CN111311144B - 数据处理方法、装置、服务器和非易失性存储介质 - Google Patents

数据处理方法、装置、服务器和非易失性存储介质 Download PDF

Info

Publication number
CN111311144B
CN111311144B CN202010058711.XA CN202010058711A CN111311144B CN 111311144 B CN111311144 B CN 111311144B CN 202010058711 A CN202010058711 A CN 202010058711A CN 111311144 B CN111311144 B CN 111311144B
Authority
CN
China
Prior art keywords
information
delivery
distribution
determining
state
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
Application number
CN202010058711.XA
Other languages
English (en)
Other versions
CN111311144A (zh
Inventor
张鹏
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 CN202010058711.XA priority Critical patent/CN111311144B/zh
Publication of CN111311144A publication Critical patent/CN111311144A/zh
Application granted granted Critical
Publication of CN111311144B publication Critical patent/CN111311144B/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
    • G06Q10/0833—Tracking
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Signal Processing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例涉及信息处理技术领域，公开了一种数据处理方法、装置、服务器和非易失性存储介质。上述数据处理方法包括：通过至少一个处理器跟踪记录来自第一类客户端上传的物联网信息；解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；根据所述匹配度，自动为所述配送资源关联待配送任务；将关联的所述待配送任务的配送数据传输至所述第一类客户端，可以精确刻画出配送资源当前时刻的配送状态，从而有利于合理高效的进行配送任务的分配，在一定程度上缩短了从用户下单到完成配送所需的时长，有利于提高服务器对配送任务的处理效率。

Description

数据处理方法、装置、服务器和非易失性存储介质
技术领域
本发明涉及信息处理技术领域，特别涉及一种数据处理方法、装置、服务器和非易失性存储介质。
背景技术
目前，物流配送中，骑手在配送过程中的配送状态，对用户从下单到取餐的时间(Estimated time of arrival，简称：ETA)的估算、取餐与到达送餐目的点之间非骑行状态所花的时间(Estimated time of stay，简称：ETS)的估算以及配送难易程度的确定等均有很大帮助。相关技术中，通常通过骑手在地图导航中的定位速度是否在0的附近，估算出骑手已经下车，处于取餐、送餐状态。或者通过骑手点击屏幕上的“已到达”、“已配送”等按钮交互的方式来估算骑手状态。
然而，发明人发现相关技术中至少存在如下技术问题：地图导航中的定位速度会受到环境、骑手姿态等多因素的干扰，导致判断不准。如骑手长时间等红绿灯，误认为下车取餐；骑手快跑送餐，误认为还在骑行过程中，即对于配送状态的估计不准确。骑手提前点击送达，或者滞后点击已取餐，来规避自己责任，从而使系统误判真实配送状态或者位置。系统在为骑手分配订单时，缺乏准确的配送状态做参考，难以进行合理高效的派单，在一定程度上导致从用户下单到骑手完成配送所需的时长较长，从而影响了系统对订单的处理效率，使处理效率较低。
发明内容
本发明实施方式的目的在于提供一种数据处理方法、装置、服务器和非易失性存储介质，可以精确刻画出配送资源当前时刻的真实配送状态，从而有利于合理高效的进行配送任务的分配，在一定程度上缩短了从用户下单到完成配送所需的时长，有利于提高服务器对配送任务的处理效率。
为解决上述技术问题，本发明的实施方式提供了一种数据处理方法，包括：通过至少一个处理器跟踪记录来自第一类客户端上传的物联网信息；通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；通过至少一个处理器根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；根据所述匹配度，通过至少一个处理器自动为所述配送资源关联待配送任务；将关联的所述待配送任务的配送数据传输至所述第一类客户端。
本发明的实施方式还提供了一种数据处理装置，包括：跟踪记录装置，用于跟踪记录来自第一类客户端上传的物联网信息；第一确定模块，用于解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；第二确定模块，用于根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；关联模块，用于根据所述匹配度，通过至少一个处理器自动为所述配送资源关联待配送任务；传输模块，用于将关联的所述待配送任务的配送数据传输至所述第一类客户端。
本发明的实施方式还提供了一种服务器，包括存储器和处理器，存储器存储计算机程序，处理器运行程序时执行：跟踪记录来自第一类客户端上传的物联网信息；解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；根据所述匹配度，自动为所述配送资源关联待配送任务；将关联的所述待配送任务的配送数据传输至所述第一类客户端。。
本发明的实施方式还提供了一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如上所述的数据处理方法。
本发明实施方式相对于现有技术而言，主要区别及其效果在于：第一类客户端上传的物联网信息能够在一定程度上精确的反映与配送资源的配送状态相关的配送特征，因此，通过解析物联网信息，有利于精确刻画出配送资源当前时刻的真实配送状态，可以实时跟踪配送资源在执行配送任务的整个配送过程中的配送状态。根据当前时刻的配送状态，确定配送资源与当前的各待配送任务的匹配度，根据匹配度，自动为配送资源关联的待配送任务，将关联的待配送任务的配送数据传输至第一类客户端。由于，配送状态在一定程度上可以体现出配送资源的位置，以及配送资源下一时刻可能做的事情，比如配送资源下一时刻的行进方向。因此，配送资源与当前的各待配送任务的匹配度可以体现哪些是根据当前的配送状态确定的与配送资源下一时刻的行进方向可能顺路的待配送任务，以避免向配送资源关联可能存在折返路径的待配送任务，对配送资源造成不必要的损失，在一定程度上缩短了从用户下单到完成配送所需的时长，有利于合理高效的进行配送任务的分配，提高整体配送效率，从而提高服务器对配送任务的处理效率。同时，由于确定的配送状态的精确性，从而提高了根据不同时刻的配送状态确定的ETA和ETS的精确性。
另外，所述配送状态为以下任意之一：下车准备进入配送区域取餐、进入所述配送区域、进入店铺、离开所述店铺、离开所述配送区域、上车进入骑行状态、下车准备送达用户、送达用户；其中，所述配送区域为所述配送资源正在执行的配送任务对应的配送区域。通过对整个配送过程中的配送状态的细分，有利于提高基于配送资源当前的配送状态，确定的配送资源与当前的各待配送任务的匹配度的准确性。
另外，所述根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长，包括：根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器确定所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返，并确定需要折返时的折返路径距离；根据所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返和需要折返时的折返路径距离，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长。提供了一种代价时长的确定方式，是否需要折返和需要折返时的折返路径距离，可以准确的反映配送资源移动至各待配送任务对应的配送起始地的行进方向是否与配送资源下一时刻的行进方向顺路以及不顺路时需要折返的距离，从而有利于准确的预估配送资源移动至各待配送任务对应的配送起始地的代价时长。
另外，在所述确定所述第一类客户端对应的配送资源当前时刻的配送状态之后，还包括：通过至少一个处理器记录确定的配送状态以及所述确定的配送状态的时刻信息；在记录了不同配送状态的时刻信息后，根据不同配送状态的时刻信息，通过至少一个处理器预估以下时长之一或其任意组合：根据所述进入店铺的时刻信息与所述离开所述店铺的时刻信息，预估的所述店铺的准备时长；根据所述下车准备进入配送区域取餐的时刻信息和上车进入骑行状态的时刻信息，预估的下车取餐与送达用户之间非骑行状态的时长；根据所述进入配送区域的时刻信息、进入店铺的时刻信息、离开所述店铺的时刻信息和离开所述配送区域的时刻信息，预估的到所述店铺取餐的路径时长；根据所述下车准备送达用户的时刻信息和所述送达用户的时刻信息，预估的送餐的路径时长。通过预估的上述时长，方便后续的配送资源与待配送任务之间的匹配度的确定。同时，还有利于对后续配送任务的预计送达时长进行准确的预估。另外，对于后续的配送资源，可以根据上述时长，在时长之内进行相关待配送任务的分配；比如，店铺的准备时长，配送资源进入店铺后，服务器可以在该店铺的准备时长之内，向该配送资源分配附近的店铺的待配送任务，该配送资源可以在店铺的准备时长内去其他店铺取餐，以合理的利用预估的该店铺的准备时长，进一步提高派单的合理性的高效性。
另外，所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：通过至少一个处理器解析出所述物联网信息关联的所述配送资源正在执行的配送任务的信息；将所述配送任务的信息和所述物联网信息输入预先训练的融合模型，输出所述第一类客户端对应的配送资源当前时刻的配送状态；其中，所述融合模型根据历史物联网信息和与所述历史物联网信息关联的历史配送任务的信息训练得到。由于融合模型预先根据历史物联网信息和与历史物联网信息关联的历史配送任务的信息训练得到，即训练融合模型的数据来源于真实历史数据，参考价值高，可使得融合模型输出的配送状态更加准确、可靠。
另外，所述物联网信息至少包括卫星信息，所述卫星信息包括卫星数目和卫星信号信噪比；所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：通过至少一个处理器解析所述物联网信息中的所述卫星信息，并对比当前时刻与上一时刻的所述卫星信息；若卫星数目减少且卫星信号信噪比降低，则通过至少一个处理器确定当前时刻的配送状态为所述进入配送区域；若卫星数目增多且卫星信号信噪比增强，则通过至少一个处理器确定当前时刻的配送状态为所述离开所述配送区域。卫星数目和卫星信号信噪比的变化能够反映配送资源进入配送区域或离开配送区域的配送特征，因此通过卫星数目和卫星信号信噪比的变化能够准确的确定配送资源是否进入配送区域或离开配送区域。
另外，所述物联网信息包括：所述店铺内的第二类客户端对应的第一预设信号的信号强度，所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：通过至少一个处理器解析所述物联网信息中的所述第一预设信号的信号强度，并对比当前时刻与前一时刻的所述第一预设信号的信号强度；若第一预设信号的信号强度增大，则通过至少一个处理器确定当前时刻的配送状态为所述进入所述店铺；若第一预设信号的信号强度减小，则通过至少一个处理器确定当前时刻的配送状态为所述离开所述店铺。第一预设信号的信号强度的变化能够反映配送资源进入店铺或离开店铺时的配送特征，因此通过第一预设信号的信号强度的变化能够准确的确定配送资源是否进入店铺或离开店铺。
另外，所述物联网信息还包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息；所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：根据所述经纬度信息和所述气压计信息，通过至少一个处理器确定所述第一类客户端的位置信息；根据所述第一类客户端的位置信息和所述店铺的位置信息，通过至少一个处理器确定所述第一类客户端与所述店铺的间隔距离；若所述间隔距离处于预设范围之内，则通过至少一个处理器对比当前时刻与上一时刻的所述陀螺仪信息和所述加速度计信息；若所述陀螺仪信息的变化量和所述加速度计信息的变化量均大于预设变化量，则通过至少一个处理器对比当前时刻与上一时刻的所述间隔距离；若当前时刻的所述间隔距离小于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述下车准备进入配送区域取餐；若当前时刻的所述间隔距离大于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述上车进入骑行状态。结合经纬度信息和气压计信息有利于准确的确定第一类客户端的位置信息。结合第一类客户端与店铺之间的间隔距离的变化、陀螺仪信息的变化以及加速度计信息的变化能够反映配送资源下车准备进入配送区域取餐或上车进入骑行状态这两种配送状态的相关配送特征，因此通过间隔距离、陀螺仪信息以及加速度计信息的变化能够准确的确定配送资源是否下车准备进入配送区域取餐或上车进入骑行状态。
附图说明
图1是根据本发明第一实施方式中的数据处理方法的流程图；
图2是根据本发明第二实施方式中的数据处理方法的流程图；
图3是根据本发明第三实施方式中的数据处理装置的示意图；
图4是根据本发明第四实施方式提供的服务器的结构示意图。
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，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种数据处理方法，应用于服务器。下面对本实施方式的数据处理的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式的数据处理方法的流程图可以如图1所示，该方法包括：
步骤S101，通过至少一个处理器跟踪记录来自第一类客户端上传的物联网信息。
其中，第一类客户端对应于配送资源，可以为配送资源所使用的手机、智能手表、智能手环、平板电脑等便携的终端设备。配送资源可以为骑手、无人机、智能车辆等具有配送能力的资源。物联网(Internet of things，简称：IOT)信息，可以为第一类客户端通过其内部设置的传感器采集到的信息。本领域技术人员可以根据实际需要在第一客户端内设置需要的传感器或信号收发器，从而通过传感器或信号收发器采集到需要的信息。
具体的说，第一类客户端可以实时或周期性的采集IOT信息，并发送至服务器，使得服务器中的至少一个处理器可以跟踪记录来自第一类客户端上传的IOT信息。
步骤S102，通过至少一个处理器解析物联网信息，确定第一类客户端对应的配送资源当前时刻的配送状态。
其中，配送资源当前时刻的配送状态为以下任意之一：下车准备进入配送区域取餐、进入配送区域、进入店铺、离开店铺、离开配送区域、上车进入骑行状态、下车准备送达用户、送达用户；其中，配送区域为配送资源正在执行的配送任务对应的配送区域。配送区域可以理解为配送资源正在前往的商圈，商圈内分布有一定数量的店铺，比如可以为室内的商场，或是包括多家店铺的小吃城。进入配送区域和离开配送区域两种配送状态可以分别理解为进入商圈和离开商圈。相比于空旷的区域，进入商圈后，第一类客户端可观测的卫星数目有所减少，且检测到的卫星信号信噪比也有所降低。
在一个例子中，IOT信息至少包括卫星信息，卫星信息包括卫星数目和卫星信号信噪比，进入商圈和离开商圈两种配送状态的确定方式可以如下：
服务器可以通过至少一个处理器解析物联网信息中的卫星信息，并对比当前时刻与上一时刻的卫星信息。若卫星数目减少且卫星信号信噪比降低，则通过至少一个处理器确定当前时刻的配送状态为进入配送区域。若卫星数目增多且卫星信号信噪比增强，则通过至少一个处理器确定当前时刻的配送状态为离开配送区域。其中，本实施方式中所提到的上一时刻可以为前1秒、前30秒、前1分钟，具体时间可以根据实际需要进行设置，本实施方式对此不做具体限定。
另外，进入配送区域和离开配送区域两种配送状态的确定还可以结合卫星信息的变化程度。比如，上述的卫星数目减少，可以理解为：卫星数目的减少量大于预设减少量。卫星信号信噪比降低，可以理解为：卫星信号信噪比的降低量大于预设降低量。卫星数目增多，可以理解为：卫星数目的增多量大于预设增多量。卫星信号信噪比增强，可以理解为：卫星信号信噪比的增强量大于预设增强量。其中，预设减少量、预设降低量、预设增多量和预设增强量均可以根据实际需要进行设置，本实施方式对此不做具体限定。
在一个例子中，IOT信息还包括：店铺内的第二类客户端对应的第一预设信号的信号强度。在外卖场景下，该店铺可以为骑手需要取餐的店铺。第二类客户端可以为店铺内的终端设备，比如店铺内设置的日常经营所需的电脑。第一预设信号可以为第二类客户端发出的信号，具体可以为以下任意之一或其组合wifi信号、ibeacon信号、蓝牙信号。比如，第二类客户端设置的模块可以包括以下任意之一或其组合：wifi模块、ibeacon模块、蓝牙模块。通过wifi模块可以发出wifi信号，通过ibeacon模块可以发出ibeacon信号、通过蓝牙模块可以发出蓝牙信号。可以理解的是，若配送资源以骑手为例，第一类客户端以骑手的手机为例，若骑手进入店铺，则骑手的手机感知的第一预设信号的信号强度会增强；若骑手离开店铺，则骑手的手机感知的第一预设信号的信号强度会减弱。
具体的说，进入店铺和离开店铺两种配送状态的确定方式可以如下：
服务器可以通过至少一个处理器解析物联网信息中的第一预设信号的信号强度，并对比当前时刻与前一时刻的第一预设信号的信号强度。若第一预设信号的信号强度增大，则通过至少一个处理器确定当前时刻的配送状态为进入店铺；若第一预设信号的信号强度减小，则通过至少一个处理器确定当前时刻的配送状态为离开店铺。
另外，进入店铺和离开店铺两种配送状态的确定还可以结合第一预设信号的信号强度的变化程度。比如，上述的第一预设信号的信号强度增大，可以理解为：第一预设信号的信号强度的增大量大于预设增大量；第一预设信号的信号强度减小，可以理解为：第一预设信号的信号强度的减小量大于预设减小量。其中，预设增大量和预设减小量可以根据实际需要进行设置，本实施方式对此不做具体限定。
在一个例子中，IOT信息还包括：第三类客户端对应的第二预设信号的信号强度，其中，第三类客户端为发起配送资源正在执行的配送任务的客户端，比如，在外卖场景第三类客户端可以为下单的用户所使用的手机等终端设备。第二预设信号可以为第三类客户端发出的信号，比如可以为：wifi信号和/或蓝牙信号。可以理解的是，若配送资源以骑手为例，第三类客户端以用户的手机为例，若骑手送达用户，则骑手的手机感知的第二预设信号的信号强度会增强。可以理解的是，第三类客户端发出的wifi信号、蓝牙信号可以携带第三类客户端的标识；上述第二类客户端发出的wifi信号、蓝牙信号可以携带第二类客户端的标识；使得服务器可以根据携带的标识区分接收到的wifi信号、蓝牙信号属于第一预设信号还是第二预设信号。
具体的说，送达用户的配送状态的确定方式可以如下：
服务器可以通过至少一个处理器解析第二预设信号的信号强度，对比当前时刻与上一时刻的第二预设信号的信号强度；若第二预设信号的信号强度增大，则确定当前时刻的配送状态为送达用户。其中，第二预设信号的信号强度增大，可以理解为：第二预设信号的信号强度增大量大于预设增大量，预设增大量可以根据实际需要进行设置，本实施方式对此不做具体限定。以外卖场景为例，上述送达用户这一配送状态的确定方式可以有效的避免骑手提前点击送达，或者滞后点击已取餐，来规避自己责任。
在一个例子中，IOT信息还包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息。下车准备进入配送区域取餐这一配送状态可以理解为：骑手下车准备进入商圈；上车进入骑行状态这一配送状态可以理解为：骑手取完餐上车，开始规划送餐路径。经纬度信息、陀螺仪信息、加速度计信息、气压计信息可以均为骑手使用的手机采集到的信息。气压计信息可以反映骑手的手机的高度，结合经纬度信息可以更快地得到骑手的手机所在的位置。通常骑手处于骑行过程中，手机的状态为相对静止，因此陀螺仪信息和加速度计信息的变化量不大，在上车或是下车的瞬间陀螺仪信息和加速度计信息的变化量会相对较大。
具体的说，下车准备进入配送区域取餐与上车进入骑行状态两种配送状态的确定方式可以如下：
服务器可以根据经纬度信息和气压计信息，通过至少一个处理器确定第一类客户端的位置信息。根据第一类客户端的位置信息和实体对象的位置信息，通过至少一个处理器确定第一类客户端与店铺的间隔距离。若间隔距离处于预设范围之内，则通过至少一个处理器对比当前时刻与上一时刻的陀螺仪信息加速度计信息；若陀螺仪信息的变化量和加速度计信息的变化量均大于预设变化量，则通过至少一个处理器对比当前时刻与上一时刻的间隔距离；若当前时刻的间隔距离小于上一时刻的间隔距离，则通过至少一个处理器确定当前时刻的配送状态为下车准备进入配送区域取餐；若当前时刻的间隔距离大于上一时刻的间隔距离，则通过至少一个处理器确定当前时刻的配送状态为上车进入骑行状态。其中，预设范围和预设变化量可以根据实际需要进行设置，预设范围用于表征配送资源与店铺之间的间隔距离较小，预设变化量用于表征陀螺仪信息和加速度计信息的变化量较大。
比如说，外卖场景下：服务器可以根据骑手的手机采集的经纬度信息和气压计信息确定骑手的位置，然后再确定骑手与骑手取餐的店铺之间的间隔距离，若间隔距离处于预设范围，即骑手距离取餐店铺较近，即将到达取餐店铺。此时，在间隔距离越来越小，即在骑手越来越接近取餐店铺的过程中，若检测到陀螺仪信息和加速度计信息的变化量较大，则可以确定骑手的配送状态为下车的状态。若间隔距离越来越大，即在骑手越来越远离取餐店铺的过程中，若检测到陀螺仪信息和加速度计信息的变化量较大，则可以确定骑手的配送状态为上车的状态。
在一个例子中，下车准备送达用户这一配送状态可以理解为是送达用户的前一个状态。比如配送目的地是A小区20号楼802室，那么骑手到达20号楼下车时的状态可以理解为骑手下车准备送达用户的状态。该状态的确定方式可以为：若骑手当前位置与配送目的地的间隔距离处于预设范围，骑手处于越来越接近配送目的地的过程，此时若检测到陀螺仪信息和加速度计信息的变化量较大则可以确定配送状态为骑手下车准备送达用户。
在具体实现中，在确定第一类客户端对应的配送资源当前时刻的配送状态之后，还可以：记录确定的配送状态以及确定的配送状态的时刻信息。在记录了不同配送状态的时刻信息后，根据不同配送状态的时刻信息，预估以下时长之一或其任意组合：
根据进入店铺的时刻信息与离开店铺的时刻信息，预估的店铺的准备时长；
根据下车准备进入配送区域取餐的时刻信息和上车进入骑行状态的时刻信息，预估的下车取餐与送达用户之间非骑行状态的时长；
根据进入配送区域的时刻信息、进入店铺的时刻信息、离开店铺的时刻信息和离开配送区域的时刻信息，预估的到店铺取餐的路径时长；
根据下车准备送达用户的时刻信息和送达用户的时刻信息，预估的送餐的路径时长。
通过预估的上述时长，方便后续的配送资源与待配送任务之间的匹配度的确定，即匹配度的确定还可以结合上述时长。
比如，骑手1与任务1之间的匹配度的确定，可以结合预估的任务1对应的店铺1的准备时长，假设预估的骑手1从当前所在位置移动至店铺1的代价时长为10分钟，预估的店铺1的准备时长小于或等于10分钟，即骑手1移动至店铺1时无需等待就可以取餐离开，此时可以确定骑手1与任务1的匹配度相对较高。再比如，预估的骑手1从当前所在位置移动至店铺1的代价时长为10分钟，预估的店铺1的准备时长大于10分钟，即骑手1移动至店铺1时还需等待一段时间才能取餐离开，相当于增加了代价时长，此时可以确定骑手1与任务1的匹配度相对较低。
通过预估的上述时长，还有利于对后续相关配送任务的预计送达时长，即对用户从下单到订单送达的时长ETA进行准确的预估。
比如，预估的到店铺取餐的路径时长，可以表征到该店铺取餐的难易程度，若后续的配送资源到该店铺取餐时，可以考虑到该店铺取餐的难易程度，合理的预估配送资源到该店铺取餐需要的时长，并将该时长融入该店铺的待配送任务的预计送达时长中，使得可以更加准确的计算预计送达时长，给用户提供准确的参考，有利于提高用户体验。同时，预估的到店铺取餐的路径时长还可以为后续的配送资源提供参考，供后续的配送资源合理的规划时间。
再比如，预估的送餐的路径时长，可以表征送达该用户位置的送餐难易程度。若后续的待配送任务为送达该用户位置的任务时，可以考虑到送达该用户位置的送餐难易程度，合理的预估配送资源送达该用户位置需要的时长，并将该时长融入需要送达该用户位置的待配送任务的预计送达时长中，使得可以更加准确的计算预计送达时长，给用户提供准确的参考，有利于提高用户体验。
另外，预估的下车取餐与送达用户之间非骑行状态的时长ETS，可以排除骑行过程中骑行速度、交通状况等因素的影响，表征非骑行状态带来的配送难度。ETS可以为其他配送资源在配送同类任务时提供参考，供其他配送资源合理利用时间。其中，同类任务可以为：配送起始地为上述取餐的店铺，配送目的地为上述用户位置的配送任务。
通过预估的上述时长，对于后续的配送资源，还可以根据上述时长，在时长之内进行相关待配送任务的分配；比如，店铺的准备时长，配送资源进入店铺后，服务器可以在该店铺的准备时长之内，向该配送资源分配附近的店铺的待配送任务，该配送资源可以在店铺的准备时长内去其他店铺取餐，以合理的利用预估的该店铺的准备时长，进一步提高派单的合理性的高效性。
步骤S103，通过至少一个处理器根据当前时刻的配送状态，确定配送资源与当前的各待配送任务的匹配度。
其中，当前的各待配送任务均对应有配送起始地，比如可以为需要骑手取餐的店铺的位置。具体的说，可以通过至少一个处理器确定当前的各待配送任务对应的配送起始地。然后根据各待配送任务对应的配送起始地和当前时刻的配送状态，通过至少一个处理器预估配送资源移动至各待配送任务对应的配送起始地的代价时长。最后，根据预估的代价时长，通过至少一个处理器确定配送资源与当前的各待配送任务的匹配度。在具体实现中，代价时长越长，表明若配送资源接受该待配送任务需要付出的代价越高，则该待配送任务与该配送资源的匹配度越低。
在一个例子中，代价时长的预估方式可以为：根据各待配送任务对应的配送起始地和当前时刻的配送状态，确定配送资源移动至各待配送任务对应的配送起始地是否需要折返，并确定需要折返时的折返路径距离。然后，根据配送资源移动至各待配送任务对应的配送起始地是否需要折返和需要折返时的折返路径距离，预估配送资源移动至各待配送任务对应的配送起始地的代价时长。比如，代价时长的可以通过折返距离与配送资源的平均移动速度预估得到。
假设，骑手当前的配送状态为上车进入骑行状态，表明骑手已经出了商圈进入骑行状态，当前的待配送任务包括：任务1(对应的配送起始地为商圈内1楼某店铺)、任务2(对应的配送起始地为商圈内3楼某店铺)、任务3(对应的配送起始地为商圈外某店铺且该店铺与骑手当前位置较近，骑手骑行过程中会经过)。可以理解的是，在当前配送状态下，若骑手移动至任务1对应的配送起始地，需要下车并返回商圈去1楼；若骑手移动至任务2对应的配送起始地，需要下车并返回商圈去3楼；若骑手移动至任务3对应的配送起始地，可以继续前行无需返回。由此可见，任务1与任务2均需折返，且任务2对应的折返距离大于任务1对应的折返距离，任务3无需折返。代价时长的可以通过折返距离与骑手的平均移动速度预估得到，因此，预估的3个任务对应的代价时长的大小关系，从大到小依次为：任务2、任务1、任务3。对应的，3个任务与骑手的匹配度的大小关系，从大到小依次为：任务3、任务1、任务2。
步骤S104，根据匹配度，通过至少一个处理器自动为配送资源关联待配送任务。
在一个例子中，可以直接将匹配度最大的待配送任务，作为配送资源关联待配送任务。
在另一个例子中，还可以结合配送资源当前已经接受的任务量，确定为配送资源关联的待配送任务的数量，然后根据匹配度的大小排序，选择匹配度高的若干个待配送任务，作为为配送资源关联待配送任务。比如，配送资源当前已经接受的任务量较少，为配送资源关联的待配送任务的数量可以较多；相反的，配送资源当前已经接受的任务量较多，为配送资源关联的待配送任务的数量可以较少。
配送资源以骑手为例，即可以结合骑手当前的背单量，确定为骑手关联的待配送订单的数量。当然，还可以结合骑手的评价以及预估的可以接受待配送订单的其他骑手的数量等，确定为骑手关联的待配送订单的数量。然而，本实施方式对此不做具体限定。
在具体实现中，自动为配送资源关联待配送任务的方式还可以为：若确定当前时刻的配送状态为进入配送区域，则为配送资源关联与配送区域对应的待配送任务。比如，若当前时刻的配送状态为进入商圈，则可以为骑手关联同商圈内的待配送订单。同商圈的配送订单可以理解为位于该商圈内的店铺的配送订单。若当前时刻的配送状态为离开商圈，则可以停止为骑手关联同商圈内的待配送订单。
可选的，若确定当前时刻的配送状态为送达用户，则为配送资源关联与用户的位置对应的待配送任务。比如，若当前时刻的配送状态为骑手送达用户，则可以为骑手关联与用户的位置对应的待配送订单。与用户的位置对应的待配送订单可以为用户所在位置附近的店铺产生的待配送订单。
步骤S105，将关联的待配送任务的配送数据传输至第一类客户端。
具体的说，服务器可以将待配送任务的配送数据发送至第一类客户端，以供第一类客户端对应的配送资源选择是否接受该配送任务。其中，待配送任务的配送数据可以包括：配送起始地、配送目的地、配送费等数据。
以外卖场景骑手的配送状态为例，骑手在配送过程中依次会经历如下配送状态：骑手下车准备进入商圈取餐、进入商圈、骑手进入店铺取餐、骑手取餐完毕离开店铺、离开商圈、骑手上车进入骑行状态准备送餐、骑行途中、骑手下车准备送达用户、骑手送达用户。骑手在配送订单的过程中，骑手的手机会实时或周期性采集IOT信息并上报至服务器。服务器根据当前时刻的配送状态，确定骑手与当前的各待配送订单的匹配度，根据所匹配度，自动为骑手关联待配送订单，将关联的待配送订单的配送数据传输至骑手端。
服务器结合IOT信息中的经纬度信息、陀螺仪信息、加速度计信息、气压计信息等确定骑手下车准备进入商圈的状态，该时刻点记为T1。当骑手进入商圈室内时候，通过卫星信号信噪比，可见卫星数目等变化关系，若检测到卫星信号信噪比急剧降低、卫星数目显著减少、观测到的低仰角卫星消失的时刻为T2，则可以T2时刻的配送状态为进入商圈。随着骑手取餐接近店铺，如果骑手的手机检测到店铺内的iBeacon模块发出的iBeacon信号显著增强的时刻为T3，则可以确定T3时刻的配送状态为骑手进入店铺取餐。骑手取餐完毕，离开店铺，若骑手的手机检测到的iBeacon信号显著降低的时刻为T4，则可以确定T4时刻的配送状态为骑手取餐完毕离开店铺。骑手离开商圈室内，若检测到卫星信号信噪比急剧增强、卫星数目显著增多、观测到的低仰角卫星重新出现的时刻为T5，则以确定T5时刻的配送状态为离开商圈。再次结合经纬度信息、陀螺仪信息、加速度计信息、气压计信息等确定骑手上车准备开始骑行的状态，该时刻点记为T6。骑手到达用户门栋，下车准备送达用户的状态的时刻记为T7。若骑手的手机扫描到用户的手机广播的WIFI信号显著增强的时刻为T8，则可以确定T8时刻的配送状态为送达用户。
通过上述各时间点可以得出ETS为(T6-T1)，ETA为(T8-T0)，T0为用户下单的时间点。(T3-T2+T5-T4)为取餐的路径时间，可以表征骑手取餐的难易程度。(T8-T7)为送餐的路径时间，可以表征骑手送餐的难易程度。有利于准确衡量到达该店铺处的取餐难度和为送达至该用户处的送餐难度，从而对后续该店铺处的取餐时间和该用户处的送餐时间提供参考，优化整体配送过程。另外通过实时精确刻画出骑手的配送状态，可以在骑手处于商圈室内取餐过程中的T2～T5时间段内，为骑手追加同商圈的店铺产生的待配送订单，还可以在T7～T8时间段内，为骑手追加用户位置附近的店铺产生的待配送订单，以降低取餐时间，提高整体配送效率。
与现有技术相比，本实施方式中，第一类客户端上传的物联网信息能够在一定程度上精确的反映与配送资源的配送状态相关的配送特征，因此，通过解析物联网信息，有利于精确刻画出配送资源当前时刻的真实配送状态，可以实时跟踪配送资源在执行配送任务的整个配送过程中的配送状态。根据当前时刻的配送状态，确定配送资源与当前的各待配送任务的匹配度，根据匹配度，自动为配送资源关联的待配送任务，将关联的待配送任务的配送数据传输至第一类客户端。由于，配送状态在一定程度上可以体现出配送资源的位置，以及配送资源下一时刻可能做的事情，比如配送资源下一时刻的行进方向。因此，配送资源与当前的各待配送任务的匹配度可以体现哪些是根据当前的配送状态确定的与配送资源下一时刻的行进方向可能顺路的待配送任务，以避免向配送资源关联可能存在折返路径的待配送任务，对配送资源造成不必要的损失，在一定程度上缩短了从用户下单到完成配送所需的时长，有利于合理高效的进行配送任务的分配，提高整体配送效率，从而提高服务器对配送任务的处理效率。同时，由于确定的配送状态的精确性，从而提高了根据不同时刻的配送状态确定的ETA和ETS的精确性。
本发明的第二实施方式涉及一种数据处理方法，本实施方式与第一实施方式大致相同，不同之处在于，确定配送资源当前时刻的配送状态的方式有所不同。第一实施方式中通过不同时刻IOT信息的变化来确定配送资源当前时刻的配送状态，而本实施方式中通过预先训练的融合模型确定配送资源当前时刻的配送状态。下面对本实施方式中的数据处理方法的具体实现方式进行说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。
本实施方式中的数据处理方法的流程图可以如图2所示，包括：
步骤S201，通过至少一个处理器跟踪记录来自第一类客户端上传的物联网信息。
步骤S202，通过至少一个处理器解析出物联网信息关联的配送资源正在执行的配送任务的信息。
其中，正在执行的配送任务的信息可以包括：配送起始地和配送目的地的位置信息、配送任务的类型信息、预计送达时间段信息等。配送任务的类型信息可以理解为：配送订单的类型信息，比如鲜花、文件、饮料、餐品等。
在一个例子中，配送资源在开始执行一个配送任务时，可以通过第一客户端向服务器发送正在执行的配送任务的信息，服务器在接收到该信息后可以得知配送资源正在执行的配送任务，在随后接收到第一客户端上传的物联网信息后，自动将该物联网信息与配送资源正在执行的配送任务的信息关联。
在另一个例子中，第一类客户端在上传物联网信息时可以携带配送资源正在执行的配送任务的信息，使得服务器再接收到物联网信息后，可以通过解析物联网信息，确定配送资源正在执行的配送任务的信息。
步骤S203，将配送任务的信息和物联网信息输入预先训练的融合模型，输出第一类客户端对应的配送资源当前时刻的配送状态。
其中，融合模型根据历史物联网信息和与历史物联网信息关联的历史配送任务的信息训练得到。下面对外卖场景下的融合模型的训练方式进行简单说明：
首先，选择训练样本；即，选取一段时间内骑手完成配送的历史订单作为训练样本。
其次，选择样本特征；即，可以选取与历史订单相关的特征数据、不同配送状态对应的IOT信息作为样本特征。历史订单相关的特征数据，例如上述的配送起始地和配送目的地的位置信息、配送订单的类型信息、预计送达时间段信息等。IOT信息可以由骑手的手机采集得到，比如可以包括以下任意一种或其组合：位置经纬度(Log，Lat，h)，陀螺仪信息(gyro_x，gyro_y，gyro_z)，加速度计信息(acc_x,acc_y,acc_z)，气压计信息、观测到的卫星的数目、检测到的卫星信号信噪比、感知到的wifi信号、蓝牙信号、ibeacon信号。
其中，wifi信号、蓝牙信号、ibeacon信号可以为店铺内设置的终端设备中的wifi模块、蓝牙模块、ibeacon模块发出的信号。若骑手进入店铺，骑手的手机感知到的wifi信号、蓝牙信号、ibeacon信号的信号强度会增加；相反的，若骑手离开店铺，骑手的手机感知到的wifi信号、蓝牙信号、ibeacon信号的信号强度会降低。另外，wifi信号和蓝牙信号还可以为下单用户的终端设备广播的wifi信号和蓝牙信号。若骑手送达用户，骑手的手机感知的wifi信号和蓝牙信号的信号强度会增加。可以理解的是，wifi信号和蓝牙信号可以携带标识以区分是由店铺内的终端设备发出还是由下单用户的终端设备发出。若骑手未进入店铺或为送达用户，骑手的手机感知不到wifi信号、蓝牙信号、ibeacon信号，则对应的信号强度可以置为空。
可以理解的是，每一个时刻采集的IOT信息的数值是相互独立的。另外，根据优化策略，可以增加或者降低采样的频率，如位置经纬度信息从10秒采集一次，到1秒采集一次不等。
最后，样本训练；即，基于训练样本和样本特征进行样本训练，比如可以利用定位的惯性导航算法和深度学习中的双向长短记忆模型(Bi-directional Long Short-TermMemory，简称：BiLSTM)融合训练，得到本实施方式中的融合模型。该融合模型的输入为：IOT信息和骑手正在配送的订单的信息，输出可以为骑手当前时刻的配送状态。根据实际需要该融合模型的输出还可以包括骑手当前的位置信息，然而，本实施方式对此不做具体限定。
在一个例子中，在训练得到融合模型后，可以每隔一段时间对融合模型进行更新。还可以将利用融合模型得到的配送状态与实际的配送状态进行对比，从而对融合模型的参数进行调整，比如说，可以通过增加样本数据量或者增加训练次数来对融合模型的参数进行调整，使得利用融合模型得到的配送状态更加准确。
步骤S204，通过至少一个处理器根据当前时刻的配送状态，确定配送资源与当前的各待配送任务的匹配度。
步骤S205，根据匹配度，通过至少一个处理器自动为配送资源关联待配送任务。
步骤S206，将关联的待配送任务的配送数据传输至第一类客户端。
需要说明的是，步骤S201、步骤S204至步骤S206分别与第一实施方式中的步骤S101、步骤S103至步骤S105大致相同，为避免重复本实施方式中对此不再一一赘述。
以外卖场景为例，骑手在配送订单的过程中(包括取餐和送餐)，骑手的手机会实时或周期性采集IOT信息并上报至服务器，服务器将接收的IOT信息很获取的骑手正在配送的订单的信息输入预先训练的融合模型，从而得到骑手当前的配送状态。假设确定的骑手的各个配送状态的时间点如下：骑手下车准备进入商圈取餐的时间点为T1、进入商圈的时间点为T2、骑手进入店铺取餐的时间点为T3、骑手取餐完毕离开店铺的时间点为T4、离开商圈的时间点为T5、骑手上车准备送餐的时间点为T6、骑手下车准备送达用户的时间点为T7、骑手送达用户的时间点为T8。对骑手的各个配送状态进行细分，并精确的得到细分的各个配送状态的时间点，有利于实时准确的跟踪骑手的配送状态。在确定的配送状态为进入商圈时，为该骑手追加同商圈内的店铺的待配送订单，比如可以在T2～T5时间段内，为骑手追加同商圈订单。服务器在确定该骑手的配送状态为送达用户时，可以为该骑手追加用户的位置附近的店铺的待配送订单，比如可以在T7～T8时间段内，为骑手追加用户位置附近的订单，有利于降低骑手的取餐时间，优化整体配送过程，提高整体配送效率。
与现有技术相比，本实施方式中，用于确定当前配送状态的融合模型预先根据历史物联网信息和与历史物联网信息关联的历史配送任务的信息训练得到，即训练融合模型的数据来源于真实历史数据，参考价值高，可使得融合模型输出的配送状态更加准确、可靠，有利于实时准确的跟踪骑手的配送状态。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明的第三实施方式涉及一种数据处理装置，如图3所示，该装置包括：跟踪记录装置301，用于跟踪记录来自第一类客户端上传的物联网信息；第一确定模块302，用于解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；第二确定模块303，用于根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；关联模块304，用于根据所述匹配度，通过至少一个处理器自动为所述配送资源关联待配送任务；传输模块305，用于将关联的所述待配送任务的配送数据传输至所述第一类客户端。。
在一个例子中，所述配送状态为以下任意之一：下车准备进入配送区域取餐、进入所述配送区域、进入店铺、离开所述店铺、离开所述配送区域、上车进入骑行状态、下车准备送达用户、送达用户；其中，所述配送区域为所述配送资源正在执行的配送任务对应的配送区域。
在一个例子中，第二确定模块303根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度，包括:确定所述当前的各待配送任务对应的配送起始地；根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长；根据预估的代价时长，确定所述配送资源与当前的各待配送任务的匹配度。
在一个例子中，第二确定模块303根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长，包括：根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，确定所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返，并确定需要折返时的折返路径距离；根据所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返和需要折返时的折返路径距离，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长。
在一个例子中，第一确定模块302在确定所述第一类客户端对应的配送资源当前时刻的配送状态之后，还包括：记录确定的配送状态以及所述确定的配送状态的时刻信息；在记录了不同配送状态的时刻信息后，根据不同配送状态的时刻信息，预估以下时长之一或其任意组合：根据所述进入店铺的时刻信息与所述离开所述店铺的时刻信息，预估的所述店铺的准备时长；根据所述下车准备进入配送区域取餐的时刻信息和上车进入骑行状态的时刻信息，预估的下车取餐与送达用户之间非骑行状态的时长；根据所述进入配送区域的时刻信息、进入店铺的时刻信息、离开所述店铺的时刻信息和离开所述配送区域的时刻信息，预估的到所述店铺取餐的路径时长；根据所述下车准备送达用户的时刻信息和所述送达用户的时刻信息，预估的送餐的路径时长。
在一个例子中，第一确定模块302解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：解析出所述物联网信息关联的所述配送资源正在执行的配送任务的信息；将所述配送任务的信息和所述物联网信息输入预先训练的融合模型，输出所述第一类客户端对应的配送资源当前时刻的配送状态；其中，所述融合模型根据历史物联网信息和与所述历史物联网信息关联的历史配送任务的信息训练得到。
在一个例子中，所述物联网信息至少包括卫星信息，所述卫星信息包括卫星数目和卫星信号信噪比；第一确定模块302解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：解析所述物联网信息中的所述卫星信息，并对比当前时刻与上一时刻的所述卫星信息；若卫星数目减少且卫星信号信噪比降低，则确定当前时刻的配送状态为所述进入所述配送区域；若卫星数目增多且卫星信号信噪比增强，则确定当前时刻的配送状态为所述离开所述配送区域。
在一个例子中，所述物联网信息包括：所述店铺内的第二类客户端对应的第一预设信号的信号强度；第一确定模块302解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：解析所述物联网信息中的所述第一预设信号的信号强度，并对比当前时刻与前一时刻的所述第一预设信号的信号强度；若第一预设信号的信号强度增大，则确定当前时刻的配送状态为所述进入店铺；若第一预设信号的信号强度减小，则确定当前时刻的配送状态为所述离开所述店铺。
在一个例子中，所述第一预设信号包括以下任意之一或其组合：wifi信号、ibeacon信号、蓝牙信号。
在一个例子中，所述物联网信息还包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息；第一确定模块302解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：根据所述经纬度信息和所述气压计信息，确定所述第一类客户端的位置信息；根据所述第一类客户端的位置信息和所述店铺的位置信息，确定所述第一类客户端与所述店铺的间隔距离；若所述间隔距离处于预设范围之内，则对比当前时刻与上一时刻的所述陀螺仪信息和所述加速度计信息；若所述陀螺仪信息的变化量和所述加速度计信息的变化量均大于预设变化量，则对比当前时刻与上一时刻的所述间隔距离；若当前时刻的所述间隔距离小于上一时刻的所述间隔距离，则确定当前时刻的配送状态为所述下车准备进入配送区域取餐；若当前时刻的所述间隔距离大于上一时刻的所述间隔距离，则当前时刻的配送状态为所述上车进入骑行状态。
在一个例子中，物联网信息还包括：第三类客户端对应的第二预设信号的信号强度；第一确定模块302解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：解析所述物联网信息中的第二预设信号的信号强度，对比当前时刻与上一时刻的所述第二预设信号的信号强度；若第二预设信号的信号强度增大，则确定当前时刻的配送状态为所述送达所述用户。
在一个例子中，所述第二预设信号包括：wifi信号和/或蓝牙信号。
不难发现，本实施方式为与第一或第二实施方式相对应的装置实施例，本实施方式可与第一或第二实施方式互相配合实施。第一或第二实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一或第二实施方式中。
值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本发明的第四实施方式涉及一种服务器，如图4所示，包括：至少一个处理器401；以及，与至少一个处理器401通信连接的存储器402；以及，与扫描装置通信连接的通信组件403，通信组件403在处理器401的控制下接收和发送数据；其中，存储器402存储有可被至少一个处理器401执行的指令，指令被至少一个处理器401执行以实现：
跟踪记录来自第一类客户端上传的物联网信息；
解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；
根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；
根据所述匹配度，自动为所述配送资源关联待配送任务；
将关联的所述待配送任务的配送数据传输至所述第一类客户端。
具体地，服务器包括：一个或多个处理器401以及存储器402，图4中以一个处理器401为例。处理器401、存储器402可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器402作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述数据处理方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器402可选包括相对于处理器401远程设置的存储器402，这些远程存储器402可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器402中，当被一个或者多个处理器401执行时，执行上述任意方法实施方式中的数据处理方法。
上述产品可执行本申请实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本申请实施方式所提供的方法。
本发明的第五实施方式涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
本申请实施例提供了A1.一种数据处理方法，包括：
通过至少一个处理器跟踪记录来自第一类客户端上传的物联网信息；
通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；
通过至少一个处理器根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；
根据所述匹配度，通过至少一个处理器自动为所述配送资源关联待配送任务；
将关联的所述待配送任务的配送数据传输至所述第一类客户端。
A2.根据A1所述的数据处理方法，所述配送状态为以下任意之一：下车准备进入配送区域取餐、进入所述配送区域、进入店铺、离开所述店铺、离开所述配送区域、上车进入骑行状态、下车准备送达用户、送达用户；其中，所述配送区域为所述配送资源正在执行的配送任务对应的配送区域。
A3.根据A1或A2所述的数据处理方法，所述通过至少一个处理器根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度，包括:
通过至少一个处理器确定所述当前的各待配送任务对应的配送起始地；
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长；
根据预估的代价时长，通过至少一个处理器确定所述配送资源与当前的各待配送任务的匹配度。
A4.根据A3所述的数据处理方法，所述根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长，包括：
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器确定所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返，并确定需要折返时的折返路径距离；
根据所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返和需要折返时的折返路径距离，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长。
A5.根据A2所述的数据处理方法，在所述确定所述第一类客户端对应的配送资源当前时刻的配送状态之后，还包括：
通过至少一个处理器记录确定的配送状态以及所述确定的配送状态的时刻信息；
在记录了不同配送状态的时刻信息后，根据不同配送状态的时刻信息，通过至少一个处理器预估以下时长之一或其任意组合：
根据所述进入店铺的时刻信息与所述离开所述店铺的时刻信息，预估的所述店铺的准备时长；
根据所述下车准备进入配送区域取餐的时刻信息和上车进入骑行状态的时刻信息，预估的下车取餐与送达用户之间非骑行状态的时长；
根据所述进入配送区域的时刻信息、进入店铺的时刻信息、离开所述店铺的时刻信息和离开所述配送区域的时刻信息，预估的到所述店铺取餐的路径时长；
根据所述下车准备送达用户的时刻信息和所述送达用户的时刻信息，预估的送餐的路径时长。
A6.根据A1所述的数据处理方法，所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析出所述物联网信息关联的所述配送资源正在执行的配送任务的信息；
将所述配送任务的信息和所述物联网信息输入预先训练的融合模型，输出所述第一类客户端对应的配送资源当前时刻的配送状态；其中，所述融合模型根据历史物联网信息和与所述历史物联网信息关联的历史配送任务的信息训练得到。
A7.根据A2所述的数据处理方法，所述物联网信息至少包括卫星信息，所述卫星信息包括卫星数目和卫星信号信噪比；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析所述物联网信息中的所述卫星信息，并对比当前时刻与上一时刻的所述卫星信息；
若卫星数目减少且卫星信号信噪比降低，则通过至少一个处理器确定当前时刻的配送状态为所述进入所述配送区域；
若卫星数目增多且卫星信号信噪比增强，则通过至少一个处理器确定当前时刻的配送状态为所述离开所述配送区域。
A8.根据A2所述的数据处理方法，所述物联网信息包括：所述店铺内的第二类客户端对应的第一预设信号的信号强度；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析所述物联网信息中的所述第一预设信号的信号强度，并对比当前时刻与前一时刻的所述第一预设信号的信号强度；
若第一预设信号的信号强度增大，则通过至少一个处理器确定当前时刻的配送状态为所述进入店铺；
若第一预设信号的信号强度减小，则通过至少一个处理器确定当前时刻的配送状态为所述离开所述店铺。
A9.根据A8所述的数据处理方法，所述第一预设信号包括以下任意之一或其组合：
wifi信号、ibeacon信号、蓝牙信号。
A10.根据A2所述的数据处理方法，所述物联网信息包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
根据所述经纬度信息和所述气压计信息，通过至少一个处理器确定所述第一类客户端的位置信息；
根据所述第一类客户端的位置信息和所述店铺的位置信息，通过至少一个处理器确定所述第一类客户端与所述店铺的间隔距离；
若所述间隔距离处于预设范围之内，则通过至少一个处理器对比当前时刻与上一时刻的所述陀螺仪信息和所述加速度计信息；
若所述陀螺仪信息的变化量和所述加速度计信息的变化量均大于预设变化量，则通过至少一个处理器对比当前时刻与上一时刻的所述间隔距离；
若当前时刻的所述间隔距离小于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述下车准备进入配送区域取餐；
若当前时刻的所述间隔距离大于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述上车进入骑行状态。
A11.根据A2所述的数据处理方法，所述物联网信息包括：第三类客户端对应的第二预设信号的信号强度；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析所述物联网信息中的第二预设信号的信号强度，对比当前时刻与上一时刻的所述第二预设信号的信号强度；
若第二预设信号的信号强度增大，则确定当前时刻的配送状态为所述送达所述用户。
A12.根据A11所述的数据处理方法，所述第二预设信号包括：wifi信号和/或蓝牙信号。
本申请实施例还提供了B1.一种数据处理装置，包括：
跟踪记录装置，用于跟踪记录来自第一类客户端上传的物联网信息；
第一确定模块，用于解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；
第二确定模块，用于根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；
关联模块，用于根据所述匹配度，通过至少一个处理器自动为所述配送资源关联待配送任务；
传输模块，用于将关联的所述待配送任务的配送数据传输至所述第一类客户端。
本申请实施例还提供了C1.一种服务器，包括存储器和处理器，存储器存储计算机程序，处理器运行程序时执行：
跟踪记录来自第一类客户端上传的物联网信息；
解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；
根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；
根据所述匹配度，自动为所述配送资源关联待配送任务；
将关联的所述待配送任务的配送数据传输至所述第一类客户端。
C2.根据C1所述的服务器，所述配送状态为以下任意之一：下车准备进入配送区域取餐、进入所述配送区域、进入店铺、离开所述店铺、离开所述配送区域、上车进入骑行状态、下车准备送达用户、送达用户；其中，所述配送区域为所述配送资源正在执行的配送任务对应的配送区域。
C3.根据C1或C2所述的服务器，所述根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度，包括:
确定所述当前的各待配送任务对应的配送起始地；
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长；
根据预估的代价时长，确定所述配送资源与当前的各待配送任务的匹配度。
C4.根据C3所述的服务器，所述根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长，包括：
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，确定所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返，并确定需要折返时的折返路径距离；
根据所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返和需要折返时的折返路径距离，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长。
C5.根据C2所述的服务器，在所述确定所述第一类客户端对应的配送资源当前时刻的配送状态之后，还包括：
记录确定的配送状态以及所述确定的配送状态的时刻信息；
在记录了不同配送状态的时刻信息后，根据不同配送状态的时刻信息，预估以下时长之一或其任意组合：
根据所述进入店铺的时刻信息与所述离开所述店铺的时刻信息，预估的所述店铺的准备时长；
根据所述下车准备进入配送区域取餐的时刻信息和上车进入骑行状态的时刻信息，预估的下车取餐与送达用户之间非骑行状态的时长；
根据所述进入配送区域的时刻信息、进入店铺的时刻信息、离开所述店铺的时刻信息和离开所述配送区域的时刻信息，预估的到所述店铺取餐的路径时长；
根据所述下车准备送达用户的时刻信息和所述送达用户的时刻信息，预估的送餐的路径时长。
C6.根据C1所述的服务器，所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
解析出所述物联网信息关联的所述配送资源正在执行的配送任务的信息；
将所述配送任务的信息和所述物联网信息输入预先训练的融合模型，输出所述第一类客户端对应的配送资源当前时刻的配送状态；其中，所述融合模型根据历史物联网信息和与所述历史物联网信息关联的历史配送任务的信息训练得到。
C7.根据C2所述的服务器，所述物联网信息至少包括卫星信息，所述卫星信息包括卫星数目和卫星信号信噪比；
所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
解析所述物联网信息中的所述卫星信息，并对比当前时刻与上一时刻的所述卫星信息；
若卫星数目减少且卫星信号信噪比降低，则确定当前时刻的配送状态为所述进入所述配送区域；
若卫星数目增多且卫星信号信噪比增强，则确定当前时刻的配送状态为所述离开所述配送区域。
C8.根据C2所述的服务器，所述物联网信息包括：所述店铺内的第二类客户端对应的第一预设信号的信号强度；
所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
解析所述物联网信息中的所述第一预设信号的信号强度，并对比当前时刻与前一时刻的所述第一预设信号的信号强度；
若第一预设信号的信号强度增大，则确定当前时刻的配送状态为所述进入店铺；
若第一预设信号的信号强度减小，则确定当前时刻的配送状态为所述离开所述店铺。
C9.根据C8所述的服务器，所述第一预设信号包括以下任意之一或其组合：
wifi信号、ibeacon信号、蓝牙信号。
C10.根据C2所述的服务器，所述物联网信息还包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息；
所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
根据所述经纬度信息和所述气压计信息，确定所述第一类客户端的位置信息；
根据所述第一类客户端的位置信息和所述店铺的位置信息，确定所述第一类客户端与所述店铺的间隔距离；
若所述间隔距离处于预设范围之内，则对比当前时刻与上一时刻的所述陀螺仪信息和所述加速度计信息；
若所述陀螺仪信息的变化量和所述加速度计信息的变化量均大于预设变化量，则对比当前时刻与上一时刻的所述间隔距离；
若当前时刻的所述间隔距离小于上一时刻的所述间隔距离，则确定当前时刻的配送状态为所述下车准备进入配送区域取餐；
若当前时刻的所述间隔距离大于上一时刻的所述间隔距离，则当前时刻的配送状态为所述上车进入骑行状态。
C11.根据C2所述的服务器，所述物联网信息还包括：第三类客户端对应的第二预设信号的信号强度；
所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
解析所述物联网信息中的第二预设信号的信号强度，对比当前时刻与上一时刻的所述第二预设信号的信号强度；
若第二预设信号的信号强度增大，则确定当前时刻的配送状态为所述送达所述用户。
C12.根据C11所述的服务器，所述第二预设信号包括：wifi信号和/或蓝牙信号。
本申请实施例还提供了D1.一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如A1至A12中任一项所述的数据处理方法。

Claims (22)

1.一种数据处理方法，其特征在于，包括：
通过至少一个处理器跟踪记录来自第一类客户端上传的物联网信息；
通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；所述配送状态为配送资源在执行配送任务的整个配送过程中的当前时刻的真实配送状态；所述配送状态包括下车准备进入配送区域取餐、进入所述配送区域、进入店铺、离开所述店铺、离开所述配送区域和上车进入骑行状态；其中，所述配送区域为所述配送资源正在执行的配送任务对应的配送区域；
通过至少一个处理器根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；
根据所述匹配度，通过至少一个处理器自动为所述配送资源关联待配送任务；
将关联的所述待配送任务的配送数据传输至所述第一类客户端；
所述物联网信息包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息、卫星信息；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
根据所述经纬度信息和所述气压计信息，通过至少一个处理器确定所述第一类客户端的位置信息；
根据所述第一类客户端的位置信息和所述店铺的位置信息，通过至少一个处理器确定所述第一类客户端与所述店铺的间隔距离；
若所述间隔距离处于预设范围之内，则通过至少一个处理器对比当前时刻与上一时刻的所述陀螺仪信息和所述加速度计信息；
若所述陀螺仪信息的变化量和所述加速度计信息的变化量均大于预设变化量，则通过至少一个处理器对比当前时刻与上一时刻的所述间隔距离；
若当前时刻的所述间隔距离小于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述下车准备进入配送区域取餐；
若当前时刻的所述间隔距离大于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述上车进入骑行状态；
所述卫星信息包括卫星数目和卫星信号信噪比；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析所述物联网信息中的所述卫星信息，并对比当前时刻与上一时刻的所述卫星信息；
若卫星数目减少且卫星信号信噪比降低，则通过至少一个处理器确定当前时刻的配送状态为所述进入所述配送区域；
若卫星数目增多且卫星信号信噪比增强，则通过至少一个处理器确定当前时刻的配送状态为所述离开所述配送区域。
2.根据权利要求1所述的数据处理方法，其特征在于，所述配送状态还包括以下任意之一：下车准备送达用户、送达用户。
3.根据权利要求1或2所述的数据处理方法，其特征在于， 所述通过至少一个处理器根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度，包括:
通过至少一个处理器确定所述当前的各待配送任务对应的配送起始地；
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长；
根据预估的代价时长，通过至少一个处理器确定所述配送资源与当前的各待配送任务的匹配度。
4.根据权利要求3所述的数据处理方法，其特征在于，所述根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长，包括：
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，通过至少一个处理器确定所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返，并确定需要折返时的折返路径距离；
根据所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返和需要折返时的折返路径距离，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长。
5.根据权利要求2所述的数据处理方法，其特征在于，在所述确定所述第一类客户端对应的配送资源当前时刻的配送状态之后，还包括：
通过至少一个处理器记录确定的配送状态以及所述确定的配送状态的时刻信息；
在记录了不同配送状态的时刻信息后，根据不同配送状态的时刻信息，通过至少一个处理器预估以下时长之一或其任意组合：
根据所述进入店铺的时刻信息与所述离开所述店铺的时刻信息，预估的所述店铺的准备时长；
根据所述下车准备进入配送区域取餐的时刻信息和上车进入骑行状态的时刻信息，预估的下车取餐与送达用户之间非骑行状态的时长；
根据所述进入配送区域的时刻信息、进入店铺的时刻信息、离开所述店铺的时刻信息和离开所述配送区域的时刻信息，预估的到所述店铺取餐的路径时长；
根据所述下车准备送达用户的时刻信息和所述送达用户的时刻信息，预估的送餐的路径时长。
6.根据权利要求1所述的数据处理方法，其特征在于，所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析出所述物联网信息关联的所述配送资源正在执行的配送任务的信息；
将所述配送任务的信息和所述物联网信息输入预先训练的融合模型，输出所述第一类客户端对应的配送资源当前时刻的配送状态；其中，所述融合模型根据历史物联网信息和与所述历史物联网信息关联的历史配送任务的信息训练得到。
7.根据权利要求2所述的数据处理方法，其特征在于，所述物联网信息包括：所述店铺内的第二类客户端对应的第一预设信号的信号强度；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析所述物联网信息中的所述第一预设信号的信号强度， 并对比当前时刻与前一时刻的所述第一预设信号的信号强度；
若第一预设信号的信号强度增大，则通过至少一个处理器确定当前时刻的配送状态为所述进入店铺；
若第一预设信号的信号强度减小，则通过至少一个处理器确定当前时刻的配送状态为所述离开所述店铺。
8.根据权利要求7所述的数据处理方法，其特征在于，所述第一预设信号包括以下任意之一或其组合：
wifi信号、ibeacon信号、蓝牙信号。
9.根据权利要求2所述的数据处理方法，其特征在于，所述物联网信息包括：第三类客户端对应的第二预设信号的信号强度；
所述通过至少一个处理器解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
通过至少一个处理器解析所述物联网信息中的第二预设信号的信号强度， 对比当前时刻与上一时刻的所述第二预设信号的信号强度；
若第二预设信号的信号强度增大，则确定当前时刻的配送状态为所述送达所述用户。
10.根据权利要求9所述的数据处理方法，其特征在于，所述第二预设信号包括：wifi信号和/或蓝牙信号。
11.一种数据处理装置，其特征在于，包括：
跟踪记录装置，用于跟踪记录来自第一类客户端上传的物联网信息；
第一确定模块，用于解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；所述配送状态为配送资源在执行配送任务的整个配送过程中的当前时刻的真实配送状态；所述配送状态包括下车准备进入配送区域取餐、进入所述配送区域、进入店铺、离开所述店铺、离开所述配送区域和上车进入骑行状态；所述物联网信息包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息、卫星信息；所述卫星信息包括卫星数目和卫星信号信噪比；
根据所述经纬度信息和所述气压计信息，通过至少一个处理器确定所述第一类客户端的位置信息；根据所述第一类客户端的位置信息和所述店铺的位置信息，通过至少一个处理器确定所述第一类客户端与所述店铺的间隔距离；若所述间隔距离处于预设范围之内，则通过至少一个处理器对比当前时刻与上一时刻的所述陀螺仪信息和所述加速度计信息；若所述陀螺仪信息的变化量和所述加速度计信息的变化量均大于预设变化量，则通过至少一个处理器对比当前时刻与上一时刻的所述间隔距离；若当前时刻的所述间隔距离小于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述下车准备进入配送区域取餐；若当前时刻的所述间隔距离大于上一时刻的所述间隔距离，则通过至少一个处理器确定当前时刻的配送状态为所述上车进入骑行状态；
解析所述物联网信息中的所述卫星信息，并对比当前时刻与上一时刻的所述卫星信息；若卫星数目减少且卫星信号信噪比降低，则确定当前时刻的配送状态为所述进入所述配送区域；若卫星数目增多且卫星信号信噪比增强，则确定当前时刻的配送状态为所述离开所述配送区域；
第二确定模块，用于根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；
关联模块，用于根据所述匹配度，通过至少一个处理器自动为所述配送资源关联待配送任务；
传输模块，用于将关联的所述待配送任务的配送数据传输至所述第一类客户端。
12.一种服务器，包括存储器和处理器，存储器存储计算机程序，处理器运行程序时执行：
跟踪记录来自第一类客户端上传的物联网信息；
解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态；所述配送状态为配送资源在执行配送任务的整个配送过程中的当前时刻的真实配送状态；所述配送状态包括下车准备进入配送区域取餐、进入所述配送区域、进入店铺、离开所述店铺、离开所述配送区域和上车进入骑行状态；所述配送区域为所述配送资源正在执行的配送任务对应的配送区域；所述物联网信息包括：经纬度信息、陀螺仪信息、加速度计信息、气压计信息、卫星信息；所述卫星信息包括卫星数目和卫星信号信噪比；根据所述经纬度信息和所述气压计信息，确定所述第一类客户端的位置信息；根据所述第一类客户端的位置信息和所述店铺的位置信息，确定所述第一类客户端与所述店铺的间隔距离；若所述间隔距离处于预设范围之内，则对比当前时刻与上一时刻的所述陀螺仪信息和所述加速度计信息；若所述陀螺仪信息的变化量和所述加速度计信息的变化量均大于预设变化量，则对比当前时刻与上一时刻的所述间隔距离；若当前时刻的所述间隔距离小于上一时刻的所述间隔距离，则确定当前时刻的配送状态为所述下车准备进入配送区域取餐；若当前时刻的所述间隔距离大于上一时刻的所述间隔距离，则当前时刻的配送状态为所述上车进入骑行状态；解析所述物联网信息中的所述卫星信息，并对比当前时刻与上一时刻的所述卫星信息；若卫星数目减少且卫星信号信噪比降低，则确定当前时刻的配送状态为所述进入所述配送区域；若卫星数目增多且卫星信号信噪比增强，则确定当前时刻的配送状态为所述离开所述配送区域；
根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度；
根据所述匹配度，自动为所述配送资源关联待配送任务；
将关联的所述待配送任务的配送数据传输至所述第一类客户端。
13.根据权利要求12所述的服务器，其特征在于，所述配送状态还包括以下任意之一：下车准备送达用户、送达用户。
14.根据权利要求12或13所述的服务器，其特征在于，所述根据所述当前时刻的配送状态，确定所述配送资源与当前的各待配送任务的匹配度，包括:
确定所述当前的各待配送任务对应的配送起始地；
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长；
根据预估的代价时长，确定所述配送资源与当前的各待配送任务的匹配度。
15.根据权利要求14所述的服务器，其特征在于，所述根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长，包括：
根据各所述待配送任务对应的配送起始地和所述当前时刻的配送状态，确定所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返，并确定需要折返时的折返路径距离；
根据所述配送资源移动至各所述待配送任务对应的配送起始地是否需要折返和需要折返时的折返路径距离，预估所述配送资源移动至各所述待配送任务对应的配送起始地的代价时长。
16.根据权利要求13所述的服务器，其特征在于，在所述确定所述第一类客户端对应的配送资源当前时刻的配送状态之后，还包括：
记录确定的配送状态以及所述确定的配送状态的时刻信息；
在记录了不同配送状态的时刻信息后，根据不同配送状态的时刻信息，预估以下时长之一或其任意组合：
根据所述进入店铺的时刻信息与所述离开所述店铺的时刻信息，预估的所述店铺的准备时长；
根据所述下车准备进入配送区域取餐的时刻信息和上车进入骑行状态的时刻信息，预估的下车取餐与送达用户之间非骑行状态的时长；
根据所述进入配送区域的时刻信息、进入店铺的时刻信息、离开所述店铺的时刻信息和离开所述配送区域的时刻信息，预估的到所述店铺取餐的路径时长；
根据所述下车准备送达用户的时刻信息和所述送达用户的时刻信息，预估的送餐的路径时长。
17.根据权利要求12所述的服务器，其特征在于，所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
解析出所述物联网信息关联的所述配送资源正在执行的配送任务的信息；
将所述配送任务的信息和所述物联网信息输入预先训练的融合模型，输出所述第一类客户端对应的配送资源当前时刻的配送状态；其中，所述融合模型根据历史物联网信息和与所述历史物联网信息关联的历史配送任务的信息训练得到。
18.根据权利要求13所述的服务器，其特征在于，所述物联网信息包括：所述店铺内的第二类客户端对应的第一预设信号的信号强度；
所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
解析所述物联网信息中的所述第一预设信号的信号强度， 并对比当前时刻与前一时刻的所述第一预设信号的信号强度；
若第一预设信号的信号强度增大，则确定当前时刻的配送状态为所述进入店铺；
若第一预设信号的信号强度减小，则确定当前时刻的配送状态为所述离开所述店铺。
19.根据权利要求18所述的服务器，其特征在于，所述第一预设信号包括以下任意之一或其组合：
wifi信号、ibeacon信号、蓝牙信号。
20.根据权利要求13所述的服务器，其特征在于，所述物联网信息还包括：第三类客户端对应的第二预设信号的信号强度；
所述解析所述物联网信息，确定所述第一类客户端对应的配送资源当前时刻的配送状态，包括：
解析所述物联网信息中的第二预设信号的信号强度， 对比当前时刻与上一时刻的所述第二预设信号的信号强度；
若第二预设信号的信号强度增大，则确定当前时刻的配送状态为所述送达所述用户。
21.根据权利要求20所述的服务器，其特征在于，所述第二预设信号包括：wifi信号和/或蓝牙信号。
22.一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如权利要求1至10中任一项所述的数据处理方法。
CN202010058711.XA 2020-01-19 2020-01-19 数据处理方法、装置、服务器和非易失性存储介质 Active CN111311144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010058711.XA CN111311144B (zh) 2020-01-19 2020-01-19 数据处理方法、装置、服务器和非易失性存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010058711.XA CN111311144B (zh) 2020-01-19 2020-01-19 数据处理方法、装置、服务器和非易失性存储介质

Publications (2)

Publication Number Publication Date
CN111311144A CN111311144A (zh) 2020-06-19
CN111311144B true CN111311144B (zh) 2023-09-26

Family

ID=71158137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010058711.XA Active CN111311144B (zh) 2020-01-19 2020-01-19 数据处理方法、装置、服务器和非易失性存储介质

Country Status (1)

Country Link
CN (1) CN111311144B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036702B (zh) * 2020-07-30 2024-06-18 拉扎斯网络科技（上海）有限公司 数据处理方法、装置、可读存储介质和电子设备
CN112218238B (zh) * 2020-12-11 2021-04-13 浙江口碑网络技术有限公司 信息输出方法、装置、计算机设备及可读存储介质
CN114117328B (zh) * 2022-01-24 2022-05-24 浙江口碑网络技术有限公司 任务分配方法、装置、电子设备及存储介质
CN115209350A (zh) * 2022-07-18 2022-10-18 拉扎斯网络科技（上海）有限公司 信息处理方法、装置、设备、程序产品及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003192139A (ja) * 2001-12-28 2003-07-09 Fumio Kobayashi 配送支援システム、方法および装置、ならびにプログラム
WO2018074851A1 (ko) * 2016-10-18 2018-04-26 주식회사 우아한형제들 배달주문 분배시스템 및 방법
JP2018133013A (ja) * 2017-02-17 2018-08-23 パナソニックＩｐマネジメント株式会社 配達管理システム、配達システム、および配達管理方法
CN108668233A (zh) * 2017-03-31 2018-10-16 高德软件有限公司 一种建筑物入口检测方法及系统
CN109214739A (zh) * 2017-07-04 2019-01-15 北京小度信息科技有限公司 订单处理方法及装置
CN109615247A (zh) * 2018-12-14 2019-04-12 拉扎斯网络科技（上海）有限公司 调度方法、配送机器人的控制方法、装置和电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11037055B2 (en) * 2017-10-30 2021-06-15 DoorDash, Inc. System for dynamic estimated time of arrival predictive updates
US20190385121A1 (en) * 2018-06-15 2019-12-19 Uber Technologies, Inc. Trip inferences and machine learning to optimize delivery times

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003192139A (ja) * 2001-12-28 2003-07-09 Fumio Kobayashi 配送支援システム、方法および装置、ならびにプログラム
WO2018074851A1 (ko) * 2016-10-18 2018-04-26 주식회사 우아한형제들 배달주문 분배시스템 및 방법
JP2018133013A (ja) * 2017-02-17 2018-08-23 パナソニックＩｐマネジメント株式会社 配達管理システム、配達システム、および配達管理方法
CN108668233A (zh) * 2017-03-31 2018-10-16 高德软件有限公司 一种建筑物入口检测方法及系统
CN109214739A (zh) * 2017-07-04 2019-01-15 北京小度信息科技有限公司 订单处理方法及装置
CN109615247A (zh) * 2018-12-14 2019-04-12 拉扎斯网络科技（上海）有限公司 调度方法、配送机器人的控制方法、装置和电子设备

Also Published As

Publication number Publication date
CN111311144A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111311144B (zh) 数据处理方法、装置、服务器和非易失性存储介质
US10082793B1 (en) Multi-mode transportation planning and scheduling
US20180315022A1 (en) Ride sharing management device, ride sharing management method, and program
US20220335363A1 (en) System and method for transportation
JP6881609B2 (ja) 車両管理システム、車両管理装置、及び車両管理方法
US10949780B2 (en) Online transportation reservation systems prioritizing reservations based on demand, regional transportation capacity, and historical driver scores
RU2761270C2 (ru) Система и способ для предоставления транспортировки
US20180300660A1 (en) Systems and methods for provider claiming and matching of scheduled requests
JP2020074179A (ja) ライドシェア管理装置、ライドシェア管理方法、およびプログラム
CN109429506A (zh) 用于路线规划的系统和方法
WO2018230692A1 (ja) ライドシェア管理システム、ライドシェア管理方法、およびプログラム
CN101988833A (zh) 导航系统、车用装置、导航方法、以及计算机可读介质
CN103994770A (zh) 一种组团驾车出游服务的提供方法及装置
CN113135178A (zh) 泊车路线共享方法、装置、设备以及存储介质
CN106205161A (zh) 路况信息传输方法和装置
CN102564440A (zh) 通信系统和移动终端
US10445601B2 (en) Automotive vehicle navigation using low power radios
CN104737168A (zh) 自动评价系统以及导航装置
JPWO2018230684A1 (ja) 情報処理システム、情報処理方法、およびプログラム
KR20150042883A (ko) 대리운전 및 운송 서비스 중개를 위한 자동 배차 장치 및 방법
JP7327491B2 (ja) 配達候補提案システム、配達候補提案端末および配達候補提案プログラム
CN117208008A (zh) 目标区域内领航车确定方法、装置及介质
JP2023168477A (ja) 自律走行制御装置、自律走行制御方法、プログラム及び記憶媒体
CN107750339B (zh) 基于无线信号特性使用移动装置检测用户的场境
CN102169638A (zh) 一种位置服务悬赏方法、位置服务终端及位置服务器

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