CN112215473B - 一种配送压力数据的获得方法、装置、电子设备 - Google Patents

一种配送压力数据的获得方法、装置、电子设备 Download PDF

Info

Publication number
CN112215473B
CN112215473B CN202010984809.8A CN202010984809A CN112215473B CN 112215473 B CN112215473 B CN 112215473B CN 202010984809 A CN202010984809 A CN 202010984809A CN 112215473 B CN112215473 B CN 112215473B
Authority
CN
China
Prior art keywords
distribution
obtaining
current
parameter
probability
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.)
Active
Application number
CN202010984809.8A
Other languages
English (en)
Other versions
CN112215473A (zh
Inventor
顾晟
白婷
陈宁
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.)
Rajax Network Technology Co Ltd
Original Assignee
Rajax Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Rajax Network Technology Co Ltd filed Critical Rajax Network Technology Co Ltd
Priority to CN202010984809.8A priority Critical patent/CN112215473B/zh
Publication of CN112215473A publication Critical patent/CN112215473A/zh
Application granted granted Critical
Publication of CN112215473B publication Critical patent/CN112215473B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—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
    • G06Q10/04—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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

本申请实施例提供一中配送压力数据的获得方法，包括：获得用于表示当前时间的第一配送特征的第一当前配送参数；获得用于表示历史时间的所述第一配送特征的第一历史配送参数；将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。该配送压力数据的获得方法，同时根据第一当前配送参数和第一历史配送参数来获得配送压力数据，使获得的配送压力数据不仅能够全面反应当前时间下的配送压力特征和历史时间下的配送压力特征，还能够反映出第一配送特征从历史时间区间到当前时间区间的变化程度，从而提高了配送压力数据反映配送压力程度的准确度。

Description

一种配送压力数据的获得方法、装置、电子设备
技术领域
本申请涉及计算机技术领域，具体涉及一种配送压力数据的获得方法。本申请同时涉及一种配送压力数据的获得装置、电子设备以及存储介质。
背景技术
随着互联网技术的快速发展以及人们生活节奏的日益加快，越来越多的人开始采用线上消费来替代传统的到店消费。线上消费的模式为：首先，用户在实体对象的线上门店进行下单。然后，线上门店获得用户的订单信息后，会针对该订单生成订单，并基于线上门店所属的线上平台向配送资源发出配送请求。最后，配送资源针对配送请求，进行订单的接单和配送。但是，在很多情况下，往往会存在订单无人接单的情况，如：由订单需要等待的时长过长而导致的无人接单的情况。
现有技术中，为了避免出现订单无人接单的情况，线上平台往往会先获得目标区域对应的用于表示配送压力程度的配送压力数据，并根据该配送压力数据来制定相应的策略，来促使配送资源对订单进行接单和配送。但是，现有技术在获得配送压力数据时，往往存在获得的配送压力数据不能准确反映配送压力程度的问题。
发明内容
本申请提供一种配送压力数据的获得方法、装置、电子设备以及存储介质，以提高配送压力数据反映配送压力程度的准确度。
本申请实施例提供一种配送压力数据的获得方法，包括：获得用于表示当前时间的第一配送特征的第一当前配送参数；获得用于表示历史时间的所述第一配送特征的第一历史配送参数；将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
可选的，所述获得用于表示当前时间的第一配送特征的第一当前配送参数，包括：获得用于表示所述当前时间的拒单概率分布特征的当前拒单概率分布数据作为所述第一当前配送参数，所述拒单概率为订单被拒单的概率；所述获得用于表示历史时间的所述第一配送特征的第一历史配送参数，包括：获得用于表示所述历史时间的所述拒单概率分布特征的历史拒单概率分布数据作为所述第一历史配送参数。
可选的，所述获得用于表示所述当前时间的拒单概率分布特征的拒单概率分布数据作为所述第一当前配送参数，包括：获得所述当前时间的订单对应的当前拒单概率；根据所述当前拒单概率，获得所述当前时间的订单对应的当前拒单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前拒单概率，包括：如果所述当前时间的订单中存在未被拒单的订单，则获得未被拒单的订单对应的当前拒单概率为第一预设概率；或者，如果所述当前时间的订单中存在未被配送资源接单的订单，则获得针对未被配送资源接单的订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率；或者，如果所述当前时间的订单中存在被拒单的订单，则获得被拒单的订单的所述当前拒单概率为第二预设概率。
可选的，所述获得用于表示当前时间的第一配送特征的第一当前配送参数，包括：获得用于表示所述当前时间的尾单概率分布特征的当前尾单概率分布数据作为所述第一当前配送参数，所述尾单概率为订单为尾单的概率；所述获得用于表示历史时间的所述第一配送特征的第一历史配送参数，包括：获得用于表示所述历史时间的所述尾单概率分布特征的历史尾单概率分布数据作为所述第一历史配送参数。
可选的，所述获得用于表示所述当前时间的尾单概率分布特征的尾单概率分布数据作为所述第一当前配送参数，包括：获得所述当前时间的订单对应的当前尾单概率；根据所述当前尾单概率，获得所述当前时间的订单对应的当前尾单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前尾单概率，包括：获得针对所述当前时间的订单的预估尾单概率，作为所述当前尾单概率。
可选的，所述将所述第一当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，包括：将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据；根据所述第一配送特征变化数据获得所述配送压力数据。
可选的，所述获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据，包括：获得所述第一当前配送参数的第一权重参数；获得所述第一历史配送参数的第二权重参数；根据所述第一权重参数、所述第二权重参数、所述第一当前配送参数以及所述第一历史配送参数，获得所述第一配送特征变化数据。
可选的，所述当前时间为当前时间区间，所述历史时间为历史时间区间；所述获得所述第一历史配送参数的第二权重参数，包括：获得所述历史时间区间的起始时间点和所述当前时间区间的起始时间点；根据所述历史时间区间的起始时间点和所述当前时间区间的起始时间点的差值，确定所述第二权重参数。
可选的，还包括：获得用于表示当前时间的第二配送特征的第二当前配送参数；获得用于表示历史时间的所述第二配送特征的第二历史配送参数；所述将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，包括：将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
可选的，所述将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，包括：将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据，并获得用于表示所述第二配送特征的变化程度的第二配送特征变化数据；根据所述第一配送特征变化数据和所述第二配送特征变化数据获得所述配送压力数据。
可选的，所述根据所述第一配送特征变化数据和所述第二配送特征变化数据获得所述配送压力数据，包括：获得所述第一配送特征变化数据对应的第一配送特征权重参数；获得所述第二配送特征变化数据对应的第二配送特征权重参数；根据所述第一配送特征变化数据、所述第一配送特征权重参数、所述第二配送特征变化数据和所述第二配送特征权重参数，获得所述配送压力数据。
可选的，所述获得用于表示当前时间的第二配送特征的第二当前配送参数，包括：获得用于表示所述当前时间的配送资源供需特征的当前配送资源供需比数据作为所述第二当前配送参数；所述获得用于表示历史时间的所述第二配送特征的第二历史配送参数，包括：获得用于表示所述历史时间的所述配送资源供需特征的历史配送资源供需比数据作为所述第二历史配送参数。
可选的，所述显著性检验模型为贝叶斯显著性检验模型。
可选的，还包括：获得目标实体对象的客户端发送的配送压力数据查询消息；所述获得用于表示当前时间的第一配送特征的第一当前配送参数，包括：针对所述查询消息，获得所述第一当前配送参数。
可选的，还包括：将所述配送压力数据提供给所述客户端。
本申请实施例另一方面，还提供一种配送压力数据的获得装置，包括：第一参数获得单元，用于获得用于表示当前时间的第一配送特征的第一当前配送参数；第二参数获得单元，用于获得用于表示历史时间的所述第一配送特征的第一历史配送参数；压力数据获得单元，用于将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
本申请实施例另一方面，还提供一种配送压力数据的获得方法，包括：获得用于表示拒单概率分布特征的拒单概率分布数据，所述拒单概率为订单被拒单的概率；获得用于表示尾单概率分布特征的尾单概率分布数据，所述尾单概率为订单为尾单的概率；根据所述拒单概率分布数据和所述尾单概率分布数据，获得用于表示配送压力程度的配送压力数据。
可选的，所述获得用于表示拒单概率分布特征的拒单概率分布数据，包括：获得用于表示当前时间的所述拒单概率分布特征的当前拒单概率分布数据；以及，获得用于表示历史时间的所述拒单概率分布特征的历史拒单概率分布数据。
可选的，所述获得用于表示当前时间的所述拒单概率分布特征的当前拒单概率分布数据，包括：获得所述当前时间的订单对应的当前拒单概率；根据所述当前拒单概率，获得所述当前时间的订单对应的当前拒单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前拒单概率，包括：如果所述当前时间的订单中存在未被拒单的订单，则获得未被拒单的订单的所述当前拒单概率为第一预设概率；或者，如果所述当前时间的订单中存在未被配送资源接单的订单，则获得针对未被配送资源接单的订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率；或者，如果所述当前时间的订单中存在被拒单的订单，则获得被拒单的订单的所述当前拒单概率为第二预设概率。
可选的，所述获得用于表示尾单概率分布特征的尾单概率分布数据，包括：获得用于表示当前时间的所述尾单概率分布特征的当前尾单概率分布数据；以及，获得用于表示历史时间的所述尾单概率分布特征的历史尾单概率分布数据。
可选的，所述获得用于表示当前时间的所述尾单概率分布特征的当前尾单概率分布数据，包括：获得所述当前时间的订单对应的当前尾单概率；根据所述当前尾单概率，获得所述当前时间的订单对应的当前尾单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前尾单概率，包括：获得针对所述当前时间的订单的预估尾单概率，作为所述当前尾单概率。
可选的，所述根据所述拒单概率分布数据和所述尾单概率分布数据，获得用于表示配送压力程度的配送压力数据，包括：获得所述拒单概率分布数据对应的第一分布数据权重参数；获得所述尾单概率分布数据对应的第二分布数据权重参数；根据所述第一分布数据权重参数、所述第二分布数据权重参数、所述拒单概率分布数据以及所述尾单概率分布数据，获得所述配送压力数据。
可选的，还包括：获得目标实体对象的客户端发送的配送压力数据查询消息；所述获得用于表示拒单概率分布特征的拒单概率分布数据，包括：针对所述查询消息，获得所述拒单概率分布数据。
可选的，还包括：将所述配送压力数据提供给所述客户端。
本申请实施例另一方面，还提供一种配送压力数据的获得装置，包括：第一分布数据获得单元，用于获得用于表示拒单概率分布特征的拒单概率分布数据，所述拒单概率为订单被拒单的概率；第二分布数据获得单元，用于获得用于表示尾单概率分布特征的尾单概率分布数据，所述尾单概率为订单为尾单的概率；压力数据获得单元，用于根据所述拒单概率分布数据和所述尾单概率分布数据，获得用于表示配送压力程度的配送压力数据。
本申请实施例另一方面，还提供一种电子设备，包括：处理器；以及存储器，用于存储方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行本申请实施例中任一所述的配送压力数据的获得方法。
本申请实施例另一方面，还提供一种存储介质，该存储介质存储有计算机程序，该计算机程序被处理器运行，执行本申请实施例中任一所述的配送压力数据的获得方法。
与现有技术相比，本申请具有以下优点：
本申请实施例提供的配送压力数据的获得方法，首先，获得用于表示当前时间的第一配送特征的第一当前配送参数；然后，获得用于表示历史时间的第一配送特征的第一历史配送参数；最后，将第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。本申请实施例提供的该配送压力数据的获得方法，同时根据第一当前配送参数和第一历史配送参数来获得配送压力数据，使获得的配送压力数据不仅能够全面反应当前时间下的配送压力特征和历史时间下的配送压力特征，还能够反映出第一配送特征从历史时间区间到当前时间区间的变化程度，从而提高了配送压力数据反映配送压力程度的准确度。
本申请另一实施例提供的配送压力数据的获得方法，首先，获得用于表示拒单概率分布特征的拒单概率分布数据，拒单概率为订单被拒单的概率；然后，获得用于表示尾单概率分布特征的尾单概率分布数据，尾单概率为订单为尾单的概率；最后，根据拒单概率分布数据和尾单概率分布数据，获得用于表示配送压力程度的配送压力数据。本申请实施例提供的该配送压力数据的获得方法，同时根据拒单概率分布数据和尾单概率分布数据，来获得的配送压力数据，能够从多角度全面、准确的反映配送压力程度。
附图说明
图1为本申请实施例中针对配送压力数据的获得方法的应用场景的第一示意图。
图2为本申请实施例中针对配送压力数据的获得方法的应用场景的第二示意图。
图3为本申请第一实施例中提供的一种配送压力数据的获得方法的流程图。
图4为本申请第二实施例中提供的一种配送压力数据的获得装置的示意图。
图5为本申请第三实施例中提供的一种配送压力数据的获得方法的流程图。
图6为本申请第四实施例中提供的一种配送压力数据的获得装置的示意图。
图7为本申请实施例中提供的一种电子设备的示意图。
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。
为了更清楚地展示本申请实施例提供的配送压力数据的获得方法，首先介绍一下本申请实施例提供的配送压力数据的获得方法的应用场景。实际应用中，在获得配送压力数据时，往往会存在仅基于当前时间下的配送参数来获得的配送压力数据不能准确反映配送压力程度的问题。因此，本申请实施例提供了第一种配送压力数据的获得方法，用于提高获得的配送压力数据的准确度。
所谓配送压力数据为用于表示配送压力程度的压力数据。所谓配送压力为目标实体对象、目标实体对象所在的目标网格区域、或者目标实体对象所在的目标商圈区域内的订单配送的压力。所谓订单配送的压力为订单不被配送资源配送的压力程度。所谓实体对象是向用户提供对象的实体，例如门店、商铺以及商家等，如：零售店，再如提供外卖的商家。所谓配送资源为用于配送对象的资源，如：外卖配送员，再如：快递配送员。所谓订单为用于基于实体对象在线上服务平台上的线上门店购买对象后、生成的订单，如：外卖订单，再如：快递订单。所谓线上服务平台在具体实现上一般为电商服务平台，如：外卖服务平台。
本申请实施例提供的第一种配送压力数据的获得方法的执行主体一般为目标实体对象对应的服务端，或者，线上服务平台对应的服务端。所谓目标实体对象对应的服务端为用于为线在线上服务平台上的线上门店提供数据分析服务的服务端。所谓线上服务平台对应的服务端为用于为线在线上服务平台提供数据分析服务的服务端。其中，所谓的服务端在具体实现方式上可以为服务器或者服务器集群。
本申请实施例中将具体以服务端为目标实体对象对应的服务端为例，对本申请实施例提供的第一种配送压力数据的获得方法的应用场景进行具体的说明，本申请实施例中针对配送压力数据的获得方法的应用场景的具体描述请参照图1，图1中包括：服务端101、客户端102。所谓客户端为目标实体对象的客户端，具体为安装有线上服务平台对应的软件或者程序的终端，如：安装有线上服务平台对应的APP(Application，应用程序)的智能手机，再如：安装有线上服务平台对应的应用软件的电脑等。在客户端102向服务端101发送配送压力数据查询消息后，服务端101会获得客户端102发送的查询消息，并针对查询消息，获得用于表示当前时间的第一配送特征的第一当前配送参数，并获得用于表示历史时间的第一配送特征的第一历史配送参数。服务端101在获得第一当前配送参数和第一历史配送参数后，会进一步将第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
所谓显著性检验模型为预先根据样本数据训练好的、用于检验配送特征变化程度的模型，在具体实现方式上一般为贝叶斯显著性检验模型。
服务端101在获得配送压力数据后，会将配送压力数据提供给客户端102。在服务端101获得配送压力数据后，会根据配送压力数据，确定用于激励配送资源配送订单的订单配送激励政策，并同时将订单配送激励政和配送压力数据提供给客户端102，用于辅助实体对象刺激配送资源对订单进行配送；或者，根据配送压力数据，确定用于调整订单与配送资源供需比数据的调整政策，并同时将订单配送激励政和配送压力数据提供给客户端102，用于辅助实体对象通过调整配送资源供需比数据来提高订单被配送的概率。所谓配送资源供需比数据为在当前订单下，订单所需的配送资源与实际的配送资源的比例数据。
另外，实际应用中，在获得配送压力数据时，还会存在由于仅基于单独的用于确定压力数据的压力确定指标、获得的配送压力数据不能准确反映配送压力程度的问题。因此，本申请实施例提供了另一种配送压力数据的获得方法，用于提高配送压力数据反映配送压力程度的准确度。
本申请实施例提供的另一种配送压力数据的获得方法的执行主体一般为目标实体对象对应的服务端，或者，线上服务平台对应的服务端。所谓目标实体对象对应的服务端为用于为线在线上服务平台上的线上门店提供数据分析服务的服务端。所谓线上服务平台对应的服务端为用于为线在线上服务平台提供数据分析服务的服务端。其中，所谓的服务端在具体实现方式上可以为服务器或者服务器集群。
本申请实施例中将具体以服务端为线上服务平台对应的服务端为例，对本申请实施例提供的另一种配送压力数据的获得方法的应用场景进行具体的说明，本申请实施例中针对配送压力数据的获得方法的应用场景的具体描述请参照图2，2中包括：服务端202、客户端202。在客户端202向服务端201发送配送压力数据查询消息后，服务端201会获得客户端202发送的查询消息，并针对查询消息，获得用于表示拒单概率分布特征的拒单概率分布数据，并获得用于表示尾单概率分布特征的尾单概率分布数据。服务端201在获得拒单概率分布数据和尾单概率分布数据后，会进一步根据拒单概率分布数据和尾单概率分布数据，获得用于表示配送压力程度的配送压力数据。
所谓拒单概率为订单被拒单的概率，所谓尾单概率为订单为尾单的概率。
服务端201在获得配送压力数据后，会将配送压力数据提供给客户端202。在客户端202获得配送压力数据后，会根据配送压力数据，确定用于激励配送资源配送订单的订单配送激励政策，并展示，用于辅助实体对象刺激配送资源对订单进行配送；或者，根据配送压力数据，确定用于调整订单与配送资源供需比数据的调整政策，并展示，用于辅助实体对象通过调整配送资源供需比数据来提高订单被配送的概率。所谓配送资源供需比数据为在当前订单下，订单所需的配送资源与实际的配送资源的比例数据。
本申请实施例中不对本申请实施例中提供的配送压力数据的获得方法的应用场景做具体的限定，如：本申请提供的配送压力数据的获得方法还可以用于解决由于其他情景而导致的配送压力数据不准确的问题的应用场景，在此不再一一赘述。提供上述配送压力数据的获得方法的应用场景对应的实施例，是为了便于理解本申请提供的配送压力数据的获得方法，而并非用于限定本申请提供的配送压力数据的获得方法。
第一实施例
本申请第一实施例中提供一种配送压力数据的获得方法，以下结合图3进行说明。
图3为本申请第一实施例中提供的一种配送压力数据的获得方法的流程图。图3所示的配送压力数据的获得方法，包括：步骤S301至步骤S303。
本申请第一实施例中提供的配送压力数据的获得方法的执行主体一般为目标实体对象对应的服务端，或者，线上服务平台对应的服务端。所谓目标实体对象对应的服务端为用于为线在线上服务平台上的线上门店提供数据分析服务的服务端。所谓线上服务平台对应的服务端为用于为线在线上服务平台提供数据分析服务的服务端。其中，所谓的服务端在具体实现方式上可以为服务器或者服务器集群。
在步骤S301中，获得用于表示当前时间的第一配送特征的第一当前配送参数。
本申请第一实施例中，所谓第一配送特征至少为拒单概率分布特征、尾单概率分布特征中的一种。所谓拒单概率为订单被拒单的概率，所谓被拒单为订单生成后，由于在预设时间段内没有配送资源接单而被线上服务平台对应的服务端判定为被拒单的订单，例如：预设时间段为20分钟内，如果订单生成后，20分钟内没有配送资源接单，则该订单即为被拒单的订单。所谓尾单概率为订单为尾单的概率，所谓尾单为被取消的订单，或者为实际配送时长超出指定配送时长的订单。所谓被取消的订单如被配送资源取消的订单，被用户取消的订单，或者被目标实体对象取消的订单，其中，目标实体对象包括商家、商户等。需要说明的是，所谓被配送资源取消的订单具体为被配送资源接单后又取消配送订单；所谓实际配送时长超出指定配送时长的订单如：指定指定配送时长为40分钟，但实际配送时长为1小时的订单。相应的，所谓第一当前配送参数至少为用于表示当前时间的拒单概率分布特征的当前拒单概率分布数据、用于表示当前时间的尾单概率分布特征的当前尾单概率分布数据中的一种。
由于第一配送特征至少为拒单概率分布特征、尾单概率分布特征中的一种，因此，本申请第一实施例中，获得用于表示当前时间的第一配送特征的第一当前配送参数的具体实现方式有如下三种情况：
第一种情况为：仅获得当前拒单概率分布数据作为第一当前配送参数。即，首先，获得当前时间的订单对应的当前拒单概率；然后，根据当前拒单概率，获得当前时间的订单对应的当前拒单概率分布数据作为第一当前配送参数。所谓当前时间一般为当前时间区间，所谓当前时间区间为基于当前时间点指定的时间区间。
获得当前时间的订单对应的当前拒单概率的具体过程如下：
如果当前时间的订单中存在未被拒单的订单，则获得未被拒单的订单对应的当前拒单概率为第一预设概率。具体的，如果当前时间区间的订单为100单，且这100单订单中存在70单被配送资源接单的订单，则获得这70单订单对应的当前拒单概率为0。即，所谓第一预设概率为0。
如果当前时间的订单中存在未被配送资源接单的订单，则获得针对未被配送资源接单的订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率。具体的，如果当前时间区间的订单为100单，且这100单订单中存在20单未被配送资源接单的订单，则获得针对这20单订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率。所谓未被配送资源接单的订单为在指定时间区间内未被配送资源接单的订单。所谓预估拒单概率为根据先验经验或者根据历史数据确定的订单被拒单的概率期望而确定的概率，如：0.15。
如果当前时间的订单中存在被拒单的订单，则获得被拒单的订单的当前拒单概率为第二预设概率。具体的，如果当前时间区间的订单为100单，且这100单订单中存在10单被线上服务系统拒单的订单，则获得这10单订单对应的当前拒单概率为1。即，所谓第二预设概率为1。
本申请第一实施例中，根据当前拒单概率，获得当前时间的订单对应的当前拒单概率分布数据的具体实现方式为：根据当前拒单概率，获得当前拒单概率对应的Β(Beta，贝塔)分布数据。所谓B分布为伯努利分布和二项式分布的共轭先验分布的密度函数，具体形式如公式(1)：
Figure GDA0004081079170000111
其中，Γ()为Γ(Gamma，伽玛)函数，x为当前拒单概率，α为随机变量的第一服从参数，β为随机变量的第二服从参数。因此，想要确定当前拒单概率对应的Β分布数据，需要先确定当前拒单概率对应的Β分布数据的服从参数α和β。
本申请第一实施例中，当前尾单概率对应的Β分布数据的服从参数α和β的确定过程为：第一，根据当前尾单概率，获得当前尾单概率对应的数学期望。即，根据第一预设概率、第二预设概率、预估尾单概率、100单中当前尾单概率为第一预设概率订单个数70、100单中当前尾单概率为第二预设概率订单个数10以及100单中当前尾单概率为预估尾单概率订单个数20，来获得当前尾单概率对应的数学期望。第二，获得当前尾单概率对应的概率范围为(0-1)。根据当前尾单概率对应的数学期望和当前尾单概率对应的概率范围来确定当前尾单概率对应的Β分布数据的服从参数α和β。
第二种情况为：仅获得当前尾单概率分布数据作为第一当前配送参数。即，首先，获得当前时间的订单对应的当前尾单概率；然后，根据当前尾单概率，获得当前时间的订单对应的当前尾单概率分布数据作为第一当前配送参数。
获得当前时间的订单对应的当前尾单概率的具体过程为：获得针对当前时间的订单的预估尾单概率，作为当前尾单概率。所谓预估尾单概率为根据先验经验或者根据历史数据确定的订单被尾单的概率期望而确定的概率，如：0.12。
本申请第一实施例中，根据当前尾单概率，获得当前时间的订单对应的当前尾单概率分布数据的具体实现方式为：根据当前尾单概率，获得当前尾单概率对应的Β分布数据。其中，本申请第一实施例中，当前尾单概率对应的Β分布数据的服从参数α和β的确定过程为：第一，根据当前尾单概率，获得当前尾单概率对应的数学期望。即，100单中每一订单的当前尾单概率，来获得当前尾单概率对应的数学期望。第二，获得当前尾单概率对应的概率范围。根据当前尾单概率对应的数学期望和当前尾单概率对应的概率范围来确定当前尾单概率对应的Β分布数据的服从参数α和β。
第三种情况为：同时获得当前拒单概率分布数据和当前尾单概率分布数据作为第一当前配送参数。
在步骤S302中，获得用于表示历史时间的第一配送特征的第一历史配送参数。
本申请第一实施例中，所谓第一历史配送参数至少为用于表示历史时间的拒单概率分布特征的历史拒单概率分布数据、用于表示历史时间的尾单概率分布特征的历史尾单概率分布数据中的一种。
由于第一配送特征至少为拒单概率分布特征、尾单概率分布特征中的一种，因此，本申请第一实施例中，获得用于表示历史时间的第一配送特征的第一历史配送参数的具体实现方式有如下三种情况：
第一种情况为：仅获得历史拒单概率分布数据作为第一历史配送参数。即，首先，获得历史时间的订单对应的历史拒单概率；然后，根据历史拒单概率，获得历史时间的订单对应的历史拒单概率分布数据作为第一历史配送参数。
第二种情况为：仅获得历史尾单概率分布数据作为第一历史配送参数。即，首先，获得历史时间的订单对应的历史尾单概率；然后，根据历史尾单概率，获得历史时间的订单对应的历史尾单概率分布数据作为第一历史配送参数。
第三种情况为：同时获得历史拒单概率分布数据和历史尾单概率分布数据作为第一历史配送参数。
本申请第一实施例中，获得历史时间的第一配送特征的第一历史配送参数的具体实现方式，请参照对应获得当前时间的第一配送特征的第一当前配送参数的具体实现方式，在此不再一一赘述。该三种获得用于表示历史时间的第一配送特征的第一历史配送参数的具体实现方式需要与获得用于表示当前时间的第一配送特征的第一当前配送参数的具体实现方式对应实施。即，如果获得用于表示当前时间的第一配送特征的第一单签配送参数的具体实现方式采用的为第几种，那么，获得用于表示历史时间的第一配送特征的第一历史配送参数的具体实现方式也采用第几种。
在步骤S303中，将第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
本申请第一实施例中，所谓显著性检验模型为预先根据样本数据训练好的、用于检验配送特征变化程度的模型，在具体实现方式上一般为贝叶斯显著性检验模型。所谓配送压力数据为用于表示配送压力程度的压力数据。所谓配送压力为目标实体对象、目标实体对象所在的目标网格区域、或者目标实体对象所在的目标商圈区域内的订单配送的压力。所谓订单配送的压力为订单不被配送资源配送的压力程度。
需要说明的是，无论是仅单独将拒单概率分布数据或者尾单概率分布数据作为第一当前配送参数和第一历史配送参数，还是同时将拒单概率分布数据和尾单概率分布数据作为第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得的配送压力数据都是一个用于表示配送压力程度的值。
本申请第一实施例中，将第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据的具体实现过程为：首先，将第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示第一配送特征的变化程度的第一配送特征变化数据。然后，根据第一配送特征变化数据获得配送压力数据。
由于第一配送特征变化数据是根据第一当前配送参数和第一历史配送参数来获得的配送特征变化数据，因此，该同时根据第一当前配送参数和第一历史配送参数来获得配送压力数据，使获得的配送压力数据不仅能够全面反应当前时间下的配送压力特征和历史时间下的配送压力特征，还能够反映出第一配送特征从历史时间区间到当前时间区间的变化程度，从而提高了获得的配送压力数据反映配送压力程度的准确度。
本申请第一实施例中，所谓获得用于表示配送压力程度的配送压力数据的过程为：首先，获得第一当前配送参数的第一权重参数。然后，获得第一历史配送参数的第二权重参数。最后，根据第一权重参数、第二权重参数、第一当前配送参数以及第一历史配送参数，获得第一配送特征变化数据。
第一权重参数和第二权重参数是根据预设的权重确定规则来获得，该预设的权重确定规则可以为：根据当前时间和历史时间的时间差，来确定第一权重参数和第二权重参数。由于本申请第一实施例中，当前时间为当前时间区间，历史时间为历史时间区间，因此，根据当前时间和历史时间的时间差，来确定第一权重参数和第二权重参数的具体操作为：获得历史时间区间的起始时间点和当前时间区间的起始时间点；根据历史时间区间的起始时间点和当前时间区间的起始时间点的差值，确定第二权重参数。需要说明的是，历史时间区间的起始时间点和当前时间区间的起始时间点的差值越大，第二权重系数的值越小。即，当前时间和历史时间的时间差越大，第二权重系数的值越小。
另外，本申请第一实施例中，还可以进一步获得用于表示当前时间的第二配送特征的第二当前配送参数，并获得用于表示历史时间的第二配送特征的第二历史配送参数。此时，将第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据的具体实现方式为：将第一当前配送参数、第一历史配送参数、第二当前配送参数和第二历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。所谓获得第二当前配送参数和第二历史配送参数的原理、过程与获得第二当前配送参数和第二历史配送参数的原理、过程相似，在此不再详细赘述。
在获得用于表示配送压力程度的配送压力数据的过程中，需要先将第一当前配送参数、第一历史配送参数、第二当前配送参数和第二历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示第一配送特征的变化程度的第一配送特征变化数据，并获得用于表示第二配送特征的变化程度的第二配送特征变化数据。再根据第一配送特征变化数据和第二配送特征变化数据获得配送压力数据。具体的，首先，获得第一配送特征变化数据和第二配送特征变化数据；然后，再获得第一配送特征变化数据对应的第一配送特征权重参数，获得第二配送特征变化数据对应的第二配送特征权重参数；最后，根据第一配送特征变化数据、第一配送特征权重参数、第二配送特征变化数据和第二配送特征权重参数，获得配送压力数据。
本申请第一实施例中，第二配送特征至少可以为配送资源供需特征，相应的，第二历史配送参数至少可以为历史配送资源供需比数据。所谓配送资源供需比数据为在当前订单下，订单所需的配送资源与实际的配送资源的比例数据。
本申请第一实施例中，在获得第一当前配送参数之前，需要先获得目标实体对象的客户端发送的配送压力数据查询消息，之后，服务端才会针对查询消息，获得第一当前配送参数，并在获得配送压力数据后，将配送压力数据提供给客户端。
本申请第一实施例提供的配送压力数据的获得方法，首先，获得用于表示当前时间的第一配送特征的第一当前配送参数；然后，获得用于表示历史时间的第一配送特征的第一历史配送参数；最后，将第一当前配送参数和第一历史配送参数输入到用于检验配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。本申请第一实施例提供的该配送压力数据的获得方法，同时根据第一当前配送参数和第一历史配送参数来获得配送压力数据，使获得的配送压力数据不仅能够全面反应当前时间下的配送压力特征和历史时间下的配送压力特征，还能够反映出第一配送特征从历史时间区间到当前时间区间的变化程度，从而提高了配送压力数据反映配送压力程度的准确度。
第二实施例
与本申请提供的配送压力数据的获得方法的应用场景对应的实施例以及第一实施例提供的配送压力数据的获得方法相对应的，本申请第二实施例还提供了一种配送压力数据的获得装置。由于装置实施例基本相似于应用场景对应的实施例以及第一实施例，所以描述得比较简单，相关之处参见应用场景对应的实施例以及第一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。
请参照图4，其为本申请第二实施例中提供的一种配送压力数据的获得装置的示意图。
本申请第二实施例中提供的配送压力数据的获得装置，包括：第一参数获得单元401，用于获得用于表示当前时间的第一配送特征的第一当前配送参数；第二参数获得单元402，用于获得用于表示历史时间的所述第一配送特征的第一历史配送参数；压力数据获得单元403，用于将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
可选的，所述第一参数获得单元401，具体用于获得用于表示所述当前时间的拒单概率分布特征的当前拒单概率分布数据作为所述第一当前配送参数，所述拒单概率为订单被拒单的概率；所述第二参数获得单元402，具体用于获得用于表示所述历史时间的所述拒单概率分布特征的历史拒单概率分布数据作为所述第一历史配送参数。
可选的，所述获得用于表示所述当前时间的拒单概率分布特征的拒单概率分布数据作为所述第一当前配送参数，包括：获得所述当前时间的订单对应的当前拒单概率；根据所述当前拒单概率，获得所述当前时间的订单对应的当前拒单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前拒单概率，包括：如果所述当前时间的订单中存在未被拒单的订单，则获得未被拒单的订单对应的当前拒单概率为第一预设概率；或者，如果所述当前时间的订单中存在未被配送资源接单的订单，则获得针对未被配送资源接单的订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率；或者，如果所述当前时间的订单中存在被拒单的订单，则获得被拒单的订单的所述当前拒单概率为第二预设概率。
可选的，所述第一参数获得单元401，具体用于获得用于表示所述当前时间的尾单概率分布特征的当前尾单概率分布数据作为所述第一当前配送参数，所述尾单概率为订单为尾单的概率；所述第二参数获得单元402，具体用于获得用于表示所述历史时间的所述尾单概率分布特征的历史尾单概率分布数据作为所述第一历史配送参数。
可选的，所述获得用于表示所述当前时间的尾单概率分布特征的尾单概率分布数据作为所述第一当前配送参数，包括：获得所述当前时间的订单对应的当前尾单概率；根据所述当前尾单概率，获得所述当前时间的订单对应的当前尾单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前尾单概率，包括：获得针对所述当前时间的订单的预估尾单概率，作为所述当前尾单概率。
可选的，所述压力数据获得单元403，具体用于将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据；根据所述第一配送特征变化数据获得所述配送压力数据。
可选的，所述获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据，包括：获得所述第一当前配送参数的第一权重参数；获得所述第一历史配送参数的第二权重参数；根据所述第一权重参数、所述第二权重参数、所述第一当前配送参数以及所述第一历史配送参数，获得所述第一配送特征变化数据。
可选的，所述当前时间为当前时间区间，所述历史时间为历史时间区间；所述获得所述第一历史配送参数的第二权重参数，包括：获得所述历史时间区间的起始时间点和所述当前时间区间的起始时间点；根据所述历史时间区间的起始时间点和所述当前时间区间的起始时间点的差值，确定所述第二权重参数。
可选的，本申请第二实施例中提供的配送压力数据的获得装置，还包括：当前配送参数单元，用于获得用于表示当前时间的第二配送特征的第二当前配送参数；历史配送参数单元，用于获得用于表示历史时间的所述第二配送特征的第二历史配送参数；所述压力数据获得单元403，具体用于将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
可选的，所述将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，包括：将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据，并获得用于表示所述第二配送特征的变化程度的第二配送特征变化数据；根据所述第一配送特征变化数据和所述第二配送特征变化数据获得所述配送压力数据。
可选的，所述根据所述第一配送特征变化数据和所述第二配送特征变化数据获得所述配送压力数据，包括：获得所述第一配送特征变化数据对应的第一配送特征权重参数；获得所述第二配送特征变化数据对应的第二配送特征权重参数；根据所述第一配送特征变化数据、所述第一配送特征权重参数、所述第二配送特征变化数据和所述第二配送特征权重参数，获得所述配送压力数据。
可选的，所述获得用于表示当前时间的第二配送特征的第二当前配送参数，包括：获得用于表示所述当前时间的配送资源供需特征的当前配送资源供需比数据作为所述第二当前配送参数；所述获得用于表示历史时间的所述第二配送特征的第二历史配送参数，包括：获得用于表示所述历史时间的所述配送资源供需特征的历史配送资源供需比数据作为所述第二历史配送参数。
可选的，所述显著性检验模型为贝叶斯显著性检验模型。
可选的，本申请第二实施例中提供的配送压力数据的获得装置，还包括：查询消息获得单元，用于获得目标实体对象的客户端发送的配送压力数据查询消息；所述第一参数获得单元401，具体用于针对所述查询消息，获得所述第一当前配送参数。
可选的，本申请第二实施例中提供的配送压力数据的获得装置，还包括：配送压力数据提供单元，用于将所述配送压力数据提供给所述客户端。
第三实施例
与本申请提供的配送压力数据的获得方法的应用场景对应的实施例和第一实施例相对应的，本申请第三实施例还提供了另一种配送压力数据的获得方法，该任务执行方法应用于待检测配送资源对应的设备。由于该第三实施例基本相似于应用场景对应的实施例，所以描述得比较简单，相关之处参见应用场景对应的实施例和第一实施例的部分说明即可。下述描述的第三实施例仅仅是示意性的。
第三实施例提供一种任务执行方法，以下结合图5进行说明。
图5为本申请第三实施例中提供的一种配送压力数据的获得方法的流程图。图5所示的配送压力数据的获得方法，包括：步骤S501至步骤S503。
本申请第三实施例中提供的配送压力数据的获得方法的执行主体一般为目标实体对象对应的服务端，或者，线上服务平台对应的服务端。所谓目标实体对象对应的服务端为用于为线在线上服务平台上的线上门店提供数据分析服务的服务端。所谓线上服务平台对应的服务端为用于为线在线上服务平台提供数据分析服务的服务端。其中，所谓的服务端在具体实现方式上可以为服务器或者服务器集群。
步骤S501：获得用于表示拒单概率分布特征的拒单概率分布数据，拒单概率为订单被拒单的概率。
本申请第三实施例中，拒单概率分布数据包括用于表示当前时间的拒单概率分布特征的当前拒单概率分布数据以及用于表示历史时间的拒单概率分布特征的历史拒单概率分布数据。所谓当前时间为当前时间区间，历史时间为历史时间区间。
由于当前拒单概率分布数据和历史拒单概率分布数据为针对不同时间区间的拒单概率分布数据，因此，本申请第三实施例中仅具体以获得当前拒单概率分布数据的过程为例，来对当前拒单概率分布数据和历史拒单概率分布数据的获得过程进行说明。本申请第三实施例中，获得用于表示当前时间的拒单概率分布特征的当前拒单概率分布数据的过程为：首先，获得当前时间的订单对应的当前拒单概率。然后，根据当前拒单概率，获得当前时间的订单对应的当前拒单概率分布数据。
本申请第三实施例中，获得当前时间的订单对应的当前拒单概率的具体过程如下：
如果当前时间的订单中存在未被拒单的订单，则获得未被拒单的订单对应的当前拒单概率为第一预设概率。具体的，如果当前时间区间的订单为250单，且这250单订单中存在200单被配送资源接单的订单，则获得这200单订单对应的当前拒单概率为0。即，所谓第一预设概率为0。
如果当前时间的订单中存在未被配送资源接单的订单，则获得针对未被配送资源接单的订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率。具体的，如果当前时间区间的订单为250单，且这250单订单中存在20单未被配送资源接单的订单，则获得针对这20单订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率。所谓未被配送资源接单的订单为在指定时间区间内未被配送资源接单的订单。所谓预估拒单概率为根据先验经验或者根据历史数据确定的订单被拒单的概率期望而确定的概率，如：0.35。
如果当前时间的订单中存在被拒单的订单，则获得被拒单的订单的当前拒单概率为第二预设概率。具体的，如果当前时间区间的订单为250单，且这250单订单中存在30单被线上服务系统拒单的订单，则获得这30单订单对应的当前拒单概率为1。即，所谓第二预设概率为1。
本申请第一实施例中，根据当前拒单概率，获得当前时间的订单对应的当前拒单概率分布数据的具体实现方式为：根据当前拒单概率，获得当前拒单概率对应的分布数据。
步骤S502：获得用于表示尾单概率分布特征的尾单概率分布数据，尾单概率为订单为尾单的概率。
本申请第三实施例中，尾单概率分布数据包括用于表示当前时间的尾单概率分布特征的当前尾单概率分布数据以及用于表示历史时间的尾单概率分布特征的历史尾单概率分布数据。
由于当前尾单概率分布数据和历史尾单概率分布数据为针对不同时间区间的尾单概率分布数据，因此，本申请第三实施例中仅具体以获得当前尾单概率分布数据的过程为例，来对当前尾单概率分布数据和历史尾单概率分布数据的获得过程进行说明。本申请第三实施例中，获得用于表示当前时间的尾单概率分布特征的当前尾单概率分布数据的过程为：首先，获得当前时间的订单对应的当前尾单概率。然后，根据当前尾单概率，获得当前时间的订单对应的当前尾单概率分布数据。
本申请第三实施例中，获得当前时间的订单对应的当前尾单概率的具体过程为：获得针对当前时间的订单的预估尾单概率，作为当前尾单概率。所谓预估尾单概率为根据先验经验或者根据历史数据确定的订单被尾单的概率期望而确定的概率，如：0.23。
步骤S503：根据拒单概率分布数据和尾单概率分布数据，获得用于表示配送压力程度的配送压力数据。
所谓配送压力数据为用于表示配送压力程度的压力数据。所谓配送压力为目标实体对象、目标实体对象所在的目标网格区域、或者目标实体对象所在的目标商圈区域内的订单配送的压力。所谓订单配送的压力为订单不被配送资源配送的压力程度。
本申请第三实施例中，根据拒单概率分布数据和尾单概率分布数据，获得用于表示配送压力程度的配送压力数据的具体实现方式为：首先，获得拒单概率分布数据对应的第一分布数据权重参数。然后，获得尾单概率分布数据对应的第二分布数据权重参数。最后，根据第一分布数据权重参数、第二分布数据权重参数、拒单概率分布数据以及尾单概率分布数据，获得配送压力数据。第一分布数据权重参数和第二分布数据权重参数可以为指定的值，如0.3和0.7、0.5和0、7，也可以为根据预设的权重确定规则来获得的值。所谓预设的权重确定规则为相关人员根据拒单概率和尾单概率的比重需求来确定的权重确定规则。
本申请第一实施例中，在获得拒单概率分布数据之前，需要先获得目标实体对象的客户端发送的配送压力数据查询消息，之后，服务端才会针对查询消息，获得拒单概率分布数据，并在获得配送压力数据后，将配送压力数据提供给客户端。
本申请第三实施例提供的配送压力数据的获得方法，首先，获得用于表示拒单概率分布特征的拒单概率分布数据，拒单概率为订单被拒单的概率；然后，获得用于表示尾单概率分布特征的尾单概率分布数据，尾单概率为订单为尾单的概率；最后，根据拒单概率分布数据和尾单概率分布数据，获得用于表示配送压力程度的配送压力数据。本申请第三实施例提供的该配送压力数据的获得方法，同时根据拒单概率分布数据和尾单概率分布数据，来获得的配送压力数据，能够从多角度全面、准确的反映配送压力程度。
第四实施例
与本申请提供的配送压力数据的获得方法的应用场景对应的实施例以及第三实施例提供的配送压力数据的获得方法相对应的，本申请第四实施例还提供了一种配送压力数据的获得装置。由于装置实施例基本相似于应用场景对应的实施例以及第三实施例，所以描述得比较简单，相关之处参见应用场景对应的实施例以及第三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。
请参照图6，其为本申请第四实施例中提供的一种配送压力数据的获得装置的示意图。
本申请第四实施例中提供的配送压力数据的获得装置，包括：第一分布数据获得单元601，用于获得用于表示拒单概率分布特征的拒单概率分布数据，所述拒单概率为订单被拒单的概率；第二分布数据获得单元602，用于获得用于表示尾单概率分布特征的尾单概率分布数据，所述尾单概率为订单为尾单的概率；压力数据获得单元603，用于根据所述拒单概率分布数据和所述尾单概率分布数据，获得用于表示配送压力程度的配送压力数据。
可选的，所述第一分布数据获得单元601，用于具体获得用于表示当前时间的所述拒单概率分布特征的当前拒单概率分布数据；以及，获得用于表示历史时间的所述拒单概率分布特征的历史拒单概率分布数据。
可选的，所述获得用于表示当前时间的所述拒单概率分布特征的当前拒单概率分布数据，包括：获得所述当前时间的订单对应的当前拒单概率；根据所述当前拒单概率，获得所述当前时间的订单对应的当前拒单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前拒单概率，包括：如果所述当前时间的订单中存在未被拒单的订单，则获得未被拒单的订单的所述当前拒单概率为第一预设概率；或者，如果所述当前时间的订单中存在未被配送资源接单的订单，则获得针对未被配送资源接单的订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率；或者，如果所述当前时间的订单中存在被拒单的订单，则获得被拒单的订单的所述当前拒单概率为第二预设概率。
可选的，所述第二分布数据获得单元602，具体用于获得用于表示当前时间的所述尾单概率分布特征的当前尾单概率分布数据；以及，获得用于表示历史时间的所述尾单概率分布特征的历史尾单概率分布数据。
可选的，所述获得用于表示当前时间的所述尾单概率分布特征的当前尾单概率分布数据，包括：获得所述当前时间的订单对应的当前尾单概率；根据所述当前尾单概率，获得所述当前时间的订单对应的当前尾单概率分布数据。
可选的，所述获得所述当前时间的订单对应的当前尾单概率，包括：获得针对所述当前时间的订单的预估尾单概率，作为所述当前尾单概率。
可选的，所述压力数据获得单元603，具体用于获得所述拒单概率分布数据对应的第一分布数据权重参数；获得所述尾单概率分布数据对应的第二分布数据权重参数；根据所述第一分布数据权重参数、所述第二分布数据权重参数、所述拒单概率分布数据以及所述尾单概率分布数据，获得所述配送压力数据。
可选的，本申请第四实施例中提供的配送压力数据的获得装置，还包括：查询消息获得单元，用于获得目标实体对象的客户端发送的配送压力数据查询消息；所述第一分布数据获得单元601，具体用于针对所述查询消息，获得所述拒单概率分布数据。
可选的，本申请第四实施例中提供的配送压力数据的获得装置，还包括：配送压力数据提供单元，用于将所述配送压力数据提供给所述客户端。
第五实施例
与本申请提供的上述方法实施例相对应的，本申请第五实施例还提供了一种电子设备。由于第五实施例基本相似于本申请提供的上述方法实施例，所以描述得比较简单，相关之处参见本申请提供的上述方法实施例的部分说明即可。下述描述的第五实施例仅仅是示意性的。
请参照图7，其为本申请实施例中提供的一种电子设备的示意图。
该电子设备，包括：处理器701；
以及存储器702，用于存储配送压力数据的获得方法的程序，该设备通电并通过所述处理器运行该配送压力数据的获得方法的程序后，执行本申请上述实施例中提供的配送压力数据的获得方法。
需要说明的是，本申请第五实施例提供的电子设备的详细描述，可以参考对本申请提供的上述方法实施例的相关描述，这里不再赘述。
第六实施例
与本申请提供的上述方法实施例相对应的，本申请第六实施例还提供了一种存储介质。由于第六实施例基本相似于本申请提供的上述方法实施例，所以描述得比较简单，相关之处参见本申请提供的上述方法实施例的部分说明即可。下述描述的六实施例仅仅是示意性的。
该存储介质存储有计算机程序，该计算机程序被处理器运行，执行本申请上述实施例中提供的配送压力数据的获得方法。
需要说明的是，本申请第六实施例提供的存储介质的详细描述，可以参考对本申请提供的上述方法实施例的相关描述，这里不再赘述。
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发明的精神和范围内，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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(Flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁待，磁待磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(Transitory Media)，如调制的数据信号和载波。
2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (18)

1.一种配送压力数据的获得方法，其特征在于，包括：
获得用于表示当前时间的第一配送特征的第一当前配送参数，所述第一当前配送参数包括用于表示所述当前时间的拒单概率分布特征的当前拒单概率分布数据和用于表示所述当前时间的尾单概率分布特征的当前尾单概率分布数据中的至少一种数据；
获得用于表示历史时间的所述第一配送特征的第一历史配送参数，所述第一历史配送参数包括用于表示所述历史时间的拒单概率分布特征的历史拒单概率分布数据和用于表示所述历史时间的尾单概率分布特征的历史尾单概率分布数据中的至少一种数据；
将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，所述配送压力数据用于反映所述第一配送特征从历史时间到当前时间的变化程度；
其中，所述拒单概率为订单被拒单的概率，所述尾单概率为订单为尾单的概率，所述概率分布数据基于密度函数及所述密度函数对应的服从参数得到。
2.根据权利要求1所述的配送压力数据的获得方法，其特征在于，所述获得用于表示所述当前时间的拒单概率分布特征的拒单概率分布数据作为所述第一当前配送参数，包括：
获得所述当前时间的订单对应的当前拒单概率；
根据所述当前拒单概率，获得所述当前时间的订单对应的当前拒单概率分布数据。
3.根据权利要求2所述的配送压力数据的获得方法，其特征在于，所述获得所述当前时间的订单对应的当前拒单概率，包括：
如果所述当前时间的订单中存在未被拒单的订单，则获得未被拒单的订单对应的当前拒单概率为第一预设概率；
或者，如果所述当前时间的订单中存在未被配送资源接单的订单，则获得针对未被配送资源接单的订单的预估拒单概率，作为未被配送资源接单的订单对应的当前拒单概率；
或者，如果所述当前时间的订单中存在被拒单的订单，则获得被拒单的订单的所述当前拒单概率为第二预设概率。
4.根据权利要求1所述的配送压力数据的获得方法，其特征在于，所述获得用于表示所述当前时间的尾单概率分布特征的尾单概率分布数据作为所述第一当前配送参数，包括：
获得所述当前时间的订单对应的当前尾单概率；
根据所述当前尾单概率，获得所述当前时间的订单对应的当前尾单概率分布数据。
5.根据权利要求4所述的配送压力数据的获得方法，其特征在于，所述获得所述当前时间的订单对应的当前尾单概率，包括：获得针对所述当前时间的订单的预估尾单概率，作为所述当前尾单概率。
6.根据权利要求1所述的配送压力数据的获得方法，其特征在于，所述将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，包括：
将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据；
根据所述第一配送特征变化数据获得所述配送压力数据。
7.根据权利要求6所述的配送压力数据的获得方法，其特征在于，所述获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据，包括：
获得所述第一当前配送参数的第一权重参数；
获得所述第一历史配送参数的第二权重参数；
根据所述第一权重参数、所述第二权重参数、所述第一当前配送参数以及所述第一历史配送参数，获得所述第一配送特征变化数据。
8.根据权利要求7所述的配送压力数据的获得方法，其特征在于，所述当前时间为当前时间区间，所述历史时间为历史时间区间；
所述获得所述第一历史配送参数的第二权重参数，包括：
获得所述历史时间区间的起始时间点和所述当前时间区间的起始时间点；
根据所述历史时间区间的起始时间点和所述当前时间区间的起始时间点的差值，确定所述第二权重参数。
9.根据权利要求1所述的配送压力数据的获得方法，其特征在于，还包括：
获得用于表示当前时间的第二配送特征的第二当前配送参数；
获得用于表示历史时间的所述第二配送特征的第二历史配送参数；
所述将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，包括：将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据。
10.根据权利要求9所述的配送压力数据的获得方法，其特征在于，所述将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，包括：
将所述第一当前配送参数、所述第一历史配送参数、所述第二当前配送参数和所述第二历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示所述第一配送特征的变化程度的第一配送特征变化数据，并获得用于表示所述第二配送特征的变化程度的第二配送特征变化数据；
根据所述第一配送特征变化数据和所述第二配送特征变化数据获得所述配送压力数据。
11.根据权利要求10所述的配送压力数据的获得方法，其特征在于，所述根据所述第一配送特征变化数据和所述第二配送特征变化数据获得所述配送压力数据，包括：
获得所述第一配送特征变化数据对应的第一配送特征权重参数；
获得所述第二配送特征变化数据对应的第二配送特征权重参数；
根据所述第一配送特征变化数据、所述第一配送特征权重参数、所述第二配送特征变化数据和所述第二配送特征权重参数，获得所述配送压力数据。
12.根据权利要求10所述的配送压力数据的获得方法，其特征在于，所述获得用于表示当前时间的第二配送特征的第二当前配送参数，包括：获得用于表示所述当前时间的配送资源供需特征的当前配送资源供需比数据作为所述第二当前配送参数；
所述获得用于表示历史时间的所述第二配送特征的第二历史配送参数，包括：获得用于表示所述历史时间的所述配送资源供需特征的历史配送资源供需比数据作为所述第二历史配送参数。
13.根据权利要求1、6或9所述的配送压力数据的获得方法，其特征在于，所述显著性检验模型为贝叶斯显著性检验模型。
14.根据权利要求1所述的配送压力数据的获得方法，其特征在于，还包括：获得目标实体对象的客户端发送的配送压力数据查询消息；
所述获得用于表示当前时间的第一配送特征的第一当前配送参数，包括：针对所述查询消息，获得所述第一当前配送参数。
15.根据权利要求14所述的配送压力数据的获得方法，其特征在于，还包括：将所述配送压力数据提供给所述客户端。
16.一种配送压力数据的获得装置，其特征在于，包括：
第一参数获得单元，用于获得用于表示当前时间的第一配送特征的第一当前配送参数，所述第一当前配送参数包括用于表示所述当前时间的拒单概率分布特征的当前拒单概率分布数据和用于表示所述当前时间的尾单概率分布特征的当前尾单概率分布数据中的至少一种数据；
第二参数获得单元，用于获得用于表示历史时间的所述第一配送特征的第一历史配送参数，所述第一历史配送参数包括用于表示所述历史时间的拒单概率分布特征的历史拒单概率分布数据和用于表示所述历史时间的尾单概率分布特征的历史尾单概率分布数据中的至少一种数据；
压力数据获得单元，用于将所述第一当前配送参数和所述第一历史配送参数输入到用于检验所述配送特征变化程度的显著性检验模型中，获得用于表示配送压力程度的配送压力数据，所述配送压力数据用于反映所述第一配送特征从历史时间到当前时间的变化程度；
其中，所述拒单概率为订单被拒单的概率，所述尾单概率为订单为尾单的概率，所述概率分布数据基于密度函数及所述密度函数对应的服从参数得到。
17.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行权利要求1-15任意一项所述的配送压力数据的获得方法。
18.一种存储介质，其特征在于，该存储介质存储有计算机程序，该计算机程序被处理器运行，执行权利要求1-15任意一项所述的配送压力数据的获得方法。
CN202010984809.8A 2020-09-18 2020-09-18 一种配送压力数据的获得方法、装置、电子设备 Active CN112215473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010984809.8A CN112215473B (zh) 2020-09-18 2020-09-18 一种配送压力数据的获得方法、装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010984809.8A CN112215473B (zh) 2020-09-18 2020-09-18 一种配送压力数据的获得方法、装置、电子设备

Publications (2)

Publication Number Publication Date
CN112215473A CN112215473A (zh) 2021-01-12
CN112215473B true CN112215473B (zh) 2023-04-18

Family

ID=74049633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010984809.8A Active CN112215473B (zh) 2020-09-18 2020-09-18 一种配送压力数据的获得方法、装置、电子设备

Country Status (1)

Country Link
CN (1) CN112215473B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493036B (zh) * 2022-02-15 2022-08-09 深圳佳利达供应链管理有限公司 一种多车型的物流运输规划方法
CN116720803B (zh) * 2023-08-10 2024-01-12 深圳市兰洋科技有限公司 一种基于智能设备的云配送任务处理方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106447470A (zh) * 2016-11-30 2017-02-22 北京小度信息科技有限公司 配送订单分配方法和装置
CN107092974A (zh) * 2016-11-29 2017-08-25 北京小度信息科技有限公司 配送压力预测方法及装置
CN107146007A (zh) * 2017-04-26 2017-09-08 北京小度信息科技有限公司 订单调度方法和装置
CN109102354A (zh) * 2017-06-21 2018-12-28 北京小度信息科技有限公司 订单处理方法和装置
CN109426885A (zh) * 2017-08-28 2019-03-05 北京小度信息科技有限公司 订单分配方法和装置
CN109598447A (zh) * 2018-12-10 2019-04-09 拉扎斯网络科技（上海）有限公司 配送压力调整、订单分配方法及装置、电子设备及介质
CN110782090A (zh) * 2019-10-25 2020-02-11 拉扎斯网络科技（上海）有限公司 一种数据处理的方法、装置、可读存储介质和电子设备
CN111191916A (zh) * 2019-12-27 2020-05-22 北京顺达同行科技有限公司 订单配送的压力调整方法、装置、存储介质和计算机设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092974A (zh) * 2016-11-29 2017-08-25 北京小度信息科技有限公司 配送压力预测方法及装置
CN106447470A (zh) * 2016-11-30 2017-02-22 北京小度信息科技有限公司 配送订单分配方法和装置
CN107146007A (zh) * 2017-04-26 2017-09-08 北京小度信息科技有限公司 订单调度方法和装置
CN109102354A (zh) * 2017-06-21 2018-12-28 北京小度信息科技有限公司 订单处理方法和装置
CN109426885A (zh) * 2017-08-28 2019-03-05 北京小度信息科技有限公司 订单分配方法和装置
CN109598447A (zh) * 2018-12-10 2019-04-09 拉扎斯网络科技（上海）有限公司 配送压力调整、订单分配方法及装置、电子设备及介质
CN110782090A (zh) * 2019-10-25 2020-02-11 拉扎斯网络科技（上海）有限公司 一种数据处理的方法、装置、可读存储介质和电子设备
CN111191916A (zh) * 2019-12-27 2020-05-22 北京顺达同行科技有限公司 订单配送的压力调整方法、装置、存储介质和计算机设备

Also Published As

Publication number Publication date
CN112215473A (zh) 2021-01-12

Similar Documents

Publication Publication Date Title
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
US10963830B2 (en) Systems and methods for determining an optimal strategy
CN112215473B (zh) 一种配送压力数据的获得方法、装置、电子设备
JP2017509947A (ja) ネットワークサブジェクトの社会的関係タイプの取得
CN104574126A (zh) 一种用户特征识别方法及装置
CN110866698A (zh) 用于评定服务提供方的服务分值的装置
CN113837806A (zh) 产品流转量预测方法、装置、电子设备和存储介质
CN110737655A (zh) 用于上报数据的方法和装置
CN114240177A (zh) 一种政务数据质量评估方法及系统
CN112862593B (zh) 信用评分卡模型训练方法、装置、系统及计算机存储介质
CN110738508A (zh) 一种数据分析方法和装置
CN111754126A (zh) 对应用进行评估的方法和系统
CN113256422B (zh) 分仓账户识别方法、装置、计算机设备和存储介质
CN114387085A (zh) 流水数据处理方法、装置、计算机设备和存储介质
JP2014164768A (ja) 相場の変則を探知するためのシステムおよび方法
CN114581130A (zh) 基于客户画像的银行网点派号方法及装置、存储介质
CN113849618A (zh) 基于知识图谱的策略确定方法、装置、电子设备及介质
US20140136297A1 (en) Incrementally developing business performance indicators
CN113034173B (zh) 用于生成信息的方法和装置
CN116911977A (zh) 虚拟资源处理方法、装置、计算机设备和存储介质
CN114066513A (zh) 一种用户分类的方法和装置
CN117522138A (zh) 金融业务系统的测试风险识别方法、装置、设备和介质
CN117314228A (zh) 手机银行服务质量管理方法、装置、设备、介质和产品
CN112990522A (zh) 物品件量预测方法、装置、设备及存储介质
CN116308747A (zh) 授信业务的管理方法、装置、电子设备、介质和程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant