CN111553645A - 订单分派方法、装置、计算机设备和存储介质 - Google Patents

订单分派方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111553645A
CN111553645A CN202010512922.6A CN202010512922A CN111553645A CN 111553645 A CN111553645 A CN 111553645A CN 202010512922 A CN202010512922 A CN 202010512922A CN 111553645 A CN111553645 A CN 111553645A
Authority
CN
China
Prior art keywords
order
dispatched
time
pool
full
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
CN202010512922.6A
Other languages
English (en)
Other versions
CN111553645B (zh
Inventor
咸珂
欧玮菡
陈玮
徐明泉
彭豆
郭瀚阳
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.)
Beijing Shunda Technology Co ltd
Original Assignee
Beijing Shunda Technology 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 Beijing Shunda Technology Co ltd filed Critical Beijing Shunda Technology Co ltd
Priority to CN202010512922.6A priority Critical patent/CN111553645B/zh
Publication of CN111553645A publication Critical patent/CN111553645A/zh
Application granted granted Critical
Publication of CN111553645B publication Critical patent/CN111553645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/0838—Historical data
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种订单分派方法、装置、计算机设备和存储介质。所述方法包括：获取待分派订单的特征向量；获取待分派订单的特征向量；将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；根据专职订单池的压力参数，确定专职订单池的订单承接结果；当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。采用本方法能够提高订单分派效率。

Description

订单分派方法、装置、计算机设备和存储介质
技术领域
本申请涉及物流技术领域，特别是涉及一种订单分派方法、装置、计算机设备和存储介质。
背景技术
随着物流技术的发展，出现了众包订单，众包订单是指由众包骑士自发抢单配送的订单，众包骑士是指兼职骑士，即在空闲时间段参与订单配送的骑士。众包订单若一直没有众包骑士抢单就会导致无人配送，因此需要对这部分未被抢的众包订单进行分派，提升这部分订单的接单率。
传统技术中，在对这部分未被抢的众包订单进行分派时，是通过系统根据抢单时间将长时间没人抢的订单识别出来，进行系统派单兜底的方式进行分派的。
然而，传统方法，由于只依赖抢单时间将长时间没人抢的订单识别出来，会使订单等待时间比较久，存在订单分派效率低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高订单分派效率的订单分派方法、装置、计算机设备和存储介质。
一种订单分派方法，所述方法包括：
获取待分派订单的特征向量；
将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
根据专职订单池的压力参数，确定专职订单池的订单承接结果；
当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
在其中一个实施例中，获取待分派订单的特征向量包括：
获取待分派订单的订单信息；
根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量。
在其中一个实施例中，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果包括：
将待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率；
比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果。
在其中一个实施例中，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果之前，还包括：
获取历史订单数据；
根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据；
根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型。
在其中一个实施例中，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果之后，还包括：
当订单抢单预测结果为在众包订单池有人抢单时，将待分派订单分派至众包订单池；
当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池的压力参数；
根据压力参数对待分派订单进行分派。
在其中一个实施例中，获取专职订单池的压力参数包括：
获取待分派订单的订单信息；
根据订单信息确定待评估订单区域；
获取待评估订单区域内的实时订单信息，根据实时订单信息，得到专职订单池的压力参数。
在其中一个实施例中，根据实时订单信息，得到专职订单池的压力参数包括：
根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重；
根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数。
一种订单分派装置，所述装置包括：
特征获取模块，用于获取待分派订单的特征向量；
第一分析模块，用于将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
分派模块，用于当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
第二分析模块，用于根据专职订单池的压力参数，确定专职订单池的订单承接结果；
处理模块，用于当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待分派订单的特征向量；
将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
根据专职订单池的压力参数，确定专职订单池的订单承接结果；
当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待分派订单的特征向量；
将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
根据专职订单池的压力参数，确定专职订单池的订单承接结果；
当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
上述订单分派方法、装置、计算机设备和存储介质，获取待分派订单的特征向量，通过将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果，能够使在众包订单池无人抢单的订单被提前识别出来，通过获取专职订单池的压力参数，确定专职订单池的订单承接结果，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池，能够使得在众包订单池无人抢单的待分派订单可以在专职订单池中被分派，整个过程，通过利用订单抢单模型对待分派订单的特征向量进行分析，能够提高订单识别效率，从而可以将在众包订单池无人抢单的订单提前识别出来，减少订单等待时间，并且在此基础上，通过将待分派订单放入专职订单池中被分派，提高订单分派效率。
附图说明
图1为一个实施例中订单分派方法的应用环境图；
图2为一个实施例中订单分派方法的流程示意图；
图3为另一个实施例中订单分派方法的流程示意图；
图4为一个实施例中订单分派方法的示意图；
图5为一个实施例中订单分派装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的订单分派方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102生成待分派订单，并将待分派订单发送至服务器104，服务器104在接收到待分派订单后，获取待分派订单的特征向量，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果，当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数，根据专职订单池的压力参数，确定专职订单池的订单承接结果，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种订单分派方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取待分派订单的特征向量。
其中，待分派订单是指尚未分派的众包订单。特征向量是指用于表示待分派订单的订单特征的向量。比如，订单特征具体可以是订单距离、订单价格、期望时间、配送难度、下单时段等订单信息。又比如，订单特征具体也可以是基于待分派订单的历史订单统计特征，包括与待分派订单对应的商户特征、区域组合特征等。举例说明，商户特征具体可以是商户发单量、商户区域位置、商户历史抢单率、商户类型等。又举例说明，区域组合特征具体可以是一定范围内骑士数量、最近的骑士距离、骑士单量分布、骑士订单空间分布等。
具体的，服务器会先获取待分派订单的订单信息，再根据订单信息确定与待分派订单对应的商户和区域，根据与待分派订单对应的商户和区域，获取对应的商户特征以及区域组合特征(即历史订单统计特征)，根据订单信息和历史订单统计特征，进行特征组合以及数据清洗，得到待分派订单的特征向量。
步骤204，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果。
其中，已训练的订单抢单模型是指预先训练的订单抢单模型，用于根据待分派订单的特征向量去分析待分派订单能否被抢单。订单抢单预测结果是指订单抢单模型的输出结果，包括在众包订单池无人抢单和在众包订单池有人抢单，当待分派订单的被抢单概率小于预设的被抢单概率阈值时，订单抢单模型的输出结果为在众包订单池无人抢单，当待分派订单的被抢单概率大于预设的被抢单概率阈值时，订单抢单模型的输出结果为在众包订单池有人抢单。预设的被抢单概率阈值可按照需要自行设置。
具体的，服务器会将待分派订单的特征向量输入已训练的订单抢单模型，订单抢单模型会根据待分派订单的特征向量计算出待分派订单的被抢单概率，比对被抢单概率和预设的被抢单概率阈值，输出订单抢单预测结果。
步骤206，当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数。
其中，订单池包括众包订单池和专职订单池，众包订单池是指由众包骑士负责的订单池，即兼职骑士负责的订单池。专职订单池是指由非众包骑士负责的订单池，即专职骑士负责的订单池。压力参数用于表征专职订单池的承接能力，可通过考虑专职订单池内的积压单量、人均单量、未指派单量、当前订单预计完成时间、新订单预计完成时间等因素得出，只有当压力参数满足预设压力条件时才认为专职订单池可以承接众包溢出的待分派订单(即订单抢单预测结果为在众包订单池无人抢单的待分派订单)。预设压力条件可按照需要自行设置，举例说明，当压力参数为考虑上述因素得出的压力值时，预设压力条件可以是对应的压力阈值。
具体的，当订单抢单预测结果为在众包订单池无人抢单时，服务器会获取待分派订单的订单信息，通过待分派订单的订单信息得到对应的专职订单池的压力参数，进而可以根据压力参数判断专职订单池是否可以承接该待分派订单。同时，服务器也会将该待分派订单直接分派至众包订单池，供众包订单池内的众包骑士抢单。此处需要说明的是，订单抢单预测结果为在众包订单池无人抢单是表示该待分派订单在众包订单池内被抢单的概率小，并不是一定不会被抢单。
步骤208，根据专职订单池的压力参数，确定专职订单池的订单承接结果。
其中，专职订单池的订单承接结果用于表征专职订单池是否可以承接众包溢出的待分派订单(即订单抢单预测结果为在众包订单池无人抢单的待分派订单)。订单承接结果可以为可承接订单或者不可承接订单。
具体的，服务器会比对专职订单池的压力参数和预设压力条件，当专职订单池的压力参数满足预设压力条件时，得到订单承接结果为可承接订单，当专职订单池的压力参数不满足预设压力条件时，得到订单承接结果为不可承接订单。举例说明，压力参数具体可以是考虑专职订单池内的积压单量、人均单量、未指派单量、当前订单预计完成时间、新订单预计完成时间等因素得出的压力值，预设压力条件可以是对应的压力阈值，当压力值小于压力阈值时，可认为压力参数满足预设压力条件，订单承接结果为可承接订单，当压力值大于压力阈值时，可认为压力参数不满足预设压力条件，订单承接结果为不可承接订单。预设压力条件可按照需要自行设置。
步骤210，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
具体的，当订单承接结果为可承接订单时，服务器会将待分派订单溢出至专职订单池内，从而溢出成功的订单可以在专职订单池内进行系统派单。同时，由于服务器也会将该待分派订单分派至众包订单池，所以在完成系统派单之前，该待分派订单也可以在众包订单池内由众包骑士抢单，通过这种方式，可以保证该待分派订单尽快有骑士接单，提高待分派订单的接单效率。
上述订单分派方法，获取待分派订单的特征向量，通过将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果，能够使在众包订单池无人抢单的订单被提前识别出来，通过获取专职订单池的压力参数，确定专职订单池的订单承接结果，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池，能够使得在众包订单池无人抢单的待分派订单可以在专职订单池中被分派，整个过程，通过利用订单抢单模型对待分派订单的特征向量进行分析，能够提高订单识别效率，从而可以将在众包订单池无人抢单的订单提前识别出来，减少订单等待时间，并且在此基础上，通过将待分派订单放入专职订单池中被分派，提高订单分派效率。
在其中一个实施例中，获取待分派订单的特征向量包括：
获取待分派订单的订单信息；
根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量。
其中，订单信息包括寄件人信息、订单距离、订单价格、期望时间、配送难度、下单时段等。历史订单统计特征是指与待分派订单对应的商户特征、区域组合特征等。
具体的，服务器会获取待分派订单的订单信息，根据订单信息中的寄件人信息确定与待分派订单对应的商户以及区域，获取该商户的商户特征以及该区域的区域组合特征。其中，商户特征具体可以是商户发单量、商户区域位置、商户历史抢单率、商户类型等，区域组合特征具体可以是一定范围内骑士数量、最近的骑士距离、骑士单量分布、骑士订单空间分布等。在得到商户特征和区域组合特征之后，服务器会对订单信息、商户特征以及区域组合特征进行特征组合以及数据清洗，得到待分派订单的特征向量。
本实施例中，通过获取待分派订单的订单信息，根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量，能够实现对待分派订单的特征向量的获取。
在其中一个实施例中，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果包括：
将待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率；
比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果。
其中，待分派订单的被抢单概率是指若将待分派订单放入众包订单池中，该待分派订单被众包骑士抢单的概率。预设的被抢单概率阈值用于对待分派订单是否能够被抢单进行判断，可按照需要自行设置。
具体的，服务器会将待分派订单的特征向量输入已训练的订单抢单模型，订单抢单模型会根据特征向量对待分派订单进行分析，得到待分派订单的被抢单概率，再比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果。其中，比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果包括：当待分派订单的被抢单概率小于预设的被抢单概率阈值时，订单抢单预测结果为在众包订单池无人抢单，当待分派订单的被抢单概率大于预设的被抢单概率阈值时，订单抢单预测结果为在众包订单池有人抢单。
本实施例中，通过将待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率，比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果，能够实现对订单抢单预测结果的获取。
在其中一个实施例中，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果之前，还包括：
获取历史订单数据；
根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据；
根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型。
其中，历史订单数据是指已经被分派的众包订单的订单数据，通过历史订单数据可以统计出已经被分派的众包订单是否在预设一定时间内被众包骑士抢单成功，并得到这部分已经被分派的众包订单的订单信息、商户特征以及区域组合特征。历史订单的特征向量是指由众包订单的订单信息、商户特征以及区域组合特征进行特征组合以及数据清洗后得到的向量。
具体的，服务器会获取历史订单数据，通过统计和分析历史订单数据得到已经被分派的众包订单的订单信息、商户特征以及区域组合特征，对订单信息、商户特征以及区域组合特征进行特征组合以及数据清洗，得到历史订单的特征向量，将历史订单的特征向量作为订单抢单模型的训练数据，进行模型训练，得到订单抢单模型。举例说明，订单抢单模型具体可以是随机森林模型，在进行特征组合时，首先可以将订单信息、商户特征以及区域组合特征分别转换为向量形式，再按照订单信息、商户特征、区域组合特征的顺序进行组合。
本实施例中，通过获取历史订单数据，根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据，根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型，能够实现对订单抢单模型的获取。
在其中一个实施例中，将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果之后，还包括：
当订单抢单预测结果为在众包订单池有人抢单时，将待分派订单分派至众包订单池；
当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池的压力参数；
根据压力参数对待分派订单进行分派。
其中，预设的接单等待时间是指预先设置的等待众包订单池内的众包骑士接单的时间，可按照需要自行设置。比如，预设的接单等待时间可以为半个小时。与待分派订单对应的接单信息是指众包骑士接单的信息。
具体的，当订单抢单预测结果为在众包订单池有人抢单时，服务器会将待分派订单分配至众包订单池，等待众包订单池内的众包骑士接单，当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，可认为此时众包订单池内的众包骑士暂时无法接单，服务器会获取专职订单池的压力参数，根据专职订单池的压力参数去判断专职订单池是否可以承接该待分派订单，当专职订单池可以承接该待分派订单时，再将该待分派订单同时溢出至专职订单池中，以缩短待分派订单的被接单时间。其中，根据专职订单池的压力参数去判断专职订单池是否可以承接该待分派订单的方式可以为比对专职订单池的压力参数和预设压力条件，当专职订单池的压力参数满足预设压力条件时，得到订单承接结果为可承接订单，当专职订单池的压力参数不满足预设压力条件时，得到订单承接结果为不可承接订单。
本实施例中，通过当订单抢单预测结果为在众包订单池有人抢单时，将待分派订单分派至众包订单池，当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池的压力参数，根据压力参数对待分派订单进行分派，能够在众包订单池无人接单时实现对待分派订单的分派，缩短待分派订单的被接单时间。
在其中一个实施例中，获取专职订单池的压力参数包括：
获取待分派订单的订单信息；
根据订单信息确定待评估订单区域；
获取待评估订单区域内的实时订单信息，根据实时订单信息，得到专职订单池的压力参数。
其中，待评估订单区域是指与待分派订单对应的预设一定范围内的分派区域，预设一定范围可按照需要自行设置。比如，待评估订单区域具体可以是指与待分派订单对应的五公里内的分派区域。待评估订单区域内的实时订单信息是指专职订单池中待评估订单区域内所有订单的实时信息，包括积压单量、专职骑士人均单量、未指派单量、当前订单预计完成时间、新订单预计完成时间等。
具体的，服务器会获取待分派订单的订单信息，根据订单信息中的寄件人信息和预设一定范围确定待评估订单区域，进而在专职订单池内获取该待评估订单区域内的实时订单信息，通过分析实时订单信息，得到专职订单池的压力参数。
本实施例中，通过获取待分派订单的订单信息，根据订单信息确定待评估订单区域，获取待评估订单区域内的实时订单信息，根据实时订单信息，得到专职订单池的压力参数，能够实现对专职订单池的压力参数的获取。
在其中一个实施例中，根据实时订单信息，得到专职订单池的压力参数包括：
根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重；
根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数。
其中，当前订单预计完成时间是指预估的待评估订单区域内各实时订单的预计完成时间。订单权重是指根据实时订单的当前订单预计完成时间确定的订单系数。比如，订单权重可根据当前订单预计完成时间和订单信息中的期望时间确定，当当前订单预计完成时间大于期望时间时，可认为订单会超时，此订单的订单权重就会越大，当当前订单预计完成时间小于期望时间时，可认为订单不会超时，此订单的订单权重就为基本权重(基本权重可假设为1)。订单量参数包括积压单量、专职骑士人均单量、未指派单量等。
举例说明，当订单会超时的时候，可根据当前订单预计完成时间和期望时间的差值确定订单的订单权重，即通过计算当前订单预计完成时间和期望时间的差值与预设订单超时标准值的比值，确定订单的订单权重，预设订单超时标准值可按照需要自行设置。例如，当订单会超时的时候，若当前订单预计完成时间和期望时间的差值为30分钟，预设订单超时标准值为60分钟，可得到比值为0.5，则可以确定订单的订单权重为基本权重与比值的和，即1.5(此处假设基本权重为1)。
具体的，服务器会通过比对实时订单信息中的当前订单预计完成时间以及订单信息中的期望时间，确定待评估订单区域内各实时订单的订单权重，当当前订单预计完成时间小于期望时间时，可认为订单不会超时，此时对应的实时订单的订单权重为基本权重，当当前订单预计完成时间大于期望时间时，可认为订单会超时，服务器会进一步通过计算当前订单预计完成时间和期望时间的差值与预设订单超时标准值的比值，确定实时订单的订单权重。在确定各实时订单的订单权重后，服务器会根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数。
具体的，根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数的方式可以为：根据实时订单信息中的积压单量、专职骑士人均单量、未指派单量等订单量参数以及订单权重，先分别计算积压单量值、专职骑士人均单量值以及未指派单量值，再计算积压单量值、专职骑士人均单量值以及未指派单量值之和，得到压力值，将压力值作为压力参数。
本实施例中，通过根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重，根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数，能够实现对专职订单池的压力参数的获取。
如图3所示，通过一个实施例来说明本申请的订单分派方法，包括以下步骤：
步骤302，获取待分派订单的订单信息；
步骤304，根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量；
步骤306，获取历史订单数据；
步骤308，根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据；
步骤310，根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型；
步骤312，将待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率；
步骤314，比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果，当订单抢单预测结果为在众包订单池有人抢单时，跳转至步骤316，当订单抢单预测结果为在众包订单池无人抢单时，跳转至步骤322；
步骤316，将待分派订单分派至众包订单池；
步骤318，当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池的压力参数；
步骤320，根据压力参数对待分派订单进行分派；
步骤322，获取待分派订单的订单信息；
步骤324，根据订单信息确定待评估订单区域；
步骤326，获取待评估订单区域内的实时订单信息，根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重；
步骤328，根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数；
步骤330，根据专职订单池的压力参数，确定专职订单池的订单承接结果；
步骤332，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
本申请还提供一种应用场景，该应用场景应用上述的订单分派方法。具体地，如图4所示，该订单分派方法在该应用场景的应用如下：
服务器获取众包订单中待分派订单的订单信息，根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量，获取历史订单数据，根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据，根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型，将待分派订单的特征向量输入已训练的订单抢单模型(model)，得到待分派订单的被抢单概率，比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果，当订单抢单预测结果为在众包订单池有人抢单时，将待分派订单分派至众包订单池(众包网络)，当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池(专职网络)的压力参数，根据压力参数对待分派订单进行分派，当订单抢单预测结果为在众包订单池无人抢单时，获取待分派订单的订单信息，根据订单信息确定待评估订单区域，获取待评估订单区域内的实时订单信息，根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重，根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数，根据专职订单池的压力参数，确定专职订单池的订单承接结果，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池，同时也将该待分派订单分派至众包订单池。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种订单分派装置，包括：特征获取模块502、第一分析模块504、分派模块506、第二分析模块508和处理模块510，其中：
特征获取模块502，用于获取待分派订单的特征向量；
第一分析模块504，用于将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
分派模块506，用于当订单抢单预测结果为在众包订单池无人抢单时，将待分派订单分派至众包订单池，并获取专职订单池的压力参数；
第二分析模块508，用于根据专职订单池的压力参数，确定专职订单池的订单承接结果；
处理模块510，用于当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
上述订单分派装置，获取待分派订单的特征向量，通过将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果，能够使在众包订单池无人抢单的订单被提前识别出来，通过获取专职订单池的压力参数，确定专职订单池的订单承接结果，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池，能够使得在众包订单池无人抢单的待分派订单可以在专职订单池中被分派，整个过程，通过利用订单抢单模型对待分派订单的特征向量进行分析，能够提高订单识别效率，从而可以将在众包订单池无人抢单的订单提前识别出来，减少订单等待时间，并且在此基础上，通过将待分派订单放入专职订单池中被分派，提高订单分派效率。
在其中一个实施例中，特征获取模块还用于获取待分派订单的订单信息，根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量。
在其中一个实施例中，第一分析模块还用于将待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率，比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果。
在其中一个实施例中，订单分派装置还包括模型训练模块，模型训练模块用于获取历史订单数据，根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据，根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型。
在其中一个实施例中，分派模块还用于当订单抢单预测结果为在众包订单池有人抢单时，将待分派订单分派至众包订单池，当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池的压力参数，根据压力参数对待分派订单进行分派。
在其中一个实施例中，分派模块还用于获取待分派订单的订单信息，根据订单信息确定待评估订单区域，获取待评估订单区域内的实时订单信息，根据实时订单信息，得到专职订单池的压力参数。
在其中一个实施例中，分派模块还用于根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重，根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数。
关于订单分派装置的具体限定可以参见上文中对于订单分派方法的限定，在此不再赘述。上述订单分派装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待分派订单的特征向量以及历史订单数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种订单分派方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待分派订单的特征向量；
将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
根据专职订单池的压力参数，确定专职订单池的订单承接结果；
当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
上述订单分派计算机设备，获取待分派订单的特征向量，通过将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果，能够使在众包订单池无人抢单的订单被提前识别出来，通过获取专职订单池的压力参数，确定专职订单池的订单承接结果，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池，能够使得在众包订单池无人抢单的待分派订单可以在专职订单池中被分派，整个过程，通过利用订单抢单模型对待分派订单的特征向量进行分析，能够提高订单识别效率，从而可以将在众包订单池无人抢单的订单提前识别出来，减少订单等待时间，并且在此基础上，通过将待分派订单放入专职订单池中被分派，提高订单分派效率。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待分派订单的订单信息；
根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率；
比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取历史订单数据；
根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据；
根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当订单抢单预测结果为在众包订单池有人抢单时，将待分派订单分派至众包订单池；
当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池的压力参数；
根据压力参数对待分派订单进行分派。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待分派订单的订单信息；
根据订单信息确定待评估订单区域；
获取待评估订单区域内的实时订单信息，根据实时订单信息，得到专职订单池的压力参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重；
根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待分派订单的特征向量；
将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
当订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
根据专职订单池的压力参数，确定专职订单池的订单承接结果；
当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池。
上述订单分派存储介质，获取待分派订单的特征向量，通过将待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果，能够使在众包订单池无人抢单的订单被提前识别出来，通过获取专职订单池的压力参数，确定专职订单池的订单承接结果，当订单承接结果为可承接订单时，将待分派订单溢出至专职订单池，能够使得在众包订单池无人抢单的待分派订单可以在专职订单池中被分派，整个过程，通过利用订单抢单模型对待分派订单的特征向量进行分析，能够提高订单识别效率，从而可以将在众包订单池无人抢单的订单提前识别出来，减少订单等待时间，并且在此基础上，通过将待分派订单放入专职订单池中被分派，提高订单分派效率。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待分派订单的订单信息；
根据订单信息获取历史订单统计特征，根据订单信息和历史订单统计特征，得到待分派订单的特征向量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率；
比对被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取历史订单数据；
根据历史订单数据构建历史订单的特征向量，根据历史订单的特征向量得到订单抢单模型的训练数据；
根据订单抢单模型的训练数据进行模型训练，得到订单抢单模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
当订单抢单预测结果为在众包订单池有人抢单时，将待分派订单分派至众包订单池；
当在预设的接单等待时间内未接收到与待分派订单对应的接单信息时，获取专职订单池的压力参数；
根据压力参数对待分派订单进行分派。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待分派订单的订单信息；
根据订单信息确定待评估订单区域；
获取待评估订单区域内的实时订单信息，根据实时订单信息，得到专职订单池的压力参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据实时订单信息中的当前订单预计完成时间确定待评估订单区域内各实时订单的订单权重；
根据订单权重和实时订单信息中的订单量参数，得到专职订单池的压力参数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种订单分派方法，其特征在于，所述方法包括：
获取待分派订单的特征向量；
将所述待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
当所述订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
根据所述专职订单池的压力参数，确定所述专职订单池的订单承接结果；
当所述订单承接结果为可承接订单时，将所述待分派订单溢出至所述专职订单池。
2.根据权利要求1所述的方法，其特征在于，所述获取待分派订单的特征向量包括：
获取待分派订单的订单信息；
根据所述订单信息获取历史订单统计特征，根据所述订单信息和所述历史订单统计特征，得到待分派订单的特征向量。
3.根据权利要求1所述的方法，其特征在于，所述将所述待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果包括：
将所述待分派订单的特征向量输入已训练的订单抢单模型，得到待分派订单的被抢单概率；
比对所述被抢单概率和预设的被抢单概率阈值，得到订单抢单预测结果。
4.根据权利要求1所述的方法，其特征在于，所述将所述待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果之前，还包括：
获取历史订单数据；
根据所述历史订单数据构建历史订单的特征向量，根据所述历史订单的特征向量得到订单抢单模型的训练数据；
根据所述订单抢单模型的训练数据进行模型训练，得到订单抢单模型。
5.根据权利要求1所述的方法，其特征在于，所述将所述待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果之后，还包括：
当所述订单抢单预测结果为在众包订单池有人抢单时，将所述待分派订单分派至众包订单池；
当在预设的接单等待时间内未接收到与所述待分派订单对应的接单信息时，获取专职订单池的压力参数；
根据所述压力参数对所述待分派订单进行分派。
6.根据权利要求1所述的方法，其特征在于，所述获取专职订单池的压力参数包括：
获取待分派订单的订单信息；
根据所述订单信息确定待评估订单区域；
获取所述待评估订单区域内的实时订单信息，根据所述实时订单信息，得到专职订单池的压力参数。
7.根据权利要求6所述的方法，其特征在于，所述根据所述实时订单信息，得到专职订单池的压力参数包括：
根据所述实时订单信息中的当前订单预计完成时间确定所述待评估订单区域内各实时订单的订单权重；
根据所述订单权重和所述实时订单信息中的订单量参数，得到专职订单池的压力参数。
8.一种订单分派装置，其特征在于，所述装置包括：
特征获取模块，用于获取待分派订单的特征向量；
第一分析模块，用于将所述待分派订单的特征向量输入已训练的订单抢单模型，得到订单抢单预测结果；
分派模块，用于当所述订单抢单预测结果为在众包订单池无人抢单时，获取专职订单池的压力参数；
第二分析模块，用于根据所述专职订单池的压力参数，确定所述专职订单池的订单承接结果；
处理模块，用于当所述订单承接结果为可承接订单时，将所述待分派订单溢出至所述专职订单池。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010512922.6A 2020-06-08 2020-06-08 订单分派方法、装置、计算机设备和存储介质 Active CN111553645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010512922.6A CN111553645B (zh) 2020-06-08 2020-06-08 订单分派方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010512922.6A CN111553645B (zh) 2020-06-08 2020-06-08 订单分派方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111553645A true CN111553645A (zh) 2020-08-18
CN111553645B CN111553645B (zh) 2024-02-02

Family

ID=72002207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010512922.6A Active CN111553645B (zh) 2020-06-08 2020-06-08 订单分派方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111553645B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240477A (zh) * 2021-06-21 2021-08-10 拼途(北京)信息技术有限公司 订单派发方法、订单派发装置和可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105117777A (zh) * 2015-07-28 2015-12-02 北京嘀嘀无限科技发展有限公司 一种订单分配的方法及装置
US20180012153A1 (en) * 2015-01-29 2018-01-11 Beijing Didi Infinity Technology And Development C O., Ltd. Order allocation system and method
CN108037911A (zh) * 2017-11-20 2018-05-15 河海大学 一种app平台系统
CN108734390A (zh) * 2018-05-07 2018-11-02 北京顺丰同城科技有限公司 一种订单配送的调度处理方法及装置
CN109214712A (zh) * 2018-10-15 2019-01-15 北京顺丰同城科技有限公司 一种订单调度方法及装置
CN109767289A (zh) * 2018-12-15 2019-05-17 深圳壹账通智能科技有限公司 订单智能分配方法、装置、计算机设备及存储介质
CN109886603A (zh) * 2019-03-12 2019-06-14 北京同城必应科技有限公司 订单推送方法、装置、设备及存储介质
CN110288421A (zh) * 2019-05-10 2019-09-27 拉扎斯网络科技（上海）有限公司 订单处理方法、装置、服务器、终端和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180012153A1 (en) * 2015-01-29 2018-01-11 Beijing Didi Infinity Technology And Development C O., Ltd. Order allocation system and method
CN105117777A (zh) * 2015-07-28 2015-12-02 北京嘀嘀无限科技发展有限公司 一种订单分配的方法及装置
CN108037911A (zh) * 2017-11-20 2018-05-15 河海大学 一种app平台系统
CN108734390A (zh) * 2018-05-07 2018-11-02 北京顺丰同城科技有限公司 一种订单配送的调度处理方法及装置
CN109214712A (zh) * 2018-10-15 2019-01-15 北京顺丰同城科技有限公司 一种订单调度方法及装置
CN109767289A (zh) * 2018-12-15 2019-05-17 深圳壹账通智能科技有限公司 订单智能分配方法、装置、计算机设备及存储介质
CN109886603A (zh) * 2019-03-12 2019-06-14 北京同城必应科技有限公司 订单推送方法、装置、设备及存储介质
CN110288421A (zh) * 2019-05-10 2019-09-27 拉扎斯网络科技（上海）有限公司 订单处理方法、装置、服务器、终端和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毛玉杰 等: "时效约束下基于接单意愿的众包物流激励策略" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240477A (zh) * 2021-06-21 2021-08-10 拼途(北京)信息技术有限公司 订单派发方法、订单派发装置和可读存储介质

Also Published As

Publication number Publication date
CN111553645B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN111176852A (zh) 资源分配方法、装置、芯片及计算机可读存储介质
CN113326126A (zh) 任务处理方法、任务调度方法、装置及计算机设备
CN111338791A (zh) 集群队列资源的调度方法、装置、设备及存储介质
CN111985786A (zh) 基于坐席的任务分配方法、装置、计算机设备和存储介质
CN109726983A (zh) 审批任务分配方法、装置、计算机设备和存储介质
CN110209472B (zh) 任务数据处理方法和板卡
CN110119876B (zh) 工单处理方法及装置
CN111813523A (zh) 时长预估模型生成方法、系统资源调度方法、装置、电子设备和存储介质
CN111225050A (zh) 云计算资源分配方法及装置
CN114638391A (zh) 运单风险场景识别处理方法、装置、计算机设备和介质
CN111553645A (zh) 订单分派方法、装置、计算机设备和存储介质
CN114851210A (zh) 基于云平台的机器人调度方法及调度云平台
CN117407178B (zh) 一种自适应负载分配的加速子卡管理方法及系统
CN110851260B (zh) 任务分配方法及装置
CN111652471B (zh) 名单分配控制方法、装置、电子设备及存储介质
CN110516872B (zh) 一种信息处理方法、装置、存储介质和电子设备
CN115129481B (zh) 一种计算资源分配方法、装置及电子设备
CN116896591A (zh) 网络数据分析模型调度方法、装置和计算机设备
CN108268313A (zh) 数据处理的方法和装置
CN115271102A (zh) 一种机器学习引擎的任务导向的优先级方法及系统
CN113742059B (zh) 任务分配方法、装置、计算机设备和存储介质
CN116204282A (zh) 一种深度学习算法模型推理调度引擎架构及方法
CN114936089A (zh) 资源调度方法、系统、设备及存储介质
CN111445371A (zh) 运输路线生成方法、装置、计算机设备和存储介质
CN113988769B (zh) 一种智能匹配分布式资源的方法、装置和计算机设备

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