CN112818192A - 服务对象聚类方法、装置、存储介质和电子设备 - Google Patents
服务对象聚类方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112818192A CN112818192A CN201911122461.5A CN201911122461A CN112818192A CN 112818192 A CN112818192 A CN 112818192A CN 201911122461 A CN201911122461 A CN 201911122461A CN 112818192 A CN112818192 A CN 112818192A
- Authority
- CN
- China
- Prior art keywords
- service
- similarity
- waybill
- objects
- clustering
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Library & Information Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种服务对象聚类方法、装置、存储介质和电子设备,以解决相关技术中对服务对象进行聚类的依据较为单一,聚类的准确度低的技术问题,该方法包括:根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定该每两个服务对象的运单服务相似度,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。能够以服务对象相关的配送运力和实际距离为依据,确定服务对象所接受的运单服务过程的相似度,进而根据该相似度对服务对象进行聚类,提高运单服务对象聚类的精确度,进而提高运单服务管理的有效性。
Description
技术领域
本公开涉及数据管理领域,具体地,涉及一种服务对象聚类方法、装置、存储介质和电子设备。
背景技术
众包配送任务(例如,外卖配送、网约车和同城物流等)平台中业务管理和系统优化的过程中,需要对管理单元(或称服务对象,包括服务需求方和货物提供方)进行聚类,并根据不同的聚类对服务对象进行运力配置和配送管理。
发明内容
本公开的主要目的是提供一种服务对象聚类方法、装置、存储介质和电子设备,以解决相关技术中对服务对象进行聚类的依据较为单一,聚类的准确度低的技术问题。
为了实现上述目的,本公开第一方面提供一种服务对象聚类方法,所述方法包括:
根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定所述每两个服务对象的运单服务相似度,所述运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;
根据所述运单服务相似度对所述预设范围内的多个服务对象进行聚类。
可选的,所述根据每两个服务对象之间的运力重合度和实际距离确定所述每两个服务对象的运单服务相似度,包括:
根据目标运送者为两个目标服务对象提供的运单服务的第一次数和所述两个目标服务对象接受的运单服务的第二次数确定所述运力重合度,所述目标运送者为两个目标服务对象提供过运单服务的运送者,所述两个目标服务对象为所述预设范围内的任意两个服务对象;
根据所述运力重合度与所述实际距离确定所述运单服务相似度。
可选的,所述根据目标运送者为两个目标服务对象提供的运单服务的第一次数和所述两个目标服务对象接受的运单服务的第二次数确定所述运力重合度,包括:
确定同时为所述两个目标服务对象提供过运单服务的一个或多个目标运送者;
获取所述一个或多个目标运送者在预设时间段内为所述两个目标服务对象提供的运单服务的总次数,作为所述第一次数;
获取所述两个目标服务对象在所述预设时间段内接受的运单服务的总次数,作为第二次数;
获取所述第一次数和所述第二次数的比值,作为所述运力重合度。
可选的,所述根据所述运力重合度与所述实际距离确定所述运单服务相似度,包括:
根据所述运力重合度与所述实际距离,以及所述运力重合度与所述实际距离相对于所述两个目标服务对象的相似度权重,确定所述运单服务相似度。
可选的,所述根据所述运力重合度与所述实际距离,以及所述运力重合度与所述实际距离相对于所述两个目标服务对象的相似度权重,确定所述运单服务相似度,包括:
根据所述两个目标服务对象在预设时间段内的每个运单的运单信息,确定所述运力重合度相对于所述运单服务相似度的第一相似度权重,以及,所述实际距离相对于所述运单服务相似度的第二相似度权重;
根据所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离,确定所述运单服务相似度。
可选的,所述根据所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离,确定所述运单服务相似度,包括:
将所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离作为预设的相似度计算公式的输入,以获取所述相似度计算公式输出的所述运单服务相似度;其中,
所述相似度计算公式表示为:
D=α*Dis+β*(1-Overlap),
其中,所述D为所述运单服务相似度,所述α为所述第一相似度权重,所述β为所述第二相似度权重,所述Dis为所述实际距离,所述Overlap为所述运力重合度。
可选的,所述根据所述运单服务相似度对所述预设范围内的多个服务对象进行聚类,包括:
将预设的聚类参数和所述运单服务相似度作为预设的聚类算法的输入,以获取所述聚类算法输出的所述多个服务对象的聚类结果。
本公开第二方面提供一种服务对象聚类装置,所述装置包括:
相似度确定模块,用于根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定所述每两个服务对象的运单服务相似度,所述运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;
对象聚类模块,用于根据所述运单服务相似度对所述预设范围内的多个服务对象进行聚类。
可选的,所述相似度确定模块,用于:
根据目标运送者为两个目标服务对象提供的运单服务的第一次数和所述两个目标服务对象接受的运单服务的第二次数确定所述运力重合度,所述目标运送者为两个目标服务对象提供过运单服务的运送者,所述两个目标服务对象为所述预设范围内的任意两个服务对象;
根据所述运力重合度与所述实际距离确定所述运单服务相似度。
可选的,所述相似度确定模块,用于:
确定同时为所述两个目标服务对象提供过运单服务的一个或多个目标运送者;
获取所述一个或多个目标运送者在预设时间段内为所述两个目标服务对象提供的运单服务的总次数,作为所述第一次数;
获取所述两个目标服务对象在所述预设时间段内接受的运单服务的总次数,作为第二次数;
获取所述第一次数和所述第二次数的比值,作为所述运力重合度。
可选的,所述相似度确定模块,用于:
根据所述运力重合度与所述实际距离,以及所述运力重合度与所述实际距离相对于所述两个目标服务对象的相似度权重,确定所述运单服务相似度。
可选的,所述相似度确定模块,用于:
根据所述两个目标服务对象在预设时间段内的每个运单的运单信息,确定所述运力重合度相对于所述运单服务相似度的第一相似度权重,以及,所述实际距离相对于所述运单服务相似度的第二相似度权重;
根据所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离,确定所述运单服务相似度。
可选的,所述相似度确定模块,用于:
将所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离作为预设的相似度计算公式的输入,以获取所述相似度计算公式输出的所述运单服务相似度;其中,
所述相似度计算公式表示为:
D=α*Dis+β*(1-Overlap),
其中,所述D为所述运单服务相似度,所述α为所述第一相似度权重,所述β为所述第二相似度权重,所述Dis为所述实际距离,所述Overlap为所述运力重合度。
可选的,对象聚类模块,用于:
将预设的聚类参数和所述运单服务相似度作为预设的聚类算法的输入,以获取所述聚类算法输出的所述多个服务对象的聚类结果。
本公开第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的服务对象聚类方法的步骤。
本公开第四方面提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面所述的服务对象聚类方法的步骤。
采用本公开提供的技术方案,至少可以达到如下技术效果:
根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定该每两个服务对象的运单服务相似度,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。能够以服务对象相关的配送运力和实际距离为依据,确定服务对象所接受的运单服务过程的相似度,进而根据该相似度对服务对象进行聚类,提高运单服务对象聚类的精确度,进而提高运单服务管理的有效性。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种服务对象聚类方法的流程图;
图2是根据图1示出的一种确定运单服务相似度的方法的流程图;
图3是根据一示例性实施例示出的一种服务对象聚类装置的框图;
图4是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
针对于众包配送任务的管理,在相关技术中,通常会使用类似地理围栏的方法,或者通过地理位置聚类的策略对服务对象进行类别划分。具体地,可以提取服务对象的关键地理位置(比如服务需求方的位置,或者货物提供方的位置),并以此为依据进行聚类。聚类之后直接形成一个具体的、地理分割的结果,通常以“配送区”和“站点”等形式来进行表述。但是上述方式的地理属性约束太强,即,聚类划分结果的最终表现形式是一个空间上的划分。但是,在实际的应用中,并非空间维度上的相近就一定代表服务对象在运单服务方面的相似。例如,位于一条道路两侧的商户的距离可能非常近,但是由于其从属于不同的商场,其具体特性体现在配送任务上可能会存在较大差异。另一方面,在众包配送的场景中,由于不同运力服务提供方对配送人员的组织形式和管理模式不同,运力服务的提供情况也不相同(针对于某些运力服务提供方,配送人员并不直接感知货物提供方平台对区域的聚类划分,因此,配送人员会自发地形成一些针对于服务对象的服务习惯和偏好)。但是,通过现有方式进行聚类的过程中很少以运力服务提供方为主要依据,缺乏对于运力服务供给方服务习惯和偏好的考量。
发明人注意到这一问题,提出了一种服务对象聚类方法,具体如下:
图1是根据一示例性实施例示出的一种服务对象聚类方法的流程图,如图1所示,该方法包括以下步骤:
步骤101,根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定上述每两个服务对象的运单服务相似度。
其中,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度。
示例地,该预设范围可以为业务平台管理方指定的需要进行服务对象聚类的区域,该服务对象可以为服务需求方或者货物提供方。例如,针对于外卖众包配送平台,该服务需求方为外卖用户,该货物提供方为外卖商家。可以理解的是,聚类过程只针对于服务需求方和货物提供方中的一者。以外卖商家为例,该运力重合度为商家之间运力相似性的度量。示例地,该运力重合度可以理解为,例如,运送者本身的重合度、运送路线的重合度、送达地点的重合度。以运送者本身的重合度为例,该运力重合度可以理解为,为两个外卖商家都提供过运单服务的运送者的订单数量占所有两个外卖商家使用过的所有运送服务的订单总数量的比例。该实际距离为两个外卖商家实际地理位置之间的距离。将两个外卖商家的该运力重合度和实际距离相结合,既可以确定两个外卖商家所接受到的运送服务过程的相似度(即运单服务相似度)。此处的运单服务过程可以理解为在一段时间内外卖商家接受的每次运单服务的累积。
步骤102,根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。
示例地,在确定该运单服务相似度后,可以根据预先设置的聚类算法和相应的聚类参数对多个服务对象进行聚类。具体地,该聚类算法可以为K-medoids算法、K-Means算法、均值漂移聚类算法和凝聚层次聚类算法等聚类算法中的任意一种。以上述的K-medoids算法为例,该算法采用单一聚类参数,并且只依赖于距离度量而无需绝对坐标(实际该运单服务相似度在统计学上也是一种距离度量),稳定性较高。该聚类参数为根据业务平台的业务规模和管理需要设定的聚类K值参数。具体地,该步骤102,可以包括:将每两个服务对象的运单服务相似度作为具备上述聚类K值参数的K-medoids算法的输入,既可以获取到该K-medoids算法输出的多个服务对象的聚类结果。
示例地,在输出聚类结果后,业务平台管理方可以根据实际的地理距离对聚类结果进行进一步的约束,即对聚类结果中,距离过远、过于独立的服务对象进行调整。以及,对所有服务对象的动态(包括开业、停业、新签以及退出等)进行检测,进而对聚类结果进行进一步的调整,最终得到准确度较高的服务对象聚类结果。
综上所述,本公开的实施例所提供的技术方案,能够根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定该每两个服务对象的运单服务相似度,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。能够以服务对象相关的配送运力和实际距离为依据,确定服务对象所接受的运单服务过程的相似度,进而根据该相似度对服务对象进行聚类,提高运单服务对象聚类的精确度,进而提高运单服务管理的有效性。
图2是根据图1示出的一种确定运单服务相似度的方法的流程图,如图2所示,该步骤101包括以下步骤中的至少一个:
步骤1011,根据目标运送者为两个目标服务对象提供的运单服务的第一次数和上述两个目标服务对象接受的运单服务的第二次数确定该运力重合度。
其中,该目标运送者为两个目标服务对象提供过运单服务的运送者,上述两个目标服务对象为该预设范围内的任意两个服务对象。
示例地,该步骤1011包括:确定同时为上述两个目标服务对象提供过运单服务的一个或多个目标运送者;获取该一个或多个目标运送者在预设时间段内为上述两个目标服务对象提供的运单服务的总次数,作为该第一次数;获取上述两个目标服务对象在该预设时间段内接受的运单服务的总次数,作为第二次数;获取该第一次数和该第二次数的比值,作为该运力重合度。
依然以外卖商家为例,假设在预设时间段,例如,一天内,有3个运送者,例如,骑手,为两个目标服务对象,例如,外卖商家X和外卖商家Y,提供过运单服务。其中,目标运送者,例如,骑手A,为两个外卖商家都提供过服务,服务次数为30;另一目标运送着,例如,骑手B,也为两个外卖商家都提供过服务,服务次数为20;骑手C(不是目标运送者)仅为外卖商家Y提供过10次运单服务。如此,针对于该外卖商家X和该外卖商家Y,目标运送者为两个目标服务对象提供的运单服务的第一次数为30+20=50,该第二次数为30+20+10=60,进而可以确定该外卖商家X和该外卖商家Y之间的运力重合度为5/6。
步骤1012,根据该运力重合度与该实际距离确定该运单服务相似度。
示例地,可以理解的是,该运力重合度和该实际距离决定了该运单服务相似度的大小,但是,在该运单服务相似度计算过程中,该运力重合度和该实际距离相对于计算结果所占的权重可能是不同的。因此,该步骤1012可以包括:根据该运力重合度与该实际距离,以及该运力重合度与该实际距离相对于该两个目标服务对象的相似度权重,确定该运单服务相似度。
示例地,可以根据两个目标服务对象在一段时间内的实际的运单处理情况,分别确定该运力重合度和该实际距离对应的权重,具体地,该步骤1012可以包括:根据该两个目标服务对象在预设时间段内的每个运单的运单信息,确定该运力重合度相对于该运单服务相似度的第一相似度权重,以及,该实际距离相对于该运单服务相似度的第二相似度权重;根据该第一相似度权重、该第二相似度权重、该运力重合度与该实际距离,确定该运单服务相似度。
示例地,在一种实施例中,可以通过公式实现上述步骤。具体地,可以将预先设置的第一相似度权重和第二相似度权重以及该实际距离和该运力重合度作为该相似度计算公式的输入,以获取该相似度计算公式输出的该运单服务相似度;其中,该相似度计算公式表示为下列公式(1):
D=α*Dis+β*(1-Overlap) (1),
其中,该D为该运单服务相似度,该α为该第一相似度权重,该β为该第二相似度权重,该Dis为该实际距离,该Overlap为该运力重合度。
示例地,在该公式中该第一相似度权重α和该第二相似度权重β为业务平台管理方根据该预设区域的实际情况设定的该实际距离和该运力重合度在该运单服务相似度的计算中所占的权重。将该第一相似度权重、该第二相似度权重、(根据两个外卖商家之间的实际地理坐标确定的)该实际距离以及该运力重合度作为该公式(1)的输入,即可获取到该公式(1)输出的运单服务相似度。
综上所述,本公开的实施例所提供的技术方案,能够根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定该每两个服务对象的运单服务相似度,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。能够以服务对象相关的配送运力和实际距离为依据,确定服务对象所接受的运单服务过程的相似度,进而根据该相似度对服务对象进行聚类,提高运单服务对象聚类的精确度,进而提高运单服务管理的有效性。
图3是根据一示例性实施例示出的一种服务对象聚类装置的框图,如图3所示,该装置300可以包括:
相似度确定模块310,用于根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定上述每两个服务对象的运单服务相似度,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;
对象聚类模块320,用于根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。
综上所述,本公开的实施例所提供的技术方案,能够根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定该每两个服务对象的运单服务相似度,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。能够以服务对象相关的配送运力和实际距离为依据,确定服务对象所接受的运单服务过程的相似度,进而根据该相似度对服务对象进行聚类,提高运单服务对象聚类的精确度,进而提高运单服务管理的有效性。
可选的,该相似度确定模块310,可以用于:
根据目标运送者为两个目标服务对象提供的运单服务的第一次数和上述两个目标服务对象接受的运单服务的第二次数确定该运力重合度,该目标运送者为两个目标服务对象提供过运单服务的运送者,上述两个目标服务对象为该预设范围内的任意两个服务对象;
通过预设的相似度计算公式根据该运力重合度与该实际距离确定该运单服务相似度。
可选的,该相似度确定模块310,可以用于:
确定同时为上述两个目标服务对象提供过运单服务的一个或多个目标运送者;
获取该一个或多个目标运送者在预设时间段内为上述两个目标服务对象提供的运单服务的总次数,作为该第一次数;
获取上述两个目标服务对象在该预设时间段内接受的运单服务的总次数,作为第二次数;
获取该第一次数和该第二次数的比值,作为该运力重合度。
可选的,该相似度确定模块310,用于:
根据该运力重合度与该实际距离,以及该运力重合度与该实际距离相对于该两个目标服务对象的相似度权重,确定该运单服务相似度。
可选的,该相似度确定模块310,用于:
根据该两个目标服务对象在预设时间段内的每个运单的运单信息,确定该运力重合度相对于该运单服务相似度的第一相似度权重,以及,该实际距离相对于该运单服务相似度的第二相似度权重;
根据该第一相似度权重、该第二相似度权重、该运力重合度与该实际距离,确定该运单服务相似度。
可选的,该相似度确定模块310,用于:
将该第一相似度权重、该第二相似度权重、该运力重合度与该实际距离作为预设的相似度计算公式的输入,以获取该相似度计算公式输出的该运单服务相似度;其中,
该相似度计算公式表示为:
D=α*Dis+β*(1-Overlap),
其中,该D为该运单服务相似度,该α为该第一相似度权重,该β为该第二相似度权重,该Dis为该实际距离,该Overlap为该运力重合度。
可选的,该对象聚类模块320,用于:
将预设的聚类参数和该运单服务相似度作为预设的聚类算法的输入,以获取该聚类算法输出的上述多个服务对象的聚类结果。
综上所述,本公开的实施例所提供的技术方案,能够根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定该每两个服务对象的运单服务相似度,该运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;根据该运单服务相似度对该预设范围内的多个服务对象进行聚类。能够以服务对象相关的配送运力和实际距离为依据,确定服务对象所接受的运单服务过程的相似度,进而根据该相似度对服务对象进行聚类,提高运单服务对象聚类的精确度,进而提高运单服务管理的有效性。
示例地,图4是根据一示例性实施例示出的一种电子设备400的框图。参照图4,电子设备400包括处理器401,其数量可以为一个或多个,以及存储器402,用于存储可由处理器401执行的计算机程序。存储器402中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器401可以被配置为执行该计算机程序,以执行上述的服务对象聚类方法。
另外,电子设备400还可以包括电源组件403和通信组件404,该电源组件403可以被配置为执行电子设备400的电源管理,该通信组件404可以被配置为实现电子设备400的通信,例如,有线或无线通信。此外,该电子设备400还可以包括输入/输出(I/O)接口405。电子设备400可以操作基于存储在存储器402的操作系统,例如Windows ServerTM,Mac OSXTM,UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的服务对象聚类方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器402,上述程序指令可由电子设备400的处理器401执行以完成上述的服务对象聚类方法。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
Claims (10)
1.一种服务对象聚类方法,其特征在于,所述方法包括:
根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定所述每两个服务对象的运单服务相似度,所述运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;
根据所述运单服务相似度对所述预设范围内的多个服务对象进行聚类。
2.根据权利要求1所述的方法,其特征在于,所述根据每两个服务对象之间的运力重合度和实际距离确定所述每两个服务对象的运单服务相似度,包括:
根据目标运送者为两个目标服务对象提供的运单服务的第一次数和所述两个目标服务对象接受的运单服务的第二次数确定所述运力重合度,所述目标运送者为两个目标服务对象提供过运单服务的运送者,所述两个目标服务对象为所述预设范围内的任意两个服务对象;
根据所述运力重合度与所述实际距离确定所述运单服务相似度。
3.根据权利要求2所述的方法,其特征在于,所述根据目标运送者为两个目标服务对象提供的运单服务的第一次数和所述两个目标服务对象接受的运单服务的第二次数确定所述运力重合度,包括:
确定同时为所述两个目标服务对象提供过运单服务的一个或多个目标运送者;
获取所述一个或多个目标运送者在预设时间段内为所述两个目标服务对象提供的运单服务的总次数,作为所述第一次数;
获取所述两个目标服务对象在所述预设时间段内接受的运单服务的总次数,作为第二次数;
获取所述第一次数和所述第二次数的比值,作为所述运力重合度。
4.根据权利要求2所述的方法,其特征在于,所述根据所述运力重合度与所述实际距离确定所述运单服务相似度,包括:
根据所述运力重合度与所述实际距离,以及所述运力重合度与所述实际距离相对于所述两个目标服务对象的相似度权重,确定所述运单服务相似度。
5.根据权利要求4所述的方法,其特征在于,所述根据所述运力重合度与所述实际距离,以及所述运力重合度与所述实际距离相对于所述两个目标服务对象的相似度权重,确定所述运单服务相似度,包括:
根据所述两个目标服务对象在预设时间段内的每个运单的运单信息,确定所述运力重合度相对于所述运单服务相似度的第一相似度权重,以及,所述实际距离相对于所述运单服务相似度的第二相似度权重;
根据所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离,确定所述运单服务相似度。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离,确定所述运单服务相似度,包括:
将所述第一相似度权重、所述第二相似度权重、所述运力重合度与所述实际距离作为预设的相似度计算公式的输入,以获取所述相似度计算公式输出的所述运单服务相似度;其中,
所述相似度计算公式表示为:
D=α*Dis+β*(1-Overlap),
其中,所述D为所述运单服务相似度,所述α为所述第一相似度权重,所述β为所述第二相似度权重,所述Dis为所述实际距离,所述Overlap为所述运力重合度。
7.根据权利要求1所述的方法,其特征在于,所述根据所述运单服务相似度对所述预设范围内的多个服务对象进行聚类,包括:
将预设的聚类参数和所述运单服务相似度作为预设的聚类算法的输入,以获取所述聚类算法输出的所述多个服务对象的聚类结果。
8.一种服务对象聚类装置,其特征在于,所述装置包括:
相似度确定模块,用于根据预设范围内的每两个服务对象之间的运力重合度和实际距离确定所述每两个服务对象的运单服务相似度,所述运力重合度用于表征为两个服务对象提供运单服务的运送者的重合度;
对象聚类模块,用于根据所述运单服务相似度对所述预设范围内的多个服务对象进行聚类。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7中任一项所述的服务对象聚类方法的步骤。
10.一种电子设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1至7中任一项所述服务对象聚类方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911122461.5A CN112818192B (zh) | 2019-11-15 | 2019-11-15 | 服务对象聚类方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911122461.5A CN112818192B (zh) | 2019-11-15 | 2019-11-15 | 服务对象聚类方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112818192A true CN112818192A (zh) | 2021-05-18 |
CN112818192B CN112818192B (zh) | 2023-04-07 |
Family
ID=75851926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911122461.5A Active CN112818192B (zh) | 2019-11-15 | 2019-11-15 | 服务对象聚类方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112818192B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300655A1 (en) * | 2015-09-30 | 2018-10-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for obtaining demand-transport capacity unmatched region in car-calling services, an apparatus and non-volatile computer storage medium |
CN109003107A (zh) * | 2017-06-06 | 2018-12-14 | 北京嘀嘀无限科技发展有限公司 | 区域划分方法及装置 |
CN109447555A (zh) * | 2018-11-05 | 2019-03-08 | 北京顺丰同城科技有限公司 | 一种运单分派方法及分配装置 |
CN109858858A (zh) * | 2019-01-21 | 2019-06-07 | 中国人民解放军陆军工程大学 | 一种地下物流网络节点分级与选址系统及方法 |
CN110348678A (zh) * | 2019-05-31 | 2019-10-18 | 口碑(上海)信息技术有限公司 | 配送资源的调度及针对菜品配送的资源调度方法及装置 |
-
2019
- 2019-11-15 CN CN201911122461.5A patent/CN112818192B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300655A1 (en) * | 2015-09-30 | 2018-10-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for obtaining demand-transport capacity unmatched region in car-calling services, an apparatus and non-volatile computer storage medium |
CN109003107A (zh) * | 2017-06-06 | 2018-12-14 | 北京嘀嘀无限科技发展有限公司 | 区域划分方法及装置 |
CN109447555A (zh) * | 2018-11-05 | 2019-03-08 | 北京顺丰同城科技有限公司 | 一种运单分派方法及分配装置 |
CN109858858A (zh) * | 2019-01-21 | 2019-06-07 | 中国人民解放军陆军工程大学 | 一种地下物流网络节点分级与选址系统及方法 |
CN110348678A (zh) * | 2019-05-31 | 2019-10-18 | 口碑(上海)信息技术有限公司 | 配送资源的调度及针对菜品配送的资源调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112818192B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8880097B1 (en) | Systems and methods for statistically associating mobile devices to households | |
CN109003028B (zh) | 用于划分物流区域的方法和装置 | |
CN108960694B (zh) | 配送区域确定方法和装置 | |
Cabral et al. | Cluster analysis of the competitiveness of container ports in Brazil | |
US8542637B2 (en) | Clustering crowd-sourced data for determining beacon positions | |
CN110503353B (zh) | 一种配送区域表达方法及装置 | |
US20120084118A1 (en) | Sales predication for a new store based on on-site market survey data and high resolution geographical information | |
CN106372821A (zh) | 确定服务站点信息的方法及装置 | |
CN110008414B (zh) | 地理信息点的确定方法和装置 | |
US20170249582A1 (en) | Intermodal delivery optimization | |
CN110544055B (zh) | 订单处理方法和装置 | |
JP7285521B2 (ja) | 類似のモバイル装置を予測するためのシステムと方法 | |
CN113780956B (zh) | 物流运费生成方法、装置、设备及存储介质 | |
CN111047264B (zh) | 一种物流任务分配方法及装置 | |
CN109214732A (zh) | 物流对象选择、确定物流线路过载的方法及装置、设备 | |
CN110858347A (zh) | 一种用于物流配送分单的方法和装置 | |
CN110751531A (zh) | 轨迹识别方法、装置及电子设备 | |
CN112950119A (zh) | 即时物流订单拆分方法、装置、设备及存储介质 | |
Bender et al. | Districting for parcel delivery services–A two-Stage solution approach and a real-World case study | |
CN112818192B (zh) | 服务对象聚类方法、装置、存储介质和电子设备 | |
CN111898624B (zh) | 定位信息的处理方法、装置、设备及存储介质 | |
CN112215453A (zh) | 一种库存信息处理方法、装置、电子设备及存储介质 | |
Massobrio et al. | A parallel micro evolutionary algorithm for taxi sharing optimization | |
CN112884189A (zh) | 订单量预测模型的训练方法、装置以及设备 | |
CN113495845B (zh) | 数据测试方法、装置、电子设备及存储介质 |
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 |