CN112907191A - 配送时间生成方法、装置、计算机设备及可读存储介质 - Google Patents
配送时间生成方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN112907191A CN112907191A CN202110309940.9A CN202110309940A CN112907191A CN 112907191 A CN112907191 A CN 112907191A CN 202110309940 A CN202110309940 A CN 202110309940A CN 112907191 A CN112907191 A CN 112907191A
- Authority
- CN
- China
- Prior art keywords
- track
- historical
- hotspot
- distribution
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000002360 preparation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请公开了一种配送时间生成方法、装置、计算机设备及可读存储介质，涉及互联网技术领域，利用平台中记录的历史轨迹数据，确定预备热点，对两点间的多个历史配送时间进行中位值统计输出预估配送时间，结合历史轨迹数据中存在的规律确定配送时间，当路径发生更新时能够将更新内容快速体现在配送时间上，降低配送时间的误差，提升准确性。所述方法包括：确定第一目标热点和第二目标热点；在多个历史轨迹数据中获取第一目标热点和第二目标热点之间的多个目标轨迹数据，确定多个目标轨迹数据的多个历史配送时间；对多个历史配送时间进行中位值统计，得到统计结果，将统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间。
Description
技术领域
本申请涉及互联网技术领域，特别是涉及一种配送时间生成方法、装置、计算机设备及可读存储介质。
背景技术
随着互联网技术的不断发展，在多数服务性产业中，用户对体验度的要求越来越高，使得终端能够为用户提供的服务越来越多，比如外卖行业已经成为人们日常生活的重要组成部分，外卖行业让人们可以足不出户就享受消费和服务。在现如今的外卖行业中，很多提供外卖服务的平台中都配备有配送人员，用户在平台中下单后，平台会将订单指派给一位配送人员，由该配送人员去到商家拿取货物并送到用户手中。而考虑到配送人员进行订单的配送是需要一段时间的，因此，目前平台会对配送人员配送当前订单所消耗的时间进行预估，生成配送时间，将配送时间展示给用户以供参考，或者基于生成的配送时间对配送人员进行考核、为商家确定配送范围等等。
相关技术中，平台会确定订单中商家所处的位置与配送地址之间的距离，结合标准的骑行速度以及步行速度，计算配送人员的骑行时间以及步行时间，将骑行时间和步行时间的总和作为生成的配送时间。
在实现本申请的过程中，申请人发现相关技术至少存在以下问题：
配送人员在实际配送的过程中所经过的路段可能修路，或者路段已经改变了，会影响配送人员实际运行轨迹以及实际的运行速度，导致生成的配送时间存在较大的误差，准确性低，影响餐饮服务的智能化进程。
发明内容
有鉴于此，本申请提供了一种配送时间生成方法、装置、计算机设备及可读存储介质，主要目的在于解决目前生成的配送时间存在较大的误差，准确性低，影响餐饮服务的智能化进程的问题。
依据本申请第一方面，提供了一种配送时间生成方法，该方法包括：
确定第一目标热点和第二目标热点，其中，所述第一目标热点和所述第二目标热点是多个预备热点中之间存在轨迹的任意两个预备热点，所述多个预备热点基于多个历史轨迹数据确定；
在所述多个历史轨迹数据中获取所述第一目标热点和所述第二目标热点之间的多个目标轨迹数据，确定所述多个目标轨迹数据的多个历史配送时间；
对所述多个历史配送时间进行中位值统计，得到统计结果，将所述统计结果指示的历史配送时间作为所述第一目标热点和所述第二目标热点之间的预估配送时间。
可选地，所述方法还包括：
确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹起点和轨迹终点，得到多个轨迹起点和多个轨迹终点；
分别确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹转折点，得到多个轨迹转折点；
将所述多个轨迹起点、所述多个轨迹终点以及所述多个轨迹转折点作为所述多个预备热点。
可选地，所述分别确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹转折点，包括：
对于所述多个历史轨迹数据中每个历史轨迹数据，确定构成所述历史轨迹数据的多个轨迹点；
查询所述多个轨迹点中每个轨迹点在所述历史轨迹数据上的两个相邻轨迹点，确定所述每个轨迹点与所述两个相邻轨迹点之间的两个运动方向；
在所述多个轨迹点中确定所述两个运动方向相反的轨迹点作为所述轨迹转折点。
可选地，所述对所述多个历史配送时间进行中位值统计，得到统计结果，包括：
对所述多个历史配送时间进行整理，将在所述多个历史配送时间内重复出现的历史配送时间删除，得到多个候选配送时间；
分别统计所述多个候选配送时间中每个候选配送时间在所述多个历史配送时间内重复出现的出现次数，采用所述出现次数对所述每个候选配送时间进行标注；
根据标注后的所述多个候选配送时间，确定异常配送时间，将所述异常配送时间在所述多个候选配送时间中清除；
按照候选配送时间从小到大的顺序对清除后的所述多个候选配送时间进行排序，得到第一排序结果；
在所述第一排序结果中进行中位值统计，将中位值统计后确定的候选配送时间作为所述统计结果。
可选地，所述根据标注后的所述多个候选配送时间，确定异常配送时间，包括：
按照候选配送时间从小到大的顺序对标注后的所述多个候选配送时间进行排序，得到第二排序结果；
确定所述第二排序结果的上四分位数在所述第二排序结果中的第一位置以及下四分位数在所述第二排序结果中的第二位置；
获取所述第一位置对应的第一候选配送时间以及所述第二位置对应的第二候选配送时间；
计算所述第二候选配送时间与所述第一候选配送时间的差值作为四分位数间距；
获取预设系数，计算预设系数与所述四分位数间距的乘积；
计算所述第一候选配送时间与所述乘积的数值差，计算所述第二候选配送时间与所述乘积的数值和；
将所述第二排序结果中小于所述数值差以及大于所述数值和的候选配送时间作为所述异常配送时间。
可选地，所述方法还包括：
当接收到配送时长计算指令时，获取所述配送时长计算指令指示的待计算起点以及待计算终点，确定所述待计算起点在所述多个预备热点中映射的第一指定热点以及所述待计算终点在所述多个预备热点中映射的第二指定热点；
获取所述第一指定热点和所述第二指定热点之间的预设行进轨迹，在所述多个预备热点中选取位于所述预设行进轨迹上的预备热点作为至少一个中间热点，所述预设行进轨迹是所述第一指定热点与所述第二指定热点之间路程最短的行进轨迹或在指定历史时间段内所述第一指定热点与所述第二指定热点之间发生次数最高的行进轨迹；
按照所述配送时长计算指令指示的行进方向，依次确定所述第一指定热点、所述第二指定热点与相邻的中间热点之间的预估配送时间以及所述至少一个中间热点中相邻两个中间热点之间的预估配送时间，得到多个目标预估配送时间；
将所述多个目标预估配送时间的总和作为所述待计算起点以及所述待计算终点之间的配送时长。
可选地，所述方法还包括：
若确定所述待计算起点或所述待计算终点在所述多个预备热点中映射的热点失败，则计算所述待计算起点或所述待计算终点与所述多个预备热点的多个热点距离，将所述热点距离最小的预备热点作为所述待计算起点或所述待计算终点在所述多个预测热点中映射的热点。
依据本申请第二方面，提供了一种配送时间生成装置，该装置包括：
第一确定模块，用于确定第一目标热点和第二目标热点，其中，所述第一目标热点和所述第二目标热点是多个预备热点中之间存在轨迹的任意两个预备热点，所述多个预备热点基于多个历史轨迹数据确定；
获取模块，用于在所述多个历史轨迹数据中获取所述第一目标热点和所述第二目标热点之间的多个目标轨迹数据，确定所述多个目标轨迹数据的多个历史配送时间；
统计模块，用于对所述多个历史配送时间进行中位值统计，得到统计结果，将所述统计结果指示的历史配送时间作为所述第一目标热点和所述第二目标热点之间的预估配送时间。
可选地，所述装置还包括：
第二确定模块，用于确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹起点和轨迹终点，得到多个轨迹起点和多个轨迹终点；
所述第二确定模块，还用于分别确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹转折点，得到多个轨迹转折点；
所述第二确定模块，还用于将所述多个轨迹起点、所述多个轨迹终点以及所述多个轨迹转折点作为所述多个预备热点。
可选地，所述第二确定模块，用于对于所述多个历史轨迹数据中每个历史轨迹数据，确定构成所述历史轨迹数据的多个轨迹点；查询所述多个轨迹点中每个轨迹点在所述历史轨迹数据上的两个相邻轨迹点，确定所述每个轨迹点与所述两个相邻轨迹点之间的两个运动方向；在所述多个轨迹点中确定所述两个运动方向相反的轨迹点作为所述轨迹转折点。
可选地，所述统计模块，用于对所述多个历史配送时间进行整理，将在所述多个历史配送时间内重复出现的历史配送时间删除，得到多个候选配送时间；分别统计所述多个候选配送时间中每个候选配送时间在所述多个历史配送时间内重复出现的出现次数，采用所述出现次数对所述每个候选配送时间进行标注；根据标注后的所述多个候选配送时间，确定异常配送时间，将所述异常配送时间在所述多个候选配送时间中清除；按照候选配送时间从小到大的顺序对清除后的所述多个候选配送时间进行排序，得到第一排序结果；在所述第一排序结果中进行中位值统计，将中位值统计后确定的候选配送时间作为所述统计结果。
可选地，所述统计模块，用于按照候选配送时间从小到大的顺序对标注后的所述多个候选配送时间进行排序，得到第二排序结果；确定所述第二排序结果的上四分位数在所述第二排序结果中的第一位置以及下四分位数在所述第二排序结果中的第二位置；获取所述第一位置对应的第一候选配送时间以及所述第二位置对应的第二候选配送时间；计算所述第二候选配送时间与所述第一候选配送时间的差值作为四分位数间距；获取预设系数，计算预设系数与所述四分位数间距的乘积；计算所述第一候选配送时间与所述乘积的数值差，计算所述第二候选配送时间与所述乘积的数值和；将所述第二排序结果中小于所述数值差以及大于所述数值和的候选配送时间作为所述异常配送时间。
可选地，所述装置还包括：
第三确定模块，用于当接收到配送时长计算指令时，获取所述配送时长计算指令指示的待计算起点以及待计算终点，确定所述待计算起点在所述多个预备热点中映射的第一指定热点以及所述待计算终点在所述多个预备热点中映射的第二指定热点；
选取模块，用于获取所述第一指定热点和所述第二指定热点之间的预设行进轨迹，在所述多个预备热点中选取位于所述预设行进轨迹上的预备热点作为至少一个中间热点，所述预设行进轨迹是所述第一指定热点与所述第二指定热点之间路程最短的行进轨迹或在指定历史时间段内所述第一指定热点与所述第二指定热点之间发生次数最高的行进轨迹；
所述第三确定模块，还用于按照所述配送时长计算指令指示的行进方向，依次确定所述第一指定热点、所述第二指定热点与相邻的中间热点之间的预估配送时间以及所述至少一个中间热点中相邻两个中间热点之间的预估配送时间，得到多个目标预估配送时间；
计算模块，用于将所述多个目标预估配送时间的总和作为所述待计算起点以及所述待计算终点之间的配送时长。
可选地，所述第三确定模块，还用于若确定所述待计算起点或所述待计算终点在所述多个预备热点中映射的热点失败，则计算所述待计算起点或所述待计算终点与所述多个预备热点的多个热点距离，将所述热点距离最小的预备热点作为所述待计算起点或所述待计算终点在所述多个预测热点中映射的热点。
依据本申请第三方面，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
依据本申请第四方面，提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法的步骤。
借由上述技术方案，本申请提供的一种配送时间生成方法、装置、计算机设备及可读存储介质，本申请利用平台中已经记录的配送人员在历史配送过程中的历史轨迹数据，确定多个预备热点，将多个预备热点中之间存在轨迹的任意两个预备热点作为第一目标热点和第二目标热点，根据第一目标热点和第二目标热点之间的历史轨迹数据确定多个历史配送时间，并对多个历史配送时间进行中位值统计，将统计输出的统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间，结合平台中记录的历史轨迹数据中存在的规律确定预备热点之间的配送时间，使得预备热点之间的配送时间可以随着轨迹数据的不断产生而不断变化，当路径发生更新时能够将更新的内容快速体现在配送时间上，降低生成的配送时间的误差，提升准确性，推动餐饮服务的智能化进程。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请实施例提供的一种配送时间生成方法流程示意图；
图2A示出了本申请实施例提供的一种配送时间生成方法流程示意图；
图2B示出了本申请实施例提供的一种配送时间生成方法的示意图；
图2C示出了本申请实施例提供的一种配送时间生成方法的示意图；
图2D示出了本申请实施例提供的一种配送时间生成方法的示意图；
图3A示出了本申请实施例提供的一种配送时间生成装置的结构示意图；
图3B示出了本申请实施例提供的一种配送时间生成装置的结构示意图；
图3C示出了本申请实施例提供的一种配送时间生成装置的结构示意图；
图4示出了本申请实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
本申请实施例提供了一种配送时间生成方法，如图1所示，该方法包括：
101、确定第一目标热点和第二目标热点，其中，第一目标热点和第二目标热点是多个预备热点中之间存在轨迹的任意两个预备热点，多个预备热点基于多个历史轨迹数据确定。
102、在多个历史轨迹数据中获取第一目标热点和第二目标热点之间的多个目标轨迹数据，确定多个目标轨迹数据的多个历史配送时间。
103、对多个历史配送时间进行中位值统计，得到统计结果，将统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间。
本申请实施例提供的方法，利用平台中已经记录的配送人员在历史配送过程中的历史轨迹数据，确定多个预备热点，将多个预备热点中之间存在轨迹的任意两个预备热点作为第一目标热点和第二目标热点，根据第一目标热点和第二目标热点之间的历史轨迹数据确定多个历史配送时间，并对多个历史配送时间进行中位值统计，将统计输出的统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间，结合平台中记录的历史轨迹数据中存在的规律确定预备热点之间的配送时间，使得预备热点之间的配送时间可以随着轨迹数据的不断产生而不断变化，当路径发生更新时能够将更新的内容快速体现在配送时间上，降低生成的配送时间的误差，提升准确性，推动餐饮服务的智能化进程。
本申请实施例提供了一种配送时间生成方法，如图2A所示，该方法包括：
201、基于多个历史轨迹数据确定多个预备热点。
随着用户对体验度的要求越来越高，计算两点间的配送时间已经成为提供线上购物的平台面对的非常重要的问题。目前，大多数平台在生成配送时间时，通常采用地图软件、百科软件等公共平台的导航数据确定两点间的距离以及配送人员的行进速度，进而根据距离和速度输出两点间的配送时间。进一步地，有些平台还会对输出的配送时间做优化，比如区分骑行路段和步行路段，对骑行路段和步行路段分别计算，或者区分两点间是否包括桥、高速路、高架、铁道、隧道等等，或者根据配送人员自身的属性做特殊的路径规划等等。但是申请人认识到，上述提及的配送时间的输出方法涉及到大量的中间参数，需要针对每一个路径记录参数，记录路径中的骑行路段、步行路段、推行路段等等，工作量巨大。而且，路段是不断变化的，比如有些路段在修路，或者路段已经更新无法通行等等，记录的路径参数很难及时反映路段的变化情况，最终导致生成的配送时间存在较大的误差，准确性低，影响餐饮服务的智能化进程。另外，生成的配送时间也通常应用于对配送人员的考核中，配送时间的不准确会直接导致考核的误判，因此，当预测的配送时间和实际的配送时间误差较大时，容易引起配送人员的极大不满，甚至导致配送人员的离职罢工。
而考虑到平台中实际上每天产生的与配送相关的数据的数据量是巨大的，对于每次的配送，平台均会每隔一段时间(例如2秒)记录配送人员的位置，形成包括时间和配送人员所处位置经纬度的轨迹数据，这些轨迹数据都是配送人员在实际的配送过程中产生的，可以体现出配送过程中路径的相关情况，利用这些轨迹数据生成两点间的配送时间实际上更为准确。因此，本申请提出一种配送时间生成方法，利用平台中已经记录的配送人员在历史配送过程中的历史轨迹数据，确定多个预备热点，将多个预备热点中之间存在轨迹的任意两个预备热点作为第一目标热点和第二目标热点，根据第一目标热点和第二目标热点之间的历史轨迹数据确定多个历史配送时间，并对多个历史配送时间进行中位值统计，将统计输出的统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间，结合平台中记录的历史轨迹数据中存在的规律确定预备热点之间的配送时间，使得预备热点之间的配送时间可以随着轨迹数据的不断产生而不断变化，当路径发生更新时能够将更新的内容快速体现在配送时间上，降低生成的配送时间的误差，提升准确性，推动餐饮服务的智能化进程。
而为了实现本申请实施例中的方法，需要先基于平台中的多个历史轨迹数据确定多个预备热点，以便后续可以依次为两个相关的预备热点生成配送时间。预备热点实际上分为三大类：大量历史轨迹数据的轨迹起点、大量历史轨迹数据的轨迹终点以及大量历史轨迹数据的轨迹转折点。其中，对于每个历史轨迹数据来说，轨迹起点和轨迹终点都很明确，因此，平台可直接确定多个历史轨迹数据中每个历史轨迹数据的轨迹起点和轨迹终点，得到多个轨迹起点和多个轨迹终点。之后，平台需要分别确定多个历史轨迹数据中每个历史轨迹数据的轨迹转折点，得到多个轨迹转折点，进而将多个轨迹起点、多个轨迹终点以及多个轨迹转折点作为多个预备热点。下面以多个历史轨迹数据中的任一历史轨迹数据为例，描述轨迹转折点的确定过程：
对于多个历史轨迹数据中每个历史轨迹数据，首先，确定构成历史轨迹数据的多个轨迹点，因为平台会每隔一段时间记录骑手的位置，所以在整个的历史轨迹数据中，不同的时间点对应有不同的位置，这也就是构成历史轨迹数据的轨迹点。随后，平台查询多个轨迹点中每个轨迹点在历史轨迹数据上的两个相邻轨迹点，确定每个轨迹点与两个相邻轨迹点之间的两个运动方向，在多个轨迹点中确定两个运动方向相反的轨迹点作为轨迹转折点，也就是说，确定配送人员在历史配送轨迹中不能通过或者返回的轨迹点作为轨迹转折点。例如，参见图2B，当前展示的历史轨迹数据上的轨迹点为A、B、C、D，对于轨迹点C来说，在历史轨迹数据上与C相邻的两个轨迹点分别为B和D，而B与C、C与D之间的运动方向也即如图2B中B与C、C与D之间的箭头方向所示，因此，可以得出B与C、C与D之间的运动方向在宏观上实际是相反的，C可以作为轨迹转折点。
上面描述的过程是以某一个历史轨迹数据中某一个轨迹点为例进行说明的，实际应用的过程中，平台会分别对每个历史轨迹数据中每个轨迹点执行上述判断的过程，判断轨迹点是否为轨迹转折点，从而得到多个轨迹转折点，将得到的多个轨迹转折点作为预备热点中的一类。
需要说明的是，由于每个预备热点都来自相应的历史轨迹数据，且来自同一个历史轨迹数据的预备热点之间是存在关联关系的，因此，在得到了多个预备热点后，也可以按照历史配送轨迹指示的预备热点之间的关联关系构建预测热点之间的轨迹，便于后续选取任意两个预备热点进行配送时间的预估。
202、在多个预备热点中确定第一目标热点和第二目标热点。
在本申请实施例中，确定了多个预备热点之后，开始对两个预备热点之间的配送时间进行预估。由于预备热点的数量较大，因此，本申请实施例中在多个预备热点中确定第一目标热点和第二目标热点，第一目标热点和第二目标热点是多个预备热点中之间存在轨迹的任意两个预备热点，以第一目标热点和第二目标热点为例，描述配送时长的生成过程，而在实际应用的过程中，多个预备热点中每两个之间存在轨迹的预备热点都可以采用下述的过程生成配送时长，此处不再进行赘述。
203、在多个历史轨迹数据中获取第一目标热点和第二目标热点之间的多个目标轨迹数据，确定多个目标轨迹数据的多个历史配送时间。
在本申请实施例中，第一目标热点和第二目标热点之间是存在关联关系的，也即配送人员在某一时间点处于第一目标热点指示的位置，而在下一时间点处于第二目标热点指示的位置，因此，第一目标热点和第二目标热点之间是存在历史轨迹数据的，且存在的历史轨迹数据是会对应一个历史配送时间的，该历史配送时间表征了配送人员从第一目标热点移动到第二配送热点所消耗的时间，因此，平台在多个历史轨迹数据中获取第一目标热点和第二目标热点之间的多个目标轨迹数据，确定多个目标轨迹数据的多个历史配送时间，并在后续将获取到的多个历史配送时间综合起来生成第一目标热点和第二目标热点之间的预估配送时间。
需要说明的是，由于平台中历史轨迹数据的数据量是很大的，而最近产生的历史轨迹数据最能表示路径的实际情况，因此，在获取第一目标热点和第二目标热点之间的多个目标轨迹数据时，可以选取最近7天、15天、30天等指定历史时间段内第一目标热点和第二目标热点之间的多个目标轨迹数据用于后续的计算中，在保证数据量足够的基础上还能保证计算输出结果的准确性。本申请对获取目标轨迹数据的策略不进行具体限定。
204、对多个历史配送时间进行中位值统计，得到统计结果，将统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间。
在本申请实施例中，由于历史配送时间的取值并不固定，有的时间长有的时间短，而取值居中且出现次数较多的历史配送时间实际上较其他的历史配送时间来说准确性是较高的，因此，平台对多个历史配送时间进行中位值统计，得到统计结果，将统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间。
其中，在进行中位值统计时，考虑到多个历史配送时间中是存在相同取值的历史配送时间的，有些历史配送时间反复出现，因此，首先平台对多个历史配送时间进行整理，将在多个历史配送时间内重复出现的历史配送时间删除，得到多个候选配送时间。随后，平台分别统计多个候选配送时间中每个候选配送时间在多个历史配送时间内重复出现的出现次数，采用出现次数对每个候选配送时间进行标注。而实际应用的过程中，由于异常天气、交通事故、定位偏移或者配送人员特殊情况等因素，有些历史配送时间会过大或者过小，这些历史配送时间很明显偏离大多数的历史配送时间，属于异常配送时间，为了避免这些异常配送时间对后续统计确定的预估配送时间造成影响，平台会根据标注后的多个候选配送时间，确定异常配送时间，将异常配送时间在多个候选配送时间中清除，以便在后续基于清除后的多个候选配送时间进行两点间配送时间的预估，具体确定异常配送时间的过程如下：
首先，平台按照候选配送时间从小到大的顺序对标注后的多个候选配送时间进行排序，得到第二排序结果。随后，平台确定第二排序结果的上四分位数在第二排序结果中的第一位置以及下四分位数在第二排序结果中的第二位置。其中，上四分位数是排序结果中从前往后数四分之一的位置，下四分位数是排序结果中从前往后数四分之三的位置。平台获取第一位置对应的第一候选配送时间以及第二位置对应的第二候选配送时间，需要说明的是，实际应用中，由于构成第二排序结果的候选配送时间的个数是不定的，使得第一位置或第二位置对应的候选配送时间可能是两个，比如构成第二排序结果的候选配送时间为奇数个时，第一位置和第二位置对应的候选配送时间均为一个，而构成第二排序结果的候选配送时间为偶数个时，第一位置和第二位置对应的候选配送时间均为两个，则在确定对应的候选配送时间为两个时，计算两个候选配送时间的平均值作为第一位置或第二位置对应的候选配送时间即可。接下来，平台计算第二候选配送时间与第一候选配送时间的差值作为四分位数间距，并获取预设系数，计算预设系数与四分位数间距的乘积。平台计算第一候选配送时间与乘积的数值差，计算第二候选配送时间与乘积的数值和，将第二排序结果中小于数值差以及大于数值和的候选配送时间作为异常配送时间。其中，预设系数的取值通常在1和2之间，在本申请中以预设系数的取值为1.5为例进行说明。
实际应用中，为了清楚的表征候选配送时间与出现次数的对应关系、多个候选配送时间的变化趋势，可以创建图2C所示的直角坐标系，横坐标表示候选配送时间，纵坐标表示出现次数。这样，上四分位数、下四分位数以及四分位间距也即如图2C所示。相应地，计算得到的数值差以及数值和也如图2C所示。需要说明的是，由大量的计算得出，实际上小于数值差的异常配送时间通常是对配送人员的定位不准确造成的，而大于数值差的异常配送时间通常是异常天气、骑手事故造成的。
在将多个候选配送时间的异常配送时间清除后，平台按照候选配送时间从小到大的顺序对清除后的多个候选配送时间进行排序，得到第一排序结果，并在第一排序结果中进行中位值统计，将中位值统计后确定的候选配送时间作为统计结果。具体参见图2C，图2C中阴影部分也即清除后的候选配送时间，可直接对清除后的候选配送时间进行中位值统计，得到的统计结果如图2C所示，将该统计结果映射在横坐标上的候选配送时长作为第一目标热点和第二目标热点之间的预估配送时间。另外，由于平台会不断产生历史轨迹数据，因此，平台中可以设置更新周期，每隔更新周期便执行上述步骤202至步骤204中的过程，为多个预备热点中每两点间的预估配送时间进行更新，从而保证预估配送时间的准确性。具体地，更新周期可以是一天、一周等，本申请对此不进行具体限定。
通过重复执行上述步骤202至步骤204中的过程，平台可以为每两个存在关联关的预备热点生成预估配送时间。而为了明确记录预备热点之间的关联关系以及两点之间的预估配送时间，平台实际上可将预备热点按照关联关系连接起来，形成图2D所示的配送网络图。还可以将两点之间的预估配送时间标注在配送网络图上，只要是之间存在轨迹的两个预备热点都对应一个预估配送时长。
进一步地，为预备热点生成的两点间的预估配送时长可以应用在多个场景中，例如可以为订单计算订单配送时长，在用户下单后显示订单配送时长；或者将配送时长小于30分钟的范围作为商家的配送范围；或者根据配送人员所处的位置进行待配送订单的分配，将待配送订单分配给配送时长最短的骑手等等，而这些场景的共同点均是对起点和终点之间配送时长的计算，因此，下面对起点和终点之间配送时长的计算进行说明：
待计算起点以及待计算终点可以是工作人员选取的，工作人员选取后，平台会接收到配送时长计算指令，获取配送时长计算指令指示的待计算起点以及待计算终点。随后，平台确定待计算起点在多个预备热点中映射的第一指定热点以及待计算终点在多个预备热点中映射的第二指定热点，也就是说在多个预备热点中确定待计算起点以及待计算终点对应的预备热点，获取第一指定热点和第二指定热点之间的预设行进轨迹，在多个预备热点中选取位于预设行进轨迹上的预备热点作为至少一个中间热点。其中，预设行进轨迹是第一指定热点与第二指定热点之间路程最短的行进轨迹或在指定历史时间段内第一指定热点与第二指定热点之间发生次数最高的行进轨迹，预设行进轨迹所经过的预备热点都可以作为中间热点。最后，平台按照配送时长计算指令指示的行进方向，依次确定第一指定热点、第二指定热点与相邻的中间热点之间的预估配送时间以及至少一个中间热点中相邻两个中间热点之间的预估配送时间，得到多个目标预估配送时间，将多个目标预估配送时间的总和作为待计算起点以及待计算终点之间的配送时长。例如，假设待计算起点以及待计算终点映射的预备热点分别为A和B，A和B之间的预设行进轨迹经过的中间热点依次为C、D，则获取A与C、C与D、D与B之间的预估配送时间，将获取的预估配送时间的总和作为A和B之间的配送时长。
需要说明的是，实际应用中很可能配送时长计算指令指示的待计算起点或待计算终点在多个预备热点中并不存在映射的预备热点，这种情况下，选取待计算起点或待计算终点附近的预备热点进行配送时长的计算即可。也即若确定待计算起点或待计算终点在多个预备热点中映射的热点失败，则计算待计算起点或待计算终点与多个预备热点的多个热点距离，将热点距离最小的预备热点作为待计算起点或待计算终点在多个预测热点中映射的热点。
本申请实施例提供的方法，利用平台中已经记录的配送人员在历史配送过程中的历史轨迹数据，确定多个预备热点，将多个预备热点中之间存在轨迹的任意两个预备热点作为第一目标热点和第二目标热点，根据第一目标热点和第二目标热点之间的历史轨迹数据确定多个历史配送时间，并对多个历史配送时间进行中位值统计，将统计输出的统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间，结合平台中记录的历史轨迹数据中存在的规律确定预备热点之间的配送时间，使得预备热点之间的配送时间可以随着轨迹数据的不断产生而不断变化，当路径发生更新时能够将更新的内容快速体现在配送时间上，降低生成的配送时间的误差，提升准确性，推动餐饮服务的智能化进程。
进一步地，作为图1所述方法的具体实现，本申请实施例提供了一种配送时间生成装置，如图3A所示，所述装置包括：第一确定模块301，获取模块302和统计模块303。
该第一确定模块301，用于确定第一目标热点和第二目标热点，其中，所述第一目标热点和所述第二目标热点是多个预备热点中之间存在轨迹的任意两个预备热点，所述多个预备热点基于多个历史轨迹数据确定；
该获取模块302，用于在所述多个历史轨迹数据中获取所述第一目标热点和所述第二目标热点之间的多个目标轨迹数据，确定所述多个目标轨迹数据的多个历史配送时间；
该统计模块303，用于对所述多个历史配送时间进行中位值统计，得到统计结果，将所述统计结果指示的历史配送时间作为所述第一目标热点和所述第二目标热点之间的预估配送时间。
在具体的应用场景中，如图3B所示，该装置还包括：第二确定模块304。
该第二确定模块304，用于确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹起点和轨迹终点，得到多个轨迹起点和多个轨迹终点；
该第二确定模块304，还用于分别确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹转折点，得到多个轨迹转折点；
该第二确定模块304，还用于将所述多个轨迹起点、所述多个轨迹终点以及所述多个轨迹转折点作为所述多个预备热点。
在具体的应用场景中，该第二确定模块304，用于对于所述多个历史轨迹数据中每个历史轨迹数据，确定构成所述历史轨迹数据的多个轨迹点；查询所述多个轨迹点中每个轨迹点在所述历史轨迹数据上的两个相邻轨迹点，确定所述每个轨迹点与所述两个相邻轨迹点之间的两个运动方向；在所述多个轨迹点中确定所述两个运动方向相反的轨迹点作为所述轨迹转折点。
在具体的应用场景中，该统计模块303，用于对所述多个历史配送时间进行整理，将在所述多个历史配送时间内重复出现的历史配送时间删除，得到多个候选配送时间；分别统计所述多个候选配送时间中每个候选配送时间在所述多个历史配送时间内重复出现的出现次数，采用所述出现次数对所述每个候选配送时间进行标注；根据标注后的所述多个候选配送时间，确定异常配送时间，将所述异常配送时间在所述多个候选配送时间中清除；按照候选配送时间从小到大的顺序对清除后的所述多个候选配送时间进行排序，得到第一排序结果；在所述第一排序结果中进行中位值统计，将中位值统计后确定的候选配送时间作为所述统计结果。
在具体的应用场景中，该统计模块303，用于按照候选配送时间从小到大的顺序对标注后的所述多个候选配送时间进行排序，得到第二排序结果；确定所述第二排序结果的上四分位数在所述第二排序结果中的第一位置以及下四分位数在所述第二排序结果中的第二位置；获取所述第一位置对应的第一候选配送时间以及所述第二位置对应的第二候选配送时间；计算所述第二候选配送时间与所述第一候选配送时间的差值作为四分位数间距；获取预设系数，计算预设系数与所述四分位数间距的乘积；计算所述第一候选配送时间与所述乘积的数值差，计算所述第二候选配送时间与所述乘积的数值和；将所述第二排序结果中小于所述数值差以及大于所述数值和的候选配送时间作为所述异常配送时间。
在具体的应用场景中，如图3C所示，该装置还包括：第三确定模块305，选取模块306和计算模块307。
该第三确定模块305，用于当接收到配送时长计算指令时，获取所述配送时长计算指令指示的待计算起点以及待计算终点，确定所述待计算起点在所述多个预备热点中映射的第一指定热点以及所述待计算终点在所述多个预备热点中映射的第二指定热点；
该选取模块306，用于获取所述第一指定热点和所述第二指定热点之间的预设行进轨迹，在所述多个预备热点中选取位于所述预设行进轨迹上的预备热点作为至少一个中间热点，所述预设行进轨迹是所述第一指定热点与所述第二指定热点之间路程最短的行进轨迹或在指定历史时间段内所述第一指定热点与所述第二指定热点之间发生次数最高的行进轨迹；
该第三确定模块305，还用于按照所述配送时长计算指令指示的行进方向，依次确定所述第一指定热点、所述第二指定热点与相邻的中间热点之间的预估配送时间以及所述至少一个中间热点中相邻两个中间热点之间的预估配送时间，得到多个目标预估配送时间；
该计算模块307，用于将所述多个目标预估配送时间的总和作为所述待计算起点以及所述待计算终点之间的配送时长。
在具体的应用场景中，该第三确定模块305，还用于若确定所述待计算起点或所述待计算终点在所述多个预备热点中映射的热点失败，则计算所述待计算起点或所述待计算终点与所述多个预备热点的多个热点距离，将所述热点距离最小的预备热点作为所述待计算起点或所述待计算终点在所述多个预测热点中映射的热点。
本申请实施例提供的装置，利用平台中已经记录的配送人员在历史配送过程中的历史轨迹数据，确定多个预备热点，将多个预备热点中之间存在轨迹的任意两个预备热点作为第一目标热点和第二目标热点，根据第一目标热点和第二目标热点之间的历史轨迹数据确定多个历史配送时间，并对多个历史配送时间进行中位值统计，将统计输出的统计结果指示的历史配送时间作为第一目标热点和第二目标热点之间的预估配送时间，结合平台中记录的历史轨迹数据中存在的规律确定预备热点之间的配送时间，使得预备热点之间的配送时间可以随着轨迹数据的不断产生而不断变化，当路径发生更新时能够将更新的内容快速体现在配送时间上，降低生成的配送时间的误差，提升准确性，推动餐饮服务的智能化进程。
需要说明的是，本申请实施例提供的一种配送时间生成装置所涉及各功能单元的其他相应描述，可以参考图1和图2A中的对应描述，在此不再赘述。
在示例性实施例中，参见图4，还提供了一种设备，该设备包括通信总线、处理器、存储器和通信接口，还可以包括、输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例中的配送时间生成方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的配送时间生成方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本申请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，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场景所述的方法。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。
以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种配送时间生成方法，其特征在于，包括：
确定第一目标热点和第二目标热点，其中，所述第一目标热点和所述第二目标热点是多个预备热点中之间存在轨迹的任意两个预备热点，所述多个预备热点基于多个历史轨迹数据确定；
在所述多个历史轨迹数据中获取所述第一目标热点和所述第二目标热点之间的多个目标轨迹数据，确定所述多个目标轨迹数据的多个历史配送时间；
对所述多个历史配送时间进行中位值统计，得到统计结果，将所述统计结果指示的历史配送时间作为所述第一目标热点和所述第二目标热点之间的预估配送时间。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹起点和轨迹终点，得到多个轨迹起点和多个轨迹终点；
分别确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹转折点，得到多个轨迹转折点；
将所述多个轨迹起点、所述多个轨迹终点以及所述多个轨迹转折点作为所述多个预备热点。
3.根据权利要求2所述的方法，其特征在于，所述分别确定所述多个历史轨迹数据中每个历史轨迹数据的轨迹转折点，包括：
对于所述多个历史轨迹数据中每个历史轨迹数据，确定构成所述历史轨迹数据的多个轨迹点；
查询所述多个轨迹点中每个轨迹点在所述历史轨迹数据上的两个相邻轨迹点，确定所述每个轨迹点与所述两个相邻轨迹点之间的两个运动方向；
在所述多个轨迹点中确定所述两个运动方向相反的轨迹点作为所述轨迹转折点。
4.根据权利要求1所述的方法，其特征在于，所述对所述多个历史配送时间进行中位值统计，得到统计结果，包括：
对所述多个历史配送时间进行整理，将在所述多个历史配送时间内重复出现的历史配送时间删除，得到多个候选配送时间；
分别统计所述多个候选配送时间中每个候选配送时间在所述多个历史配送时间内重复出现的出现次数，采用所述出现次数对所述每个候选配送时间进行标注；
根据标注后的所述多个候选配送时间，确定异常配送时间，将所述异常配送时间在所述多个候选配送时间中清除；
按照候选配送时间从小到大的顺序对清除后的所述多个候选配送时间进行排序，得到第一排序结果；
在所述第一排序结果中进行中位值统计，将中位值统计后确定的候选配送时间作为所述统计结果。
5.根据权利要求4所述的方法，其特征在于，所述根据标注后的所述多个候选配送时间，确定异常配送时间，包括：
按照候选配送时间从小到大的顺序对标注后的所述多个候选配送时间进行排序，得到第二排序结果；
确定所述第二排序结果的上四分位数在所述第二排序结果中的第一位置以及下四分位数在所述第二排序结果中的第二位置；
获取所述第一位置对应的第一候选配送时间以及所述第二位置对应的第二候选配送时间；
计算所述第二候选配送时间与所述第一候选配送时间的差值作为四分位数间距；
获取预设系数，计算预设系数与所述四分位数间距的乘积；
计算所述第一候选配送时间与所述乘积的数值差，计算所述第二候选配送时间与所述乘积的数值和；
将所述第二排序结果中小于所述数值差以及大于所述数值和的候选配送时间作为所述异常配送时间。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当接收到配送时长计算指令时，获取所述配送时长计算指令指示的待计算起点以及待计算终点，确定所述待计算起点在所述多个预备热点中映射的第一指定热点以及所述待计算终点在所述多个预备热点中映射的第二指定热点；
获取所述第一指定热点和所述第二指定热点之间的预设行进轨迹，在所述多个预备热点中选取位于所述预设行进轨迹上的预备热点作为至少一个中间热点，所述预设行进轨迹是所述第一指定热点与所述第二指定热点之间路程最短的行进轨迹或在指定历史时间段内所述第一指定热点与所述第二指定热点之间发生次数最高的行进轨迹；
按照所述配送时长计算指令指示的行进方向，依次确定所述第一指定热点、所述第二指定热点与相邻的中间热点之间的预估配送时间以及所述至少一个中间热点中相邻两个中间热点之间的预估配送时间，得到多个目标预估配送时间；
将所述多个目标预估配送时间的总和作为所述待计算起点以及所述待计算终点之间的配送时长。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
若确定所述待计算起点或所述待计算终点在所述多个预备热点中映射的热点失败，则计算所述待计算起点或所述待计算终点与所述多个预备热点的多个热点距离，将所述热点距离最小的预备热点作为所述待计算起点或所述待计算终点在所述多个预测热点中映射的热点。
8.一种配送时间生成装置，其特征在于，包括：
第一确定模块，用于确定第一目标热点和第二目标热点，其中，所述第一目标热点和所述第二目标热点是多个预备热点中之间存在轨迹的任意两个预备热点，所述多个预备热点基于多个历史轨迹数据确定；
获取模块，用于在所述多个历史轨迹数据中获取所述第一目标热点和所述第二目标热点之间的多个目标轨迹数据，确定所述多个目标轨迹数据的多个历史配送时间；
统计模块，用于对所述多个历史配送时间进行中位值统计，得到统计结果，将所述统计结果指示的历史配送时间作为所述第一目标热点和所述第二目标热点之间的预估配送时间。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110309940.9A CN112907191A (zh) | 2021-03-23 | 2021-03-23 | 配送时间生成方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110309940.9A CN112907191A (zh) | 2021-03-23 | 2021-03-23 | 配送时间生成方法、装置、计算机设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112907191A true CN112907191A (zh) | 2021-06-04 |
Family
ID=76106049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110309940.9A Pending CN112907191A (zh) | 2021-03-23 | 2021-03-23 | 配送时间生成方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907191A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101436347A (zh) * | 2008-12-09 | 2009-05-20 | 北京交通大学 | 一种快速路行程时间预测方法 |
| CN103425884A (zh) * | 2013-08-12 | 2013-12-04 | 北京工业大学 | 一种地铁换乘通道通行状态的模糊预测方法 |
| CN104316075A (zh) * | 2014-11-13 | 2015-01-28 | 深圳市宝尔爱迪科技有限公司 | 带距离计算的电子装置及距离测量方法 |
| CN105679037A (zh) * | 2016-03-29 | 2016-06-15 | 重庆云途交通科技有限公司 | 一种基于用户出行习惯的动态路径规划方法 |
| CN107220732A (zh) * | 2017-05-31 | 2017-09-29 | 福州大学 | 一种基于梯度提升树的停电投诉风险预测方法 |
| CN111582527A (zh) * | 2019-02-15 | 2020-08-25 | 拉扎斯网络科技（上海）有限公司 | 行程时间的预估方法、装置、电子设备和存储介质 |
-
2021
- 2021-03-23 CN CN202110309940.9A patent/CN112907191A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101436347A (zh) * | 2008-12-09 | 2009-05-20 | 北京交通大学 | 一种快速路行程时间预测方法 |
| CN103425884A (zh) * | 2013-08-12 | 2013-12-04 | 北京工业大学 | 一种地铁换乘通道通行状态的模糊预测方法 |
| CN104316075A (zh) * | 2014-11-13 | 2015-01-28 | 深圳市宝尔爱迪科技有限公司 | 带距离计算的电子装置及距离测量方法 |
| CN105679037A (zh) * | 2016-03-29 | 2016-06-15 | 重庆云途交通科技有限公司 | 一种基于用户出行习惯的动态路径规划方法 |
| CN107220732A (zh) * | 2017-05-31 | 2017-09-29 | 福州大学 | 一种基于梯度提升树的停电投诉风险预测方法 |
| CN111582527A (zh) * | 2019-02-15 | 2020-08-25 | 拉扎斯网络科技（上海）有限公司 | 行程时间的预估方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11276028B2 (en) | System and method for dynamic pairing function optimization | |
| CN106092113B (zh) | 预行驶道路预估系统、方法、导航客户端及服务器 | |
| US6879907B2 (en) | Method and system for modeling and processing vehicular traffic data and information and applying thereof | |
| CN110909096A (zh) | 推荐上车点确定方法及装置、存储介质、电子设备 | |
| CN108225356B (zh) | 一种基于货车历史轨迹的货运导航方法及装置 | |
| CN110646004B (zh) | 一种基于路况预测的智能导航方法及装置 | |
| CN105701560A (zh) | 一种通勤路线信息的确定方法及装置 | |
| CN104462273B (zh) | 提取轨迹的方法及系统 | |
| CN111968398B (zh) | 公共交通工具的运行状态确定方法、装置、终端及介质 | |
| CN109714709A (zh) | 一种基于历史信息的失联车辆位置预测方法和系统 | |
| CN110118567A (zh) | 出行方式推荐方法及装置 | |
| CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
| US20190339084A1 (en) | Map matching device, map matching system, map matching method and program | |
| CN112686466A (zh) | 地铁乘客的路径确认方法及装置 | |
| CN108132056A (zh) | 一种通过gps推断公交路径方法 | |
| CN113984075A (zh) | 导航方法、装置、导航设备及计算机可读存储介质 | |
| CN111860558A (zh) | 行程异常检测方法、装置及电子设备 | |
| CN111831764A (zh) | 一种停留站点的确定方法、装置、电子设备和介质 | |
| JP2016030473A (ja) | 交通分析システム、交通分析プログラムおよび交通分析方法 | |
| JP2018077756A (ja) | 対象経路を含む移動位置範囲群に基づき通行量を推定する装置、プログラム及び方法 | |
| CN116823535B (zh) | 一种基于多模态大模型的行程规划及智能导览系统 | |
| CN112907191A (zh) | 配送时间生成方法、装置、计算机设备及可读存储介质 | |
| CN111024110A (zh) | 一种基于5g的智能交通路径规划和导航系统及其工作方法 | |
| CN110555174A (zh) | 一种基于r树的轨迹路径推荐方法 | |
| CN114674327A (zh) | 行驶轨迹的推送方法、装置、电子设备和导航设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210604 |
|
| RJ01 | Rejection of invention patent application after publication |