CN112488195B - 派件员代派送识别方法、装置、设备以及存储介质 - Google Patents

派件员代派送识别方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN112488195B
CN112488195B CN202011373636.2A CN202011373636A CN112488195B CN 112488195 B CN112488195 B CN 112488195B CN 202011373636 A CN202011373636 A CN 202011373636A CN 112488195 B CN112488195 B CN 112488195B
Authority
CN
China
Prior art keywords
dispatch
identified
time period
preset time
personnel
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
CN202011373636.2A
Other languages
English (en)
Other versions
CN112488195A (zh
Inventor
郑德鹏
田冰
王国印
谷东兴
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 Xunmeng Information Technology Co Ltd
Original Assignee
Shanghai Xunmeng Information 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 Shanghai Xunmeng Information Technology Co Ltd filed Critical Shanghai Xunmeng Information Technology Co Ltd
Priority to CN202011373636.2A priority Critical patent/CN112488195B/zh
Publication of CN112488195A publication Critical patent/CN112488195A/zh
Application granted granted Critical
Publication of CN112488195B publication Critical patent/CN112488195B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/08—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种派件员代派送识别方法、装置、设备以及存储介质，方法包括：获取预设时间段内被签收的运单数据；根据所获取的运单数据确定该预设时间段内待识别派件员的派件数量；将所获取的运单数据输入一派件分类模型，以识别各运单的收件地址是否属于待识别派件员的派件范围；根据识别结果，确定预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量；当预设时间段内，待识别派件员的派件数量小于等于第一预定阈值，且预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量大于第二预定阈值时，识别所述待识别派件员于该预设时间段内被代派送，所述第一预设阈值小于第二预设阈值。本发明实现派件员代派送的识别。

Description

派件员代派送识别方法、装置、设备以及存储介质
技术领域
本发明涉及计算机应用领域，尤其涉及一种派件员代派送识别方法、装置、设备以及存储介质。
背景技术
在物流场景中，包裹从寄件到达派件网点后，需要派件员将包裹从派件网点派件至用户的收件地址/快递柜、驿站等代收点。在实际的派送过程中，常常会发生派送员代派送的情况。例如，当派件员A请假时，则当前该派件员负责的包裹需要由其它派件员代为派送。目前的代派过程中，没有对代派行为的上报和标记。
而在包裹的电子面单中，需要打印诸如三段码的多段码的路由信息来指导包裹的流转。三段码中，第一段码标识干线路由、第二段码标识派件网点、第三段码标识派件员。多段码的路由信息的计算和编码都是依据历史运送情况学习获得的，尤其是第三段码所标识的派件员的信息。然而，由于派件员之间的代派行为，将会带来错误的学习数据，导致电子面单打印的多段码出错，影响包裹的正常流转，降低包裹运输时效。同时，派件员之间的代派行为，也不利于派件数据分析和派件管理调度。
由此，如何通过运单数据，识别派件员的代派行为，以避免代派行为带来的错误学习数据，影响包裹的正常流转，降低包裹运输时效，同时便于进行派件数据分析和派件管理调度，以提高派件效率，是本领域亟待解决的技术问题。
发明内容
本发明为了克服上述相关技术存在的缺陷，提供一种派件员代派送识别方法、装置、电子设备以及存储介质，进而通过运单数据，识别派件员的代派行为，以避免代派行为带来的错误学习数据，影响包裹的正常流转，降低包裹运输时效，同时便于进行派件数据分析和派件管理调度，以提高派件效率。
根据本发明的一个方面，提供一种派件员代派送识别方法，包括：
获取预设时间段内被签收的运单数据；
根据所获取的运单数据确定该预设时间段内待识别派件员的派件数量；
将所获取的运单数据输入一派件分类模型，以识别各运单的收件地址是否属于待识别派件员的派件范围；
根据识别结果，确定预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量；
当预设时间段内，待识别派件员的派件数量小于等于第一预定阈值，且预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量大于第二预定阈值时，识别所述待识别派件员于该预设时间段内被代派送，所述第一预设阈值小于第二预设阈值。
在本发明的一些实施例中，所述识别所述待识别派件员于该预设时间段内被代派送之后还包括：
将预设时间段内，收件地址属于待识别派件员的派件范围的运单识别为代派运单。
在本发明的一些实施例中，所述将预设时间段内，收件地址属于待识别派件员的派件范围的运单识别为代派运单之后，还包括：
为各所述代派运单提供原始派件员标记，以使得各所述代派运单关联该待识别派件员，所述原始派件员标记用于执行路由信息的学习。
在本发明的一些实施例中，所述派件分类模型根据历史运单数据训练获得，各派件员的派件范围的识别共用所述派件分类模型。
在本发明的一些实施例中，每一派件员关联一派件分类模型，所述派件分类模型分别根据各派件员的历史运单数据训练获得。
在本发明的一些实施例中，所述获取预设时间段内被签收的运单数据包括：
获取待识别派件员所属的派件节点；
获取该派件节点在预设时间段内被签收的运单数据。
在本发明的一些实施例中，所述第一预设阈值为零。
在本发明的一些实施例中，所述第二预设阈值根据各派件员的最小日均派件量计算获得。
根据本发明的又一方面，还提供一种派件员代派送识别装置，包括：
第一获取模块，配置成获取预设时间段内被签收的运单数据；
第一确定模块，配置成根据所获取的运单数据确定该预设时间段内待识别派件员的派件数量；
第一识别模块，配置成将所获取的运单数据输入一派件分类模型，以识别各运单的收件地址是否属于待识别派件员的派件范围；
第二确定模块，配置成根据识别结果，确定预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量；
第二识别模块，配置成预设时间段内，当待识别派件员的派件数量小于等于第一预定阈值，且预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量大于第二预定阈值时，识别所述待识别派件员于该预设时间段内被代派送，所述第一预设阈值小于第二预设阈值。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面，还提供一种存储介质，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行如上所述的步骤。
相比现有技术，本发明的优势在于：
本发明根据获取预设时间段内被签收的运单数据，来确定该预设时间段内待识别派件员的派件数量以及运单的收件地址属于待识别派件员的派件范围的派件数量，同时，根据这两个派件数量与第一预定阈值和第二预定阈值的比较，从而确定派件员于该预设时间段内被代派送，由此，实现派件员的代派行为的是被，避免代派行为带来的错误学习数据，影响包裹的正常流转，降低包裹运输时效，同时便于进行派件数据分析和派件管理调度，以提高派件效率。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的派件员代派送识别方法的流程图。
图2示出了根据本发明一具体实施例的获取预设时间段内被签收的运单数据的流程图。
图3示出了根据本发明实施例的派件员代派送识别装置的模块图。
图4示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图5示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
在本发明的各个实施例中，本发明提供的派件员代派送识别方法可以应用于电商平台、物流平台或者其它能够获取运单数据的第三方平台。以上仅仅是示意性地提供本发明的多种应用场景，本发明的应用场景并非以此为限制，在此不予赘述。
图1示出了根据本发明实施例的派件员代派送识别方法的流程图。派件员代派送识别方法包括如下步骤：
步骤S110：获取预设时间段内被签收的运单数据。
具体而言，预设时间段可以按需设置。例如，可以将预设时间段设置为1天、5天、一周等，本发明并非以此为限制。
具体而言，所获取的运单数据至少包括派件员、派件时间以及收件地址。在一些变化例中，运单数据也可以包括其它数据，例如，包裹类型、派件网点等。
具体而言，步骤S110的具体执行可以参见图2，图2共示出如下步骤：
步骤S111：获取待识别派件员所属的派件节点。
步骤S112：获取该派件节点在预设时间段内被签收的运单数据。
由此，通过上述步骤，以按派件节点执行派件员代派送识别方法，从而实现分布式的识别执行，缓解物流的云端服务器的负载压力。
步骤S120：根据所获取的运单数据确定该预设时间段内待识别派件员的派件数量。
具体而言，步骤S120可以根据运单数据中，派件员的名称或标识，以对预设时间段内该派件员的派件数量进行统计。
步骤S130：将所获取的运单数据输入一派件分类模型，以识别各运单的收件地址是否属于待识别派件员的派件范围。
具体而言，派件分类模型可以根据历史运单数据训练获得。在一些实施例中，历史运单数据为各派件员的历史运单数据，由此，训练获得的派件分类模型可以区分各不同派件员的派件范围，由此，各派件员的派件范围的识别共用所述派件分类模型。换言之，当步骤S130将所获取的运单数据输入该派件分类模型后，该派件分类模型可以输出各运单的收件地址所属的派件员的派件范围，然后，从派件分类模型的输出中，提取属于待识别派件员的派件范围的收件地址的运单，以进行识别。
在另一些实施例中，每一派件员关联一派件分类模型，所述派件分类模型分别根据各派件员的历史运单数据训练获得。换言之，在获取历史运单数据后，将历史运单数据按派件员划分，从而将同一派件员的历史运单数据作为训练数据，以训练一派件分类模型。由此，在该实施例中，步骤S130可以根据待识别派件员，提取根据待识别派件员的历史运单数据训练获得的派件分类模型，将步骤S110中获取的运单数据输入该派件分类模型后，该派件分类模型直接输出运单的收件地址属于待识别派件员的派件范围或者运单的收件地址不属于待识别派件员的派件范围。
具体而言，当各派件员共用派件分类模型时，可以减少派件分类模型对系统的储存需求；当为各派件员训练派件分类模型时，可以加快派件分类模型的输出效率。进一步地，当各派件员共用派件分类模型时，可以由物流公司的云端服务器执行步骤S130的识别步骤，由此，仅需将派件分类模型储存在运单服务器中，即可以调用云端服务器的计算能力，为各派件员执行步骤S130的识别步骤。当为各派件员训练派件分类模型时，可以将各分类模型分布在各派件节点的本地服务器中，由此，各派件节点仅需储存该派件节点的派件员的派件分类模型，实现有效地分类模型的分布式布局和管理。
具体而言，派件分类模型例如可以是任一机器学习模型，也可以是直接根据历史运单数据在地图上的位置，形成的派件范围模型。本发明可以实现更多的变化方式，在此不予赘述。
步骤S140：根据识别结果，确定预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量。
具体而言，步骤S140为步骤S130的统计步骤，步骤S130识别每一运单的收件地址是否属于待识别派件员的派件范围，步骤S140仅需统计运单的收件地址属于待识别派件员的派件范围的派件数量。
步骤S150：当预设时间段内，待识别派件员的派件数量小于等于第一预定阈值，且预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量大于第二预定阈值时，识别所述待识别派件员于该预设时间段内被代派送，所述第一预设阈值小于第二预设阈值。
具体而言，步骤S150用于判断预设时间段内，待识别派件员的派件数量过少，但其派件范围仍有大量运单被派件时，识别所述待识别派件员于该预设时间段内被代派送。进一步地，可以将第一预设阈值设置为接近0或者直接设置为0，以标识该待识别派件员至少在该预设时间段内几乎没有派件。所述第二预设阈值可以根据各派件员的最小日均派件量计算获得。第二预设阈值的设置用于排除部分超范围派送，而非代派送的情况，因此，当运单的收件地址属于待识别派件员的派件范围的派件数量大于各派件员的最小日均派件量时，则可以判断属于待识别派件员的派件范围的运单并非为超范围派送，而应识别为代派送。
具体而言，步骤S150识别所述待识别派件员于该预设时间段内被代派送之后还可以包括如下步骤：将预设时间段内，收件地址属于待识别派件员的派件范围的运单识别为代派运单。由此，可以实现代派运单的自动标记和自动上报，无需代派件的派件员或被代派件的派件员自行进行代派运单的标记和上报。
进一步地，在将预设时间段内，收件地址属于待识别派件员的派件范围的运单识别为代派运单之后还可以包括如下步骤：为各所述代派运单提供原始派件员标记，以使得各所述代派运单关联该待识别派件员，所述原始派件员标记用于执行路由信息的学习。由于待派运单属于突发情况和特殊情况，并非日常发生的事件，因此，对于日常的路由信息的学习会产生错误的引导。因此，可以通过上述步骤还原代派订单的派件员，从而将准确的信息作为学习数据进行路由信息的学习。
在本发明提供的派件员代派送识别方法中，根据获取预设时间段内被签收的运单数据，来确定该预设时间段内待识别派件员的派件数量以及运单的收件地址属于待识别派件员的派件范围的派件数量，同时，根据这两个派件数量与第一预定阈值和第二预定阈值的比较，从而确定派件员于该预设时间段内被代派送，由此，实现派件员的代派行为的是被，避免代派行为带来的错误学习数据，影响包裹的正常流转，降低包裹运输时效，同时便于进行派件数据分析和派件管理调度，以提高派件效率。
在本发明的一些具体实现中，可以首先利用待识别派件员最近5天的历史运单数据，训练一关联该待识别派件员的派件分类模型，以确定近期该待识别派件员的牌价范围，处于该派件范围内的地址，会被派件分类模型识别到该待识别派件员。然后，利用派件分类模型，针对待识别的某天的待识别派件员所在的派件节点的全部已签收运单数据的收件地址进行是被，判断是否属于该待识别派件员的派件范围。具体而言，该天全部的包裹集合可以记为S，运单i∈S，如果运单i由待识别派件员a派送，则记为Qi，a＝1，否则Qi，a＝0。如果运单i由派件分类模型判断属于待识别派件员a的派件范围，则Pi，a＝1，否则Pi，a＝0。若当前待识别派件员a没有派件∑i∈SQi，a＝0，且派件分类模型判断运单的收件地址属于待识别派件员a派件的派件范围的派件数量超过5件(第二预定阈值)，∑i∈SPi，a＞5，则识别该待识别派件员a在该天被代派，且被代派的运单i满足Pi，a＝1∧Qi，a＝0。
下面示意性地提供一个示例，获取派件员A于9月1号至9月5号的运单数据，并训练一派件分类模型，该派件分类模型识别【金虹桥国际中心】属于派件员A的派件范围。获取8月20号的运单数据，根据派件分类模型的识别，其中有10个运单属于派件员A的派件范围【金虹桥国际中心】，但均被派件员B派送。同时，8月20号的运单数据中，派件员A并未派件，由此，根据图1所示的步骤，可以识别处派件员A在8月20号被代派，且8月20号派件至【金虹桥国际中心】的运单皆为代派运单。
以上仅仅是本发明的派件员代派送识别方法的多个具体实现方式，各实现方式可以独立或组合来实现，本发明并非以此为限制。进一步地，本发明的流程图仅仅是示意性地，各步骤之间的执行顺序并非以此为限制，步骤的拆分、合并、顺序交换、其它同步或异步执行的方式皆在本发明的保护范围之内。
下面参见图3，图3示出了根据本发明实施例的派件员代派送识别装置的模块图。派件员代派送识别装置200包括第一获取模块210、第一确定模块220、第一识别模块230、第二确定模块240以及第二识别模块250。
第一获取模块210配置成获取预设时间段内被签收的运单数据；
第一确定模块220配置成根据所获取的运单数据确定该预设时间段内待识别派件员的派件数量；
第一识别模块230配置成将所获取的运单数据输入一派件分类模型，以识别各运单的收件地址是否属于待识别派件员的派件范围；
第二确定模块240配置成根据识别结果，确定预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量；
第二识别模块250配置成预设时间段内，当待识别派件员的派件数量小于等于第一预定阈值，且预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量大于第二预定阈值时，识别所述待识别派件员于该预设时间段内被代派送，所述第一预设阈值小于第二预设阈值。
在本发明的示例性实施方式的派件员代派送识别装置中，根据获取预设时间段内被签收的运单数据，来确定该预设时间段内待识别派件员的派件数量以及运单的收件地址属于待识别派件员的派件范围的派件数量，同时，根据这两个派件数量与第一预定阈值和第二预定阈值的比较，从而确定派件员于该预设时间段内被代派送，由此，实现派件员的代派行为的是被，避免代派行为带来的错误学习数据，影响包裹的正常流转，降低包裹运输时效，同时便于进行派件数据分析和派件管理调度，以提高派件效率。
图3仅仅是示意性的分别示出本发明提供的派件员代派送识别装置200，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的派件员代派送识别装置200可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述派件员代派送识别方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述派件员代派送识别方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图4所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述派件员代派送识别方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述派件员代派送识别方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1至图2任一幅或多幅附图所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通讯，还可与一个或者多个使得租户能与该电子设备500交互的设备通讯，和/或与使得该电子设备500能与一个或多个其它计算设备进行通讯的任何设备(例如路由器、调制解调器等等)通讯。这种通讯可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通讯。网络适配器560可以通过总线530与电子设备500的其它模块通讯。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式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)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述派件员代派送识别方法。
相比现有技术，本发明的优势在于：
本发明根据获取预设时间段内被签收的运单数据，来确定该预设时间段内待识别派件员的派件数量以及运单的收件地址属于待识别派件员的派件范围的派件数量，同时，根据这两个派件数量与第一预定阈值和第二预定阈值的比较，从而确定派件员于该预设时间段内被代派送，由此，实现派件员的代派行为的是被，避免代派行为带来的错误学习数据，影响包裹的正常流转，降低包裹运输时效，同时便于进行派件数据分析和派件管理调度，以提高派件效率。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

Claims (11)

1.一种派件员代派送识别方法，其特征在于，包括：
获取预设时间段内被签收的运单数据；
根据所获取的运单数据确定该预设时间段内待识别派件员的派件数量；
将所获取的运单数据输入一派件分类模型，以识别各运单的收件地址是否属于待识别派件员的派件范围；
根据识别结果，确定预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量；
当预设时间段内，待识别派件员的派件数量小于等于第一预设阈值，且预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量大于第二预设阈值时，识别所述待识别派件员于该预设时间段内被代派送，所述第一预设阈值小于第二预设阈值。
2.如权利要求1所述的派件员代派送识别方法，其特征在于，所述识别所述待识别派件员于该预设时间段内被代派送之后还包括：
将预设时间段内，收件地址属于待识别派件员的派件范围的运单识别为代派运单。
3.如权利要求2所述的派件员代派送识别方法，其特征在于，所述将预设时间段内，收件地址属于待识别派件员的派件范围的运单识别为代派运单之后，还包括：
为各所述代派运单提供原始派件员标记，以使得各所述代派运单关联该待识别派件员，所述原始派件员标记用于执行路由信息的学习。
4.如权利要求1所述的派件员代派送识别方法，其特征在于，所述派件分类模型根据历史运单数据训练获得，各派件员的派件范围的识别共用所述派件分类模型。
5.如权利要求1所述的派件员代派送识别方法，其特征在于，每一派件员关联一派件分类模型，所述派件分类模型分别根据各派件员的历史运单数据训练获得。
6.如权利要求1所述的派件员代派送识别方法，其特征在于，所述获取预设时间段内被签收的运单数据包括：
获取待识别派件员所属的派件节点；
获取该派件节点在预设时间段内被签收的运单数据。
7.如权利要求1至6任一项所述的派件员代派送识别方法，其特征在于，所述第一预设阈值为零。
8.如权利要求1至6任一项所述的派件员代派送识别方法，其特征在于，所述第二预设阈值根据各派件员的最小日均派件量计算获得。
9.一种派件员代派送识别装置，其特征在于，包括：
第一获取模块，配置成获取预设时间段内被签收的运单数据；
第一确定模块，配置成根据所获取的运单数据确定该预设时间段内待识别派件员的派件数量；
第一识别模块，配置成将所获取的运单数据输入一派件分类模型，以识别各运单的收件地址是否属于待识别派件员的派件范围；
第二确定模块，配置成根据识别结果，确定预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量；
第二识别模块，配置成当预设时间段内，待识别派件员的派件数量小于等于第一预设阈值，且预设时间段内，运单的收件地址属于待识别派件员的派件范围的派件数量大于第二预设阈值时，识别所述待识别派件员于该预设时间段内被代派送，所述第一预设阈值小于第二预设阈值。
10.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行：
如权利要求1至8任一项所述的派件员代派送识别方法。
11.一种存储介质，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行：
如权利要求1至8任一项所述的派件员代派送识别方法。
CN202011373636.2A 2020-11-30 2020-11-30 派件员代派送识别方法、装置、设备以及存储介质 Active CN112488195B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011373636.2A CN112488195B (zh) 2020-11-30 2020-11-30 派件员代派送识别方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011373636.2A CN112488195B (zh) 2020-11-30 2020-11-30 派件员代派送识别方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN112488195A CN112488195A (zh) 2021-03-12
CN112488195B true CN112488195B (zh) 2024-04-19

Family

ID=74937320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011373636.2A Active CN112488195B (zh) 2020-11-30 2020-11-30 派件员代派送识别方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN112488195B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052513B (zh) * 2021-05-13 2024-03-26 上海寻梦信息技术有限公司 构建地址分类模型的方法、地址分类方法及相关设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018076990A1 (zh) * 2016-10-26 2018-05-03 北京京东尚科信息技术有限公司 货物集中派送方法、装置、介质和电子设备
JP2018169708A (ja) * 2017-03-29 2018-11-01 日本電気株式会社 店舗端末、サーバ装置、検品方法、納品情報管理方法、およびプログラム
CN109934508A (zh) * 2019-03-21 2019-06-25 深圳市丰巢科技有限公司 基于大数据的柜机选址方法、装置、服务器和存储介质
CN110097319A (zh) * 2019-05-08 2019-08-06 深圳市丰巢科技有限公司 快递派单信息发送的方法、装置、存储介质及快递柜
CN110245864A (zh) * 2019-06-14 2019-09-17 上海中通吉网络技术有限公司 快件处理方法、装置和巴枪
CN110766351A (zh) * 2019-06-21 2020-02-07 深圳市赛亿科技开发有限公司 一种快递员收派件监控方法及系统
CN111008797A (zh) * 2018-10-08 2020-04-14 菜鸟智能物流控股有限公司 物流对象管理方法和装置
CN111325370A (zh) * 2018-12-13 2020-06-23 顺丰科技有限公司 派件任务分配方法、装置、设备及存储介质
CN111523433A (zh) * 2020-04-17 2020-08-11 上海中通吉网络技术有限公司 快件末端地址的标准化处理方法、装置和设备
CN111815239A (zh) * 2020-07-14 2020-10-23 上海燕汐软件信息科技有限公司 错误补码订单统计方法、装置及计算机可读存储介质
CN111915256A (zh) * 2020-07-31 2020-11-10 上海寻梦信息技术有限公司 构建派件围栏的方法、异地签收识别方法及相关设备
CN111950803A (zh) * 2020-08-24 2020-11-17 上海寻梦信息技术有限公司 物流对象送达时间预测方法、装置、电子设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018076990A1 (zh) * 2016-10-26 2018-05-03 北京京东尚科信息技术有限公司 货物集中派送方法、装置、介质和电子设备
JP2018169708A (ja) * 2017-03-29 2018-11-01 日本電気株式会社 店舗端末、サーバ装置、検品方法、納品情報管理方法、およびプログラム
CN111008797A (zh) * 2018-10-08 2020-04-14 菜鸟智能物流控股有限公司 物流对象管理方法和装置
CN111325370A (zh) * 2018-12-13 2020-06-23 顺丰科技有限公司 派件任务分配方法、装置、设备及存储介质
CN109934508A (zh) * 2019-03-21 2019-06-25 深圳市丰巢科技有限公司 基于大数据的柜机选址方法、装置、服务器和存储介质
CN110097319A (zh) * 2019-05-08 2019-08-06 深圳市丰巢科技有限公司 快递派单信息发送的方法、装置、存储介质及快递柜
CN110245864A (zh) * 2019-06-14 2019-09-17 上海中通吉网络技术有限公司 快件处理方法、装置和巴枪
CN110766351A (zh) * 2019-06-21 2020-02-07 深圳市赛亿科技开发有限公司 一种快递员收派件监控方法及系统
CN111523433A (zh) * 2020-04-17 2020-08-11 上海中通吉网络技术有限公司 快件末端地址的标准化处理方法、装置和设备
CN111815239A (zh) * 2020-07-14 2020-10-23 上海燕汐软件信息科技有限公司 错误补码订单统计方法、装置及计算机可读存储介质
CN111915256A (zh) * 2020-07-31 2020-11-10 上海寻梦信息技术有限公司 构建派件围栏的方法、异地签收识别方法及相关设备
CN111950803A (zh) * 2020-08-24 2020-11-17 上海寻梦信息技术有限公司 物流对象送达时间预测方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
不确定风险下快递末端共同配送问题的博弈分析;于晓辉等;《模糊系统与数学》;20191015;第33卷(第05期);152-165 *

Also Published As

Publication number Publication date
CN112488195A (zh) 2021-03-12

Similar Documents

Publication Publication Date Title
CN109241772B (zh) 发票区块链记录方法、装置、区块链网关服务器和介质
CN112184115A (zh) 物流预警方法、物流推荐方法、装置及相关设备
CN110688536A (zh) 一种标签预测方法、装置、设备和存储介质
CN112488195B (zh) 派件员代派送识别方法、装置、设备以及存储介质
CN111967808B (zh) 确定物流对象收货方式的方法、装置、电子设备及存储介质
CN116569118A (zh) 信息管理方法及装置
CN115237724A (zh) 基于人工智能的数据监控方法、装置、设备及存储介质
CN113011664B (zh) 物流时效监控方法、装置、电子设备及存储介质
CN111915256B (zh) 构建派件围栏的方法、异地签收识别方法及相关设备
CN113011672B (zh) 物流时效预测方法、装置、电子设备及存储介质
CN112288362B (zh) 包裹重投递方法、包裹投递方法以及相关设备
CN112488624A (zh) 物流路由信息计算方法、装置、设备以及存储介质
CN113034076A (zh) 物流承运对象推荐方法、装置、电子设备和存储介质
CN116934246A (zh) 申报项目资料审核方法、装置、设备及可读存储介质
CN110362627A (zh) 基于区块链的业务分析方法及装置、电子设备、存储介质
CN113360556B (zh) 一种数据处理方法、装置、设备和存储介质
CN112132500B (zh) 构建派件围栏的方法、超派运单的识别方法及相关设备
CN111144091B (zh) 客服成员的确定方法、装置以及群成员身份的确定方法
CN113011665A (zh) 物流时效预测方法、装置、设备及存储介质
CN113283792A (zh) 隐私信息的查询方法、装置、设备及存储介质
CN113052513B (zh) 构建地址分类模型的方法、地址分类方法及相关设备
CN116882860B (zh) 运输车辆调度方法、装置、电子设备和可读介质
CN113191455B (zh) 边缘计算盒子选举方法、装置、电子设备及介质
US20210390145A1 (en) Document routing based on document contents
CN116167678A (zh) 物流分拣方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant