CN111612357A - 一种为骑手匹配商家的方法、装置、存储介质和电子设备 - Google Patents

一种为骑手匹配商家的方法、装置、存储介质和电子设备 Download PDF

Info

Publication number
CN111612357A
CN111612357A CN202010445769.XA CN202010445769A CN111612357A CN 111612357 A CN111612357 A CN 111612357A CN 202010445769 A CN202010445769 A CN 202010445769A CN 111612357 A CN111612357 A CN 111612357A
Authority
CN
China
Prior art keywords
merchant
information
rider
historical
estimated
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.)
Withdrawn
Application number
CN202010445769.XA
Other languages
English (en)
Inventor
温珂伟
仇雪雅
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.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group 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 Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202010445769.XA priority Critical patent/CN111612357A/zh
Publication of CN111612357A publication Critical patent/CN111612357A/zh
Withdrawn legal-status Critical Current

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
    • G06Q10/06—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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请实施例提供一种为骑手匹配商家的方法、装置、存储介质和电子设备，该方法包括：获取预估信息，其中，预估信息包括至少一个商家中每个商家所需骑手的预估数量和与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益；根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数；根据每个商家和每个骑手的匹配分数，从至少一个商家中为每个骑手匹配对应的商家。本申请实施例不仅考虑了商家的需求，还考虑了骑手在商家的收益，从而可在为骑手匹配商家后，骑手能够较快地取得订单，甚至有机会取得收益较好的订单，以及还可能够为商家匹配适当数量的骑手。

Description

一种为骑手匹配商家的方法、装置、存储介质和电子设备
技术领域
本申请涉及计算机技术领域，具体涉及一种为骑手匹配商家的方法、装置、存储介质和电子设备。
背景技术
随着互联网技术的不断发展及生活节奏的不断加快，外卖行业得到了飞速的发展，且骑手在外卖行业中属于重要的一环。
目前，骑手在订单配送时，如果没有指定的订单，则骑手需要根据经验来选择一个商家，以等待下一个订单。
在实现本发明的过程中，发明人发现现有技术中存在如下问题：目前骑手纯粹是根据自身的经验来选择商家的，从而可能会造成商家的订单量和所需骑手的数量不匹配的问题。
发明内容
本申请实施例的目的在于提供一种为骑手匹配商家的方法、装置、存储介质和电子设备，以解决现有技术中存在着的由于骑手根据自身的经验来选择商家进行接单，造成商家的订单量和所需骑手的数量不匹配的问题。
第一方面，本申请实施例提供了一种为骑手匹配商家的方法，该方法包括：获取预估信息，其中，预估信息包括至少一个商家中每个商家所需骑手的预估数量和与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益；根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数；根据每个商家和每个骑手的匹配分数，从至少一个商家中为每个骑手匹配对应的商家。
因此，本申请实施例不仅考虑了商家的需求，还考虑了骑手在商家的收益，从而可在为骑手匹配商家后，骑手能够较快地取得订单，甚至有机会取得收益较好的订单，以及还可能够为商家匹配适当数量的骑手，进而能够从整体上快速开展外卖业务。
在一个可能的实施例中，获取预估信息，包括：获取每个商家对应的第一特征信息；根据预先训练好的商家模型和每个商家对应的第一特征信息，获取每个商家所需骑手的预估数量，其中，预先训练好的商家模型是通过对第一历史信息进行训练得到的，第一历史信息包括第一历史特征信息以及第一历史特征信息对应的骑手的数量。
因此，本申请实施例通过预先训练好的商家模型，能够快速且准确地预估出每个商家所需骑手的数量。
在一个可能的实施例中，第一特征信息包括以下信息中的至少一种信息：第一商家订单信息、第一天气信息、第一时间信息和第一节假日信息。
因此，本申请实施例通过多个维度的第一特征信息能够保证预估结果的精准性。
在一个可能的实施例中，第一历史特征信息包括以下信息中的至少一种信息：第一历史商家订单信息、第一历史天气信息、第一历史时间信息和第一历史节假日信息。
因此，本申请实施例通过多个维度的第一历史特征信息能够保证预估结果的精准性。
在一个可能的实施例中，方法还包括：获取第一历史信息；将第一历史信息作为样本进行训练得到预先训练好的商家模型。
因此，本申请实施例通过预先训练好的商家模型，能够避免在每次使用时都需要重新训练模型的过程。
在一个可能的实施例中，获取预估信息，包括：获取每个骑手对应的第二特征信息；根据预先训练好的骑手模型和每个骑手对应的第二特征信息，获取每个骑手在每个商家的预估收益，其中，预先训练好的骑手模型是通过对第二历史信息进行训练得到的，第二历史信息包括第二历史特征信息以及第二历史特征信息对应的骑手在与第二历史特征信息对应的商家的收益。
因此，本申请实施例通过预先训练好的骑手模型，能够快速且准确地预估出每个骑手在每个商家的预估收益。
在一个可能的实施例中，第二特征信息包括以下信息中的至少一种信息：第二商家订单信息、骑手信息、第二天气信息、第二时间信息和第二节假日信息。
因此，本申请实施例通过多个维度的第二特征信息能够保证预估结果的精准性。
在一个可能的实施例中，第二历史特征信息包括以下信息中的至少一种信息：第二历史商家订单信息、历史骑手信息、第二历史天气信息、第二历史时间信息和第二历史节假日信息。
因此，本申请实施例通过多个维度的第二历史特征信息能够保证预估结果的精准性。
在一个可能的实施例中，方法还包括：获取第二历史信息；将第二历史信息作为样本进行训练得到预先训练好的骑手模型。
因此，本申请实施例通过预先训练好的骑手模型，能够避免在每次使用时都需要重新训练模型的过程。
在一个可能的实施例中，根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数，包括通过以下公式计算每个商家和每个骑手的匹配分数，公式为：
Si,j＝a*Bi,j+c*Rj
其中，Si,j表示骑手i和商家j的匹配分数，a表示第一预设参数，Bi,j表示骑手i在商家j的预估收益，c表示第二预设参数，Rj表示商家j所需骑手的预估数量。
因此，本申请实施例通过该匹配分数的计算公式，能够精准地计算出匹配分数，从而能够保证最终的骑手和商家的匹配结果的精准性。
第二方面，本申请实施例提供了一种为骑手匹配商家的装置，该装置包括：获取模块，用于获取预估信息，其中，预估信息包括至少一个商家中每个商家所需骑手的预估数量和与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益；计算模块，用于根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数；匹配模块，用于根据每个商家和每个骑手的匹配分数，从至少一个商家中为每个骑手匹配对应的商家。
第三方面，本申请实施例提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。
第五方面，本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。
为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的一种为骑手匹配商家的方法的流程图；
图2示出了本申请实施例提供的一种确定每个商家所需骑手的预估数量的方法的流程图；
图3示出了本申请实施例提供的一种确定每个骑手在每个商家的预估收益的方法的流程图；
图4示出了本申请实施例提供的一种为骑手匹配商家的方法的具体流程图；
图5示出了本申请实施例提供的一种为骑手匹配商家的装置的结构框图；
图6是本申请实施例提供的一种电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
为了解决由于骑手根据自身的经验来选择商家造成的问题，本申请实施例提供了一种为骑手匹配商家的方案，通过获取预估信息，其中，预估信息包括至少一个商家中每个商家所需骑手的预估数量和与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益，以及根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数，最后根据每个商家和每个骑手的匹配分数，从至少一个商家中为每个骑手匹配对应的商家。
从而，本申请实施例不仅考虑了商家的需求，还考虑了骑手在商家的收益，从而可在为骑手匹配商家后，骑手能够较快地取得订单，甚至有机会取得收益较好的订单，以及还可能够为商家匹配适当数量的骑手，进而能够从整体上快速开展外卖业务。
请参见图1，图1示出了本申请实施例提供的一种为骑手匹配商家的方法的流程图，应理解，图1所示的方法可以由为骑手匹配商家的装置执行，该装置可以与下文中的图5示的装置对应，该装置可以是能够执行该方法的各种设备，例如，如个人计算机、服务器或网络设备等，本申请实施例并不限于此。如图1所示的方法包括：
步骤S110，获取预估信息。其中，预估信息包括至少一个商家中每个商家所需骑手的预估数量和与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益。
应理解，预估信息除了每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益之外，还可包括其他的信息。也就是说，预估信息所包含的信息可根据实际需求来进行设置，本申请实施例并不局限于此。
还应理解，商家可以是餐厅，也可以是超市等。也就是说，商家可以是能够接取外卖订单的地点，本申请实施例并不局限于此。
还应理解，至少一个商家可以是某一区域(例如，街道、商圈等)内的商家，也可以是指定数量的商家(例如，序列号为1-20的商家等)等。也就是说，至少一个商家的具体确定形式也可以根据实际需求来进行设置，本申请实施例并不局限于此。
还应理解，至少一个骑手是与至少一个商家对应的骑手。
例如，对于某一区域内的商家来说，该区域内的商家会有一批对应的骑手为其服务，从而通过本申请实施例的方案，能够为该批骑手推荐商家，从而提高了该区域内的接单效率。
还应理解，至少一个商家中每个商家所需骑手的预估数量的确定过程也可根据实际需求来进行设置，本申请实施例并不局限于此。
为了便于理解每个商家所需骑手的预估数量的确定过程，下面通过具体的实施例来进行描述。
如图2所示，图2示出了本申请实施例提供的一种确定每个商家所需骑手的预估数量的方法的流程图。如图2所示的方法包括：
步骤S210，获取第一历史信息。其中，第一历史信息包括第一历史特征信息以及第一历史特征信息对应的骑手的数量。
应理解，第一历史特征信息所包含的信息可根据实际需求来进行设置，本申请实施例并不局限于此。
例如，第一历史特征信息可以包含以下信息中的至少一种信息：第一历史商家订单信息、第一历史天气信息、第一历史时间信息和第一历史节假日信息。其中，第一历史商家订单信息可包括订单数量、配送位置、下单时间等信息；第一历史天气信息可包括晴天、雨天等信息；第一历史时间信息可包括日期等信息；第一历史节假日信息可包括国庆节、端午节等信息。
此外，第一历史特征信息可包括多条第一历史特征子信息，对于每条第一历史特征子信息来说，每条第一历史特征子信息都对应有所需骑手的数量。
应理解，第一历史特征子信息的确定方式可以根据实际需求来进行设置，本申请实施例并不局限于此。
例如，可以按照时间来进行划分，将每半个小时对应的数据划分为一条第一历史特征子信息。
为了便于理解步骤S210，下面通过具体的实施例来进行描述。
具体地，可先获取多个商家的相关历史信息，然后可按照对应的类别对多个商家的历史信息进行划分，从而获得第一历史信息。
步骤S220，将第一历史信息作为样本进行训练得到预先训练好的商家模型。
应理解，商家模型可以是机器学习模型。
为了便于理解步骤S220，下面通过具体的实施例来进行描述。
具体地，可以将第一历史特征信息作为输入信息，以及将第一历史特征信息对应的骑手的数量作为输出信息，从而对初始商家模型进行训练，以得到预先训练好的商家模型。其中，该预先训练好的商家模型可以对商家所需骑手的数量进行预估。
步骤S230，获取每个商家对应的第一特征信息。
应理解，第一特征信息所包含的信息可以根据实际需求来进行设置，本申请实施例并不局限于此。
例如，第一特征信息可包括以下信息中的至少一种信息：第一商家订单信息、第一天气信息、第一时间信息和第一节假日信息。其中，第一商家订单信息可包括订单数量、配送位置、下单时间等信息；第一天气信息可包括晴天、雨天等信息；第一时间信息可包括日期等信息；第一节假日信息可包括国庆节、端午节等信息。
也就是说，第一商家订单信息可以是实时信息，然而，第一历史商家订单信息可以是历史信息。
对应地，其它信息(例如，第一天气信息和第一历史天气信息等)类似，后续不再一一说明。
步骤S240，根据预先训练好的商家模型和每个商家对应的第一特征信息，获取每个商家所需骑手的预估数量。
具体地，将商家对应的第一特征信息作为输入信息，以及将第一特征信息输入到预先训练好的商家模型中，从而能够获得商家所需骑手的预估数量。
需要说明的是，虽然步骤S210至步骤S220示出了商家模型的训练过程，但本领域的技术人员应当理解，在商家模型是预先训练好的商家模型的情况下，可以直接执行步骤S230至步骤S240。
因此，本申请实施例由于考虑到了商家所需骑手的数量，从而可基于所需骑手的预估数量来为商家推荐骑手，从而避免了订单和骑手数量不匹配(例如，骑手全部赶往某一商家等)的问题。
还需要说明的是，除了上述通过商家模型的方式来获取商家所需骑手的预估数量的方法之外，还可通过商家自己上报平台的方式来确定该商家所需骑手的预估数量。
例如，商家可基于当天的营业情况，从而可将自身需求的骑手数量上报至平台，从而获取商家所需骑手的预估数量。
还应理解，与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益的确定过程也可根据实际需求来进行设置，本申请实施例并不局限于此。
为了便于理解每个骑手在每个商家的预估收益的确定过程，下面通过具体的实施例来进行描述。
如图3所示，图3示出了本申请实施例提供的一种确定每个骑手在每个商家的预估收益的方法的流程图。如图3所示的方法包括：
步骤S310，获取第二历史信息。其中，第二历史信息包括第二历史特征信息以及第二历史特征信息对应的骑手在与第二历史特征信息对应的商家的收益。
应理解，第二历史特征信息所包含的信息可以根据实际需求来进行设置，本申请实施例并不局限于此。
例如，第二历史特征信息包括以下信息中的至少一种信息：第二历史商家订单信息、历史骑手信息、第二历史天气信息、第二历史时间信息和第二历史节假日信息。其中，第二历史商家订单信息可包括订单数量、配送位置、下单时间等信息；历史骑手信息包括骑手的平均接单量、骑手的平均接单金额、骑手的平均配送时长等信息；第二历史天气信息可包括晴天、雨天等信息；第二时间信息可包括日期等信息；第二历史节假日信息可包括国庆节、端午节等信息。
此外，第二历史特征信息可包括多条第二历史特征子信息，对于每条第二历史特征子信息来说，每条第二历史特征子信息都对应有骑手在对应的商家的收益。其中，该处的商家是指与第二历史特征子信息对应的商家。
应理解，第二历史特征子信息的确定方式可以根据实际需求来进行设置，本申请实施例并不局限于此。
例如，可以按照时间来进行划分，可将每小时对应的数据划分为一条第二历史特征子信息。
为了便于理解步骤S310，下面通过具体的实施例来进行描述。
具体地，可先获取多个骑手的相关历史信息(包括骑手接单的商家的历史订单信息)，然后可按照对应的类别对多个骑手的历史信息进行划分，从而获得第二历史信息。
步骤S320，将第二历史信息作为样本进行训练得到预先训练好的骑手模型。
应理解，骑手模型可以是机器学习模型。
为了便于理解步骤S320，下面通过具体的实施例来进行描述。
具体地，可以将第二历史特征信息作为输入信息，以及将第二历史特征信息对应的骑手在与第二历史特征信息对应的商家的收益作为输出信息，从而对初始骑手模型进行训练，以得到训练好的骑手模型。其中，该训练好的骑手模型可以对骑手在商家的收益进行评估。
步骤S330，获取每个骑手对应的第二特征信息。
应理解，第二特征信息所包含的信息可以根据实际需求来进行设置，本申请实施例并不局限于此。
例如，第二特征信息包括以下信息中的至少一种信息：第二商家订单信息、骑手信息、第二天气信息、第二时间信息和第二节假日信息。其中，第二商家订单信息可包括订单数量、配送位置、下单时间等信息；骑手信息包括骑手的平均接单量、骑手的平均接单金额、骑手的平均配送时长等信息；第二天气信息可包括晴天、雨天等信息；第二时间信息可包括日期等信息；第二节假日信息可包括国庆节、端午节等信息。
也就是说，第二商家订单信息可以是实时信息，然而，第二历史商家订单信息可以是历史信息。
对应地，其它信息(例如，第二节假日信息和第二历史节假日信息等)类似，在此不再一一说明。
步骤S340，根据预先训练好的骑手模型和每个骑手对应的第二特征信息，获取每个骑手在每个商家的预估收益。
具体地，将每个骑手对应的第二特征信息作为输入信息，以及将第二特征信息输入到预先训练好的骑手模型中，从而能够获得骑手在商家的预估收益。
需要说明的是，虽然步骤S310至步骤S320描述了骑手模型的训练过程，但本领域的技术人员应当理解，在骑手模型是预先训练好的情况下，可以直接执行步骤S330和步骤S340。
因此，本申请实施例由于考虑到了骑手的订单的收益，从而后续可以基于预估收益为骑手推荐商家，以便于骑手能够获得收益较好的订单。
步骤S120，根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数。其中，该匹配分数不仅能够表示骑手在商家取得订单的收益高低，还能够表示商家对骑手的需求程度(该需求程度与商家所需骑手的数量有关)。
应理解，骑手和商家的匹配分数的计算公式可以根据实际需求来进行设置，只要保证能够获取到匹配分数即可，本申请实施例并不局限于此。
可选地，根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数，包括可通过以下公式计算每个商家和每个骑手的匹配分数，公式为：
Si,j＝a*Bi,j+c*Rj
其中，Si,j表示骑手i和商家j之间的匹配分数，a表示第一预设参数，Bi,j表示骑手i在商家j的预估收益，c表示第二预设参数，Rj表示商家j所需骑手的预估数量，a和c均为大于0的常量。
应理解，第一预设参数的具体值和第二预设参数的具体值均可根据实际需求来进行设置，本申请实施例并不局限于此。
需要说明的是，在至少一个骑手中每个骑手为可接订单的骑手的情况下，本申请实施例可预先从全部可选取的骑手中对骑手进行筛选，以获取与至少一个商家对应且能够接取订单的至少一个骑手。
此外，在预先没有对骑手进行筛选的情况下，这里可在获取每个骑手在每个商家的预估收益之后，可以获取每个骑手的位置和状态(包括配送状态)，从而可将距离过远或者处于配送状态的骑手进行删除。
步骤S130，根据每个商家和每个骑手的匹配分数，从至少一个商家中为每个骑手匹配对应的商家。
应理解，从至少一个商家中为每个骑手匹配对应的商家的具体方式可以根据实际需求来进行设置，本申请实施例并不局限于此。
为了便于理解步骤S130，下面通过具体的实施例来进行进行描述。
具体地，为了避免局部最优的问题(例如，多个骑手和某一个商家的匹配分数是最大的，若按照匹配分数的大小进行匹配，则可能导致其他商家没有配备骑手等情况)，本申请实施例可从全局的角度来对至少一个骑手中的每个骑手进行分配。
本申请实施例的全局匹配原则是保证至少一个商家中每个商家都配备有至少一个骑手，且保证所有骑手和至所有商家对应的匹配分数的和是最大的，在这种情况下的匹配才是最优的。
例如，在左侧一列设置有5个骑手且右侧一列设置有3个商家的情况下，这里可以将5个骑手和3个商家进行连线，以及一个骑手只能连接一个商家，且连线对应的值为连线的一端的骑手和该连线的另一端的商家的匹配分数。由于这里需要保证每个商家都分配有骑手，从而在5个连线对应的匹配分数的和是最大的情况下，则实现了骑手和商家的全局匹配。
需要说明的是，这里为了便于理解匹配的方式，所以上面以连线的方式来进行了描述，但本领域的技术人员应当理解，在实际应用的过程中，可不通过连线的方式来实现，只要保证能够通过预设全局匹配算法能够实现骑手和商家的全局匹配即可，本申请实施例并不局限于此。
例如，可通过最优求解的方法来实现骑手和商家的全局匹配，具体地，可通过如下公式来实现：
Figure BDA0002503897960000131
其中，ji表示骑手i(或者说第i个骑手)选择的商家，pj表示对商家j(或者说第j个商家)的惩罚项。其中，该惩罚项可防止骑手扎堆，避免了超出商家需求或骑手无法满足需求商家的情况。
以及，可通过如下公式来计算pj，具体地：
pj＝t*(Lj-Rj)2
其中，t表示第三预设参数，Lj表示选择商家j的骑手的数量。
在求取最优解时，可利用随机算法来求获得ji的最优解，从而实现了骑手和商家的全局匹配。
应理解，第三预设参数的具体值可根据实际需求来进行设置，本申请实施例并不局限于此。
还应理解，随机算法的具体算法也可根据实际需求来进行设置，本申请实施例并不局限于此。
例如，随机算法可以是遗传算法等。
因此，本申请实施例不仅考虑了商家的需求，还考虑了骑手在商家的收益，从而可在为骑手匹配商家后，骑手能够较快地取得订单，甚至有机会取得收益较好的订单，以及还可为商家匹配适当数量的骑手，进而能够从整体上快速开展外卖业务。
此外，本申请实施例还能够帮助骑手赶往不同的商家，不仅能够提高骑手收益，还能够避免骑手全部赶往个别商家的情况，从而能够提高整个区域的接单效率。
为了便于理解本申请实施例，下面通过具体的实施例来进行描述。
请参见图4，图4示出了本申请实施例提供的一种为骑手匹配商家的方法的具体流程图。如图4所示的方法包括：
步骤S410，通过预先训练好的商家模型预估至少一个商家中每个商家在预设时段需要的骑手数量。
应理解，预设时段对应的具体时间可根据实际需求来进行设置，本申请实施例并不局限于此。
例如，预设时段可以是5分钟，也可以是10分钟，也可以是半小时，也可以是1小时等。
还应理解，预先训练好的商家模型是对包含有第一历史商家订单信息、第一历史天气信息、第一历史时段信息、第一历史节假日信息等第一历史特征信息进行训练得到的。
步骤S420，通过预先训练好的骑手模型预估与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益。其中，该每个商家的预估收益是指在预设时段内的收益。
还应理解，预先训练好的骑手模型是对包含有第二历史商家订单信息、历史骑手信息、第二历史天气信息、第二历史时段信息、第二历史节假日信息等第二历史特征信息进行训练得到的。
步骤S430，根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数。
步骤S440，根据每个商家和每个骑手的匹配分数，从至少一个商家中为每个骑手匹配对应的商家。
从而，至少一个骑手中每个骑手都匹配对应的一个商家，且给骑手匹配上的商家就是骑手需前往的商家。
应理解，上述为骑手匹配商家的方法仅是示例性的，本领域技术人员根据上述的方法可以进行各种变形，修改或变形之后的内容也在本申请保护范围内。
请参见图5，图5示出了本申请实施例提供的一种为骑手匹配商家的装置500的结构框图，应理解，该装置500与上述方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该装置500具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置500包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置500的操作系统(operating system，OS)中的软件功能模块。具体地，该装置500包括：
获取模块510，用于获取预估信息，其中，预估信息包括至少一个商家中每个商家所需骑手的预估数量和与至少一个商家对应的至少一个骑手中每个骑手在每个商家的预估收益；
计算模块520，用于根据每个商家所需骑手的预估数量和每个骑手在每个商家的预估收益，计算每个商家和每个骑手的匹配分数；
匹配模块530，用于根据每个商家和每个骑手的匹配分数，从至少一个商家中为每个骑手匹配对应的商家。
在一个可能的实施例中，获取模块510，还用于：获取每个商家对应的第一特征信息；根据预先训练好的商家模型和每个商家对应的第一特征信息，获取每个商家所需骑手的预估数量，其中，预先训练好的商家模型是通过对第一历史信息进行训练得到的，第一历史信息包括第一历史特征信息以及第一历史特征信息对应的骑手的数量。
在一个可能的实施例中，第一特征信息包括以下信息中的至少一种信息：第一商家订单信息、第一天气信息、第一时间信息和第一节假日信息。
在一个可能的实施例中，第一历史特征信息包括以下信息中的至少一种信息：第一历史商家订单信息、第一历史天气信息、第一历史时间信息和第一历史节假日信息。
在一个可能的实施例中，获取模块510，还用于获取第一历史信息；训练模块(未示出)，用于将第一历史信息作为样本进行训练得到预先训练好的商家模型。
在一个可能的实施例中，获取模块510，还用于：获取每个骑手对应的第二特征信息；根据预先训练好的骑手模型和每个骑手对应的第二特征信息，获取每个骑手在每个商家的预估收益，其中，预先训练好的骑手模型是通过对第二历史信息进行训练得到的，第二历史信息包括第二历史特征信息以及第二历史特征信息对应的骑手在与第二历史特征信息对应的商家的收益。
在一个可能的实施例中，第二特征信息包括以下信息中的至少一种信息：第二商家订单信息、骑手信息、第二天气信息、第二时间信息和第二节假日信息。
在一个可能的实施例中，第二历史特征信息包括以下信息中的至少一种信息：第二历史商家订单信息、历史骑手信息、第二历史天气信息、第二历史时间信息和第二历史节假日信息。
在一个可能的实施例中，获取模块510，还用于获取第二历史信息；训练模块，还用于将第二历史信息作为样本进行训练得到预先训练好的骑手模型。
在一个可能的实施例中，计算模块520，还用于通过以下公式计算每个商家和每个骑手的匹配分数，公式为：
Pi,j＝a*Mj+b*Ri,j
其中，Pi,j表示骑手i和商家j的匹配分数，a表示第一预设参数，Mj表示商家j所需骑手的预估数量，b表示第二预设参数，Ri,j表示骑手i在商家j的预估收益。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
本申请实施例还提供一种电子设备，请参见图6，图6是本申请实施例提供的一种电子设备600的结构框图。电子设备600可以包括处理器610、通信接口620、存储器630和至少一个通信总线640。其中，通信总线640用于实现这些组件直接的连接通信。其中，本申请实施例中的通信接口620用于与其他设备进行信令或数据的通信。处理器610可以是一种集成电路芯片，具有信号的处理能力。上述的处理器610可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器610也可以是任何常规的处理器等。
存储器630可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器630中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器610执行时，电子设备600可以执行上述方法实施例中的各个步骤。
电子设备600还可以包括存储控制器、输入输出单元、音频单元、显示单元。
所述存储器630、存储控制器、处理器610、外设接口、输入输出单元、音频单元、显示单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通信总线640实现电性连接。所述处理器610用于执行存储器630中存储的可执行模块。并且，电子设备600用于执行下述方法：获取预估信息，其中，所述预估信息包括至少一个商家中每个商家所需骑手的预估数量和与所述至少一个商家对应的至少一个骑手中每个骑手在所述每个商家的预估收益；根据所述每个商家所需骑手的预估数量和所述每个骑手在所述每个商家的预估收益，计算所述每个商家和所述每个骑手的匹配分数；根据所述每个商家和所述每个骑手的匹配分数，从所述至少一个商家中为所述每个骑手匹配对应的商家。
输入输出单元用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。
音频单元向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元在所述电子设备与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。
可以理解，图6所示的结构仅为示意，所述电子设备600还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。图6中所示的各组件可以采用硬件、软件或其组合实现。
本申请还提供一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行方法实施例所述的方法。
本申请还提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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-Only Memory)、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。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (13)

1.一种为骑手匹配商家的方法，其特征在于，包括：
获取预估信息，其中，所述预估信息包括至少一个商家中每个商家所需骑手的预估数量和与所述至少一个商家对应的至少一个骑手中每个骑手在所述每个商家的预估收益；
根据所述每个商家所需骑手的预估数量和所述每个骑手在所述每个商家的预估收益，计算所述每个商家和所述每个骑手的匹配分数；
根据所述每个商家和所述每个骑手的匹配分数，从所述至少一个商家中为所述每个骑手匹配对应的商家。
2.根据权利要求1所述的方法，其特征在于，所述获取预估信息，包括：
获取所述每个商家对应的第一特征信息；
根据预先训练好的商家模型和所述每个商家对应的第一特征信息，获取所述每个商家所需骑手的预估数量，其中，所述预先训练好的商家模型是通过对第一历史信息进行训练得到的，所述第一历史信息包括第一历史特征信息以及所述第一历史特征信息对应的骑手的数量。
3.根据权利要求2所述的方法，其特征在于，所述第一特征信息包括以下信息中的至少一种信息：第一商家订单信息、第一天气信息、第一时间信息和第一节假日信息。
4.根据权利要求2所述的方法，其特征在于，所述第一历史特征信息包括以下信息中的至少一种信息：第一历史商家订单信息、第一历史天气信息、第一历史时间信息和第一历史节假日信息。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述第一历史信息；
将所述第一历史信息作为样本进行训练得到所述预先训练好的商家模型。
6.根据权利要求1所述的方法，其特征在于，所述获取预估信息，包括：
获取所述每个骑手对应的第二特征信息；
根据预先训练好的骑手模型和所述每个骑手对应的第二特征信息，获取所述每个骑手在所述每个商家的预估收益，其中，所述预先训练好的骑手模型是通过对第二历史信息进行训练得到的，所述第二历史信息包括第二历史特征信息以及所述第二历史特征信息对应的骑手在与所述第二历史特征信息对应的商家的收益。
7.根据权利要求6所述的方法，其特征在于，所述第二特征信息包括以下信息中的至少一种信息：第二商家订单信息、骑手信息、第二天气信息、第二时间信息和第二节假日信息。
8.根据权利要求6所述的方法，其特征在于，所述第二历史特征信息包括以下信息中的至少一种信息：第二历史商家订单信息、历史骑手信息、第二历史天气信息、第二历史时间信息和第二历史节假日信息。
9.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取所述第二历史信息；
将所述第二历史信息作为样本进行训练得到所述预先训练好的骑手模型。
10.根据权利要求1所述的方法，其特征在于，所述根据所述每个商家所需骑手的预估数量和所述每个骑手在所述每个商家的预估收益，计算所述每个商家和所述每个骑手的匹配分数，包括通过以下公式计算所述每个商家和所述每个骑手的匹配分数，所述公式为：
Si,j＝a*Bi,j+c*Rj
其中，Si,j表示骑手i和商家j的匹配分数，a表示第一预设参数，Bi,j表示所述骑手i在所述商家j的预估收益，c表示第二预设参数，Rj表示所述商家j所需骑手的预估数量。
11.一种为骑手匹配商家的装置，其特征在于，包括：
获取模块，用于获取预估信息，其中，所述预估信息包括至少一个商家中每个商家所需骑手的预估数量和与所述至少一个商家对应的至少一个骑手中每个骑手在所述每个商家的预估收益；
计算模块，用于根据所述每个商家所需骑手的预估数量和所述每个骑手在所述每个商家的预估收益，计算所述每个商家和所述每个骑手的匹配分数；
匹配模块，用于根据所述每个商家和所述每个骑手的匹配分数，从所述至少一个商家中为所述每个骑手匹配对应的商家。
12.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执如权利要求1至10任一项所述的为骑手匹配商家的方法。
13.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至10任一项所述的为骑手匹配商家的方法。
CN202010445769.XA 2020-05-22 2020-05-22 一种为骑手匹配商家的方法、装置、存储介质和电子设备 Withdrawn CN111612357A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010445769.XA CN111612357A (zh) 2020-05-22 2020-05-22 一种为骑手匹配商家的方法、装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010445769.XA CN111612357A (zh) 2020-05-22 2020-05-22 一种为骑手匹配商家的方法、装置、存储介质和电子设备

Publications (1)

Publication Number Publication Date
CN111612357A true CN111612357A (zh) 2020-09-01

Family

ID=72199189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010445769.XA Withdrawn CN111612357A (zh) 2020-05-22 2020-05-22 一种为骑手匹配商家的方法、装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN111612357A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712283A (zh) * 2021-01-15 2021-04-27 上海中通吉网络技术有限公司 实时分单方法及系统
CN113793086A (zh) * 2020-09-30 2021-12-14 北京沃东天骏信息技术有限公司 备货量确定方法及装置、计算机存储介质、电子设备
CN113837613A (zh) * 2021-09-26 2021-12-24 河北冀联人力资源服务集团有限公司 一种任务匹配方法、系统、电子设备及可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113793086A (zh) * 2020-09-30 2021-12-14 北京沃东天骏信息技术有限公司 备货量确定方法及装置、计算机存储介质、电子设备
CN112712283A (zh) * 2021-01-15 2021-04-27 上海中通吉网络技术有限公司 实时分单方法及系统
CN112712283B (zh) * 2021-01-15 2023-08-11 上海中通吉网络技术有限公司 实时分单方法及系统
CN113837613A (zh) * 2021-09-26 2021-12-24 河北冀联人力资源服务集团有限公司 一种任务匹配方法、系统、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN108133013B (zh) 信息处理方法、装置、计算机设备和存储介质
CN105677831B (zh) 一种确定推荐商户的方法及装置
CN111612357A (zh) 一种为骑手匹配商家的方法、装置、存储介质和电子设备
CN111652657A (zh) 商品销量预测方法、装置、电子设备及可读存储介质
CN109299356B (zh) 基于大数据的活动推荐方法、装置、电子设备及存储介质
JP2018526710A (ja) 情報推薦方法および情報推薦装置
CN112380859A (zh) 舆情信息的推荐方法、装置、电子设备及计算机存储介质
JP2009265747A (ja) マーケティング支援システム、マーケティング支援方法、マーケティング支援プログラム及びコンピュータ読み取り可能な媒体
CN114663198A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN111652655A (zh) 商品销量预测方法、装置、电子设备及可读存储介质
CN113051480A (zh) 资源推送方法、装置、电子设备及存储介质
US20090276290A1 (en) System and method of optimizing commercial real estate transactions
KR20070070062A (ko) 서비스 평가 방법, 시스템 및 컴퓨터 프로그램 제품
TW201820229A (zh) 資料分析方法、系統及非暫態電腦可讀取媒體
CN111177564B (zh) 一种产品推荐方法及装置
CN111091416A (zh) 一种预测酒店购买机器人的概率的方法和装置
CN108090785B (zh) 确定用户行为衰退倾向的方法、装置及电子设备
CN111090805A (zh) 推荐指数归因方法、装置及电子设备
CN112015970A (zh) 产品推荐方法、相关设备及计算机存储介质
JP2020004161A (ja) 審査支援装置、審査支援方法、およびサービス提供方法
CN115146169A (zh) 转化率模型的训练方法、装置、电子设备及存储介质
CN114298825A (zh) 还款积极度评估方法及装置
CN113449002A (zh) 车辆推荐方法、装置、电子设备及存储介质
CN111626776A (zh) 训练策略模型的方法、确定广告投放策略的方法和装置
CN111476643A (zh) 兴趣商品预测方法、装置、电子设备及计算机存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200901

WW01 Invention patent application withdrawn after publication