CN112036697A - 一种任务分配的方法、装置、可读存储介质和电子设备 - Google Patents

Abstract

本发明实施例公开了一种任务分配的方法、装置、可读存储介质和电子设备。本发明实施例通过获取目标任务，将目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；确定各所述候选波次对应的规划路径；以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次，其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。通过上述方法，采用波次对比预测模型，可以将目标任务更准确的划分到较优波次，提高配送效率。

Description

一种任务分配的方法、装置、可读存储介质和电子设备

技术领域

本发明涉及数据处理领域，具体涉及一种任务分配的方法、装置、可读存储介质和电子设备。

背景技术

随着科技的发展，社会的进步，快递、外卖等行业给人们的日常生活带来了越来越多的便利，在配送过程中，需要合理的对订单进行分配，提高配送效率。

在现有技术中，订单分配系统首先将目标订单分配给目标配送资源，然后确定出将目标订单分配给所述目标配送资源的不同波次时的规划路径，按照预先设定的规则对上述规划路径进行打分，选择出打分最高的规划路径，然后将目标订单分配给该打分最高的规划路径对应的波次，但是由于对规划路径进行打分的规则是人为规定的，准确性会有偏差，因此，目标配送资源实际选择的波次可能与订单分配系统计算出的不同，目标配送资源实际选择的波次反而效率更高。

综上所述，如何将订单更准确的划分到较优波次，提高配送效率，是目前需要解决的问题。

发明内容

有鉴于此,本发明实施例提供了一种任务分配的方法、装置、可读存储介质和电子设备，能够将目标任务更准确的划分到较优波次，提高配送效率。

第一方面，本发明实施例提供了一种任务分配的方法，该方法包括：获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；确定各所述候选波次对应的规划路径；以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

优选地，所述以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次，具体包括：将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次。

优选地，所述波次对比预测模型为XGboost模型。

优选地，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

优选地，训练所述波次对比预测模型的步骤包括：获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次；根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征；根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

优选地，所述根据所述配送数据生成多个样本数据，具体包括：确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据。

优选地，所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据，具体包括：根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。

第二方面，本发明实施例提供了一种任务分配的装置，该装置包括：获取单元，用于获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；第一确定单元，用于确定各所述候选波次对应的规划路径；第二确定单元，用于以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面或第一方面任一种可能种任一项所述的方法。

第四方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；确定各所述候选波次对应的规划路径；以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

优选地，所述处理器具体执行如下步骤：将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次。

优选地，所述波次对比预测模型为XGboost模型。

优选地，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

优选地，所述处理器还执行如下步骤：获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次；根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征；根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

优选地，所述处理器具体执行如下步骤：确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据。

优选地，所述处理器具体执行如下步骤：根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。

本发明实施例通过获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；确定各所述候选波次对应的规划路径；以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。通过上述方法，采用波次对比预测模型，可以将目标任务更准确的划分到较优波次，提高配送效率。

附图说明

通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是现有技术中的波次示意图；

图2是现有技术中的波次示意图；

图3是本发明第一实施例的任务分配的方法流程图；

图4是本发明第一实施例的任务分配的方法流程图；

图5是本发明第二实施例的训练波次对比预测模型的流程图；

图6是本发明第三实施例的应用场景图；

图7是本发明第四实施例的任务分配的装置示意图；

图8是本发明第五实施例的电子设备的示意图。

具体实施方式

以下基于实施例对本发明公开进行描述，但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。

此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。

除非上下文明确要求，否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。

在本发明公开的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明公开的描述中，除非另有说明，“多个”的含义是两个或两个以上。

通常骑手将已取的订单全部配送完成称为一个波次，例如，假设目标波次中包括订单A和订单B两个订单，目标配送资源的取送订单顺序为：接收到订单A，接收到订单B,取订单A,取订单B,送订单B,送订单A；目标配送资源从接收到订单A的时间作为该波次的起始时间，目标配送资源完成订单A的时间作为该波次的终止时间，具体的波次示意图如图1所示。

可选的，波次示意图还可以通过图2表示，假设目标配送终端先后接收到订单A、订单B、订单C和订单D,具体如下：目标配送资源接收到订单A，目标配送资源接收到订单B，目标配送资源取到订单A,目标配送资源取到订单B,目标配送资源配送订单B，目标配送资源接收到订单C,目标配送资源配送订单A；目标配送资源接收到订单D,目标配送资源取到订单C,目标配送资源取到订单D,目标配送资源配送订单D,目标配送资源配送订单C；到此时，目标配送资源从空载至空载的过程可以称为一个波次。

现有技术中，订单分配系统首先将目标订单分配给目标配送资源，然后确定出将目标订单分配给所述目标配送资源的不同波次时的规划路径，按照预先设定的规则对上述规划路径进行打分，选择出打分最高的规划路径，然后将目标订单分配给该打分最高的规划路径对应的波次，但是由于对规划路径进行打分的规则是人为规定的，准确性会有偏差，因此，目标配送资源实际选择的波次可能与订单分配系统计算出的不同，目标配送资源实际选择的波次反而效率更高。例如，假设骑手1目前有10个订单，此时分配到第11个订单，骑手的前10个订单分为2个波次配送，前6个订单为第一波次、后4个订单为第二波次，将第11个订单分别分配给不同的波次，每个波次分别确定出一种最优的规划路径结果，则第一波次和第二波次确定出两种规划路径结果，根据配送时间、骑手跑动距离、超时时间等人为规定的规则对两种规划路径结果进行打分，选择出打分高的规划路径结果，将第11个订单分到该规划路径结果对应的波次中，例如，第一波次对应的规划路径的结果打分高，则将第11个订单分配给第一波次；但是，由于打分的规则是人为规定的，准确性会有偏差，举例说明：假设路径A的跑动距离是1.5km，配送时长是30分钟；路径B的跑动距离是2km，配送时长是20分钟；无法横向比较究竟路径A和路径B，只能根据人工规定的规则选择一条作为优选的路径，但是骑手实际选择的波次可能与订单分配系统计算出的不同，例如，订单分配系统将订单11分配给第一波次，但是骑手在实际配送时选择了第二波次；或者订单分配系统将订单11分配给了第二波次，而骑手并未配送，而是将第11单放在了未来波次，采用骑手的实际选择的波次反而比采用订单分配系统分配的波次效率更高。

因此，如何将订单更准确的划分到较优波次，提高配送效率是目前需要解决的问题。

本发明实施例中，所述骑手可以称为配送资源、所述订单可以称为任务，本发明对其不做限定。

图3是本发明第一实施例的任务分配的方法流程图。如图3所示，具体包括如下步骤：

步骤S300、获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合。

本发明实施例中，假设目标任务为目标配送资源在当前时段接收到的第11个任务，在目标配送资源接收到此任务之前，目标配送资源已接收到10个待处理任务，分别为任务1、任务2、任务3、任务4、任务5、任务6、任务7、任务8、任务9、和任务10，其中，任务1、任务2、任务5、任务6、任务7和任务9分为第一波次，任务3、任务4、任务9和任务10分为第二彼次，当接收到任务11时，可以将任务11分配到第一波次或第二波次两种情况，所述第一波次和所述第二波次皆为所述任务11的候选波次，在一种可能的实现方式中，也可以将任务11分配给出第一波次和第二波次以外的未来波次，本发明实施例仅以将任务11分配给第一波次或第二波次为例，进行示例性说明。

步骤S301、确定各所述候选波次对应的规划路径。

本发明实施例中，将任务11分配给第一波次后，第一波次内的任务包括任务1、任务2、任务5、任务6、任务7、任务9和任务11，在此基础上，对第一波次进行规划路径，可以规划出多条路径，在多条路径中确定一条较优路径；同理，将任务11分配给第二波次后，第二波次内的任务包括任务3、任务4、任务9、任务10和任务11，在此基础上，对第一波次进行规划路径，可以规划出多条路径，在多条路径中确定一条较优路径；因此，可以确定两个波次对应的两条规划路径。假设，确定出的第一波次对应的规划路径为规划路径A；确定出的第二波次对应的规划路径为规划路径B。

步骤S302、以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次。

本发明实施例中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

具体的，将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次，所述波次对比预测模型分为XGboost模型。

本发明实施例中，假设将规划路径A和规划路径B对应的特征组合输入到预先训练的波次对比预测模型中，通过波次对比预测模型从两条规划路径中选择较优的规划路径，若波次对比预测模型输出规划路径A，则将规划路径A对应的第一波次确定为目标任务11的最终分配波次。

在一种具体实施例中，若波次数量大于2时，以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次，具体包括如下步骤，具体如图4所示：

步骤S400、确定任意两个待比较候选波次，确定所述待比较候选波次的对比特征组合。

步骤S401、将所述对比特征组合输入预先训练的波次对比预测模型，确定出所述两个待比较候选波次中的优选波次。

步骤S402、判断是否存在所述任意两个待比较候选波次之外的其他波次。

步骤S4031、响应于存在所述优选波次与所述任意两个待比较候选波次之外的其他波次，确定所述其他波次与所述优选波次对应的新的对比特征组合。

步骤S4032、响应于不存在所述优选波次与所述任意两个待比较候选波次之外的其他波次，结束处理，将所述优选波次确定为最优的候选波次，进而作为所述目标任务的实际分配波次。

步骤S404、步骤S4031之后，将所述新的对比特征组合输入预先训练的波次对比预测模型，确定出所述优选波次与所述任意两个待比较候选波次之外的其他波次中的优选波次，然后跳转回步骤S402。

举例说明，若波次数量大于2，选择其中任意2个波次对应的规划路径对应的特征组合输入波次对比预测模型；假设波次数量为3，分别为波次a、波次b、波次c，首先选择波次a和波次b按照上述方式进行比较，确定其中的较优波次，假设为波次b，继续将波次b和波次c按照上述方式进行比较，进而确定出波次a、波次b、波次c中的最优波次。

本发明实施例中，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

举例说明，规划路径A和规划路径B对应的特征组合包括：目标任务的特征、环境特征、规划路径A的特征和规划路径B的特征。

图5是本发明第二实施例的训练波次对比预测模型的流程图。如图5所示，具体包括如下步骤：

步骤S500、获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次。

本发明实施例中，所述历史目标任务的实际波次即历史目标配送资源在配送历史目标任务时实际选择的波次。

步骤S501、根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征。

具体的，确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据

可选的，所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据，具体包括：根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。

举例说明，假设历史规划路径c和历史规划路径d，历史规划路径c和历史规划路径d对应的历史特征组合包括：历史目标任务的特征、历史环境特征、历史规划路径c对应的特征以及历史规划路径d对应的特征，具体的，所述历史特征组合的中历史规划路径c对应的特征排在历史规划路径d对应的特征之前，假设历史目标配送资源的实际波次为历史规划路径c对应的波次，则将上述历史特征组合确定为正样本，假设历史目标配送资源的实际波次为历史规划路径d对应的波次，则将上述历史特征组合确定为符样本。

步骤S502、根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

具体的，根据多个正样本数据和负样本数据以及所述史目标任务的实际波次训练所述波次对比预测模型。

本发明实施例中，所述样本数据是根据优秀配送资源的历史数据确定的，其中，所述优秀配置资源的效率更高，有利于提高波次对比预测模型的效率。

在一种可能的实现方式中，首先对所述至少两条历史规划路径进行过滤。举例说明，假设存在三条历史规划路径，假设规划路径A’的跑动距离是1.5km，配送时长是30分钟；规划路径B’的跑动距离是2km，配送时长是20分钟；规划路径C’的跑动距离是2km，配送时长是35分钟；可以将数据较差的规划路径C’过滤掉，保留无法直接进行横向比较的规划路径A’和规划路径B’进行后续处理。

图6是本发明第三实施例的应用场景图，包括服务器和目标配送资源终端，其中，所述服务器还可以称为订单分配系统、平台、系统等，目标配送资源终端可以为手机、平板等可以定位目标配送资源位置的设备，所述服务器为至少一个，所述目标配送资源终端的数量为多个，服务器通过获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；确定各所述候选波次对应的规划路径；以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。通过上述方法，采用波次对比预测模型，可以将目标任务更准确的划分到较优波次，提高配送效率。

图7是本发明第四实施例的任务分配的装置示意图。如图7所示，本实施例的装置包括获取单元71、第一确定单元72和第二确定单元73。

其中，获取单元71，用于获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；第一确定单元72，用于确定各所述候选波次对应的规划路径；第二确定单元73，用于以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

进一步地，所述第二确定单元具体用于：将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次。

进一步地，所述波次对比预测模型为XGboost模型。

进一步地，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

进一步地，该装置还包括模型训练单元：用于获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次；根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征；根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

进一步地，所述模型训练单元还用于：确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据。

进一步地，所述模型训练单元还用于：根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。。

图8是本发明第五实施例的电子设备的示意图。在本实施例中，电子设备为服务器。应理解，还可以为其他电子设备，如树莓派。如图8所示，该电子设备：至少包括一个处理器801；以及，与至少一个处理器801通信连接的存储器802；以及，与扫描装置通信连接的通信组件803，通信组件803在处理器801的控制下接收和发送数据；其中，存储器802存储有可被至少一个处理器801执行的指令，指令被至少一个处理器801执行以实现：获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；确定各所述候选波次对应的规划路径；以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；其中，以迭代方式比较不同的候选波次的规划路径包括：确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

进一步地，所述处理器具体执行如下步骤：将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次。

进一步地，所述波次对比预测模型为XGboost模型。

进一步地，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

进一步地，所述处理器还执行如下步骤：获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次；根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征；根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

进一步地，所述处理器具体执行如下步骤：确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据。

进一步地，所述处理器具体执行如下步骤：根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。

具体地，该电子设备包括：一个或多个处理器801以及存储器802，图8中以一个处理器801为例。处理器801、存储器802可以通过总线或者其他方式连接，图8中以通过总线连接为例。存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器801通过运行存储在存储器802中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述任务分配的方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器802可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器802中，当被一个或者多个处理器801执行时，执行上述任意方法实施例中的任务分配的方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明的第六实施例涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施例是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

本申请实施例公开了A1、一种任务分配的方法，该方法包括：

获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；

确定各所述候选波次对应的规划路径；

以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；

其中，以迭代方式比较不同的候选波次的规划路径包括：

确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；

以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

A2、如A1所述的方法，所述以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次，具体包括：

将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；

将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次。

A3、如A1所述的方法，所述波次对比预测模型为XGboost模型。

A4、如A1所述的方法，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

A5、如A1所述的方法，训练所述波次对比预测模型的步骤包括：

获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次；

根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征；

根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

A6、如A5所述的方法，所述根据所述配送数据生成多个样本数据，具体包括：

确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；

根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；

根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据。

A7、如A6所述的方法，所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据，具体包括：

根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。

本申请实施例公开了B1、一种任务分配的装置，该装置包括：

获取单元，用于获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；

第一确定单元，用于确定各所述候选波次对应的规划路径；

第二确定单元，用于以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；

其中，以迭代方式比较不同的候选波次的规划路径包括：

确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；

以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

本申请实施例公开了C1、一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如A1-A7中任一项所述的方法。

本申请实施例公开了D1、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；

确定各所述候选波次对应的规划路径；

以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；

其中，以迭代方式比较不同的候选波次的规划路径包括：

确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；

以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

D2、如D1所述的电子设备，所述处理器具体执行如下步骤：

将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；

将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次。

D3、如D1所述的电子设备，所述波次对比预测模型为XGboost模型。

D4、如D1所述的电子设备，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

D5、如D1所述的电子设备，所述处理器还执行如下步骤：

获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次；

根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征；

根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

D6、如D5所述的电子设备，所述处理器具体执行如下步骤：

确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；

根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；

根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据。

D7、如D6所述的电子设备，所述处理器具体执行如下步骤：

根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。

Claims (10)

1.一种任务分配的方法，其特征在于，该方法包括：

获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；

确定各所述候选波次对应的规划路径；

以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；

其中，以迭代方式比较不同的候选波次的规划路径包括：

确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；

以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

2.如权利要求1所述的方法，其特征在于，所述以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次，具体包括：

将所述对比特征组合输入到预先训练的波次对比预测模型，确定出所述两个待比较候选波次对应的规划路径中的候选规划路径；

将所述候选规划路径对应的候选波次确定为所述两个待比较候选波次中的优选波次。

3.如权利要求1所述的方法，其特征在于，所述波次对比预测模型为XGboost模型。

4.如权利要求1所述的方法，其特征在于，所述目标任务的特征包括所述目标任务的分配时间、出餐时间、获取难度、和送出难度，所述环境特征包括压力值、取点感兴趣区域POI、送点感兴趣区域POI，所述待比较候选波次的规划路径分别对应的特征包括取点数量、送点数量、取点与取点之间的距离、送点与送点之间的距离、取点与送点之间的距离、和超时任务数量。

5.如权利要求1所述的方法，其特征在于，训练所述波次对比预测模型的步骤包括：

获取历史目标配送资源在设定时间内的配送数据，其中，所述配送数据包括所述历史目标任务的特征、历史环境特征、以及历史目标任务的实际分配波次；

根据所述配送数据生成多个样本数据，其中，所述样本数据包括历史规划路径分别对应的特征、所述历史环境特征、以及所述历史目标任务的特征；

根据所述多个样本数据以及所述历史目标任务的实际分配波次训练所述波次对比预测模型。

6.如权利要求5所述的方法，其特征在于，所述根据所述配送数据生成多个样本数据，具体包括：

确定所述历史目标任务的实际分配波次对应的实际历史规划路径，以及将所述历史目标任务分配给所述实际分配波次之外的历史波次对应的虚拟历史规划路径；

根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合，其中，所述历史特征组合包括所述历史目标任务的特征、历史环境特征、以及所述实际历史规划路径与所述虚拟历史规划路径分别对应的特征；

根据所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据。

7.如权利要求6所述的方法，其特征在于，所述实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合确定出所述样本数据，具体包括：

根据实际历史规划路径与所述虚拟历史规划路径确定出对应的历史特征组合以及所述实际分配波次确定出正样本数据和负样本数据。

8.一种任务分配的装置，其特征在于，该装置包括：

获取单元，用于获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；

第一确定单元，用于确定各所述候选波次对应的规划路径；

第二确定单元，用于以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；

其中，以迭代方式比较不同的候选波次的规划路径包括：

确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；

以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

9.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。

10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：

获取目标任务，将所述目标任务分配给目标配送资源的至少两个候选波次，所述波次为需要连续完成的任务集合；

确定各所述候选波次对应的规划路径；

以迭代方式比较不同的候选波次的规划路径，确定最优的候选波次作为所述目标任务的实际分配波次；

其中，以迭代方式比较不同的候选波次的规划路径包括：

确定两个待比较候选波次，确定所述待比较候选波次的对比特征组合，其中，所述对比特征组合包括所述目标任务的特征、环境特征以及所述待比较候选波次的规划路径的特征；

以对比特征组合为输入，通过预先训练的波次对比预测模型，确定所述两个待比较候选波次中的优选波次。

Images