CN111582539A - 配送时长获取、配送时长预测模型生成的方法、装置 - Google Patents
配送时长获取、配送时长预测模型生成的方法、装置 Download PDFInfo
- Publication number
- CN111582539A CN111582539A CN202010225357.5A CN202010225357A CN111582539A CN 111582539 A CN111582539 A CN 111582539A CN 202010225357 A CN202010225357 A CN 202010225357A CN 111582539 A CN111582539 A CN 111582539A
- Authority
- CN
- China
- Prior art keywords
- distribution
- order
- delivery
- sample
- target
- 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.)
- Pending
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种配送时长的获取方法,包括:获取目标订单;根据目标订单确定目标配送资源;获取目标配送资源的历史订单配送时长、所述目标配送资源的当前订单数量和所述目标配送资源的配送级别数据根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长。由于通过目标配送资源的历史订单配送时长、目标配送资源的当前订单数量、以及目标配送资源的配送级别数据更全面的维度预测目标订单的配送时长,进而提升获取施针对目标订单的配送时长的准确度。
Description
技术领域
本申请涉及数据处理领域,具体涉及两种配送时长的获取方法,两种配送时长预测模型的生成方法,一种配送时长处理方法,两种配送时长的获取装置,两种配送时长预测模型的生成装置,以及一种电子设备和一种计算机存储介质。
背景技术
随着电子商务的快速发展,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,因而加大了配送资源的配送量,这在一定程度对配送平台准确预测配送资源的配送时长提出了更高的要求。
现有技术针对预测配送资源的配送时长所采用的技术手段一般是配送平台通过订单用户和商户之间的配送距离和配送资源的位置信息等数据预测出来的。但是在实际的配送过程中,由于配送资源的配送能力存在差异,就使得不同的配送资源配送同一订单对应的订单时长存在差异。例如,配送资源刚进入配送行业,其在对配送路线等信息不熟悉的情况下,就会使得预测的配送时长和实际的配送时长偏差会较大,从而造成提供给订单用户的预测的配送时长不准确。
因此,如何提升预测配送资源的配送时长的准确性,成为本领域技术人员亟待解决的问题。
发明内容
本申请实施例提供一种配送时长的获取方法,以解决现有技术提供给订单用户的预测的配送时长不准确的问题。本申请实施例同时还提供了一种配送时长的获取方法,两种配送时长预测模型的生成方法,一种配送时长处理方法,两种配送时长的获取装置,两种配送时长预测模型的生成装置,以及一种电子设备和一种计算机存储介质。
第一方面,本申请实施例提供一种配送时长的获取方法,包括:获取目标订单;根据目标订单确定目标配送资源;获取所述目标配送资源的历史订单配送时长、所述目标配送资源的当前订单数量和所述目标配送资源的配送级别数据,所述目标配送资源的配送级别数据是用于表征所述目标配送资源配送经验的数据;根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长。
可选的,所述获取目标配送资源的历史订单配送时长,包括:获取配送资源集合对应的历史订单配送时长集合;获取所述目标配送资源的特征信息;根据所述目标配送资源的特征信息,在所述历史订单配送时长集合中筛选与所述目标配送资源相对应的历史订单配送时长。
可选的,如果在所述历史订单配送时长集合中筛选出与所述目标配送资源相对应的多个历史订单配送时长,则将所述多个历史订单配送时长中的一个历史订单配送时长作为所述目标配送资源的历史订单配送时长,或者,将所述多个历史订单配送时长的平均时长作为所述目标配送资源的历史订单配送时长。
可选的,获取所述目标配送资源的当前订单数量,包括:获取目标订单信息对应的目标订单的配送特征信息;获取所述目标配送资源需要配送的与所述配送特征信息匹配的订单的数量;根据所述目标订单和所述与所述配送特征信息匹配的订单的数量,获取所述目标配送资源的当前订单数量。
可选的,所述目标订单的配送特征信息包括所述目标订单的配送目的地的位置信息,所述与所述配送特征信息匹配的订单包括位置信息与所述配送目的地的位置信息匹配的订单;或者,所述目标订单的配送特征信息包括所述目标订单的预计送达时间,所述与所述配送特征信息匹配的订单包括预计送达时间与所述目标订单的预计送达时间匹配的订单。
可选的,所述根据所述目标订单和所述与所述配送特征信息匹配的订单的数量,获取所述目标配送资源的当前订单数量,包括:将所述目标订单的数量和所述与所述配送特征信息匹配的订单的数量之和,作为所述目标配送资源的当前订单数量。
可选的,获取所述目标配送资源的配送级别数据,包括:获取所述目标配送资源从配送第一个订单开始至当前的配送经验时长;根据所述目标配送资源的配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取所述目标配送资源的配送级别数据。
可选的,所述获取所述目标配送资源的配送级别数据,包括:获取所述目标配送资源的已配送订单数量;根据所述目标配送资源的已配送订单数量以及预先设置的已配送订单数量范围与配送级别数据之间的对应关系,获取所述目标配送资源的配送级别数据。
可选的,所述根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长,包括:获取第一配送时长预测模型,所述第一配送时长预测模型用于根据待配送订单信息、对应于所述待配送订单信息的配送资源的历史订单配送时长、对应于所述待配送订单信息的配送资源的当前订单数量、对应于所述待配送订单信息的配送资源的配送级别数据,预测所述配送资源针对所述待配送订单信息的配送时长;将所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,输入到所述第一配送时长预测模型中,获取所述目标配送资源针对所述目标订单的配送时长。
可选的,所述根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长,包括:获取第二配送时长预测模型,所述第二配送时长预测模型用于根据待配送订单信息、对应于所述待配送订单信息的配送资源的历史订单配送时长、对应于所述待配送订单信息的配送资源的当前订单数量,预测所述配送资源针对所述待配送订单的初始配送时长;将所述目标订单、所述历史订单配送时长和所述当前订单数量,输入到所述第二配送时长预测模型中,获取所述目标配送资源针对所述目标订单的初始配送时长;根据所述配送级别数据和所述初始配送时长,获取所述目标配送资源针对所述目标订单的配送时长。
可选的,所述根据所述配送级别数据和所述初始配送时长,获取所述目标配送资源针对所述目标订单的配送时长,包括:确定所述初始配送时长对应的参考配送级别数据;确定所述配送级别数据与所述参考配送级别数据之间的级别差数据;获取与所述级别差数据对应的时长差数据;根据所述初始配送时长与所述时长差数据,获取所述目标配送资源针对所述目标订单的配送时长。
可选的,所述根据所述初始配送时长与所述时长差数据,获取所述目标配送资源针对所述目标订单的配送时长,包括:如果所述配送级别数据高于所述参考配送级别数据,所述配送级别数据表征的配送经验多于所述参考配送级别数据表征的参考配送经验,并且所述时长差数据为大于零的数据,则在所述初始配送时长的基础上减去所述时长差数据,将获得的计算结果作为所述目标配送资源针对所述目标订单的配送时长;或者,如果所述配送级别数据低于所述参考配送级别数据,所述配送级别数据表征的配送经验少于所述参考配送级别数据表征的参考配送经验,并且所述时长差数据为大于零的数据,则计算所述初始配送时长与所述时长差数据之和,将获得的计算结果作为所述目标配送资源针对所述目标订单的配送时长;或者,如果所述配送级别数据等于所述参考配送级别数据,所述时长差数据为等于零的数据,则将所述初始配送时长作为所述目标配送资源针对所述目标订单的配送时长。
可选的,所述根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长,包括:获取第三配送时长预测模型,所述第三配送时长预测模型用于根据待配送订单信息、对应于所述待配送订单信息的配送资源的历史订单配送时长,预测所述配送资源针对所述待配送订单信息的初始配送时长;将所述目标订单和所述历史订单配送时长,输入到所述第三配送时长预测模型中,获取所述目标配送资源针对所述目标订单的初始配送时长;根据所述当前订单数量、配送级别数据和所述初始配送时长,获取所述目标配送资源针对所述目标订单的配送时长。
可选的,所述根据所述当前订单数量、配送级别数据和所述初始配送时长,获取所述目标配送资源针对所述目标订单的配送时长,包括:确定所述初始配送时长对应的参考配送级别数据和需要同时配送订单的参考数量;确定所述配送级别数据与所述参考配送级别数据之间的级别差数据;获取与所述级别差数据对应的第一时长差数据;确定所述当前订单数量与所述需要同时配送订单的参考数量之间的数量差数据;获取与所述数量差数据对应的第二时长差数据;根据所述初始配送时长、所述第一时长差数据和所述第二时长差数据,获取所述目标配送资源针对所述目标订单的配送时长。
可选的,所述根据所述初始配送时长、所述第一时长差数据和所述第二时长差数据,获取所述目标配送资源针对所述目标订单的配送时长,包括:如果所述配送级别数据高于所述参考配送级别数据,所述配送级别数据表征的配送经验多于所述参考配送级别数据表征的参考配送经验,所述当前订单数量高于所述需要同时配送订单的参考数量,并且所述第一时长差数据为大于零的数据,所述第二时长差数据为大于零的数据,则在所述初始配送时长的基础上减去所述第一时长差数据,获得第一计算结果,计算所述第一计算结果与所述第二时长差数据之和,获得第二计算结果,将所述第二计算结果作为所述目标配送资源针对所述目标订单的配送时长;或者,如果所述配送级别数据高于所述参考配送级别数据,所述配送级别数据表征的配送经验多于所述参考配送级别数据表征的参考配送经验,所述当前订单数量低于所述需要同时配送订单的参考数量,并且所述第一时长差数据为大于零的数据,所述第二时长差数据为大于零的数据,则在所述初始配送时长的基础上分别减去所述第一时长差数据和所述第二时长差数据,将获得的计算结果作为所述目标配送资源针对所述目标订单的配送时长;或者,如果所述配送级别数据低于所述参考配送级别数据,所述配送级别数据表征的配送经验少于所述参考配送级别数据表征的参考配送经验,所述当前订单数量高于所述需要同时配送订单的参考数量,并且所述第一时长差数据为大于零的数据,所述第二时长差数据为大于零的数据,则计算所述初始配送时长、所述第一时长差数据与所述第二时长差数据之和,将获得的计算结果作为所述目标配送资源针对所述目标订单的配送时长;或者,如果所述配送级别数据低于所述参考配送级别数据,所述配送级别数据表征的配送经验少于所述参考配送级别数据表征的参考配送经验,所述当前订单数量低于所述需要同时配送订单的参考数量,并且所述第一时长差数据为大于零的数据,所述第二时长差数据为大于零的数据,则计算所述初始配送时长与所述第一时长差数据之和,获得第三计算结果,在所述第三计算结果的基础上减去所述第二时长差数据,获得第四计算结果,将所述第四计算结果作为所述目标配送资源针对所述目标订单的配送时长;或者,如果所述配送级别数据等于所述参考配送级别数据,所述当前订单数量等于所述需要同时配送订单的参考数量,并且所述第一时长差数据为等于零的数据,所述第二时长差数据为等于零的数据,则将所述初始配送时长作为所述目标配送资源针对所述目标订单的配送时长。
可选的,若所述方法应用于客户端,则所述方法还包括:展示所述目标配送资源针对所述目标订单的配送时长。
可选的,若所述方法应用于服务端,则所述方法还包括:将所述目标配送资源针对所述目标订单的配送时长提供给所述目标订单对应的目标用户使用的客户端。
可选的,还包括:从至少一个配送资源的历史订单中获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长。
可选的,所述配送条件包括配送资源的特征信息、订单的特征信息、配送路径的气象条件信息、配送路径的交通条件信息中的至少一种信息。
可选的,若所述方法应用于客户端,则所述方法还包括:展示所述配送条件与所述目标订单的配送条件匹配的历史订单的配送时长。
可选的,若所述方法应用于服务端,则所述方法还包括:将所述配送条件与所述目标订单的配送条件匹配的历史订单的配送时长发送给所述目标订单对应的目标用户所使用的客户端。
可选的,还包括:获得所述目标配送资源的历史配送位置信息、所述目标订单的候选配送路径的气象条件信息、所述目标订单的候选配送路径交通条件信息中的至少一种附加信息;所述根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长,包括:根据所述目标订单、所述历史订单配送时长、所述当前订单数量、所述配送级别数据和所述至少一种附加信息,获取所述目标配送资源针对所述目标订单的配送时长。
第二方面,本申请实施例提供一种配送时长预测模型的生成方法,包括:获取订单样本、对应于所述订单样本的配送资源样本的历史订单配送时长样本、对应于所述订单样本的配送资源样本的当前订单数量样本、对应于所述订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述订单样本的配送时长样本;根据所述订单样本、所述历史订单配送时长样本、所述当前订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据待配送订单、对应于所述待配送订单的配送资源的历史订单配送时长、对应于所述待配送订单的配送资源的当前订单数量、对应于所述待配送订单的配送资源的配送级别数据,预测所述配送资源针对所述待配送订单的配送时长。
可选的,获取所述对应于所述订单样本的配送资源样本的历史订单配送时长样本,包括:获取对应于所述订单样本的配送资源样本集合的历史订单配送时长样本集合;获取所述配送资源样本的特征信息;根据所述配送资源样本的特征信息,在所述历史订单配送时长样本集合中筛选与所述配送资源样本相对应的历史订单配送时长样本。
可选的,如果在所述历史订单配送时长样本集合中筛选出与所述配送资源样本相对应的多个历史订单配送时长样本,则将所述多个历史订单配送时长样本中的一个历史订单配送时长样本作为所述配送资源样本的历史订单配送时长样本,或者,将所述多个历史订单配送时长样本的平均时长作为所述配送资源样本的历史订单配送时长样本。
可选的,获取所述对应于所述订单样本的配送资源样本的当前订单数量样本,包括:获取订单样本信息对应的订单样本的配送特征信息;获取所述配送资源样本需要配送的与所述配送特征信息匹配的订单的数量样本;根据所述订单样本和所述与所述配送特征信息匹配的订单的数量样本,获取所述配送资源样本的当前订单数量样本。
可选的,所述订单样本的配送特征信息包括所述订单样本的配送目的地的位置信息,所述与所述配送特征信息匹配的订单包括位置信息与所述配送目的地的位置信息匹配的订单;或者,所述订单样本的配送特征信息包括所述订单样本的预计送达时间,所述与所述配送特征信息匹配的订单包括预计送达时间与所述订单样本的预计送达时间匹配的订单。
可选的,所述根据所述订单样本和所述与所述配送特征信息匹配的订单的数量样本,获取所述配送资源样本的当前订单数量样本,包括:将所述订单样本的数量样本和所述与所述配送特征信息匹配的订单的数量样本之和,作为所述配送资源样本的当前订单数量样本。
可选的,获取所述对应于所述订单样本的配送资源样本的配送级别数据样本,包括:获取所述配送资源样本从配送第一个订单开始至当前的配送经验时长;根据所述配送资源样本的配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取所述配送资源样本的配送级别数据样本。
可选的,所述获取所述配送资源样本的配送级别数据样本,包括:获取所述配送资源样本的已配送订单数量;根据所述配送资源样本的已配送订单数量以及预先设置的已配送订单数量范围与配送级别数据之间的对应关系,获取所述配送资源样本的配送级别数据样本。
第三方面,本申请实施例提供一种配送时长的获取方法,包括:获取目标配送资源的历史订单配送时长、所述目标配送资源在配送所述历史订单时持有订单数量和所述目标配送资源在配送历史订单时所述目标配送资源对应的配送级别数据;根据所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,获取所述目标配送资源配送后续订单的配送时长。
可选的,获取所述目标配送资源在配送所述历史订单时持有订单数量,包括:获取历史订单信息对应的历史订单的配送特征信息;获取所述目标配送资源需要配送的与所述配送特征信息匹配的订单的数量;根据所述历史订单和所述与所述配送特征信息匹配的订单的数量,获取所述目标配送资源在配送所述历史订单时持有订单数量。
可选的,获取所述目标配送资源在配送所述历史订单时所述目标配送资源对应的配送级别数据,包括:获取所述目标配送资源的历史配送经验时长;根据所述目标配送资源的历史配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取所述目标配送资源在配送所述历史订单时的配送级别数据。
可选的,所述根据所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,获取所述目标配送资源配送后续订单的配送时长,包括:获取第一配送时长预测模型,所述第一配送时长预测模型用于根据待配送订单信息、对应于所述待配送订单信息的配送资源的历史订单配送时长、对应于所述待配送订单信息的配送资源在配送所述历史订单时持有订单数量、对应于所述待配送订单信息的配送资源在配送所述历史订单时对应的配送级别数据,预测所述配送资源针对所述待配送订单信息的配送时长;将所述后续订单、所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,输入到所述第一配送时长预测模型中,获取所述目标配送资源配送后续订单的配送时长。
第四方面,本申请实施例提供一种配送时长预测模型的生成方法,其特征在于,包括:获取历史订单样本、对应于所述历史订单样本的配送资源样本的历史订单配送时长样本、对应于所述历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于所述历史订单样本的配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本、所述配送资源样本配送后续订单的配送时长样本;根据所述历史订单样本、所述历史订单配送时长样本、所述持有订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据后续订单、对应于所述后续订单的配送资源的历史订单配送时长、对应于所述后续订单的配送资源的持有订单数量、对应于所述后续订单的配送资源的配送级别数据,预测所述配送资源配送所述后续订单的配送时长。
可选的,所述获取对应于所述历史订单样本的配送资源样本的历史订单配送时长样本,包括:获取对应于所述历史订单样本的配送资源样本集合的历史订单配送时长样本集合;获取所述配送资源样本的特征信息;根据所述配送资源样本的特征信息,在所述历史订单配送时长样本集合中筛选与所述配送资源样本相对应的历史订单配送时长样本。
可选的,获取所述配送资源样本在配送所述历史订单时持有订单数量样本,包括:获取历史订单样本信息对应的历史订单样本的配送特征信息;获取所述配送资源样本需要配送的与所述配送特征信息匹配的订单的数量样本;根据所述历史订单样本和所述与所述配送特征信息匹配的订单的数量样本,获取所述配送资源样本在配送所述历史订单时持有订单数量样本。
可选的,获取所述对应于所述历史订单样本的配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本,包括:获取所述配送资源样本的历史配送经验时长;根据所述配送资源样本的历史配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取所述配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本。
第五方面,本申请实施例提供一种配送时长处理方法,包括:获取目标订单;获取所述目标订单的配送条件;获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长;将所述历史订单的配送时长发送给所述目标订单对应的目标用户所使用的终端,或者,展示所述历史订单的配送时长。
可选的,所述获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长,包括:将所述目标订单的配送条件与历史订单的配送条件进行聚类处理,获得与所述目标订单的配送条件匹配的配送条件;根据所述与所述目标订单的配送条件匹配的配送条件,确定配送条件与所述目标订单的配送条件匹配的历史订单;获得配送条件与所述目标订单的配送条件匹配的历史订单的配送时长。
可选的,所述配送条件包括:配送资源的特征信息、订单的特征信息、配送路径的气象条件信息、配送路径的交通条件信息中的至少一种信息。
第六方面,本申请实施例提供一种配送时长的获取装置,包括:目标订单获取单元,用于获取目标订单;目标配送资源确定单元,用于根据目标订单确定目标配送资源;数据获取单元,用于获取目标配送资源的历史订单配送时长、所述目标配送资源的当前订单数量和所述目标配送资源的配送级别数据,所述目标配送资源的配送级别数据是用于表征所述目标配送资源配送经验的数据;配送时长获取单元,用于根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长。
第七方面,本申请实施例提供一种配送时长预测模型的生成装置,包括:样本获取单元,用于获取订单样本、对应于所述订单样本的配送资源样本的历史订单配送时长样本、对应于所述订单样本的配送资源样本的当前订单数量样本、对应于所述订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述订单样本的配送时长样本;生成单元,用于根据所述订单样本、所述历史订单配送时长样本、所述当前订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据待配送订单、对应于所述待配送订单的配送资源的历史订单配送时长、对应于所述待配送订单的配送资源的当前订单数量、对应于所述待配送订单的配送资源的配送级别数据,预测所述配送资源针对所述待配送订单的配送时长。
第八方面,本申请实施例提供一种配送时长的获取装置,包括:数据获取单元,用于获取目标配送资源的历史订单配送时长、所述目标配送资源在配送所述历史订单时持有订单数量和所述目标配送资源在配送历史订单时所述目标配送资源对应的配送级别数据;配送时长获取单元,用于根据所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,获取所述目标配送资源配送后续订单的配送时长。
第九方面,本申请实施例提供一种配送时长预测模型的生成装置,其特征在于,包括:样本获取单元,用于获取历史订单样本、对应于所述历史订单样本的配送资源样本的历史订单配送时长样本、对应于所述历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于所述历史订单样本的配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本、所述配送资源样本配送后续订单的配送时长样本;生成单元,用于根据所述历史订单配送时长样本、所述持有订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据后续订单、对应于所述后续订单的配送资源的历史订单配送时长、对应于所述后续订单的配送资源的持有订单数量、对应于所述后续订单的配送资源的配送级别数据,预测所述配送资源配送所述后续订单的配送时长。
第十方面,本申请实施例提供一种配送时长处理装置,包括:目标订单获取单元,用于获取目标订单;配送条件获取单元,用于获取所述目标订单的配送条件;配送时长获取单元,用于获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长;发送或展示单元,用于将所述历史订单的配送时长发送给所述目标订单对应的目标用户所使用的终端,或者,展示所述历史订单的配送时长。
第十一方面,本申请实施例提供一种电子设备,所述电子设备包括:处理器;存储器,用于存储计算机程序,该计算机程序被处理器运行,执行上述第一方面、第二方面、第三方面、第二方面、第五方面本申请实施例提供的方法。
第十二方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,该计算机程序被处理器运行,执行上述第一方面、第二方面、第三方面、第二方面、第五方面本申请实施例提供的方法。
与现有技术相比,本申请实施例具有以下优点:
本申请实施例提供一种配送时长的获取方法,包括:获取目标订单;根据目标订单确定目标配送资源;获取目标配送资源的历史订单配送时长、所述目标配送资源的当前订单数量和所述目标配送资源的配送级别数据,所述目标配送资源的配送级别数据是用于表征所述目标配送资源配送经验的数据;根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长。由于目标配送资源的历史订单配送时长能够直观体现目标配送资源配送订单的时长,目标配送资源的当前订单数量能够直观体现目标配送资源配送目标订单时的任务量,以及目标配送资源的配送级别数据能够直观体现目标配送资源配送经验和能力,从而可以从更全面的维度预测目标订单的配送时长,进而提升获取施针对目标订单的配送时长的准确度。
本申请实施例提供一种配送时长预测模型的生成方法,包括:获取订单样本、对应于所述订单样本的配送资源样本的历史订单配送时长样本、对应于所述订单样本的配送资源样本的当前订单数量样本、对应于所述订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述订单样本的配送时长样本;根据所述订单样本、所述历史订单配送时长样本、所述当前订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据待配送订单、对应于所述待配送订单的配送资源的历史订单配送时长、对应于所述待配送订单的配送资源的当前订单数量、对应于所述待配送订单的配送资源的配送级别数据,预测所述配送资源针对所述待配送订单的配送时长。由于训练配送时长预测模型过程中,引入了订单样本、对应于所述订单样本的配送资源样本的历史订单配送时长样本、对应于所述订单样本的配送资源样本的当前订单数量样本、对应于所述订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述订单样本的配送时长样本作为输入,能够从更全面的维度预测目标订单的配送时长,从而能够提高配送时长预测的准确度。
本申请实施例提供一种配送时长的获取方法,包括:获取目标配送资源的历史订单配送时长、所述目标配送资源在配送所述历史订单时持有订单数量和所述目标配送资源在配送历史订单时所述目标配送资源对应的配送级别数据;根据所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,获取所述目标配送资源配送后续订单的配送时长。由于目标配送资源的历史订单配送时长能够直观体现目标配送资源配送订单的时长,目标配送资源在配送所述历史订单时持有订单数量,能够直观体现目标配送资源配送历史订单时的同时拥有的任务量,以及目标配送资源在配送所述历史订单时对应的配送级别数据,能够直观体现目标配送资源当时的配送经验和能力,从而可以从更全面的维度预测目标订单的配送时长,进而提升获取配送后续订单的配送时长的准确度。
本申请实施例提供一种配送时长预测模型的生成方法,包括:获取历史订单样本、对应于所述历史订单样本的配送资源样本的历史订单配送时长样本、对应于所述历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于所述历史订单样本的配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本、所述配送资源样本配送后续订单的配送时长样本;根据所述历史订单配送时长样本、所述持有订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据后续订单、对应于所述后续订单的配送资源的历史订单配送时长、对应于所述后续订单的配送资源的持有订单数量、对应于所述后续订单的配送资源的配送级别数据,预测所述配送资源配送所述后续订单的配送时长。由于训练配送时长预测模型过程中,引入了历史订单样本、对应于所述历史订单样本的配送资源样本的历史订单配送时长样本、对应于所述历史订单样本的配送资源样本的持有订单数量样本、对应于所述历史订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述历史订单样本的配送时长样本作为输入,能够从更全面的维度预测目标订单的配送时长,从而能够提高配送时长预测的准确度。
本申请实施例提供一种配送时长处理方法,包括:获取目标订单;获取所述目标订单的配送条件;获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长;将所述历史订单的配送时长发送给所述目标订单对应的目标用户所使用的终端,或者,展示所述历史订单的配送时长。通过获取所述目标订单的配送条件,该配送条件涉及多个维度,从而使得获取的配送条件与所述目标订单的配送条件匹配的历史订单的配送时长更加准确,也便于目标用户参考。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1-A为本申请第一实施例的配送时长的获取方法的应用场景示意图。
图1为本申请第一实施例的配送时长的获取方法的流程图。
图2为本申请第二实施例的配送时长预测模型的生成方法的流程图。
图3为本申请第三实施例的配送时长的获取方法的流程图。
图4为本申请第四实施例的配送时长预测模型的生成方法的流程图。
图5为本申请第五实施例的配送时长处理方法的流程图。
图6为本申请第六实施例的配送时长的获取装置的示意图。
图7为本申请第七实施例的配送时长预测模型的生成装置的示意图。
图8为本申请第八实施例的配送时长的获取装置的示意图。
图9为本申请第九实施例的配送时长预测模型的生成装置的示意图。
图10为本申请第十实施例的配送时长处理装置的示意图。
图11为本申请第十一实施例的配送时长的获取电子设备示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此,本申请不受下面公开的具体实施的限制。
本申请提供的一些实施例可以应用于服务端或者客户端。请参照图1-A,其为本申请提供的配送时长的获取方法的应用场景示意图,本场景实施例可以用于如下场景,目标用户在提供商品的应用程序上购买商品后,配送资源接单,目标用户在提供商品的应用程序上还可以获取被购买商品具体的配送时长。
具体的,以图1-A为例:目标用户在客户端上选择了目标商品,并对该目标商品进行下单操作,以在客户端中生成目标订单,客户端将该目标订单发送给服务端,服务端将该目标订单发送给配送资源所用的客户端,配送资源通过客户端获取该目标订单,若配送资源想配送该目标订单,客户端则会检测到配送资源的接单操作;同时,基于配送资源的接单操作,服务端能够获取该配送资源的历史订单配送时长、该配送资源的当前订单数量和该配送资源的配送级别数据,并根据这些数据获取配送资源针对目标订单的配送时长,以将配送时长发送到目标用户在客户端上,使得目标用户在其使用的客户端上就可以获取其下单的目标商品的配送时长。
需要说明的是,应用场景仅仅是应用场景的一个实施例,提供此应用场景实施例的目的是便于理解本申请的配送时长的获取方法,而并非用于限定本申请的配送时长的获取方法。还需要说明的是,本场景的实施例所提供的配送时长的获取方法应用于客户端与服务端交互的场景,当然也可以单独实施于客户端,或单独实施于服务端中,其中,客户端一般是指移动终端设备,如手机、平板电脑等;服务端一般是指服务器。
以下,通过不同的实施例分别对本申请提供的配送时长的获取方法、配送时长预测模型的生成方法以及配送时长处理方法进行详细描述。
如图1所示,其为本申请第一实施例的一种推配送时长的获取方法的流程图。所述方法包括如下步骤。
步骤S101:获取目标订单,根据目标订单确定目标配送资源。
在本步骤中,由于本申请第一实施主要考虑的是目标订单对应的信息在服务端和客户端之间的传输,而不是对实体订单具体的配送过程,即如何对实体订单进行配送的过程,所以所获取的目标订单并不是实体的订单,而是实体订单对应的实体订单信息,即目标订单为目标订单信息,本步骤为了阐述方便,则统称为目标订单。其中,目标订单包括目标订单对应的实体对象信息和目标用户信息,实体对象信息包括实体对象信息对应的实体对象所在的第一位置信息,以及实体对象信息对应的实体对象的评价信息。可以理解的是,对于实体对象的评价信息主要是配送资源提供的,即通过配送资源提供的评价信息能够客观地反映实体订单的配送难易程度,例如,对应于实体对象的评价信息的好评信息越多,表示配送该实体对象的订单越容易;反之,对应于实体对象的评价信息的差评信息越多,表示配送该实体对象的订单越难。目标用户信息包括目标用户的第二位置信息,通过第一位置信息和第二位置信息可以获取目标订单的配送距离。
当然,在本申请第一实施例中,目标订单所包含的信息还有很多,本申请第一实施例在此不作具体的限定。例如形成目标订单的成单日期和成单日期所对应的气象数据,不难理解的是,之所以涉及到气象数据,是因为天气状况能够影响配送资源的接单意愿,配送资源的接单意愿可以直接影响到订单的接起时间,接起时间越短,最终的配送时长也就越短。例如,当前配送目标订单的气象数据是晴天,使得配送资源的接单意愿较高,从而使得订单的接起时间减短,进而缩短了目标订单的整体配送时长。而且,天气状况主要影响了配送资源的配送难以程度,例如,气象数据是风力四级,这样就会影响到配送资源的运行速度;再例如,气象数据是晴天或雨天,二者所对应的配送资源的运行速度也是不同的。再例如,配送时的配送路况数据,配送路况拥堵,则配送资源的配送速度减慢;反之,配送路况通畅,则配送资源的配送速度加快。本申请第一实施例的目标订单所包含的信息还有很多,只要是涉及配送资源配送目标订单的信息,均是本申请第一实施例所要保护的范围。
还可以理解的是,基于订单是由配送资源进行配送的,所以在本步骤中,目标订单可通过目标配送资源进行配送,目标配送资源是配送资源的一个,配送资源可以是骑手、快递员以及自移动配送机器人,其中,骑手、快递员可以根据自己的配送经验或是借助导航设备对目标订单进行配送,自移动配送机器人可以根据设定的程序和指令对目标订单进行配送。
步骤S102:获取目标配送资源的历史订单配送时长、所述目标配送资源的当前订单数量和所述目标配送资源的配送级别数据。
以下将分别对获取目标配送资源的历史订单配送时长、获取目标配送资源的当前订单数量和获取目标配送资源的配送级别数据进行解释说明。
在本步骤中,获取目标配送资源的历史订单配送时长,具体包括:首先,获取配送资源集合对应的历史订单配送时长集合,本步骤的配送资源集合和历史订单配送时长集合可在数据库中获取。然后,获取目标配送资源的特征信息,在本步骤中,目标配送资源在配送目标订单时,首先需要在其使用的客户端上登录以获取目标订单,从而实现对目标订单的接单。在目标配送资源登录的过程中,其会输入自身相关的信息,例如,目标配送资源的账号、目标配送资源的面部特征,或是目标配送资源的工号信息等等,这些信息都可以作为目标配送资源的特征信息。最后,根据目标配送资源的特征信息,在历史订单配送时长集合中筛选与目标配送资源相对应的历史订单配送时长。由于目标配送资源以前配送了很多的订单,这些订单中会对应保存目标配送资源的特征信息,从而可以将目标配送资源的特征信息与历史订单配送时长集合中存有对应特征信息的历史订单配送时长匹配,以获取与目标配送资源相对应的历史订单配送时长。
其中,如果在历史订单配送时长集合中筛选出与目标配送资源相对应的多个历史订单配送时长,则将多个历史订单配送时长中的一个历史订单配送时长作为目标配送资源的历史订单配送时长,或者,将多个历史订单配送时长的平均时长作为目标配送资源的历史订单配送时长。
在本步骤中,目标配送资源的当前订单数量即为目标配送资源配送目标订单时需要同时配送订单的数量,则获取目标配送资源的当前订单数量,包括:首先,获取目标订单信息对应的目标订单的配送特征信息,其中,目标订单的配送特征信息包括目标订单的配送目的地的位置信息,或者,目标订单的配送特征信息包括目标订单的预计送达时间。而后,获取目标配送资源需要配送的与配送特征信息匹配的订单的数量,其中,基于目标订单的配送特征信息包括目标订单的配送目的地的位置信息,所以,与配送特征信息匹配的订单包括位置信息与配送目的地的位置信息匹配的订单,例如,目标配送资源配送的目标订单在A位置,即目标订单的配送特征信息为A位置,而当目标配送资源需要配送的订单的位置信息是A位置时,则可获取目标配送资源需要配送的与配送特征信息匹配的订单,从而获取与配送特征信息匹配的订单的数量。其中,目标配送资源需要配送的订单可以是目标配送资源已经持有的订单,也可以是在配送目标订单途中再次接收的订单,只要是目标配送资源需要配送的订单与目标订单信息对应的目标订单的配送特征信息匹配,均可以获取目标配送资源需要配送的与配送特征信息匹配的订单的数量。
再例如,基于目标订单的配送特征信息包括目标订单的预计送达时间,所以,与配送特征信息匹配的订单包括预计送达时间与目标订单的预计送达时间匹配的订单。例如,目标配送资源配送的目标订单的预计送达时间11:30,即目标订单的配送特征信息为11:30,而当目标配送资源需要配送的订单的预计送达时间11:30时,则可获取目标配送资源需要配送的与配送特征信息匹配的订单,从而获取与配送特征信息匹配的订单的数量。而后,根据目标订单和与配送特征信息匹配的订单的数量,获取目标配送资源的当前订单数量。可以理解的是,可将目标订单的数量与配送特征信息匹配的订单的数量之和,作为目标配送资源的当前订单数量。
在本步骤中,获取目标配送资源的配送级别数据,包括:获取目标配送资源从配送第一个订单开始至当前的配送经验时长,根据目标配送资源的配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取目标配送资源的配送级别数据。或者,获取目标配送资源的已配送订单数量,根据目标配送资源的已配送订单数量以及预先设置的已配送订单数量范围与配送级别数据之间的对应关系,获取目标配送资源的配送级别数据。
步骤S103:根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长。
在本步骤中,可通过以下三种方式获取目标配送资源针对目标订单的配送时长。具体的,方式一,获取第一配送时长预测模型,第一配送时长预测模型用于根据待配送订单信息、对应于待配送订单信息的配送资源的历史订单配送时长、对应于待配送订单信息的配送资源的当前订单数量、对应于待配送订单信息的配送资源的配送级别数据,预测配送资源针对待配送订单信息的配送时长。而后,将目标订单、历史订单配送时长、当前订单数量和配送级别数据,输入到第一配送时长预测模型中,获取目标配送资源针对目标订单的配送时长。
方式二,获取第二配送时长预测模型,第二配送时长预测模型用于根据待配送订单信息、对应于待配送订单信息的配送资源的历史订单配送时长、对应于待配送订单信息的配送资源的当前订单数量,预测配送资源针对待配送订单的初始配送时长。而后,将目标订单、历史订单配送时长和当前订单数量,输入到第二配送时长预测模型中,获取目标配送资源针对目标订单的初始配送时长。最后,根据配送级别数据和初始配送时长,获取目标配送资源针对目标订单的配送时长,具体的,首先确定初始配送时长对应的参考配送级别数据,然后确定配送级别数据与参考配送级别数据之间的级别差数据,再然后获取与级别差数据对应的时长差数据,最后根据初始配送时长与时长差数据,获取目标配送资源针对目标订单的配送时长。
进一步的,根据初始配送时长与时长差数据,获取目标配送资源针对目标订单的配送时长,包括:如果配送级别数据高于参考配送级别数据,配送级别数据表征的配送经验多于参考配送级别数据表征的参考配送经验,并且时长差数据为大于零的数据,则在初始配送时长的基础上减去时长差数据,将获得的计算结果作为目标配送资源针对目标订单的配送时长。或者,如果配送级别数据低于参考配送级别数据,配送级别数据表征的配送经验少于参考配送级别数据表征的参考配送经验,并且时长差数据为大于零的数据,则计算初始配送时长与时长差数据之和,将获得的计算结果作为目标配送资源针对目标订单的配送时长。或者,如果配送级别数据等于参考配送级别数据,时长差数据为等于零的数据,则将初始配送时长作为目标配送资源针对目标订单的配送时长。
方式三,获取第三配送时长预测模型,第三配送时长预测模型用于根据待配送订单信息、对应于待配送订单信息的配送资源的历史订单配送时长,预测配送资源针对待配送订单信息的初始配送时长。而后,将目标订单和历史订单配送时长,输入到第三配送时长预测模型中,获取目标配送资源针对目标订单的初始配送时长。最后,根据当前订单数量(需要同时配送订单的数量)、配送级别数据和初始配送时长,获取目标配送资源针对目标订单的配送时长,具体的,确定初始配送时长对应的参考配送级别数据和需要同时配送订单的参考数量,确定配送级别数据与参考配送级别数据之间的级别差数据,获取与级别差数据对应的第一时长差数据,确定当前订单数量与需要同时配送订单的参考数量之间的数量差数据,获取与数量差数据对应的第二时长差数据,根据初始配送时长、第一时长差数据和第二时长差数据,获取目标配送资源针对目标订单的配送时长。
进一步的,根据初始配送时长、第一时长差数据和第二时长差数据,获取目标配送资源针对目标订单的配送时长,包括:如果配送级别数据高于参考配送级别数据,配送级别数据表征的配送经验多于参考配送级别数据表征的参考配送经验,当前订单数量高于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则在初始配送时长的基础上减去第一时长差数据,获得第一计算结果,计算第一计算结果与第二时长差数据之和,获得第二计算结果,将第二计算结果作为目标配送资源针对目标订单的配送时长。
或者,如果配送级别数据高于参考配送级别数据,配送级别数据表征的配送经验多于参考配送级别数据表征的参考配送经验,当前订单数量低于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则在初始配送时长的基础上分别减去第一时长差数据和第二时长差数据,将获得的计算结果作为目标配送资源针对目标订单的配送时长。或者,如果配送级别数据低于参考配送级别数据,配送级别数据表征的配送经验少于参考配送级别数据表征的参考配送经验,当前订单数量高于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则计算初始配送时长、第一时长差数据与第二时长差数据之和,将获得的计算结果作为目标配送资源针对目标订单的配送时长。
或者,如果配送级别数据低于参考配送级别数据,配送级别数据表征的配送经验少于参考配送级别数据表征的参考配送经验,当前订单数量低于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则计算初始配送时长与第一时长差数据之和,获得第三计算结果,在第三计算结果的基础上减去第二时长差数据,获得第四计算结果,将第四计算结果作为目标配送资源针对目标订单的配送时长。或者,如果配送级别数据等于参考配送级别数据,当前订单数量等于需要同时配送订单的参考数量,并且第一时长差数据为等于零的数据,第二时长差数据为等于零的数据,则将初始配送时长作为目标配送资源针对目标订单的配送时长。
在本申请第一实施例中,若所述方法应用于客户端,则所述方法还包括:展示目标配送资源针对目标订单的配送时长。若所述方法应用于服务端,则所述方法还包括:将目标配送资源针对目标订单的配送时长提供给目标订单对应的目标用户使用的客户端。
在本申请第一实施例中,还可以从至少一个配送资源的历史订单中获取配送条件与目标订单的配送条件匹配的历史订单的配送时长。其中,配送条件包括配送资源的特征信息、订单的特征信息、配送路径的气象条件信息、配送路径的交通条件信息中的至少一种信息。其中,以配送资源的特征信息为例,目标配送资源在配送目标订单时,首先需要在其使用的客户端上登录以获取目标订单,从而实现对目标订单的接单。在目标配送资源登录的过程中,其会输入自身相关的信息,例如,目标配送资源的账号、目标配送资源的面部特征,或是目标配送资源的工号信息等等,这些信息都可以作为目标配送资源的特征信息,当然,目标配送资源的特征信息是已经存储在数据库中的。再以配送路径的气象条件信息为例,如果配送路径的气象条件信息为晴天、风力一级,则说明配送资源在配送路径的行驶过程中的较为容易,天气好、风力较小可以提升配送资源的行驶速度,从而缩短配送资源针对目标订单的配送时长。而且这样的配送路径的气象条件信息也增加了配送资源接单的意愿,从而缩短了配送资源接单的接单时长,进而缩短配送资源针对目标订单的配送时长。再以配送路径的交通条件信息为例,若配送路径的交通路况拥堵,则会使得配送资源的配送速度减慢,反之,若配送路径的交通路况为通畅状态,则会使得配送资源的配送速度加快。再例如,配送资源的配送路径对应有多个交通指示灯,若在配送资源分别经过多个交通指示灯时均为绿灯,则配送资源不会在该交通指示灯对应的路段滞留,从而提升了配送资源的配送速度;反之,则减缓了配送资源的配送速度。
可以理解的是,若所述方法应用于客户端,则所述方法还包括:展示配送条件与目标订单的配送条件匹配的历史订单的配送时长。若所述方法应用于服务端,则所述方法还包括:将配送条件与目标订单的配送条件匹配的历史订单的配送时长发送给目标订单对应的目标用户所使用的客户端。
在本申请第一实施例中,为了使得获取的目标配送资源针对目标订单的配送时长更加准确,则还可获得目标配送资源的历史配送位置信息、目标订单的候选配送路径的气象条件信息、目标订单的候选配送路径交通条件信息中的至少一种附加信息,根据目标订单、历史订单配送时长、当前订单数量和配送级别数据,获取目标配送资源针对目标订单的配送时长,包括:根据目标订单、历史订单配送时长、当前订单数量、配送级别数据和至少一种附加信息,获取目标配送资源针对目标订单的配送时长。
本申请第一实施例提供一种配送时长的获取方法,包括:获取目标订单;获取目标配送资源的历史订单配送时长、目标配送资源的当前订单数量和目标配送资源的配送级别数据,目标配送资源是用于针对目标订单进行配送的配送资源,目标配送资源的配送级别数据是用于表征目标配送资源配送经验的数据;根据目标订单、历史订单配送时长、当前订单数量和配送级别数据,获取目标配送资源针对目标订单的配送时长。由于目标配送资源的历史订单配送时长能够直观体现目标配送资源配送订单的时长,目标配送资源的当前订单数量能够直观体现目标配送资源配送目标订单时的任务量,以及目标配送资源的配送级别数据能够直观体现目标配送资源配送经验和能力,从而可以从更全面的维度预测目标订单的配送时长,进而提升获取施针对目标订单的配送时长的准确度。
在以上描述中,提供了一种配送时长的获取方法,与上述配送时长的获取方法相对应,为了进一步提高获取配送时长的准确度,本申请还提供了配送时长预测模型的生成方法。请参考图2,其为本申请第二实施例提供一种配送时长预测模型的生成方法的流程图,具体步骤如下。
步骤S201:获取订单样本、对应于所述订单样本的配送资源样本的历史订单配送时长样本、对应于所述订单样本的配送资源样本的当前订单数量样本、对应于所述订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述订单样本的配送时长样本。
以下将分别对获取对应于订单样本的配送资源样本的历史订单配送时长样本、获取对应于订单样本的配送资源样本的当前订单数量样本、获取对应于订单样本的配送资源样本的配送级别数据样本进行解释说明。
在本步骤中,获取对应于订单样本的配送资源样本的历史订单配送时长样本,具体包括:获取对应于订单样本的配送资源样本集合的历史订单配送时长样本集合,本步骤的配送资源样本集合和历史订单配送时长样本集合可在数据库中获取。然后,获取配送资源样本的特征信息,其中,配送资源样本的特征信息可以包括目标配送资源的账号、目标配送资源的面部特征,或是目标配送资源的工号信息等等。最后,根据配送资源样本的特征信息,在历史订单配送时长样本集合中筛选与配送资源样本相对应的历史订单配送时长样本。其中,如果在历史订单配送时长样本集合中筛选出与配送资源样本相对应的多个历史订单配送时长样本,则将多个历史订单配送时长样本中的一个历史订单配送时长样本作为配送资源样本的历史订单配送时长样本,或者,将多个历史订单配送时长样本的平均时长作为配送资源样本的历史订单配送时长样本。
在本步骤中,获取对应于订单样本的配送资源样本的当前订单数量样本,包括:首先,获取订单样本信息对应的订单样本的配送特征信息。其中,订单样本的配送特征信息包括订单样本的配送目的地的位置信息,或者,订单样本的配送特征信息包括订单样本的预计送达时间。而后,获取配送资源样本需要配送的与配送特征信息匹配的订单的数量样本,其中,基于订单样本的配送特征信息包括订单样本的配送目的地的位置信息,所以与配送特征信息匹配的订单包括位置信息与配送目的地的位置信息匹配的订单;基于订单样本的配送特征信息包括订单样本的预计送达时间,所以与配送特征信息匹配的订单包括预计送达时间与订单样本的预计送达时间匹配的订单。最后,根据订单样本和与配送特征信息匹配的订单的数量样本,获取配送资源样本的当前订单数量样本。可以理解的是,可将订单样本的数量样本和与配送特征信息匹配的订单的数量样本之和,作为配送资源样本的当前订单数量样本。
在本步骤中,获取对应于订单样本的配送资源样本的配送级别数据样本,包括:获取配送资源样本从配送第一个订单开始至当前的配送经验时长,根据配送资源样本的配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取配送资源样本的配送级别数据样本。或者获取配送资源样本的已配送订单数量,根据配送资源样本的已配送订单数量以及预先设置的已配送订单数量范围与配送级别数据之间的对应关系,获取配送资源样本的配送级别数据样本。
步骤202:根据所述订单样本、所述历史订单配送时长样本、所述当前订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据待配送订单、对应于所述待配送订单的配送资源的历史订单配送时长、对应于所述待配送订单的配送资源的当前订单数量、对应于所述待配送订单的配送资源的配送级别数据,预测所述配送资源针对所述待配送订单的配送时长。
本申请第二实施例提供了一种配送时长预测模型的生成方法,包括:获取订单样本、对应于订单样本的配送资源样本的历史订单配送时长样本、对应于订单样本的配送资源样本的当前订单数量样本、对应于订单样本的配送资源样本的配送级别数据样本、配送资源样本针对订单样本的配送时长样本;根据订单样本、历史订单配送时长样本、当前订单数量样本、配送级别数据样本和配送时长样本,生成配送时长预测模型,时长预测模型用于根据待配送订单、对应于待配送订单的配送资源的历史订单配送时长、对应于待配送订单的配送资源的当前订单数量、对应于待配送订单的配送资源的配送级别数据,预测配送资源针对待配送订单的配送时长。由于训练配送时长预测模型过程中,引入了订单样本、对应于订单样本的配送资源样本的历史订单配送时长样本、对应于订单样本的配送资源样本的当前订单数量样本、对应于订单样本的配送资源样本的配送级别数据样本、配送资源样本针对订单样本的配送时长样本作为输入,能够从更全面的维度预测目标订单的配送时长,从而能够提高配送时长预测的准确度。
本申请第三实施例提供一种配送时长的获取方法,如图3所示,其为本申请第三实施例提供的一种推配送时长的获取方法的流程图。所述方法包括如下步骤。
步骤S301:获取目标配送资源的历史订单配送时长、所述目标配送资源在配送所述历史订单时持有订单数量和所述目标配送资源在配送历史订单时所述目标配送资源对应的配送级别数据。
在本步骤中,配送资源可以是骑手、快递员以及自移动配送机器人,其中,骑手、快递员可以根据自己的配送经验或是借助导航设备对目标订单进行配送,自移动配送机器人可以根据设定的程序和指令对目标订单进行配送。目标配送资源是针对目标订单进行配送的配送资源。
以下将分别对获取目标配送资源的历史订单配送时长、获取目标配送资源在配送历史订单时持有订单数量和获取目标配送资源在配送历史订单时目标配送资源对应的配送级别数据。
在本步骤中,获取目标配送资源的历史订单配送时长,具体包括:首先,获取配送资源集合对应的历史订单配送时长集合,本步骤的配送资源集合和历史订单配送时长集合可在数据库中获取。然后,获取目标配送资源的特征信息,在本步骤中,目标配送资源在配送订单时,首先需要在其使用的客户端上登录以获取订单,从而实现对订单的接单。在目标配送资源登录的过程中,其会输入自身相关的信息,例如,目标配送资源的账号、目标配送资源的面部特征,或是目标配送资源的工号信息等等,这些信息都可以作为目标配送资源的特征信息。最后,根据目标配送资源的特征信息,在历史订单配送时长集合中筛选与目标配送资源相对应的历史订单配送时长。由于目标配送资源以前配送了很多的订单,这些订单中会对应保存目标配送资源的特征信息,从而可以将目标配送资源的特征信息与历史订单配送时长集合中存有对应特征信息的历史订单配送时长匹配,以获取与目标配送资源相对应的历史订单配送时长。
其中,如果在历史订单配送时长集合中筛选出与目标配送资源相对应的多个历史订单配送时长,则将多个历史订单配送时长中的一个历史订单配送时长作为目标配送资源的历史订单配送时长,或者,将多个历史订单配送时长的平均时长作为目标配送资源的历史订单配送时长。
在本步骤中,目标配送资源在配送历史订单时持有订单数量即为目标配送资源配送历史订单时需要同时配送订单的数量,则获取目标配送资源在配送历史订单时持有订单数量,包括:首先,获取历史订单信息对应的历史订单的配送特征信息,其中,历史订单的配送特征信息包括历史订单的配送目的地的位置信息,或者,历史订单的配送特征信息包括历史订单的预计送达时间。而后,获取目标配送资源需要配送的与配送特征信息匹配的订单的数量,其中,目标配送资源需要配送的与配送特征信息匹配的订单也是历史订单。基于历史订单的配送特征信息包括历史订单的配送目的地的位置信息,所以,与配送特征信息匹配的订单包括位置信息与配送目的地的位置信息匹配的订单,例如,目标配送资源配送的一个历史订单在A位置,即该历史订单的配送特征信息为A位置,而当目标配送资源需要配送的另一个历史订单的位置信息是A位置时,则可获取目标配送资源需要配送的与配送特征信息匹配的订单,从而获取与配送特征信息匹配的订单的数量。其中,目标配送资源需要配送的订单可以是目标配送资源配送一个历史订单时,其本身已经持有的其它的历史订单,也可以是在配送该个订单途中再次接收的其它的历史订单,只要是目标配送资源需要配送的其它的历史订单与该个历史订单信息对应的历史订单的配送特征信息匹配,均可以获取目标配送资源需要配送的与配送特征信息匹配的订单的数量。
再例如,基于历史订单的配送特征信息包括历史订单的预计送达时间,所以,与配送特征信息匹配的订单包括预计送达时间与历史订单的预计送达时间匹配的订单。例如,目标配送资源配送的该个历史订单的预计送达时间11:30,即历史订单的配送特征信息为11:30,而当目标配送资源需要配送的其它历史订单的预计送达时间11:30时,则可获取目标配送资源需要配送的与配送特征信息匹配的订单,从而获取与配送特征信息匹配的订单的数量。而后,根据历史订单和与配送特征信息匹配的订单的数量,获取目标配送资源的持有订单数量。可以理解的是,可将历史订单的数量与配送特征信息匹配的订单的数量之和,作为目标配送资源的持有订单数量。
在本步骤中,获取目标配送资源在配送历史订单时目标配送资源对应的配送级别数据,包括:获取目标配送资源的历史配送经验时长,根据目标配送资源的历史配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取目标配送资源在配送历史订单时的配送级别数据。或者,获取目标配送资源的已配送历史订单数量,根据目标配送资源的已配送历史订单数量以及预先设置的已配送历史订单数量范围与配送级别数据之间的对应关系,获取目标配送资源在配送历史订单时目标配送资源对应的配送级别数据。
步骤S302:根据所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,获取所述目标配送资源配送后续订单的配送时长。
在本步骤中,可通过以下三种方式获取目标配送资源配送后续订单的配送时长。
具体的,方式一,获取第一配送时长预测模型,第一配送时长预测模型用于根据待配送订单信息、对应于待配送订单信息的配送资源的历史订单配送时长、对应于待配送订单信息的配送资源在配送历史订单时持有订单数量、对应于待配送订单信息的配送资源在配送历史订单时对应的配送级别数据,预测配送资源针对待配送订单信息的配送时长。而后,将后续订单、历史订单配送时长、在配送历史订单时持有订单数量和在配送历史订单时目标配送资源对应的配送级别数据,输入到第一配送时长预测模型中,获取目标配送资源配送后续订单的配送时长。
方式二,获取第二配送时长预测模型,第二配送时长预测模型用于根据待配送订单信息、对应于待配送订单信息的配送资源的历史订单配送时长、对应于待配送订单信息的配送资源在配送历史订单时持有订单数量,预测配送资源针对待配送订单的初始配送时长。而后,将后续订单、历史订单配送时长、在配送历史订单时持有订单数量,输入到第二配送时长预测模型中,获取目标配送资源配送后续订单的配送时长。最后,根据在配送历史订单时目标配送资源对应的配送级别数据和初始配送时长,获取目标配送资源配送后续订单的配送时长,具体的,首先确定初始配送时长对应的参考配送级别数据,然后确定配送级别数据与参考配送级别数据之间的级别差数据,再然后获取与级别差数据对应的时长差数据,最后根据初始配送时长与时长差数据,获取目标配送资源配送后续订单的配送时长。
进一步的,根据初始配送时长与时长差数据,获取目标配送资源配送后续订单的配送时长,包括:如果配送级别数据高于参考配送级别数据,配送级别数据表征的配送经验多于参考配送级别数据表征的参考配送经验,并且时长差数据为大于零的数据,则在初始配送时长的基础上减去时长差数据,将获得的计算结果作为目标配送资源配送后续订单的配送时长;或者,如果配送级别数据低于参考配送级别数据,配送级别数据表征的配送经验少于参考配送级别数据表征的参考配送经验,并且时长差数据为大于零的数据,则计算初始配送时长与时长差数据之和,将获得的计算结果作为目标配送资源配送后续订单的配送时长。或者,如果配送级别数据等于参考配送级别数据,时长差数据为等于零的数据,则将初始配送时长作为目标配送资源配送后续订单的配送时长。
方式三,获取第三配送时长预测模型,第三配送时长预测模型用于根据待配送订单信息、对应于待配送订单信息的配送资源的历史订单配送时长,预测配送资源针对待配送订单信息的初始配送时长。然后,将后续订单、历史订单配送时长,输入到第三配送时长预测模型中,获取目标配送资源针对目标订单的初始配送时长。最后,根据在配送历史订单时持有订单数量、在配送历史订单时目标配送资源对应的配送级别数据和初始配送时长,获取目标配送资源配送后续订单的配送时长,该步骤具体包括,首先,确定初始配送时长对应的参考配送级别数据和需要同时配送订单的参考数量,然后,确定配送级别数据与参考配送级别数据之间的级别差数据,然后,获取与级别差数据对应的第一时长差数据,确定需要同时配送订单的数量与需要同时配送订单的参考数量之间的数量差数据,获取与数量差数据对应的第二时长差数据,最后,根据初始配送时长、第一时长差数据和第二时长差数据,获取目标配送资源配送后续订单的配送时长。
进一步的,根据初始配送时长、第一时长差数据和第二时长差数据,获取目标配送资源配送后续订单的配送时长,包括:如果配送级别数据高于参考配送级别数据,配送级别数据表征的配送经验多于参考配送级别数据表征的参考配送经验,持有订单数量(需要同时配送订单的数量)高于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则在初始配送时长的基础上减去第一时长差数据,获得第一计算结果,计算第一计算结果与第二时长差数据之和,获得第二计算结果,将第二计算结果作为目标配送资源送后续订单的配送时长;或者,如果配送级别数据高于参考配送级别数据,配送级别数据表征的配送经验多于参考配送级别数据表征的参考配送经验,需要同时配送订单的数量低于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则在初始配送时长的基础上分别减去第一时长差数据和第二时长差数据,将获得的计算结果作为目标配送资源送后续订单的配送时长。
或者,如果配送级别数据低于参考配送级别数据,配送级别数据表征的配送经验少于参考配送级别数据表征的参考配送经验,需要同时配送订单的数量高于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则计算初始配送时长、第一时长差数据与第二时长差数据之和,将获得的计算结果作为目标配送资源送后续订单的配送时长;或者,如果配送级别数据低于参考配送级别数据,配送级别数据表征的配送经验少于参考配送级别数据表征的参考配送经验,持有订单数量低于需要同时配送订单的参考数量,并且第一时长差数据为大于零的数据,第二时长差数据为大于零的数据,则计算初始配送时长与第一时长差数据之和,获得第三计算结果,在第三计算结果的基础上减去第二时长差数据,获得第四计算结果,将第四计算结果作为目标配送资源送后续订单的配送时长。或者,如果配送级别数据等于参考配送级别数据,持有订单数量等于需要同时配送订单的参考数量,并且第一时长差数据为等于零的数据,第二时长差数据为等于零的数据,则将初始配送时长作为目标配送资源送后续订单的配送时长。
本申请第三实施例提供一种配送时长的获取方法,包括:获取目标配送资源的历史订单配送时长、目标配送资源在配送历史订单时持有订单数量和目标配送资源在配送历史订单时目标配送资源对应的配送级别数据;根据历史订单配送时长、在配送历史订单时持有订单数量和在配送历史订单时目标配送资源对应的配送级别数据,获取目标配送资源配送后续订单的配送时长。由于目标配送资源的历史订单配送时长能够直观体现目标配送资源配送订单的时长,目标配送资源在配送历史订单时持有订单数量,能够直观体现目标配送资源配送历史订单时的同时拥有的任务量,以及目标配送资源在配送历史订单时对应的配送级别数据,能够直观体现目标配送资源当时的配送经验和能力,从而可以从更全面的维度预测目标订单的配送时长,进而提升获取配送后续订单的配送时长的准确度。
在以上描述中,提供了一种配送时长的获取方法,与上述配送时长的获取方法相对应,为了进一步提高获取配送时长的准确度,本申请还提供了配送时长预测模型的生成方法。请参考图4,其为本申请第四实施例提供一种配送时长预测模型的生成方法的流程图,具体步骤如下。
步骤S401:获取历史订单样本、对应于所述历史订单样本的配送资源样本的历史订单配送时长样本、对应于所述历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于所述历史订单样本的配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本、所述配送资源样本配送后续订单的配送时长样本。
以下将分别对获取对应于历史订单样本的配送资源样本的历史订单配送时长样本、获取对应于历史订单样本的配送资源样本在配送历史订单时持有订单数量样本以及获取对应于历史订单样本的配送资源样本在配送历史订单时配送资源样本对应的配送级别数据样本进行解释说明。
在本步骤中,获取对应于历史订单样本的配送资源样本的历史订单配送时长样本,包括:获取对应于历史订单样本的配送资源样本集合的历史订单配送时长样本集合,获取配送资源样本的特征信息,根据配送资源样本的特征信息,在历史订单配送时长样本集合中筛选与配送资源样本相对应的历史订单配送时长样本。如果在历史订单配送时长样本集合中筛选出与配送资源样本相对应的多个历史订单配送时长样本,则将多个历史订单配送时长样本中的一个历史订单配送时长样本作为配送资源样本的历史订单配送时长样本,或者,将多个历史订单配送时长样本的平均时长作为配送资源样本的历史订单配送时长样本。
在本步骤中,获取配送资源样本在配送历史订单时持有订单数量样本,包括:获取历史订单样本信息对应的历史订单样本的配送特征信息,其中,历史订单样本的配送特征信息包括历史订单样本的配送目的地的位置信息,或者,历史订单样本的配送特征信息包括历史订单样本的预计送达时间。然后,获取配送资源样本需要配送的与配送特征信息匹配的订单的数量样本,其中,基于历史订单样本的配送特征信息包括历史订单样本的配送目的地的位置信息,则与配送特征信息匹配的订单包括位置信息与配送目的地的位置信息匹配的订单。且基于历史订单样本的配送特征信息包括历史订单样本的预计送达时间,则与配送特征信息匹配的订单包括预计送达时间与历史订单样本的预计送达时间匹配的订单。最后,根据历史订单样本和与配送特征信息匹配的订单的数量样本,获取配送资源样本在配送历史订单时持有订单数量样本。可以理解的是,可将历史订单样本的数量样本和与配送特征信息匹配的订单的数量样本之和,作为配送资源样本在配送历史订单时持有订单数量样本。
在本步骤中,获取对应于历史订单样本的配送资源样本在配送历史订单时配送资源样本对应的配送级别数据样本,包括:获取配送资源样本的配送经验时长,根据配送资源样本的配送经验时长以及预先设置的配送经验时长范围与配送级别数据之间的对应关系,获取配送资源样本在配送历史订单时配送资源样本对应的配送级别数据样本。或者,获取配送资源样本的已配送订单数量,根据配送资源样本的已配送订单数量以及预先设置的已配送订单数量范围与配送级别数据之间的对应关系,获取配送资源样本在配送历史订单时配送资源样本对应的配送级别数据样本。
步骤S402:根据所述历史订单样本、所述历史订单配送时长样本、所述持有订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据后续订单、对应于所述后续订单的配送资源的历史订单配送时长、对应于所述后续订单的配送资源的持有订单数量、对应于所述后续订单的配送资源的配送级别数据,预测所述配送资源配送所述后续订单的配送时长。
申请第四实施例提供了一种配送时长预测模型的生成方法,包括:获取历史订单样本、对应于历史订单样本的配送资源样本的历史订单配送时长样本、对应于历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于历史订单样本的配送资源样本在配送历史订单时配送资源样本对应的配送级别数据样本、配送资源样本配送后续订单的配送时长样本;根据历史订单样本、历史订单配送时长样本、持有订单数量样本、配送级别数据样本和配送时长样本,生成配送时长预测模型,时长预测模型用于根据后续订单、对应于后续订单的配送资源的历史订单配送时长、对应于后续订单的配送资源的持有订单数量、对应于后续订单的配送资源的配送级别数据,预测配送资源配送后续订单的配送时长。由于训练配送时长预测模型过程中,引入了历史订单样本、对应于历史订单样本的配送资源样本的历史订单配送时长样本、对应于历史订单样本的配送资源样本的持有订单数量样本、对应于历史订单样本的配送资源样本的配送级别数据样本、配送资源样本针对历史订单样本的配送时长样本作为输入,能够从更全面的维度预测目标订单的配送时长,从而能够提高配送时长预测的准确度。
本申请第五实施例提供一种配送时长处理方法,如图5所示,其为本申请第五实施例提供的一种配送时长处理方法的流程图。所述方法包括如下步骤。
步骤S501:获取目标订单。
在本步骤中,由于本申请第五实施主要考虑的是目标订单对应的信息在服务端和客户端之间的传输,而不是对实体订单具体的配送过程,即如何对实体订单进行配送的过程,所以所获取的目标订单并不是实体的订单,而是实体订单对应的实体订单信息,即目标订单为目标订单信息,本步骤为了阐述方便,则统称为目标订单。其中,目标订单包括目标订单对应的实体对象信息和目标用户信息,实体对象信息包括实体对象信息对应的实体对象所在的第一位置信息,以及实体对象信息对应的实体对象的评价信息。可以理解的是,对于实体对象的评价信息主要是配送资源提供的,即通过配送资源提供的评价信息能够客观地反映实体订单的配送难易程度,例如,对应于实体对象的评价信息的好评信息越多,表示配送该实体对象的订单越容易;反之,对应于实体对象的评价信息的差评信息越多,表示配送该实体对象的订单越难。目标用户信息包括目标用户的第二位置信息,通过第一位置信息和第二位置信息可以获取目标订单的配送距离。
步骤S502:获取目标订单的配送条件。
在本步骤中,配送条件包括:配送资源的特征信息、订单的特征信息、配送路径的气象条件信息、配送路径的交通条件信息中的至少一种信息。其中,以配送资源的特征信息为例,目标配送资源在配送目标订单时,首先需要在其使用的客户端上登录以获取目标订单,从而实现对目标订单的接单。在目标配送资源登录的过程中,其会输入自身相关的信息,例如,目标配送资源的账号、目标配送资源的面部特征,或是目标配送资源的工号信息等等,这些信息都可以作为目标配送资源的特征信息,当然,目标配送资源的特征信息是已经存储在数据库中的。再以配送路径的气象条件信息为例,如果配送路径的气象条件信息为晴天、风力一级,则说明配送资源在配送路径的行驶过程中的较为容易,天气好、风力较小可以提升配送资源的行驶速度,从而缩短配送资源针对目标订单的配送时长。而且这样的配送路径的气象条件信息也增加了配送资源接单的意愿,从而缩短了配送资源接单的接单时长,进而缩短配送资源针对目标订单的配送时长。再以配送路径的交通条件信息为例,若配送路径的交通路况拥堵,则会使得配送资源的配送速度减慢,反之,若配送路径的交通路况为通畅状态,则会使得配送资源的配送速度加快。再例如,配送资源的配送路径对应有多个交通指示灯,若在配送资源分别经过多个交通指示灯时均为绿灯,则配送资源不会在该交通指示灯对应的路段滞留,从而提升了配送资源的配送速度;反之,则减缓了配送资源的配送速度。
步骤S503:获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长。
具体的,在本步骤中,首先将目标订单的配送条件与历史订单的配送条件进行聚类处理,获得与目标订单的配送条件匹配的配送条件。其中,聚类处理是按照某个特定标准把一个数据集分割成不同的类或蔟,使得同一个蔟内的数据对象的相似性尽可能小,不同蔟的数据对象的差异性尽可能的大。例如,目标订单和历史订单就是一个数据集,配送条件则是一个特定的标准,从而将目标订单的配送资源的特征信息和历史订单的配送资源的特征信息聚类,以及将目标订单的配送路径的气象条件信息和历史订单的配送路径的气象条件信息聚类,以及将目标订单的配送路径的交通条件信息和历史订单的配送路径的交通条件信息聚类等等,获得到与目标订单的配送资源的特征信息、订单的特征信息、配送路径的气象条件信息、配送路径的交通条件信息等等最为接近的历史订单的配送条件。而后,根据与目标订单的配送条件匹配的配送条件,确定配送条件与目标订单的配送条件匹配的历史订单,也就是说,采用配送条件对目标订单和历史订单进行聚类后,可以从历史订单中获得在配送条件不同的维度下与目标订单最为接近的历史订单,从而获得配送条件与目标订单的配送条件匹配的历史订单的配送时长。
当然,也可从至少一个配送资源的历史订单中获取配送条件与目标订单的配送条件匹配的历史订单的配送时长,这样所获得的多个历史订单的配送时长是分别一一对应特定的配送条件。即根据配送资源的特征信息可以获取历史订单的配送时长,或者根据订单的特征信息获取历史订单的配送时长,再或者根据配送路径的气象条件信息获取历史订单的配送时长等等。
步骤S504:将所述历史订单的配送时长发送给所述目标订单对应的目标用户所使用的终端,或者,展示所述历史订单的配送时长。
在本步骤中,对应于步骤S503,由于可从至少一个配送资源的历史订单中获取配送条件与目标订单的配送条件匹配的历史订单的配送时长,所以当将历史订单的配送时长发送给目标订单对应的目标用户所使用的终端,或者,展示历史订单的配送时长时,所发送或者展示的历史订单的配送时长是不止一个的,这样可以使得获取的历史订单的配送时长数据更多,便于目标用户参考。
本申请第五实施例提供了一种配送时长处理方法,包括:获取目标订单;获取目标订单的配送条件;获取配送条件与目标订单的配送条件匹配的历史订单的配送时长;将历史订单的配送时长发送给目标订单对应的目标用户所使用的终端,或者,展示历史订单的配送时长。通过获取目标订单的配送条件,该配送条件涉及多个维度,从而使得获取的配送条件与目标订单的配送条件匹配的历史订单的配送时长更加准确,也便于目标用户参考。
在上述的第一实施例中,提供了一种配送时长的获取方法,与之相对应的,本申请提供一种配送时长的获取装置。如图6所示,其为本申请第六实施例的一种配送时长的获取装置的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第六实施例提供一种配送时长的获取装置,应用于服务端或者客户端,装置包括:目标订单获取单元601,用于获取目标订单;目标配送资源确定单元602,用于根据目标订单确定目标配送资源;数据获取单元603,用于获取目标配送资源的历史订单配送时长、目标配送资源的当前订单数量和目标配送资源的配送级别数据,目标配送资源是用于针对目标订单进行配送的配送资源,目标配送资源的配送级别数据是用于表征目标配送资源配送经验的数据;配送时长获取单元604,用于根据目标订单、历史订单配送时长、当前订单数量和配送级别数据,获取目标配送资源针对目标订单的配送时长。
在上述的第二实施例中,提供了一种配送时长预测模型的生成方法,与之相对应的,本申请提供一种配送时长预测模型的生成装置。如图7所示,其为本申请第七实施例的一种配送时长预测模型的生成装置的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第七实施例提供一种配送时长预测模型的生成装置,应用于服务端,装置包括:样本获取单元701,用于获取订单样本、对应于订单样本的配送资源样本的历史订单配送时长样本、对应于订单样本的配送资源样本的当前订单数量样本、对应于订单样本的配送资源样本的配送级别数据样本、配送资源样本针对订单样本的配送时长样本;生成单元702,用于根据订单样本、历史订单配送时长样本、当前订单数量样本、配送级别数据样本和配送时长样本,生成配送时长预测模型,时长预测模型用于根据待配送订单、对应于待配送订单的配送资源的历史订单配送时长、对应于待配送订单的配送资源的当前订单数量、对应于待配送订单的配送资源的配送级别数据,预测配送资源针对待配送订单的配送时长。
在上述的第三实施例中,提供了一种配送时长的获取方法,与之相对应的,本申请提供一种配送时长的获取装置。如图8所示,其为本申请第八实施例的一种配送时长的获取装置的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第八实施例提供一种配送时长的获取装置,应用于服务端或者客户端,装置包括:数据获取单元801,用于获取目标配送资源的历史订单配送时长、目标配送资源在配送历史订单时持有订单数量和目标配送资源在配送历史订单时目标配送资源对应的配送级别数据;配送时长获取单元802,用于根据历史订单配送时长、在配送历史订单时持有订单数量和在配送历史订单时目标配送资源对应的配送级别数据,获取目标配送资源配送后续订单的配送时长。
在上述的第四实施例中,提供了一种配送时长预测模型的生成方法,与之相对应的,本申请提供一种配送时长预测模型的生成装置。如图9所示,其为本申请第九实施例的一种配送时长预测模型的生成装置的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第九实施例提供一种配送时长预测模型的生成装置,应用于服务端,装置包括:样本获取单元901,用于获取历史订单样本、对应于历史订单样本的配送资源样本的历史订单配送时长样本、对应于历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于历史订单样本的配送资源样本在配送历史订单时配送资源样本对应的配送级别数据样本、配送资源样本配送后续订单的配送时长样本;生成单元902,用于根据历史订单配送时长样本、当前订单数量样本、配送级别数据样本和配送时长样本,生成配送时长预测模型,时长预测模型用于根据后续订单、对应于后续订单的配送资源的历史订单配送时长、对应于后续订单的配送资源的持有订单数量、对应于后续订单的配送资源的配送级别数据,预测配送资源配送后续订单的配送时长。
在上述的第五实施例中,提供了一种配送时长处理方法,与之相对应的,本申请提供一种配送时长处理装置。如图10所示,其为本申请第十实施例的一种配送时长处理装置的示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。本申请第十实施例提供一种配送时长处理装置,应用于服务端,装置包括:目标订单获取单元1001,用于获取目标订单;配送条件获取单元1002,用于获取目标订单的配送条件;配送时长获取单元1003,用于获取配送条件与目标订单的配送条件匹配的历史订单的配送时长;发送或展示单元1004,用于将历史订单的配送时长发送给目标订单对应的目标用户所使用的终端,或者,展示历史订单的配送时长。
本申请第一实施例给出了一种配送时长的获取方法,本申请第十一实施例给出了与第一实施例方法对应的电子设备。如图11所示,其示出了本实施例电子设备示意图。本实施例提供一种电子设备,应用于服务端或者客户端,电子设备包括:处理器;存储器,用于存储计算机程序,该计算机程序被处理器运行,执行上述本申请第一实施例提供的配送时长的获取方法。本申请第一实施例给出了一种配送时长的获取方法,本申请第十二实施例给出了与第一实施例方法对应的计算机存储介质。本实施例提供一种计算机存储介质,应用于服务端或者客户端,计算机存储介质存储有计算机程序,该计算机程序被处理器运行,执行上述本申请第一实施例提供的配送时长的获取方法。
本申请第二实施例给出了一种配送时长预测模型的生成方法,本申请第十三实施例给出了与第二实施例方法对应的电子设备。可参考图11所示,其示出了本实施例电子设备示意图。本实施例提供一种电子设备,应用于服务端,电子设备包括:处理器;存储器,用于存储计算机程序,该计算机程序被处理器运行,执行上述本申请第二实施例提供的配送时长预测模型的生成方法。本申请第十四实施例给出了与第二实施例方法对应的计算机存储介质。本实施例提供一种计算机存储介质,应用于服务端,计算机存储介质存储有计算机程序,该计算机程序被处理器运行,执行上述本申请第二实施例提供的配送时长预测模型的生成方法。
本申请第三实施例给出了一种配送时长的获取方法,本申请第十五实施例给出了与第三实施例方法对应的电子设备。可参考图11所示,其示出了本实施例电子设备示意图。本实施例提供一种电子设备,应用于服务端或者客户端,电子设备包括:处理器;存储器,用于存储计算机程序,该计算机程序被处理器运行,执行上述本申请第三实施例提供的配送时长的获取方法。本申请第十六实施例给出了与第三实施例方法对应的计算机存储介质。本实施例提供一种计算机存储介质,应用于服务端或者客户端,计算机存储介质存储有计算机程序,该计算机程序被处理器运行,执行上述本申请第三实施例提供的配送时长的获取方法。
本申请第四实施例给出了一种配送时长预测模型的生成方法,本申请第十七实施例给出了与第四实施例方法对应的电子设备。可参考图11所示,其示出了本实施例电子设备示意图。本实施例提供一种电子设备,应用于服务端,电子设备包括:处理器;存储器,用于存储计算机程序,该计算机程序被处理器运行,执行上述本申请第四实施例提供的配送时长预测模型的生成方法。本申请第十八实施例给出了与第四实施例方法对应的计算机存储介质。本实施例提供一种计算机存储介质,应用于服务端,计算机存储介质存储有计算机程序,该计算机程序被处理器运行,执行上述本申请第四实施例提供的配送时长预测模型的生成方法。
本申请第五实施例给出了一种配送时长处理方法,本申请第十九实施例给出了与第五实施例方法对应的电子设备。可参考图11所示,其示出了本实施例电子设备示意图。本实施例提供一种电子设备,应用于服务端或者客户端,电子设备包括:处理器;存储器,用于存储计算机程序,该计算机程序被处理器运行,执行上述本申请第五实施例提供的配送时长处理方法。本申请第二十实施例给出了与第五实施例方法对应的计算机存储介质。本实施例提供一种计算机存储介质,应用于服务端或者客户端,计算机存储介质存储有计算机程序,该计算机程序被处理器运行,执行上述本申请第五实施例提供的配送时长处理方法。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (10)
1.一种配送时长的获取方法,其特征在于,包括:
获取目标订单;
根据目标订单确定目标配送资源;
获取所述目标配送资源的历史订单配送时长、所述目标配送资源的当前订单数量和所述目标配送资源的配送级别数据,所述目标配送资源的配送级别数据是用于表征所述目标配送资源配送经验的数据;
根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长。
2.一种配送时长预测模型的生成方法,其特征在于,包括:
获取订单样本、对应于所述订单样本的配送资源样本的历史订单配送时长样本、对应于所述订单样本的配送资源样本的当前订单数量样本、对应于所述订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述订单样本的配送时长样本;
根据所述订单样本、所述历史订单配送时长样本、所述当前订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据待配送订单、对应于所述待配送订单的配送资源的历史订单配送时长、对应于所述待配送订单的配送资源的当前订单数量、对应于所述待配送订单的配送资源的配送级别数据,预测所述配送资源针对所述待配送订单的配送时长。
3.一种配送时长的获取方法,其特征在于,包括:
获取目标配送资源的历史订单配送时长、所述目标配送资源在配送所述历史订单时持有订单数量和所述目标配送资源在配送历史订单时所述目标配送资源对应的配送级别数据;
根据所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,获取所述目标配送资源配送后续订单的配送时长。
4.一种配送时长预测模型的生成方法,其特征在于,包括:
获取历史订单样本、对应于所述历史订单样本的配送资源样本的历史订单配送时长样本、对应于所述历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于所述历史订单样本的配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本、所述配送资源样本配送后续订单的配送时长样本;
根据所述历史订单样本、所述历史订单配送时长样本、所述持有订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据后续订单、对应于所述后续订单的配送资源的历史订单配送时长、对应于所述后续订单的配送资源的持有订单数量、对应于所述后续订单的配送资源的配送级别数据,预测所述配送资源配送所述后续订单的配送时长。
5.一种配送时长处理方法,其特征在于,包括:
获取目标订单;
获取所述目标订单的配送条件;
获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长;
将所述历史订单的配送时长发送给所述目标订单对应的目标用户所使用的终端,或者,展示所述历史订单的配送时长。
6.一种配送时长的获取装置,其特征在于,包括:
目标订单获取单元,用于获取目标订单;
目标配送资源确定单元,用于根据目标订单确定目标配送资源;
数据获取单元,用于获取目标配送资源的历史订单配送时长、所述目标配送资源的当前订单数量和所述目标配送资源的配送级别数据,所述目标配送资源的配送级别数据是用于表征所述目标配送资源配送经验的数据;
配送时长获取单元,用于根据所述目标订单、所述历史订单配送时长、所述当前订单数量和所述配送级别数据,获取所述目标配送资源针对所述目标订单的配送时长。
7.一种配送时长预测模型的生成装置,其特征在于,包括:
样本获取单元,用于获取订单样本、对应于所述订单样本的配送资源样本的历史订单配送时长样本、对应于所述订单样本的配送资源样本的当前订单数量样本、对应于所述订单样本的配送资源样本的配送级别数据样本、所述配送资源样本针对所述订单样本的配送时长样本;
生成单元,用于根据所述订单样本、所述历史订单配送时长样本、所述当前订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据待配送订单、对应于所述待配送订单的配送资源的历史订单配送时长、对应于所述待配送订单的配送资源的当前订单数量、对应于所述待配送订单的配送资源的配送级别数据,预测所述配送资源针对所述待配送订单的配送时长。
8.一种配送时长的获取装置,其特征在于,包括:
数据获取单元,用于获取目标配送资源的历史订单配送时长、所述目标配送资源在配送所述历史订单时持有订单数量和所述目标配送资源在配送历史订单时所述目标配送资源对应的配送级别数据;
配送时长获取单元,用于根据所述历史订单配送时长、所述在配送所述历史订单时持有订单数量和所述在配送所述历史订单时所述目标配送资源对应的配送级别数据,获取所述目标配送资源配送后续订单的配送时长。
9.一种配送时长预测模型的生成装置,其特征在于,包括:
样本获取单元,用于获取历史订单样本、对应于所述历史订单样本的配送资源样本的历史订单配送时长样本、对应于所述历史订单样本的配送资源样本在配送历史订单时持有订单数量样本、对应于所述历史订单样本的配送资源样本在配送所述历史订单时所述配送资源样本对应的配送级别数据样本、所述配送资源样本配送后续订单的配送时长样本;
生成单元,用于根据所述历史订单配送时长样本、所述持有订单数量样本、所述配送级别数据样本和所述配送时长样本,生成配送时长预测模型,所述时长预测模型用于根据后续订单、对应于所述后续订单的配送资源的历史订单配送时长、对应于所述后续订单的配送资源的持有订单数量、对应于所述后续订单的配送资源的配送级别数据,预测所述配送资源配送所述后续订单的配送时长。
10.一种配送时长处理装置,其特征在于,包括:
目标订单获取单元,用于获取目标订单;
配送条件获取单元,用于获取所述目标订单的配送条件;
配送时长获取单元,用于获取配送条件与所述目标订单的配送条件匹配的历史订单的配送时长;
发送或展示单元,用于将所述历史订单的配送时长发送给所述目标订单对应的目标用户所使用的终端,或者,展示所述历史订单的配送时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010225357.5A CN111582539A (zh) | 2020-03-26 | 2020-03-26 | 配送时长获取、配送时长预测模型生成的方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010225357.5A CN111582539A (zh) | 2020-03-26 | 2020-03-26 | 配送时长获取、配送时长预测模型生成的方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111582539A true CN111582539A (zh) | 2020-08-25 |
Family
ID=72126089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010225357.5A Pending CN111582539A (zh) | 2020-03-26 | 2020-03-26 | 配送时长获取、配送时长预测模型生成的方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582539A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381491A (zh) * | 2020-12-07 | 2021-02-19 | 拉扎斯网络科技(上海)有限公司 | 一种配送资源接单时长获得方法、装置、以及电子设备 |
CN112700199A (zh) * | 2020-12-31 | 2021-04-23 | 拉扎斯网络科技(上海)有限公司 | 订单数据处理方法及装置、存储介质、计算机设备 |
CN113159685A (zh) * | 2021-04-26 | 2021-07-23 | 拉扎斯网络科技(上海)有限公司 | 配送时长更新方法、装置、电子设备、介质及程序产品 |
CN113469462A (zh) * | 2021-07-27 | 2021-10-01 | 拉扎斯网络科技(上海)有限公司 | 订单热度预测及订单分配方法及设备 |
-
2020
- 2020-03-26 CN CN202010225357.5A patent/CN111582539A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381491A (zh) * | 2020-12-07 | 2021-02-19 | 拉扎斯网络科技(上海)有限公司 | 一种配送资源接单时长获得方法、装置、以及电子设备 |
CN112381491B (zh) * | 2020-12-07 | 2024-01-19 | 拉扎斯网络科技(上海)有限公司 | 一种配送资源接单时长获得方法、装置、以及电子设备 |
CN112700199A (zh) * | 2020-12-31 | 2021-04-23 | 拉扎斯网络科技(上海)有限公司 | 订单数据处理方法及装置、存储介质、计算机设备 |
CN112700199B (zh) * | 2020-12-31 | 2023-12-12 | 拉扎斯网络科技(上海)有限公司 | 订单数据处理方法及装置、存储介质、计算机设备 |
CN113159685A (zh) * | 2021-04-26 | 2021-07-23 | 拉扎斯网络科技(上海)有限公司 | 配送时长更新方法、装置、电子设备、介质及程序产品 |
CN113469462A (zh) * | 2021-07-27 | 2021-10-01 | 拉扎斯网络科技(上海)有限公司 | 订单热度预测及订单分配方法及设备 |
CN113469462B (zh) * | 2021-07-27 | 2023-05-02 | 拉扎斯网络科技(上海)有限公司 | 订单热度预测及订单分配方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582539A (zh) | 配送时长获取、配送时长预测模型生成的方法、装置 | |
CN109003028B (zh) | 用于划分物流区域的方法和装置 | |
EP3522096A1 (en) | Augmented reality-based offline interaction method and device | |
CN108701014B (zh) | 用于尾部查询的查询数据库 | |
US10885472B2 (en) | Dynamic transportation pooling | |
CN108985694B (zh) | 用于确定配送中心地址的方法和装置 | |
US20180225796A1 (en) | Resource Allocation in a Network System | |
CN110073382A (zh) | 用于显示商家位置处的库存数据的图形用户界面 | |
CN111275470A (zh) | 服务发起概率预测方法及其模型的训练方法和装置 | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
CN110766513A (zh) | 信息排序方法、装置、电子设备及可读存储介质 | |
CN111260092A (zh) | 用于预测对象到达时间的系统和方法 | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
CN111831967A (zh) | 一种到店识别方法、装置、电子设备及介质 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN113111117A (zh) | 基于地图的收件地址展示方法、系统、设备及存储介质 | |
CN112258268A (zh) | 确定推荐模型和确定物品价格的方法、装置、设备和介质 | |
CN109741179B (zh) | 全档位行情数据实时计算方法及装置 | |
CN110222861B (zh) | 路径规划的方法、装置、存储介质及电子设备 | |
CN111833080A (zh) | 信息推送的方法、装置、电子设备和计算机可读存储介质 | |
CN114756774A (zh) | 出行方案推荐、模型训练方法、装置、设备以及存储介质 | |
CN116258435A (zh) | 物流信息展示方法、装置、设备、存储介质及产品 | |
CN111612198B (zh) | 预测拼单成功率的方法、装置和电子设备 | |
CN115062240A (zh) | 一种停车场排序方法、装置、电子设备和存储介质 | |
CN110647599B (zh) | 用于显示信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200825 |