CN111582727A - 行为数据的处理方法、装置、计算机设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种行为数据的处理方法、装置、计算机设备及可读存储介质，涉及互联网技术领域，确定车座的承受压力的变化趋势，形成行为状态，统计行为数据，使得可以主动形成行为数据，并选取最优的配送人员进行指派，无需通过配送人员的反馈被动记录行为，提高了行为数据的真实性，保障评分的公正性，将发生负面影响的风险降到最低，保障配送效率。所述方法包括：对车座进行压力检测，确定车座当前的承受压力；当检测到承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息；根据承受压力发生变化的变化趋势，生成行为状态；将变化时间点、行为状态和地理位置信息作为行为数据，对行为数据进行传输。

Description

行为数据的处理方法、装置、计算机设备及可读存储介质

技术领域

本发明涉及互联网技术领域，特别是涉及一种行为数据的处理方法、装置、计算机设备及可读存储介质。

背景技术

随着国家经济的高速发展，互联网技术也得到了飞速的发展，人们的传统饮食方式也在不算的发生变化，开始对“一日三餐”产生新的需求。网络订餐的方式完全改变了人们的生活方式，人们聚餐不必去店铺中，可以直接登录网络提供的平台，预定想要的菜品、食品等货物，形成订单，由平台将订单指派给配送人员，以便配送人员将货物送至人们手中。

相关技术中，生成订单的平台中会接入大量用于配送货物的配送人员，在对订单进行指派时，平台会对配送人员在历史配送过程中的取货、送货、交货等行为数据进行处理，对每个配送人员进行一个有关配送效率、超时率等方面的评价，以便在目前能够配送的全部配送人员中选择一个评价最高的配送人员，并将订单指派给该配送人员，由该配送人员去往店铺取货，再将货物送至订单指示的用户处。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：

配送人员出于一些顾虑，比如担心配送超时的情况被平台获取后会限制指派的订单数，在历史配送过程中，配送人员很可能会向平台示意货物已经送出，但是实际上还没有达到店铺，这就使得平台统计到的配送人员的行为数据是虚假的，对这个行为数据进行处理实现对配送人员进行评价以及订单的指派并不符合配送人员的实际情况，导致发生超时、投诉等负面影响的风险升高，难以保障配送效率，影响了推动餐饮服务信息化、智能化的进程。

发明内容

有鉴于此，本发明提供了一种行为数据的处理方法、装置、计算机设备及可读存储介质，主要目的在于解决目前对配送人员进行评价以及订单的指派并不符合配送人员的实际情况，导致发生超时、投诉等负面影响的风险升高，难以保障配送效率，影响了推动餐饮服务信息化、智能化的进程的问题。

依据本发明第一方面，提供了一种行为数据的处理方法，该方法应用于车辆端，包括：

对车座进行压力检测，确定所述车座当前的承受压力；

当检测到所述承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息；

根据所述承受压力发生变化的变化趋势，生成行为状态，所述变化趋势至少为上升趋势或下降趋势中的任一种，所述行为状态用于指示是否上车；

将所述变化时间点、所述行为状态和所述地理位置信息作为行为数据，对所述行为数据进行传输。

在另一个实施例中，所述根据所述承受压力发生变化的变化趋势，生成行为状态，包括：

若检测到所述承受压力的变化趋势为所述上升趋势，则确定配送人员当前坐于所述车座，生成用于指示所述配送人员已上车的所述行为状态；

若检测到所述承受压力的变化趋势为所述下降趋势，则确定所述配送人员当前离开所述车座，生成用于指示所述配送人员已下车的所述行为状态。

在另一个实施例中，所述将所述变化时间点、所述行为状态和所述地理位置信息作为行为数据，对所述行为数据进行传输，包括：

对所述变化时间点、所述行为状态和所述地理位置信息进行打包，得到所述行为数据；

获取所述车座所在车辆的车辆标识，采用所述车辆标识对所述行为数据进行标注；

将标注后的所述行为数据进行传输。

依据本发明第二方面，提供了一种行为数据的处理方法，该方法应用于平台，包括：

接收行为数据，所述行为数据由车座在检测到当前的承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息，根据所述承受压力的变化趋势生成行为状态，基于所述变化时间点、所述行为状态和所述地理位置信息生成并传输的；

确定预设统计间隔，对当前时间进行监控；

当监控到当前时间与上一次统计时间之间的时间间隔达到所述预设统计间隔时，统计在所述时间间隔内接收到的全部行为数据。

在另一个实施例中，所述方法还包括：

按照所述全部行为数据中每个行为数据标注的车辆标识，将所述全部行为数据划分为多个数据组，所述多个数据组中每个数据组包括的所有行为数据均采用同一个车辆标识进行标注；

对于所述多个数据组中每个数据组，查询所述数据组对应的指定车辆标识在所述时间间隔内的多个配送订单；

在所述数据组中为所述多个配送订单中每个配送订单确定至少一个关联行为数据，将所述每个配送订单与对应的所述至少一个关联行为数据进行关联，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中。

在另一个实施例中，所述将所述每个配送订单与对应的所述至少一个关联行为数据进行关联之后，所述方法还包括：

基于所述多个配送订单中每个配送订单在所述数据组中的至少一个关联行为数据，计算每个配送订单的配送分数，得到多个配送分数，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中；

计算所述多个配送分数的平均值作为所述数据组的行为分数；

按照上述过程分别为所述多个数据组计算行为分数，得到所述多个行为分数；

当接收到待指派订单时，在所述多个行为分数中确定目标行为分数，将所述待指派订单指派给目标配送人员，所述目标行为分数大于所述多个行为分数中除所述目标行为分数外的其他行为分数，所述目标配送人员是所述目标行为分数所在数据组对应的目标车辆标识所指示的配送人员。

在另一个实施例中，所述基于所述多个配送订单中每个配送订单在所述数据组中的至少一个关联行为数据，计算每个配送订单的配送分数，包括：

对于所述多个配送订单中每个配送订单，在所述配送订单的至少一个关联行为数据中提取第一关联行为数据和第二关联行为数据，所述第一关联行为数据与所述第二关联行为数据的变化时间点是相邻的且所述第一关联行为数据的变化时间点早于所述第二关联行为数据，所述第一关联行为数据包括的行为状态指示已上车且包括的地理位置信息与所述配送订单包括的店铺位置一致，所述第二关联行为数据包括的行为状态指示已下车且包括的地理位置信息与所述配送订单包括的顾客位置一致；

统计所述第一关联行为数据的变化时间点与所述第二关联行为数据的变化时间点之间的时间间隔，确定所述店铺位置与所述顾客位置之间的位置距离；

计算所述位置距离与所述时间间隔的比值作为配送速度，查询所述配送速度对应的第一分数；

统计所述接单时间与所述送达时间之间的配送时长，查询所述配送时长对应的第二分数；

基于所述第一分数和所述第二分数，计算所述配送订单的配送分数；

按照上述过程分别为所述多个配送订单中每个配送订单计算配送分数。

在另一个实施例中，所述基于所述第一分数和所述第二分数，计算所述配送订单的配送分数，包括：

计算所述第一分数与所述第二分数的第一和值，将所述第一和值作为所述配送订单的配送分数；或，

获取所述配送速度对应的第一权重以及所述配送时长对应的第二权重，计算所述配送速度与所述第一权重的第一乘积，计算所述配送时长与所述第二权重的第二乘积，并计算所述第一乘积和所述第二乘积的第二和值，将所述第二和值作为所述配送订单的配送分数。

在另一个实施例中，所述在所述多个行为分数中确定目标行为分数，包括：

将所述多个行为分数从大到小进行排序，将排在首位的行为分数作为所述目标行为分数；或，

将所述多个行为分数从小到大进行排序，将排在末位的行为分数作为所述目标行为分数。

依据本发明第三方面，提供了一种行为数据的处理装置，该装置应用于车辆端，包括：

检测模块，用于对车座进行压力检测，确定所述车座当前的承受压力；

获取模块，用于当检测到所述承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息；

生成模块，用于根据所述承受压力发生变化的变化趋势，生成行为状态，所述变化趋势至少为上升趋势或下降趋势中的任一种，所述行为状态用于指示是否上车；

传输模块，用于将所述变化时间点、所述行为状态和所述地理位置信息作为行为数据，对所述行为数据进行传输。

在另一个实施例中，所述生成模块，用于若检测到所述承受压力的变化趋势为所述上升趋势，则确定配送人员当前坐于所述车座，生成用于指示所述配送人员已上车的所述行为状态；若检测到所述承受压力的变化趋势为所述下降趋势，则确定所述配送人员当前离开所述车座，生成用于指示所述配送人员已下车的所述行为状态。

在另一个实施例中，所述传输模块，包括：

打包单元，用于对所述变化时间点、所述行为状态和所述地理位置信息进行打包，得到所述行为数据；

标注单元，用于获取所述车座所在车辆的车辆标识，采用所述车辆标识对所述行为数据进行标注；

传输单元，用于将标注后的所述行为数据进行传输。

依据本发明第四方面，提供了一种行为数据的处理装置，该装置应用于平台，包括：

接收模块，用于接收行为数据，所述行为数据由车座在检测到当前的承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息，根据所述承受压力的变化趋势生成行为状态，基于所述变化时间点、所述行为状态和所述地理位置信息生成并传输的；

监控模块，用于确定预设统计间隔，对当前时间进行监控；

统计模块，用于当监控到当前时间与上一次统计时间之间的时间间隔达到所述预设统计间隔时，统计在所述时间间隔内接收到的全部行为数据。

在另一个实施例中，所述装置还包括：

划分模块，用于按照所述全部行为数据中每个行为数据标注的车辆标识，将所述全部行为数据划分为多个数据组，所述多个数据组中每个数据组包括的所有行为数据均采用同一个车辆标识进行标注；

查询模块，用于对于所述多个数据组中每个数据组，查询所述数据组对应的指定车辆标识在所述时间间隔内的多个配送订单；

关联模块，用于在所述数据组中为所述多个配送订单中每个配送订单确定至少一个关联行为数据，将所述每个配送订单与对应的所述至少一个关联行为数据进行关联，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中。

在另一个实施例中，所述装置还包括：

第一计算模块，用于基于所述多个配送订单中每个配送订单在所述数据组中的至少一个关联行为数据，计算每个配送订单的配送分数，得到多个配送分数，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中；

第二计算模块，用于计算所述多个配送分数的平均值作为所述数据组的行为分数；

所述第二计算模块，还用于按照上述过程分别为所述多个数据组计算行为分数，得到所述多个行为分数；

确定模块，用于当接收到待指派订单时，在所述多个行为分数中确定目标行为分数，将所述待指派订单指派给目标配送人员，所述目标行为分数大于所述多个行为分数中除所述目标行为分数外的其他行为分数，所述目标配送人员是所述目标行为分数所在数据组对应的目标车辆标识所指示的配送人员。

在另一个实施例中，所述第一计算模块，包括：

提取单元，用于对于所述多个配送订单中每个配送订单，在所述配送订单的至少一个关联行为数据中提取第一关联行为数据和第二关联行为数据，所述第一关联行为数据与所述第二关联行为数据的变化时间点是相邻的且所述第一关联行为数据的变化时间点早于所述第二关联行为数据，所述第一关联行为数据包括的行为状态指示已上车且包括的地理位置信息与所述配送订单包括的店铺位置一致，所述第二关联行为数据包括的行为状态指示已下车且包括的地理位置信息与所述配送订单包括的顾客位置一致；

统计单元，用于统计所述第一关联行为数据的变化时间点与所述第二关联行为数据的变化时间点之间的时间间隔，确定所述店铺位置与所述顾客位置之间的位置距离；

计算单元，用于计算所述位置距离与所述时间间隔的比值作为配送速度，查询所述配送速度对应的第一分数；

所述统计单元，还用于统计所述接单时间与所述送达时间之间的配送时长，查询所述配送时长对应的第二分数；

所述计算单元，还用于基于所述第一分数和所述第二分数，计算所述配送订单的配送分数；

所述计算单元，还用于按照上述过程分别为所述多个配送订单中每个配送订单计算配送分数。

在另一个实施例中，所述计算单元，用于计算所述第一分数与所述第二分数的第一和值，将所述第一和值作为所述配送订单的配送分数；或，获取所述配送速度对应的第一权重以及所述配送时长对应的第二权重，计算所述配送速度与所述第一权重的第一乘积，计算所述配送时长与所述第二权重的第二乘积，并计算所述第一乘积和所述第二乘积的第二和值，将所述第二和值作为所述配送订单的配送分数。

在另一个实施例中，所述确定模块，用于将所述多个行为分数从大到小进行排序，将排在首位的行为分数作为所述目标行为分数；或，将所述多个行为分数从小到大进行排序，将排在末位的行为分数作为所述目标行为分数。

依据本发明第五方面，提供了一种车辆端，所述车辆端包括车座、压力传感器、全球定位系统GPS设备、蜂窝设备；其中，所述车座用于支撑所述车辆端的配送人员；所述压力传感器用于对所述车座进行压力检测并当检测到所述承受压力发生变化且变化量达到压力阈值时将所述承受压力发生变化的变化趋势发送至所述蜂窝设备；所述GPS设备用于获取当前位置的地理位置信息并将所述地理位置信息传输至所述蜂窝设备；所述蜂窝设备用于根据所述承受压力发生变化的变化趋势生成行为状态并确定发生变化的变化时间点，将所述变化时间点、所述行为状态和所述地理位置信息作为行为数据进行传输。

依据本发明第六方面，提供了一种计算机设备，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上述第一方面和第二方面所述方法的步骤。

依据本发明第七方面，提供了一种可读存储介质，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上述第一方面和第二方面所述的方法的步骤。

借由上述技术方案，本发明提供的一种行为数据的处理方法、装置、计算机设备及可读存储介质，本发明通过对车座进行压力检测，确定车座的承受压力的变化趋势，形成行为状态，进而统计配送人员的行为数据，可以主动形成行为数据，无需通过配送人员的反馈被动记录行为，提高了获取到的行为数据的真实性，最大程度保障对配送人员进行评分的公正性，将发生超时、投诉等负面影响的风险降到最低，保障配送效率，推动餐饮服务信息化、智能化的进程。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1A示出了本发明实施例提供的一种行为数据的处理方法流程示意图；

图1B示出了本发明实施例提供的一种行为数据的处理方法流程示意图；

图2A示出了本发明实施例提供的一种行为数据的处理方法流程示意图；

图2B示出了本发明实施例提供的一种车座的结构示意图；

图3A示出了本发明实施例提供的一种行为数据的处理装置的结构示意图；

图3B示出了本发明实施例提供的一种行为数据的处理装置的结构示意图；

图4A示出了本发明实施例提供的一种行为数据的处理装置的结构示意图；

图4B示出了本发明实施例提供的一种行为数据的处理装置的结构示意图；

图4C示出了本发明实施例提供的一种行为数据的处理装置的结构示意图；

图4D示出了本发明实施例提供的一种行为数据的处理装置的结构示意图；

图5示出了本发明实施例提供的一种计算机设备的装置结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种行为数据的处理方法，如图1A所示，该方法应用于车辆端，包括：

101、对车座进行压力检测，确定车座当前的承受压力。

102、当检测到承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息。

103、根据承受压力发生变化的变化趋势，生成行为状态，变化趋势至少为上升趋势或下降趋势中的任一种，行为状态用于指示是否上车。

104、将变化时间点、行为状态和地理位置信息作为行为数据，对行为数据进行传输。

本发明实施例提供的方法，通过对车座进行压力检测，确定车座的承受压力的变化趋势，形成行为状态，进而统计配送人员的行为数据，可以主动形成行为数据，无需通过配送人员的反馈被动记录行为，提高了获取到的行为数据的真实性，最大程度保障对配送人员进行评分的公正性，将发生超时、投诉等负面影响的风险降到最低，保障配送效率，推动餐饮服务信息化、智能化的进程。

本发明实施例提供了一种行为数据的处理方法，如图1B所示，该方法应用于平台，包括：

105、接收行为数据，行为数据由车座在检测到当前的承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息，根据承受压力的变化趋势生成行为状态，基于变化时间点、行为状态和地理位置信息生成并传输的。

106、确定预设统计间隔，对当前时间进行监控。

107、当监控到当前时间与上一次统计时间之间的时间间隔达到预设统计间隔时，统计在时间间隔内接收到的全部行为数据。

本发明实施例提供的方法，通过对车座进行压力检测，确定车座的承受压力的变化趋势，形成行为状态，进而统计配送人员的行为数据，可以主动形成行为数据，无需通过配送人员的反馈被动记录行为，提高了获取到的行为数据的真实性，最大程度保障对配送人员进行评分的公正性，将发生超时、投诉等负面影响的风险降到最低，保障配送效率，推动餐饮服务信息化、智能化的进程。

本发明实施例提供了一种行为数据的处理方法，如图2A所示，该方法涉及到车辆端与平台之间的交互，具体包括：

201、车辆端对车座进行压力检测，确定车座当前的承受压力。

发明人认识到，目前对配送人员进行的行为监控通常是基于配送人员手持的终端实现的，利用终端的定位功能，确定配送人员所在的具体位置，从而规划配送人员的行驶路径，推断配送人员的行为数据，以便按照获取到的行为数据确定哪些配送人员的配送效率较高，对配送人员进行评分，优先将订单指派给这些评分较高的配送人员，来保证配送服务的服务质量。一般来说，配送人员手持的终端上会安装平台提供的客户端，平台基于该客户端可以实现对配送人员的定位，而且该客户端还会提供各种按键，配送人员通过点击不同功能的按键，可以向平台反馈各种不同含义的响应，例如可以反馈含义为“已经取货”的响应、“已经送出”的响应等等，通过配送人员反馈的响应，平台可以将配送人员的行为数据细化，保证对配送人员评分的真实性。但是，在实际应用的过程中，由于按键是由配送人员控制触发的，有些配送人员出于一些顾虑，比如担心配送超时的情况被平台获取后会限制指派的订单数，或者平台生成的评分过低等等，在历史配送过程中，配送人员很可能会向平台反馈响应示意货物已经送出的时候还没有达到店铺，这就使得平台统计到的配送人员的行为数据是虚假的，按照这个行为数据对配送人员进行评价以及订单的指派并不符合配送人员的实际情况，导致发生超时、投诉等负面影响的风险升高，难以保障配送效率，影响了推动餐饮服务信息化、智能化的进程。因此，本发明提出了一种行为数据处理方法，通过对车座当前的承受压力进行检测，确定配送人员何时真正上车或下车，将以前的被动接受响应机制改为当前的主动检测行为机制，提高了获取到的行为数据的真实性，避免行为数据受到人为干预，最大程度保障对配送人员进行评分的公正性，使订单指派给最优秀的配送人员。

综上所述，本发明能够实现主要是依靠车辆端上车座的压力检测功能，下面对车座的结构以及如何实现该压力检测功能进行简单介绍：

参见图2B，在本发明实施例中，车座的结构中至少包括车辆座椅、压力传感器、GPS(Global Positioning System，全球定位系统)设备、蜂窝设备、太阳能供电设备。其中，车辆座椅为与配送人员接触的普通车座，后续的压力传感器、GPS设备、蜂窝设备、太阳能供电设备均置于该车辆座椅中。压力传感器用于对车辆进行压力检测，从而确定车座的承受压力是否发生变化，压力传感器检测到车座的承受压力发生变化时，会向蜂窝设备发送压力变化信号，以便蜂窝设备根据该压力变化信号生成行为状态。GPS设备用于对车辆所在的位置进行定位，GPS设备与蜂窝设备之间建立有数据链接，可以实时向蜂窝设备提供地理位置信息。蜂窝设备会形成包括变化时间点、地理位置信息以及行为状态的行为数据，并通过蜂窝网络将行为数据传输至云端服务器中，以便云端服务器将行为数据提供给平台进行评分以及订单指派等后续操作。太阳能供电设备用于吸收太阳能，将太阳能转化为电能，并将电能提供给压力传感器、GPS设备以及蜂窝设备，从而保证这些部件的正常运行。

这样，通过上述的结构，便可以实现对车座进行压力检测，确定车座当前承受压力。需要说明的是，由于车座中设置有太阳能供电设备，太阳能供电设备能够持续向车座中的模块进行供电，因此，车座中的压力传感器可以持续对车座所承受的承受压力进行检测，从而保证能够及时检测到车座的承受压力发生的变化，提高行为数据的准确性。

202、当车辆端检测到承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息，并根据承受压力发生变化的变化趋势，生成行为状态。

在本发明实施例中，车座中设置的压力传感器会持续对车座的承受压力进行检测，当配送人员上车或者下车时，车座所承受的承受压力是会随着配送人员上车或者下车变化的，且变化幅度是很大的，因此，可以通过承受压力的变化确定配送人员上车或是下车，从而生成行为状态。

考虑到实际应用的过程中，配送人员坐在车上时可能会手持货物或者将自身的私人配件取下等，这时，对配送人员对车座造成的压力也是会发生一些微小的变化的，但是并不能就此判断配送人员上车或是下车了，所以车辆端中可以设置一个压力阈值，只有车座的承受压力发生变化的变化量达到了这个压力阈值，才可以确定配送人员的行为发生了变化，否则确定配送人员的行为没有发生变化。其中，该压力阈值的取值可以设置为一个成年人的最低体重，比如，45千克、40千克等等，这样，基于该压力阈值可以避免对车座的承受压力进行的检测发生误判。

这样，当车辆端检测到承受压力发生变化且变化量达到压力阈值时，便可以确定当前配送人员发生了上车或者下车的行为，这一行为需要被记录，以便后续作为对配送人员进行评分的参考内容。另外，考虑到配送人员上车或者下车的行为是一种经常发生的行为，行为发生的时间以及地点是存在差异的，后续对配送人员进行的评分需要同时参考时间以及地点，因此，车辆端会确定发生变化的变化时间点，获取当前位置的地理位置信息，并根据承受压力发生变化的变化趋势，生成用于指示配送人员是否上车的行为状态，在后续将变化时间点、地理位置信息以及行为状态都作为行为数据提供给平台进行评分以及订单指派。其中，该变化趋势至少为上升趋势或下降趋势中的任一种，若车辆端检测到车座的承受压力的变化趋势为上升趋势，则确定配送人员当前坐于车座，生成用于指示配送人员已上车的行为状态。若车辆端检测到车座的承受压力的变化趋势为下降趋势，则确定配送人员当前离开车座，生成用于指示配送人员已下车的行为状态。

203、车辆端将变化时间点、行为状态和地理位置信息作为行为数据，对行为数据进行传输，传输至平台。

在本发明实施例中，当根据检测到的车座的承受压力生成了配送人员的行为状态后，车辆端将变化时间点、行为状态和地理位置信息作为行为数据，对行为数据进行传输，传输至平台。考虑到同一时间会有不同的配送人员的车辆端向平台提供大量不同的行为数据，且在对配送人员进行评分时需要有针对性的只参考该配送人员的行为数据，因此，为了对行为数据进行区分以及综合管理，车辆端在将行为数据进行传输时，可以对变化时间点、行为状态和地理位置信息进行打包，形成行为数据，并获取车座所在车辆的车辆标识，采用车辆标识对行为数据进行标注，将标注后的行为数据进行传输，从而使平台基于该车辆标识对接收到的行为数据分组管理，避免将不同配送人员的行为数据混淆。

204、平台接收车辆端发送的行为数据，并确定预设统计间隔，对当前时间进行监控，当监控到当前时间与上一次统计时间之间的时间间隔达到预设统计间隔时，统计在时间间隔内接收到的全部行为数据。

在本发明实施例中，行为数据是由车座在检测到承受压力发生变化时根据承受压力的变化趋势生成并传输的，而实际应用的过程中，平台会对接大量的配送人员，使得平台在每个时刻都可以接收到不同车辆端传输的大量行为数据，而单一的行为数据是不能代表配送人员的总体表现的，具有偶然性，因此，平台中可以设置一个预设统计间隔，以便周期性的对平台中接收到的行为数据进行处理以及后续的评分操作，从而使得一些在行为上改善的配送人员可以在评分中突显出来，提高配送人员的配送积极性。这样，平台接收车辆端发送的行为数据，并确定预设统计间隔，对当前时间进行监控，当监控到当前时间与上一次统计时间之间的时间间隔达到预设统计间隔时，统计在时间间隔内接收到的全部行为数据，将车辆端在该时间间隔内传输的行为数据综合起来处理，利用大数据的优势，最大程度上保证对配送人员的评分是公平公正的。其中，时间间隔可以为7天、15天、1个月等等。

205、平台按照全部行为数据中每个行为数据标注的车辆标识，将全部行为数据划分为多个数据组。

在本发明实施例中，由于平台接收到的行为数据是来自不同车辆端的，平台在基于行为数据进行处理评分时，需要有针对性的对每个配送人员进行评分，因此，需要按照全部行为数据中每个行为数据标注的车辆标识，将全部行为数据划分为多个数据组，使多个数据组中每个数据组包括的所有行为数据均采用同一个车辆标识进行标注，从而使用车辆端自己上传的行为数据对车辆端的配送人员进行评分，避免有其他车辆端传输的行为数据混进来，对当前的配送人员的评分造成一定的影响。

206、对于多个数据组中每个数据组，平台查询数据组对应的指定车辆标识在时间间隔内的多个配送订单，在数据组中为多个配送订单中每个配送订单确定至少一个关联行为数据，将每个配送订单与对应的至少一个关联行为数据进行关联。

在本发明实施例中，对于多个数据组中每个数据组，需要查询数据组对应的指定车辆标识在时间间隔内的多个配送订单。由于配送订单中会记录诸如接单时间、送达时间、店铺位置、顾客位置等相关信息，这些相关信息是属于行为数据的决定因素，为了避免一昧的利用行为数据进行相应的处理会与实际情况不符，比如配送人员下车后的配送速度可能受到小区、紧急情况等影响，因此，将这些相关信息也参与到行为数据的处理的过程中，从而提高行为数据处理的全面性。另外，平台中会记录历史的配送订单下发给了哪个配送人员，所以，根据数据组对应的指定车辆标识，可以直接查询到在时间间隔内平台为该指定车辆标识记录的多个配送订单。

进一步地。由于行为数据都是在配送人员对配送订单进行配送的过程中产生的，只有将配送订单和与其产生的行为数据综合起来处理才是最有说服力的，因此，需要建立每个配送订单和与其产生的行为数据之间的关联关系，将配送订单与行为数据关联起来，再进行后续的评分等处理操作。也即，在数据组中为多个配送订单中每个配送订单确定至少一个关联行为数据，该至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中。例如，假设配送订单A的接单时间为2020年3月5日15时29分，送达时间为2020年3月5日16时07分，现在有行为数据B携带的变化时间点为2020年3月5日12时45分、行为数据C携带的变化时间点为2020年3月5日15时41分、行为数据D携带的变化时间点为2020年3月5日15时47分，则可以确定行为数据D和D所携带的变化时间点在配送订单A的接单时间和送达时间形成的时间区间中，因此，为该配送订单A确定的关联行为数据即为行为数据C和D。

207、根据多个数据组包括的行为数据，平台分别对多个数据组进行评分，得到多个数据组的多个行为分数。

在本发明实施例中，当完成了行为数据的分组后，平台会根据数据组中包括的行为数据，对每个数据组进行评分，得到每个数据组的行为分数，进而在后续按照该行为分数进行订单的指派。由于数据组是按照车辆标识进行划分的，每个车辆标识对应唯一的配送人员，因此，对数据组的评分即为对配送人员的评分。进一步地，针对每一个配送订单，为配送人员在该配送订单的配送过程中的表现进行评分，也即基于多个配送订单中每个配送订单在数据组中的至少一个关联行为数据，计算每个配送订单的配送分数，得到多个配送分数。其中，对于多个配送订单中每个配送订单，计算配送分数的过程如下：

首先，在当前配送订单的至少一个关联行为数据中提取第一关联行为数据和第二关联行为数据。其中，第一关联行为数据与第二关联行为数据的变化时间点是相邻的且第一关联行为数据的变化时间点早于第二关联行为数据，也就是说第一关联行为数据和第二关联行为数据是相继发生的，而且第一关联行为数据是先发生的。进一步地，第一关联行为数据包括的行为状态指示已上车且包括的地理位置信息与配送订单包括的店铺位置一致，第二关联行为数据包括的行为状态指示已下车且包括的地理位置信息与配送订单包括的顾客位置一致。也就是说，实际上第一关联行为数据是配送人员在店铺取到货物真正上车时产生的数据，而第二关联行为数据时配送人员真正到达顾客所在的位置并下车时产生的数据。随后，统计第一关联行为数据的变化时间点与第二关联行为数据的变化时间点之间的时间间隔，确定店铺位置与顾客位置之间的位置距离，这个时间间隔实质上也就是配送人员从取到货物上车后行进到顾客处用了多长时间。这样，通过计算位置距离与时间间隔的比值，就可以确定配送速度，也即将该比值作为配送速度。需要说明的是，平台中可以根据经验事先设置一个评分标准，使得后续在该评分标准中通过对配送速度进行查询就可与确定相应的分数。例如，可以设置区间形式的评分标准，配送速度在20千米/小时以下对应的分数为1分，配送速度在20千米/小时至30千米/小时之间对应的分数为5分，配送速度在30千米/小时以上对应的分数为10分。这样，当计算得到配送速度后，便可以通过查询，获取配送速度对应的第一分数。

另外，配送速度实质上只是一种评判的标准，配送过程中存在的影响因素较多，比如道路拥堵、交通管制等等，因此，还可以统计接单时间与送达时间之间的配送时长，并查询配送时长对应的第二分数，将该第二分数也参考到评分的过程中。其中，第二分数与上述第一分数的获取过程一致，此处不再进行赘述。需要说明的是，由于配送时长越短证明配送人员的效率越高，因此，并不限制第二分数的评分机制与第一分数的评分机制相同，只要按照配送时长对应的评分机制正常进行评分即可。

在确定了第一分数和第二分数后，便可以基于第一分数和第二分数，计算配送订单的配送分数。其中，可以直接计算第一分数与第二分数的第一和值，将第一和值作为配送订单的配送分数。或者，还可以获取配送速度对应的第一权重以及配送时长对应的第二权重，计算配送速度与第一权重的第一乘积，计算配送时长与第二权重的第二乘积，并计算第一乘积和第二乘积的第二和值，将第二和值作为配送订单的配送分数。其中，这两种计算配送分数的方式是一种举例说明，实际应用的过程中，还可以采用回归分析、方差分析、对数线性等算法进行配送分数的计算，本发明对配送分数的具体计算方式不进行限定。

通过重复执行上述步骤一至步骤三中的过程，便可以为多个配送订单中每个配送订单计算配送分数，这样，对于任一数据组来说，该数据组中每个配送订单都对应有相应的配送分数。之后，便可以将全部配送订单的配送分数综合起来，形成该数据组的行为分数。一般来说，可以计算多个配送分数的平均值作为该数据组的行为分数，或者选择一个最高的配送分数作为行为分数，本发明对计算行为分数的方法不进行具体限定。

至此，上述整个步骤207中描述的过程就是为任一数据组进行评分，得到该数据组对应的行为分数的过程。而按照上述过程，就可以分别为多个数据组计算行为分数，得到多个行为分数，而且每个数据组都是对应唯一的配送人员的，所以这个行为分数也就是对配送人员的评分，后续可以基于该行为分数执行订单的指派操作。

208、当接收到待指派订单时，在多个行为分数中确定目标行为分数，将待指派订单指派给目标配送人员。

在本发明实施例中，根据上述步骤207中整个评分过程可知，行为分数越高表明在对订单的配送过程中的表现越好，因此，当平台接收到待指派订单时，可以在多个行为分数中确定最高的目标行为分数(也即目标行为分数大于多个行为分数中除目标行为分数外的其他行为分数)，进而按照该目标行为分数，将待指派订单指派给目标配送人员。其中，在确定目标行为分数时，可以将多个行为分数从大到小进行排序，将排在首位的行为分数作为目标行为分数。或者，将多个行为分数从小到大进行排序，将排在末位的行为分数作为目标行为分数，也就是最高的行为分数为目标行为分数。

需要说明的是，在执行过程中，不排除有些评分机制中设置的规则是评分越低代表服务越优，这样，便需要获取最低的行为分数作为目标行为分数。因此，目标行为分数的获取需要依赖评分机制来确定。

当确定了目标行为分数后，平台确定目标行为分数所在数据组对应的目标车辆标识，将待指派订单指派给目标车辆标识指示的目标配送人员，由该目标配送人员执行待指派订单的配送服务。

需要说明的是，上述步骤201至步骤208中的过程利用行为数据实现了订单的指派，而在实际应用的过程中，行为数据还可以应用在其他场景中，比如利用行为数据统计门店所处的位置，使门店的位置信息更加精准。或者还可以将配送人员在前端的操作与行为数据进行匹配，判断配送人员在前端的操作是否属实，进而进行配送人员履约判责等等。本发明对行为数据进行处理后的应用场景不进行具体限定。

本发明实施例提供的方法，通过对车座进行压力检测，确定车座的承受压力的变化趋势，形成行为状态，进而统计配送人员的行为数据，可以主动形成行为数据，无需通过配送人员的反馈被动记录行为，提高了获取到的行为数据的真实性，最大程度保障对配送人员进行评分的公正性，将发生超时、投诉等负面影响的风险降到最低，保障配送效率，推动餐饮服务信息化、智能化的进程。

进一步地，作为图1A所述方法的具体实现，本发明实施例提供了一种行为数据的处理装置，如图3A所示，所述装置包括：检测模块301，获取模块302，生成模块303和传输模块304。

该检测模块301，用于对车座进行压力检测，确定车座当前的承受压力；

该获取模块302，用于当检测到承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息；

该生成模块303，用于根据承受压力发生变化的变化趋势，生成行为状态，变化趋势至少为上升趋势或下降趋势中的任一种，行为状态用于指示是否上车；

该传输模块304，用于将变化时间点、行为状态和地理位置信息作为行为数据，对行为数据进行传输。

在具体的应用场景中，该生成模块303，用于若检测到承受压力的变化趋势为上升趋势，则确定配送人员当前坐于车座，生成用于指示配送人员已上车的行为状态；若检测到承受压力的变化趋势为下降趋势，则确定配送人员当前离开车座，生成用于指示配送人员已下车的行为状态。

在具体的应用场景中，如图3B所示，该传输模块304，包括：打包单元3041，标注单元3042和传输单元3043。

该打包单元3041，用于对变化时间点、行为状态和地理位置信息进行打包，得到行为数据；

该标注单元3042，用于获取车座所在车辆的车辆标识，采用车辆标识对行为数据进行标注；

该传输单元3043，用于将标注后的行为数据进行传输。

本发明实施例提供的装置，通过对车座进行压力检测，确定车座的承受压力的变化趋势，形成行为状态，进而统计配送人员的行为数据，可以主动形成行为数据，无需通过配送人员的反馈被动记录行为，提高了获取到的行为数据的真实性，最大程度保障对配送人员进行评分的公正性，将发生超时、投诉等负面影响的风险降到最低，保障配送效率，推动餐饮服务信息化、智能化的进程。

进一步地，作为图1B所述方法的具体实现，本发明实施例提供了一种行为数据的处理装置，如图4A所示，所述装置包括：接收模块401，监控模块402和统计模块403。

该接收模块401，用于接收行为数据，所述行为数据由车座在检测到当前的承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息，根据所述承受压力的变化趋势生成行为状态，基于所述变化时间点、所述行为状态和所述地理位置信息生成并传输的；

该监控模块402，用于确定预设统计间隔，对当前时间进行监控；

该统计模块403，用于当监控到当前时间与上一次统计时间之间的时间间隔达到所述预设统计间隔时，统计在所述时间间隔内接收到的全部行为数据。

在具体的应用场景中，如图4B所示，该装置还包括：划分模块404，查询模块405和关联模块406。

该划分模块404，用于按照所述全部行为数据中每个行为数据标注的车辆标识，将所述全部行为数据划分为多个数据组，所述多个数据组中每个数据组包括的所有行为数据均采用同一个车辆标识进行标注；

该查询模块405，用于对于所述多个数据组中每个数据组，查询所述数据组对应的指定车辆标识在所述时间间隔内的多个配送订单；

该关联模块406，用于在所述数据组中为所述多个配送订单中每个配送订单确定至少一个关联行为数据，将所述每个配送订单与对应的所述至少一个关联行为数据进行关联，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中。

在具体的应用场景中，如图4C所示，该装置还包括：第一计算模块407，第二计算模块408和确定模块409。

该第一计算模块407，用于基于所述多个配送订单中每个配送订单在所述数据组中的至少一个关联行为数据，计算每个配送订单的配送分数，得到多个配送分数，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中；

该第二计算模块408，用于计算所述多个配送分数的平均值作为所述数据组的行为分数；

该第二计算模块408，还用于按照上述过程分别为所述多个数据组计算行为分数，得到所述多个行为分数；

该确定模块409，用于当接收到待指派订单时，在所述多个行为分数中确定目标行为分数，将所述待指派订单指派给目标配送人员，所述目标行为分数大于所述多个行为分数中除所述目标行为分数外的其他行为分数，所述目标配送人员是所述目标行为分数所在数据组对应的目标车辆标识所指示的配送人员。

在具体的应用场景中，如图4D所示，该第一计算模块407，包括：提取单元4071，统计单元4072和计算单元4073。

该提取单元4071，用于对于所述多个配送订单中每个配送订单，在所述配送订单的至少一个关联行为数据中提取第一关联行为数据和第二关联行为数据，所述第一关联行为数据与所述第二关联行为数据的变化时间点是相邻的且所述第一关联行为数据的变化时间点早于所述第二关联行为数据，所述第一关联行为数据包括的行为状态指示已上车且包括的地理位置信息与所述配送订单包括的店铺位置一致，所述第二关联行为数据包括的行为状态指示已下车且包括的地理位置信息与所述配送订单包括的顾客位置一致；

该统计单元4072，用于统计所述第一关联行为数据的变化时间点与所述第二关联行为数据的变化时间点之间的时间间隔，确定所述店铺位置与所述顾客位置之间的位置距离；

该计算单元4073，用于计算所述位置距离与所述时间间隔的比值作为配送速度，查询所述配送速度对应的第一分数；

该统计单元4072，还用于统计所述接单时间与所述送达时间之间的配送时长，查询所述配送时长对应的第二分数；

该计算单元4073，还用于基于所述第一分数和所述第二分数，计算所述配送订单的配送分数；

该计算单元4073，还用于按照上述过程分别为所述多个配送订单中每个配送订单计算配送分数。

在具体的应用场景中，该计算单元4073，用于计算第一分数与第二分数的第一和值，将第一和值作为配送订单的配送分数；或，获取配送速度对应的第一权重以及配送时长对应的第二权重，计算配送速度与第一权重的第一乘积，计算配送时长与第二权重的第二乘积，并计算第一乘积和第二乘积的第二和值，将第二和值作为配送订单的配送分数。

在具体的应用场景中，该确定模块409，用于将所述多个行为分数从大到小进行排序，将排在首位的行为分数作为所述目标行为分数；或，将所述多个行为分数从小到大进行排序，将排在末位的行为分数作为所述目标行为分数。

本发明实施例提供的装置，通过对车座进行压力检测，确定车座的承受压力的变化趋势，形成行为状态，进而统计配送人员的行为数据，可以主动形成行为数据，无需通过配送人员的反馈被动记录行为，提高了获取到的行为数据的真实性，最大程度保障对配送人员进行评分的公正性，将发生超时、投诉等负面影响的风险降到最低，保障配送效率，推动餐饮服务信息化、智能化的进程。

需要说明的是，本发明实施例提供的一种行为数据的处理装置所涉及各功能单元的其他相应描述，可以参考图1A至图1B和图2A中的对应描述，在此不再赘述。

在示例性实施例中，参见图5，还提供了一种设备，该设备500包括通信总线、处理器、存储器和通信接口，还可以包括、输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例中的行为数据的处理方法。

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所述的行为数据的处理方法的步骤。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种行为数据的处理方法，其特征在于，所述方法包括：

对车座进行压力检测，确定所述车座当前的承受压力；

当检测到所述承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息；

根据所述承受压力发生变化的变化趋势，生成行为状态，所述变化趋势至少为上升趋势或下降趋势中的任一种，所述行为状态用于指示是否上车；

将所述变化时间点、所述行为状态和所述地理位置信息作为行为数据，对所述行为数据进行传输。

2.根据权利要求1所述的方法，其特征在于，所述根据所述承受压力发生变化的变化趋势，生成行为状态，包括：

若检测到所述承受压力的变化趋势为所述上升趋势，则确定配送人员当前坐于所述车座，生成用于指示所述配送人员已上车的所述行为状态；

若检测到所述承受压力的变化趋势为所述下降趋势，则确定所述配送人员当前离开所述车座，生成用于指示所述配送人员已下车的所述行为状态。

3.根据权利要求1所述的方法，其特征在于，所述将所述变化时间点、所述行为状态和所述地理位置信息作为行为数据，对所述行为数据进行传输，包括：

对所述变化时间点、所述行为状态和所述地理位置信息进行打包，得到所述行为数据；

获取所述车座所在车辆的车辆标识，采用所述车辆标识对所述行为数据进行标注；

将标注后的所述行为数据进行传输。

4.一种行为数据的处理方法，其特征在于，所述方法包括：

接收行为数据，所述行为数据由车座在检测到当前的承受压力发生变化且变化量达到压力阈值时，确定发生变化的变化时间点，获取当前位置的地理位置信息，根据所述承受压力的变化趋势生成行为状态，基于所述变化时间点、所述行为状态和所述地理位置信息生成并传输的；

确定预设统计间隔，对当前时间进行监控；

当监控到当前时间与上一次统计时间之间的时间间隔达到所述预设统计间隔时，统计在所述时间间隔内接收到的全部行为数据。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

按照所述全部行为数据中每个行为数据标注的车辆标识，将所述全部行为数据划分为多个数据组，所述多个数据组中每个数据组包括的所有行为数据均采用同一个车辆标识进行标注；

对于所述多个数据组中每个数据组，查询所述数据组对应的指定车辆标识在所述时间间隔内的多个配送订单；

在所述数据组中为所述多个配送订单中每个配送订单确定至少一个关联行为数据，将所述每个配送订单与对应的所述至少一个关联行为数据进行关联，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中。

6.根据权利要求5所述的方法，其特征在于，所述将所述每个配送订单与对应的所述至少一个关联行为数据进行关联之后，所述方法还包括：

基于所述多个配送订单中每个配送订单在所述数据组中的至少一个关联行为数据，计算每个配送订单的配送分数，得到多个配送分数，所述至少一个关联行为数据携带的变化时间点处在与其存在关联的配送订单的接单时间和送达时间形成的时间区间中；

计算所述多个配送分数的平均值作为所述数据组的行为分数；

按照上述过程分别为所述多个数据组计算行为分数，得到所述多个行为分数；

当接收到待指派订单时，在所述多个行为分数中确定目标行为分数，将所述待指派订单指派给目标配送人员，所述目标行为分数大于所述多个行为分数中除所述目标行为分数外的其他行为分数，所述目标配送人员是所述目标行为分数所在数据组对应的目标车辆标识所指示的配送人员。

7.根据权利要求6所述的方法，其特征在于，所述基于所述多个配送订单中每个配送订单在所述数据组中的至少一个关联行为数据，计算每个配送订单的配送分数，包括：

对于所述多个配送订单中每个配送订单，在所述配送订单的至少一个关联行为数据中提取第一关联行为数据和第二关联行为数据，所述第一关联行为数据与所述第二关联行为数据的变化时间点是相邻的且所述第一关联行为数据的变化时间点早于所述第二关联行为数据，所述第一关联行为数据包括的行为状态指示已上车且包括的地理位置信息与所述配送订单包括的店铺位置一致，所述第二关联行为数据包括的行为状态指示已下车且包括的地理位置信息与所述配送订单包括的顾客位置一致；

统计所述第一关联行为数据的变化时间点与所述第二关联行为数据的变化时间点之间的时间间隔，确定所述店铺位置与所述顾客位置之间的位置距离；

计算所述位置距离与所述时间间隔的比值作为配送速度，查询所述配送速度对应的第一分数；

统计所述接单时间与所述送达时间之间的配送时长，查询所述配送时长对应的第二分数；

基于所述第一分数和所述第二分数，计算所述配送订单的配送分数；

按照上述过程分别为所述多个配送订单中每个配送订单计算配送分数。

8.根据权利要求7所述的方法，其特征在于，所述基于所述第一分数和所述第二分数，计算所述配送订单的配送分数，包括：

计算所述第一分数与所述第二分数的第一和值，将所述第一和值作为所述配送订单的配送分数；或，

获取所述配送速度对应的第一权重以及所述配送时长对应的第二权重，计算所述配送速度与所述第一权重的第一乘积，计算所述配送时长与所述第二权重的第二乘积，并计算所述第一乘积和所述第二乘积的第二和值，将所述第二和值作为所述配送订单的配送分数。

9.根据权利要求6所述的方法，其特征在于，所述在所述多个行为分数中确定目标行为分数，包括：

将所述多个行为分数从大到小进行排序，将排在首位的行为分数作为所述目标行为分数；或，

将所述多个行为分数从小到大进行排序，将排在末位的行为分数作为所述目标行为分数。

10.一种车辆端，其特征在于，所述车辆端包括车座、压力传感器、全球定位系统GPS设备、蜂窝设备；其中，所述车座用于支撑所述车辆端的配送人员；所述压力传感器用于对所述车座进行压力检测并当检测到所述承受压力发生变化且变化量达到压力阈值时将所述承受压力发生变化的变化趋势发送至所述蜂窝设备；所述GPS设备用于获取当前位置的地理位置信息并将所述地理位置信息传输至所述蜂窝设备；所述蜂窝设备用于根据所述承受压力发生变化的变化趋势生成行为状态并确定发生变化的变化时间点，将所述变化时间点、所述行为状态和所述地理位置信息作为行为数据进行传输。

Images