个配送人员的每一个订单，从筛选出来的分组中确定出处于设定区域内的轨迹点，假设将首个进入设定区域的轨迹点作为进入轨迹点，将即将离开设定区域的轨迹点作为离开轨迹点。

步骤b2，对于包括进入轨迹点和离开轨迹点在内的进入轨迹点和离开轨迹点之间的行驶轨迹点，采用如下方法进行遍历：按时间发生排序从进入轨迹点往后遍历，遍历方法：从前往后滑动一个30秒以上的时间窗，如果该时间窗内轨迹点所确定的平均速度小于或等于2.5米/秒，则往下找，直到找到第一个平均速度小于2.5米/秒的时间窗，再从该时间窗内的轨迹点中从前往后查找到第一个与前一个轨迹点速度小于2.5米/秒的轨迹点，该点作为配送人员的近距离配送的起始行驶轨迹点。

步骤c2，对于包括进入轨迹点和离开轨迹点在内的进入轨迹点和离开轨迹点之间的行驶轨迹点，按时间发生排序从离开轨迹点往前遍历，采用如下方法进行遍历：从后往前滑动一个30秒以上的时间窗，找到第一个平均速度小于2.5米/秒的时间窗，再从该时间窗内的轨迹点中从后往前查找到第一个与前一个轨迹点速度小于2.5米/秒的轨迹点，该点作为近距离配送的终止行驶轨迹点。

需要说明的是，在实际生活中，很多个配送人员配送的订单可能部分订单目的地相同，即便一个配送人员，也可能存在目的地相同的订单。假设历史订单存在若干个配送人员配送同一个目的地的若干个订单，那么针对这若干个配送人员的每个配送人员，按照上述步骤从设定区域确定第一订单对应的起始行驶轨迹点和终止行驶轨迹点，以及确定第二订单对应的起始行驶轨迹点和终止行驶轨迹点，根据起始轨迹点和终止轨迹点分别对应的时刻的差值，确定出近距离配送时长，在这种情况下选择若干订单的配送时长的平均值或者最大值作为最终的两个订单的配送时长，这样做可以减少单个订单训练结果的误差，能准确地得出目的地对应的第一订单的配送时长。

为了更加具体地阐述上述方法，本申请实施例结合如下示例进行说明。如图3所示，历史订单的历史轨迹包括配送人员A的行驶轨迹点及订单信息，图3中给出了该配送人员30个连续轨迹点(标号为1-30)和在此期间送达的同一个配送的两个订单A和订单B，假设配送人员的交通工具为电动车。

如图4示出了订单配送时长确定方法流程示意图，如果两个订单A和B的目的地同为同一个高科技园区的一个大楼，结合图3来说，确定方法包括如下步骤。

步骤401，首先对该配送人员的轨迹编号，按照连续原则，对30个轨迹点进行切分，得到(1-7)、(8-9)、(10-13)、(14)、(15-30)五段连续轨迹序列。然后移除仅包含一个点的轨迹序列(14),再对剩下的各段轨迹序列依据分组原则进行分组，得到两个轨迹序列小组，如图5所示：

轨迹序列小组1：(1-7)、(10-13)、(15-30)

轨迹序列小组2：(8-9)

由于轨迹序列小组2期间无订单的取送记录，所以作为无用的分组被移除，最终得到去噪后的轨迹序列小组1：(1-7)、(10-13)、(15-30)。

步骤402，以B单为例，计算B单送达前后，骑手各轨迹点距离目标点(121.13644，41.0944)的距离，如图3所示的限定近距离配送时间段设定范围，选取首次和最后一次进入150米范围的轨迹点，得到设定范围对应的轨迹点编号区间[16,27]，但由于轨迹点19和轨迹点20之间配送人员送达了另一个大楼的A单，因此范围缩小至轨迹点编号区间[20,27]。

步骤403a，在轨迹点编号区间[20,27]之间设定起始行驶轨迹点，如图3所示，先从轨迹点20开始计算与之前的轨迹点的到达速度(即距离除以时间差的绝对值)，结果如图6所示，由于轨迹点20，21的时间加在一起不足30秒，从22开始，窗口(21，22)的时间超过30秒，而平均速度为2.23米/秒，低于2.5米/秒，因此用该窗口中第一个低于2.5米/秒的轨迹点即轨迹22作为近距离配送的起始行驶轨迹点。同理，从27往前推，得到第一个速度低于2.5米/秒的点27，则27即为终止行驶轨迹点，因此得到B单近距离配送的轨迹点编号区间[22,27]。

需要说明的是，从图7中确定B单的起始行驶轨迹点和所述终止行驶轨迹点可以看到，距离B单最近的轨迹点为23，因此B单的实际送达时间上下限为轨迹点23和27对应的时间点，即11:34:34-11:35:39之间，由于实际记录11:34:35在此范围内，因此11:34:35作为合法时间不做修正，假设B单的实际送达时间为11:34:33，则可以认定为是配送人员非法操作，提前点击了确认送达，这时可以对该记录进行主动校正，即校正B单的实际送达时间为11:34:34-11:35:39之间时刻。

步骤404，假设由步骤403得到，B单的近距离配送时间段的轨迹点编号区间为[22,27],同样的计算逻辑假设得到A单的近距离配送时间段的轨迹点编号区间为[22,26],考虑两个订单目的相同，因此取最大值，最终得到配送人员的时间段为[22,27],如图8所示，该配送人员最终得到一个近距离配送时间段，即从轨迹点22开始到轨迹点27结束，期间送达了同一目的地的A、B两个订单。当然，也可以采用取平均值的方法确定出最终得到配送人员的时间段，无论是取最大值还是取均值，都可以尽量减少单个订单的训练结果带来的误差。

从上述示例可见，我们得到了配送人员的近距离配送时间段和骑行时间段、配餐时间段的准确划分，基于这一划分结果，订餐平台就可以进行更多更复杂的分析了，例如开展准时送达业务。

基于同样的发明构思，本发明实施例还提供一种订单配送时长确定方法实例示意图，如图9所示，包括：获取单元501、确定行驶轨迹点单元502、确定时长单元503，其中：

获取单元，用于获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；

确定行驶轨迹点单元，用于根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；

确定时长单元，用于根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

进一步地，所述配送人员为预设数量，且预设数量的所述配送人员的订单目的地相同。

进一步地，所述确定时长单元503具体用于：根据预设数量的所述配送人员在所述订单目的地的近距离配送时长的平均值，确定任一配送人员在所述订单目的地的近距离配送时长。

进一步地，所述确定行驶轨迹点单元502具体用于：

根据所述配送人员的订单目的地，确定所述订单目的地对应的设定区域，所述设定区域以所述订单目的地为圆心且半径小于或等于设定值；

从所述配送人员的行驶轨迹点中筛选出时间连续的N个行驶轨迹点，其中，所述时间连续的N个行驶轨迹点位于所述设定区域内，且第1个和第N个行驶轨迹点的行驶速度均小于或等于第一阈值；

将所述时间连续的N个行驶轨迹点中的第1个和第N个行驶轨迹点分别作为开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点。

具体来说，所述确定行驶轨迹点单元502具体用于：

按照时间发生从前到后的顺序，遍历位于所述设定区域内的所述配送人员的行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为起始行驶轨迹点；

按照时间发生从后到前的顺序，遍历位于所述设定区域内的所述配送人员的行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为终止行驶轨迹点；

将包含所述起始行驶轨迹点和所述终止行驶轨迹点在内的两个行驶轨迹点之间的时间连续的行驶轨迹点作为所述时间连续的N个行驶轨迹点。

进一步地，所述确定行驶轨迹点单元502具体用于：

获取所述配送人员的行驶轨迹点的时刻信息和坐标信息；

根据所述行驶轨迹点的时刻信息和坐标信息，对所述所述配送人员的行驶轨迹点进行过滤，得到过滤后的第一轨迹点集合；

从所述配送人员过滤后的第一轨迹点集合中筛选出时间连续的N个行驶轨迹点。

进一步地，所述装置还包括：过滤单元504，用于根据所述行驶轨迹点的时刻信息和坐标信息将所述配送人员的行驶轨点迹点划分为多个轨迹序列，其中，所述轨迹序列中相邻两个行驶轨迹点所确定的所述配送人员的行驶速度均小于或等于第二阈值；

对所述多个轨迹序列进行分组，得到多个轨迹序列小组，并滤除不符合第一设定条件的轨迹序列小组，得到第一轨迹序列小组集合，其中，一个轨迹序列小组内的第二轨迹序列的第一个轨迹点与第一轨迹序列的最后一个轨迹点之间的到达速度小于或等于所述第二阈值，所述到达速度为第一个轨迹点和最后一个轨迹点之间的距离与两个轨迹点之间的时间差的比值的绝对值；所述第一设定条件为单个轨迹点对应的轨迹序列小组，和/或，不包含订单的取送时刻对应的轨迹点的轨迹序列小组。

进一步地，所述所述确定行驶轨迹点单元502具体用于：

从所述第一轨迹序列小组集合中确定位于设定区域内的第二轨迹序列小组集合；

按照时间发生从前到后的顺序，遍历所述第二轨迹序列小组集合中的各个行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为起始行驶轨迹点；

按照时间发生从后到前的顺序，遍历所述第二轨迹序列小组集合中的各个行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为终止行驶轨迹点。

基于相同的技术构思，本申请实施例提供一种网络服务器，该网络服务器可以是上文配送平台中的设备。图10为本发明提供的网络服务器的结构示意图，该网络服务器600包括：包括：通信接口601、处理器602、存储器603和总线系统604。

其中，存储器603，用于存放计算机程序，还可以存储接收的来自终端设备的一些定位数据信息等。具体地，计算机程序可以包括程序代码，程序代码可以包括计算机操作指令等。存储器603可能为随机存取存储器(英文：random-access memory，RAM)，也可能为非易失性存储器(英文：non-volatile memory，NVM)，例如至少一个磁盘存储器。图中仅示出了一个存储器，当然，存储器也可以根据需要，设置为多个。存储器603也可以是处理器602中的存储器。

一种示例说明，存储器603可以存储如下的元素、可执行模块或者数据结构等，或者是它们的子集，或者它们的扩展集：

操作指令：包括各种操作指令，用于实现各种操作。

操作系统：包括各种系统程序，用于实现各种基础业务以及处理基于硬件的任务。

处理器602用于网络服务器600的操作，处理器802还可以称为中央处理单元(central processing unit，CPU)。

通信接口601，用于与网络服务器600连接的其他终端设备进行信息收发等处理。

具体的应用中，网络服务器600的各个组件可以通过总线系统604耦合在一起，其中总线系统604除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线系统604。为便于表示，图10中仅是示意性画出。

上述本申请实施例揭示的方法可以应用于处理器602中，或者由处理器602实现。处理器602可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器602中的硬件集成逻辑电路或者软件形式的指令完成。上述的处理器602可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质可以位于存储器603中，处理器602可以读取存储器603中存储的信息，结合硬件执行以上方法步骤。

本实施例中提供的处理器602可以将通过通信接口获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。具体实现可以参照上述方法实施例中的具体描述，这里不再详细赘述。

综上，本发明实施例通过获取配送人员的历史配送记录，利用其中的轨迹信息进行训练，训练方法主要是对距离目的地的一定范围内的配送人员轨迹点进行分析，确定出配送人员近距离开始配送至用户目的地的上下边界时刻，也就是开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点，从而利用起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，准确地确定出配送人员的近距离配送时长，因为起始行驶轨迹点和终止行驶轨迹点位于大楼外，位置是可信的，就可以避免配送人员处于楼内，GPS定位不准确的问题，因为近距离配送时长的训练结果更准确，所以可以提升整个订单的配送时长评估结果的准确性。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种订单配送时长确定方法，其特征在于，该方法包括：

获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；

根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；

根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

2.根据权利要求1所述的方法，其特征在于，所述配送人员为预设数量，且预设数量的所述配送人员的订单目的地相同。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据预设数量的所述配送人员在所述订单目的地的近距离配送时长的平均值，确定任一配送人员在所述订单目的地的近距离配送时长。

4.如权利要求1至3任一项所述的方法，其特征在于，所述根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点，包括：

根据所述配送人员的订单目的地，确定所述订单目的地对应的设定区域，所述设定区域以所述订单目的地为圆心且半径小于或等于设定值；

从所述配送人员的行驶轨迹点中筛选出时间连续的N个行驶轨迹点，其中，所述时间连续的N个行驶轨迹点位于所述设定区域内，且第1个和第N个行驶轨迹点的行驶速度均小于或等于第一阈值；

将所述时间连续的N个行驶轨迹点中的第1个和第N个行驶轨迹点分别作为开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点。

5.如权利要求4所述的方法，其特征在于，所述从所述配送人员的行驶轨迹点中筛选出时间连续的N个行驶轨迹点，包括：

按照时间发生从前到后的顺序，遍历位于所述设定区域内的所述配送人员的行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为起始行驶轨迹点；

按照时间发生从后到前的顺序，遍历位于所述设定区域内的所述配送人员的行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为终止行驶轨迹点；

将包含所述起始行驶轨迹点和所述终止行驶轨迹点在内的两个行驶轨迹点之间的时间连续的行驶轨迹点作为所述时间连续的N个行驶轨迹点。

6.如权利要求4所述的方法，其特征在于，从所述配送人员的行驶轨迹点中筛选出时间连续的N个行驶轨迹点，包括：

获取所述配送人员的行驶轨迹点的时刻信息和坐标信息；

根据所述行驶轨迹点的时刻信息和坐标信息，对所述所述配送人员的行驶轨迹点进行过滤，得到过滤后的第一轨迹点集合；

从所述配送人员过滤后的第一轨迹点集合中筛选出时间连续的N个行驶轨迹点。

7.如权利要求6所述的方法，其特征在于，所述根据所述行驶轨迹点的时刻信息和坐标信息，对所述所述配送人员的行驶轨迹点进行过滤，包括：

根据所述行驶轨迹点的时刻信息和坐标信息将所述配送人员的行驶轨点迹点划分为多个轨迹序列，其中，所述轨迹序列中相邻两个行驶轨迹点所确定的所述配送人员的行驶速度均小于或等于第二阈值；

对所述多个轨迹序列进行分组，得到多个轨迹序列小组，并滤除不符合第一设定条件的轨迹序列小组，得到第一轨迹序列小组集合，其中，一个轨迹序列小组内的第二轨迹序列的第一个轨迹点与第一轨迹序列的最后一个轨迹点之间的到达速度小于或等于所述第二阈值，所述到达速度为第一个轨迹点和最后一个轨迹点之间的距离与两个轨迹点之间的时间差的比值的绝对值；所述第一设定条件为单个轨迹点对应的轨迹序列小组，和/或，不包含订单的取送时刻对应的轨迹点的轨迹序列小组。

8.如权利要求7所述的方法，其特征在于，所述确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点，包括：

从所述第一轨迹序列小组集合中确定位于设定区域内的第二轨迹序列小组集合；

按照时间发生从前到后的顺序，遍历所述第二轨迹序列小组集合中的各个行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为起始行驶轨迹点；

按照时间发生从后到前的顺序，遍历所述第二轨迹序列小组集合中的各个行驶轨迹点，将确定出的行驶速度小于或等于所述第一阈值的行驶轨迹点作为终止行驶轨迹点。

9.一种订单配送时长确定装置，其特征在于，该装置包括：

获取单元，用于获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；

确定行驶轨迹点单元，用于根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；

确定时长单元，用于根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。

10.一种网络服务器，其特征在于，包括：存储器、处理器；

所述处理器调用存储在所述存储器中的指令，执行以下处理：

获取配送人员的历史订单的配送记录，其中，所述配送记录包括订单目的地和配送人员的行驶轨迹；

根据所述配送人员的行驶轨迹，确定所述配送人员开始近距离配送的起始行驶轨迹点和完成近距离配送的终止行驶轨迹点；

根据所述起始行驶轨迹点对应的第一时刻和所述终止行驶轨迹点对应的第二时刻的差值，确定所述配送人员在所述订单目的地的近距离配送时长。