CN113806340B - 到店确定方法、装置、存储介质及电子设备 - Google Patents

到店确定方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN113806340B
CN113806340B CN202010544142.XA CN202010544142A CN113806340B CN 113806340 B CN113806340 B CN 113806340B CN 202010544142 A CN202010544142 A CN 202010544142A CN 113806340 B CN113806340 B CN 113806340B
Authority
CN
China
Prior art keywords
wifi
similarity
target
store
target merchant
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
CN202010544142.XA
Other languages
English (en)
Other versions
CN113806340A (zh
Inventor
范宇
孙铭
高久翀
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.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online 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 Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN202010544142.XA priority Critical patent/CN113806340B/zh
Publication of CN113806340A publication Critical patent/CN113806340A/zh
Application granted granted Critical
Publication of CN113806340B publication Critical patent/CN113806340B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/0833—Tracking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开涉及一种到店确定方法、装置、存储介质及电子设备。包括：根据目标商家的业务指标信息，确定目标距离值；根据所述目标距离值对所述目标商家的GPS区域进行放缩，得到所述目标商家的到店区域；根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值；所述目标WiFi相似度阈值用于，在配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，确定所述配送终端到达所述到店区域。采用这种方式，随着目标商家的业务指标信息的变化而动态的调整目标商家的到店区域和WiFi相似度阈值，解决了相关技术中因目标商家的指标信息变化而无法判定配送员是否到店的问题。

Description

到店确定方法、装置、存储介质及电子设备
技术领域
本公开涉及计算机技术领域，具体地，涉及一种到店确定方法、装置、存储介质及电子设备。
背景技术
在外卖配送场景下，配送员配送运单的过程中，经常出现配送员提前打卡到店等不规范的操作行为。而配送员的这些不规范操作行为对商家、配送员、用户以及运营平台都有着恶劣的影响。例如，若配送员在未到达商家处就提前进行到店打卡操作，那么这一操作会在运单配送超时的情况下，导致该超时运单的责任无法在配送员与商家之间进行准确地界定。
相关技术中，为了解决这一问题，通常在配送员进行到店打卡时判断配送员是否到店。具体地，利用商家周边的路由器信息，为商家建立基于WiFi的到店模型，通过计算配送员手机扫描到的WiFi列表与任务商家到店模型的相似度，比对相似度和阈值的大小，从而判定配送员是否到店。但是由于商家周边的WiFi信号不稳定，因此采用这种方式，存在配送员已经到店却始终无法判定配送员是否到店的情况。
发明内容
本公开的目的是提供一种到店确定方法、装置、存储介质及电子设备，以解决相关技术中存在的问题。
为了实现上述目的，根据本公开实施例的第一部分，提供一种到店确定方法，包括：
根据目标商家的业务指标信息，确定目标距离值；
根据所述目标距离值对所述目标商家的GPS区域进行放缩，得到所述目标商家的到店区域；
根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值；
所述目标WiFi相似度阈值用于，在配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，确定所述配送终端到达所述到店区域；
其中，所述WiFi到店模型是根据配送终端在对应所述目标商家的历史到店时间段内扫描到的WiFi信息建立的。
可选地，所述业务指标信息包括表征所述目标商家的GPS区域是否变更的指标参数、表征所述目标商家的WiFi到店模型的置信度的指标参数以及表征该WiFi到店模型包括的WiFi信息所对应的MAC地址个数的指标参数，相应地，所述根据目标商家的业务指标信息，确定目标距离值，包括：
根据业务指标信息与距离值之间的预设映射策略，确定所述目标商家的所述业务指标信息对应的所述目标距离值。
可选地，所述目标商家的GPS区域是通过如下方式确定的：
获取所述目标商家的每一历史运单的运单信息，所述运单信息包括WiFi相似度集合以及GPS位置点集合，所述WiFi相似度集合包括配送终端在配送所述历史运单的过程中扫描到的每一WiFi列表与所述目标商家的WiFi到店模型之间的相似度，所述GPS位置点集合包括每一所述WiFi列表对应的GPS位置点；
从每一所述WiFi相似度集合中，确定至少一个驻留相似度，得到驻留相似度集合，所述驻留相似度用于表征所述配送终端到店扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度；
基于每一所述GPS位置点集合，根据与所述驻留相似度集合中每一驻留相似度对应的GPS位置点，确定所述目标商家的GPS区域。
可选地，所述运单信息还包括每一WiFi列表的采集时刻以及所述配送终端的到店时刻，相应地，所述从每一所述WiFi相似度集合中，确定至少一个驻留相似度，包括：
根据所述到店时刻确定目标时间段，并从所述目标时间段内确定驻留时间段区间，所述目标时间段内包括所述到店时刻；
将所述WiFi相似度集合中的，所述采集时刻处于所述驻留时间段区间内的WiFi列表对应的相似度作为驻留相似度；
其中，所述驻留时间段区间内任一所述采集时刻对应的相似度与所述驻留时间段区间内最小采集时刻对应的相似度的差的绝对值不大于预设阈值，并且所述驻留时间段区间内至少包括所述WiFi相似度集合中的最大值对应的所述采集时刻。
可选地，在从每一所述WiFi相似度集合中，确定至少一个驻留相似度之前，包括：
对每一所述历史运单的运单信息进行数据清洗，以去掉异常数据，其中，所述异常数据包括GPS位置点漂移的数据、送达时间为空的所述历史运单数据以及异常缓存WiFi列表对应的WiFi相似度数据。
可选地，所述距离值与WiFi相似度阈值之间的映射关系通过如下方式确定：
通过计算不同的所述距离值对应的所述WiFi相似度阈值，得到多个所述距离值与所述WiFi相似度阈值的数据对；
基于最小二乘法对多个所述数据对拟合二次函数，得到所述映射关系。
可选地，通过如下方式计算得到每一所述距离值与所述WiFi相似度阈值的所述数据对：
从每一所述历史运单的所述GPS位置点集合中确定距离所述目标商家的GPS区域边缘所述距离值处的GPS位置点，得到第一GPS位置点集合，并从每一所述历史运单的所述WiFi相似度集合中确定与所述第一GPS位置点集合中每一GPS位置点对应的WiFi相似度，得到第一WiFi相似度集合；
根据所述第一WiFi相似度集合，计算得到所述第一WiFi相似度集合的相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对；或者，
在对所述第一WiFi相似度集合进行去离散点处理后计算得到该集合的所述相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对。
可选地，所述根据目标商家的业务指标信息，确定目标距离值，包括：
基于第一预设周期，根据所述目标商家的业务指标信息，确定所述目标距离值。
所述方法还包括执行以下步骤中的至少一者：
根据第二预设周期确定所述距离值与所述WiFi相似度阈值之间的所述映射关系，所述第一预设周期小于所述第二预设周期；
根据所述第二预设周期确定所述目标商家的GPS区域；
根据所述第二预设周期确定所述目标商家的所述WiFi到店模型。
根据本公开实施例的第二部分，提供一种到店确定方法，所述方法包括：
在配送员配送目标商家的运单的过程中，获取配送终端实时扫描到的WiFi列表信息，以及所述目标商家的WiFi到店模型；
确定所述WiFi列表信息与所述WiFi到店模型的相似度；
在所述相似度大于WiFi相似度阈值的情况下，确定所述配送终端到达所述目标商家处，其中，所述WiFi相似度阈值是根据上述第一部分中的任一项所述方法确定的。
可选地，在确定所述配送终端到达所述目标商家处之后，包括：
在所述配送终端的显示界面上显示到店打卡界面，以供所述配送员进行打卡操作；
响应于所述配送员的所述打卡操作，获取所述运单的到店时刻信息。
根据本公开实施例的第三部分，提供一种到店确定装置，所述装置包括：
第一确定模块，被配置为用于根据目标商家的业务指标信息，确定目标距离值；
放缩模块，被配置为用于根据所述目标距离值对所述目标商家的GPS区域进行放缩，得到所述目标商家的到店区域；
第二确定模块，被配置为用于根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值；
所述目标WiFi相似度阈值用于，在配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，确定所述配送终端到达所述到店区域；
其中，所述WiFi到店模型是根据配送终端在对应所述目标商家的历史到店时间段内扫描到的WiFi信息建立的。
可选地，所述业务指标信息包括表征所述目标商家的GPS区域是否变更的指标参数、表征所述目标商家的WiFi到店模型的置信度的指标参数以及表征该WiFi到店模型包括的WiFi信息所对应的MAC地址个数的指标参数，相应地，所述第一确定模块，包括：
第一确定子模块，被配置为用于根据业务指标信息与距离值之间的预设映射策略，确定所述目标商家的所述业务指标信息对应的所述目标距离值。
可选地，所述目标商家的GPS区域是通过如下方式确定的：
获取所述目标商家的每一历史运单的运单信息，所述运单信息包括WiFi相似度集合以及GPS位置点集合，所述WiFi相似度集合包括配送终端在配送所述历史运单的过程中扫描到的每一WiFi列表与所述目标商家的WiFi到店模型之间的相似度，所述GPS位置点集合包括每一所述WiFi列表对应的GPS位置点；
从每一所述WiFi相似度集合中，确定至少一个驻留相似度，得到驻留相似度集合，所述驻留相似度用于表征所述配送终端到店扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度；
基于每一所述GPS位置点集合，根据与所述驻留相似度集合中每一驻留相似度对应的GPS位置点，确定所述目标商家的GPS区域。
可选地，所述运单信息还包括每一WiFi列表的采集时刻以及所述配送终端的到店时刻，相应地，所述从每一所述WiFi相似度集合中，确定至少一个驻留相似度，包括：
根据所述到店时刻确定目标时间段，并从所述目标时间段内确定驻留时间段区间，所述目标时间段内包括所述到店时刻；
将所述WiFi相似度集合中的，所述采集时刻处于所述驻留时间段区间内的WiFi列表对应的相似度作为驻留相似度；
其中，所述驻留时间段区间内任一所述采集时刻对应的相似度与所述驻留时间段区间内最小采集时刻对应的相似度的差的绝对值不大于预设阈值，并且所述驻留时间段区间内至少包括所述WiFi相似度集合中的最大值对应的所述采集时刻。
可选地，在从每一所述WiFi相似度集合中，确定至少一个驻留相似度之前，包括：
对每一所述历史运单的运单信息进行数据清洗，以去掉异常数据，其中，所述异常数据包括GPS位置点漂移的数据、送达时间为空的所述历史运单数据以及异常缓存WiFi列表对应的WiFi相似度数据。
可选地，所述距离值与WiFi相似度阈值之间的映射关系通过如下方式确定：
通过计算不同的所述距离值对应的所述WiFi相似度阈值，得到多个所述距离值与所述WiFi相似度阈值的数据对；
基于最小二乘法对多个所述数据对拟合二次函数，得到所述映射关系。
可选地，通过如下方式计算得到每一所述距离值与所述WiFi相似度阈值的所述数据对：
从每一所述历史运单的所述GPS位置点集合中确定距离所述目标商家的GPS区域边缘所述距离值处的GPS位置点，得到第一GPS位置点集合，并从每一所述历史运单的所述WiFi相似度集合中确定与所述第一GPS位置点集合中每一GPS位置点对应的WiFi相似度，得到第一WiFi相似度集合；
根据所述第一WiFi相似度集合，计算得到所述第一WiFi相似度集合的相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对；或者，
在对所述第一WiFi相似度集合进行去离散点处理后计算得到该集合的所述相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对。
可选地，所述第一确定模块，包括：
第二确定子模块，被配置为用于基于第一预设周期，根据所述目标商家的业务指标信息，确定所述目标距离值。
所述装置还包括以下模块中的至少一者：
第五确定模块，被配置为用于根据第二预设周期确定所述距离值与所述WiFi相似度阈值之间的所述映射关系，所述第一预设周期小于所述第二预设周期；
第六确定模块，被配置为用于根据所述第二预设周期确定所述目标商家的GPS区域；
第七确定模块，被配置为用于根据所述第二预设周期确定所述目标商家的所述WiFi到店模型。
根据本公开实施例的第四部分，提供一种到店确定装置，所述装置包括：
获取模块，被配置为用于在配送员配送目标商家的运单的过程中，获取配送终端实时扫描到的WiFi列表信息，以及所述目标商家的WiFi到店模型；
第三确定模块，被配置为用于确定所述WiFi列表信息与所述WiFi到店模型的相似度；
第四确定模块，被配置为用于在所述相似度大于WiFi相似度阈值的情况下，确定所述配送终端到达所述目标商家处，其中，所述WiFi相似度阈值是根据上述第一部分中的任一项所述方法确定的。
可选地，所述装置还包括：
显示模块，被配置为用于在所述配送终端的显示界面上显示到店打卡界面，以供所述配送员进行打卡操作；
获取模块，被配置为用于响应于所述配送员的所述打卡操作，获取所述运单的到店时刻信息。
根据本公开实施例的第五部分，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上述第一部分中的任一项所述方法的步骤。
根据本公开实施例的第六部分，提供一种计算机可读存储介质，该程序被处理器执行时实现上述第二部分中的任一项所述方法的步骤。
根据本公开实施例的第七部分，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，以实现上述第一部分中的任一项所述方法的步骤。
根据本公开实施例的第八部分，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，以实现上述第二部分中的任一项所述方法的步骤。
采用上述技术方案，至少能够达到如下技术效果：
由于目标商家的业务指标信息可以包括目标商家周边的路由器信息，因此在目标商家周围的WiFi信号发生变化时目标商家的业务指标信息随之发生变化。而在目标商家的业务指标信息发生变化时，对应的目标距离值也发生变化。进一步地，根据所述目标距离值确定的所述目标商家的到店区域以及目标WiFi相似度阈值同样会发生变化。因此，采用上述技术方案，根据目标商家的业务指标信息，可以确定符合目标商家当前的业务指标信息的目标WiFi相似度阈以及到店区域，从而在配送终端扫描到的WiFi列表与目标商家的WiFi到店模型之间的相似度大于目标WiFi相似度阈值时，确定配送终端到达目标商家的到店区域。采用这种方式，不管目标商家的业务指标信息如何变化，都能响应于目标商家的业务指标信息的变化而动态的调整目标商家的到店区域和WiFi相似度阈值，从而准确地判定配送终端对应的配送员是否到店，解决了相关技术中的由于商家周边的WiFi信号不稳定导致的无法判定配送员是否到店的问题。
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是根据本公开一示例性实施例示出的一种到店确定方法的流程图。
图2是根据本公开一示例性实施例示出的一种GPS区域与到店区域的示意图。
图3是根据本公开一示例性实施例示出的另一种到店确定方法的流程图。
图4是根据本公开一示例性实施例示出的又一种到店确定方法的流程图。
图5是根据本公开一示例性实施例示出的一种到店确定装置的框图。
图6是根据本公开一示例性实施例示出的另一种到店确定装置的框图。
图7是根据本公开一示例性实施例示出的一种电子设备的框图。
图8是根据本公开一示例性实施例示出的另一种电子设备的框图。
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。
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在外卖配送场景下，配送员配送运单的过程中，经常出现配送员提前打卡到店等不规范的操作行为。而配送员的这些不规范操作行为对商家、配送员、用户以及运营平台都有着恶劣的影响。例如，若配送员在未到达商家处就提前进行到店打卡操作，那么这一操作会在运单配送超时的情况下，导致该超时运单的责任无法在配送员与商家之间进行准确地界定。
相关技术中，为了解决这一问题，通常在配送员进行到店打卡时判断配送员是否到店。具体地，利用商家周边的路由器信息，为商家建立基于WiFi的到店模型，通过计算配送员手机扫描到的WiFi列表与任务商家到店模型的相似度，比对相似度和阈值的大小，从而判定配送员是否到店。其中阈值的设置和使用方法是：首先枚举WiFi到店模型的多个可能性阈值；其次，针对每一可能性阈值进行人工离线实验，从中确定最佳的一个阈值；接着将该最佳的阈值无差别应用于系统中的全部商家的到店判定逻辑中以判断配送员是否到店；进一步地，根据预设周期，重新确定新的最佳阈值，并通过人工将该新的最佳阈值更新到系统中。
这种根据技术人员从技术层面进行实验后确定的最佳阈值，无法从业务层面对其进行解释和扩展应用。例如，无法确定与该最佳阈值对应的商家WiFi到店模型在现实世界中的感知范围，进而不能实现引导配送员进入该最佳阈值对应的商家WiFi到店模型的感知范围内以进行到店打卡操作等扩展应用。
并且，将最佳的阈值无差别应用于系统中的全部商家的到店判定逻辑中的这种方式，并不能满足商家的个性化特征。原因在于不同的商家周边的路由器信息不同，因而不同商家的WiFi到店模型之间存在明显差异。而若针对不同的商家采用相同的阈值会导致部分商家的实际坐标范围与该阈值对应的WiFi到店模型感知范围不适配的问题，比如导致部分商家的实际坐标范围比该阈值对应的WiFi到店模型感知范围小或者大的问题，甚至会导致该阈值对应的WiFi到店模型感知范围偏离商家的实际坐标范围的问题。这些问题都可能会进一步导致配送员实际在店，而系统却无法判定配送员是否到店的问题。
另外，由于商家周边的环境信息是复杂多变的。例如，商家停电、商家更换地址、商家周边路由器发生故障等客观因素都会引起商家周边环境信息发生剧烈变化。而上述人工周期性更新阈值的方式并不能响应于商家周边环境信息的变化而及时地、自动地更新阈值。进一步地，在判断配送员是否到店时，阈值更新不及时会导致判定结果不准确。
有鉴于此，本公开实施例提供一种到店确定方法、装置、存储介质及电子设备，以解决上述问题。
图1是根据本公开一示例性实施例示出的一种到店确定方法的流程图，该方法可以应用于服务器中，如图1所示，所述到店确定方法包括以下步骤：
S11、根据目标商家的业务指标信息，确定目标距离值。
其中，目标商家的业务指标信息中所包括的指标类目根据业务的实际需求进行设定。
可选地，所述业务指标信息包括表征所述目标商家的GPS区域是否变更的指标参数、表征所述目标商家的WiFi到店模型的置信度的指标参数以及表征该WiFi到店模型包括的WiFi信息所对应的MAC地址个数的指标参数，相应地，所述根据目标商家的业务指标信息，确定目标距离值，包括：根据业务指标信息与距离值之间的预设映射策略，确定所述目标商家的所述业务指标信息对应的所述目标距离值。此外还需说明的是，目标商家的业务指标信息还可以包括运单配送成功率、运单到店率等类目。
不难理解的是，可以根据多个历史运单分别对应的到店时刻采集的GPS位置点确定目标商家的GPS区域。其中，到店时刻为配送终端在配送员配送历史运单的过程中，响应于配送员的到店打卡操作确定的。应当理解的是，目标商家的到店区域包括目标商家的GPS区域，配送员在到店区域内时默认该配送员到达目标商家处。
本领域普通技术人员应当知悉的是，配送终端采集的GPS数据存在数据漂移的问题，而GPS数据漂移会导致根据GPS位置点确定的目标商家的GPS区域与目标商家的实际位置区域存在差异。为克服这一差异性问题，可以通过表征目标商家的GPS区域是否变更的指标参数确定目标商家的GPS区域是否发生漂移以及发生何种程度的漂移，从而在确定目标商家的GPS区域发生漂移时，对包括目标商家的GPS区域的到店区域进行适应性调整，以使得目标商家的到店区域包括目标商家的实际位置区域。
目标商家的WiFi到店模型具体是根据每一配送员在配送目标商家的每一历史运单的过程中，对应的配送终端在到店时间段内扫描到的WiFi信息建立的，具体地实施方式，与相关技术中的WiFi到店模型建立方法相类似，此处不再详细阐述。其中，应当说明的是，WiFi到店模型的置信度是指该WiFi到店模型的可靠度或可信任程度。不难理解的是，当WiFi到店模型的可信任程度较低时，应当扩大目标商家的GPS区域以得到目标商家的到店区域，从而使得目标商家的到店区域包括目标商家的实际位置区域。而在WiFi到店模型的可信任程度较高时，可以适当缩小目标商家的GPS区域以得到目标商家的到店区域，从而使得目标商家的到店区域与目标商家的实际位置区域更加适配。应当说明的是，目标商家的业务指标信息还可以包括运单到店率，其中运单到店率表征一段时间内的运单中具有到店时间信息的运单占比。若运单到店率低则说明根据当前的WiFi到店模无法判别该一段时间内的大部分运单是否到店，即是说当前的WiFi到店模型置信度较低。
由于WiFi到店模型是根据每一配送员在配送目标商家的每一历史运单的过程中，对应的配送终端在到店时间段内扫描到的WiFi信息建立的，因此可以确定该WiFi到店模型包括的WiFi信息所对应的MAC地址/路由器个数。不难理解的是，当WiFi到店模型包括的WiFi信息所对应的MAC地址/路由器个数较多时，计算得到的WiFi到店模型与配送终端扫描到的WiFi列表之间的相似度能够更加准确的表征配送员是否到达目标商家的到店区域。当WiFi到店模型包括的WiFi信息所对应的MAC地址/路由器个数较较少时，计算得到的WiFi到店模型与配送终端扫描到的WiFi列表之间的相似度不能够准确的表征配送员是否到达目标商家的到店区域。因此，一种可实现的实施方式，根据表征WiFi到店模型包括的WiFi信息所对应的MAC地址个数的指标参数，可以适应性调整目标商家的到店区域大小。例如，当WiFi到店模型包括的WiFi信息所对应的MAC地址个数较少时，可以对目标商家的到店区域进行扩大，而在WiFi到店模型包括的WiFi信息所对应的MAC地址个数较多时，可以对目标商家的到店区域进行缩小。如此，可以使得WiFi到店模型与配送终端扫描到的WiFi列表之间的相似度能够更加准确的表征配送员是否到达目标商家的到店区域。
因此，根据目标商家的GPS区域是否变更的指标参数、目标商家的WiFi到店模型的置信度的指标参数以及该WiFi到店模型包括的WiFi信息所对应的MAC地址个数，可以确定目标商家的到店区域范围。在具体实施时，可以根据业务指标信息中每一指标参数的值与距离值之间的预设映射策略，综合确定目标商家的业务指标信息对应的目标距离值，并根据该目标距离值确定目标商家的到店区域。其中，预设映射策略根据业务需求进行设计，并可以根据第一预设周期，确定目标商家的业务指标信息。应当说明的是，根据第一预设周期确定当前周期t内的目标商家的业务指标信息时，根据第t-1周期内的历史运单信息确定业务指标信息中涉及的各指标参数的值。
S12、根据所述目标距离值对所述目标商家的GPS区域进行放缩，得到所述目标商家的到店区域。
一种可实现的实施方式，可以根据目标距离值对目标商家的GPS区域进行放缩，以得到目标商家的到店区域。示例地，如图2所示，假设目标距离值为M，那么对目标商家的GPS区域进行扩大后，可以得到如图2中虚线包括的区域为目标商家的到店区域。再示例地，假设目标距离值为-M，那么对目标商家的GPS区域采用与图2相类似的方法进行缩小后可以得到目标商家的到店区域。
S13、根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值；所述目标WiFi相似度阈值用于，在配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，确定所述配送终端到达所述到店区域；所述WiFi到店模型是根据配送终端在对应所述目标商家的历史到店时间段内扫描到的WiFi信息建立的。
具体地，在上述步骤S12中确定目标商家的到店区域后，应当确定目标商家的到店区域所对应的目标WiFi相似度阈值，从而在配送员配送当前运单时，若配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，则确定所述配送终端到达所述到店区域。
一种可实现的实施方式，可以根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值。其中，距离值与WiFi相似度阈值之间的映射关系可以根据第二预设周期进行确定。
值得说明的是，本公开中的相似度计算方法可以是相关技术中的任意一种相似度算法。但需说明的是，本公开默认相似度的值越大表征越相似。当本公开的WiFi相似度为余弦相似度时，可以用余弦值对应的两个向量的夹角来表征两者的相似度。而不难理解的是，当用余弦值对应的两个向量的夹角来表征两者的相似度时，夹角值越小两个向量越相似。
采用上述方法，根据目标商家的业务指标信息，可以确定符合目标商家当前的业务指标信息的目标WiFi相似度阈以及到店区域，从而在配送终端扫描到的WiFi列表与目标商家的WiFi到店模型之间的相似度大于目标WiFi相似度阈值时，确定配送终端到达目标商家的到店区域。采用这种方式，不管目标商家的业务指标信息如何变化，都能响应于目标商家的业务指标信息的变化而动态的调整目标商家的到店区域和WiFi相似度阈值，从而准确地判定配送终端对应的配送员是否到店，解决了相关技术中的由于商家周边的WiFi信号不稳定导致的无法判定配送员是否到店的问题。
另外，还需说明的是，采用上述方法，根据目标距离值确定的目标商家的到店区域以及根据目标距离值确定的目标WiFi相似度阈值之间具有可解释性。该目标WiFi相似度阈值与目标商家的到店区域相对应。因此在扩展业务应用时，可以根据到店区域与配送员的当前位置引导配送员进入该目标WiFi相似度阈值对应的到店区域内，从而提升配送员的到店效率。此外，针对每一商家采用上述方法确定每一商家的到店区域以及目标WiFi相似度阈值的方式，可以避免相关技术中将最佳的阈值无差别应用于系统中的全部商家的到店判定逻辑中的方式导致的不能满足商家的个性化特征的问题。
可选地，所述目标商家的GPS区域是通过如下方式确定的：
获取所述目标商家的每一历史运单的运单信息，所述运单信息包括WiFi相似度集合以及GPS位置点集合，所述WiFi相似度集合包括配送终端在配送所述历史运单的过程中扫描到的每一WiFi列表与所述目标商家的WiFi到店模型之间的相似度，所述GPS位置点集合包括每一所述WiFi列表对应的GPS位置点；从每一所述WiFi相似度集合中，确定至少一个驻留相似度，得到驻留相似度集合，所述驻留相似度用于表征所述配送终端到店扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度；基于每一所述GPS位置点集合，根据与所述驻留相似度集合中每一驻留相似度对应的GPS位置点，确定所述目标商家的GPS区域。
其中，应当说明的是在相关技术中，配送终端每间隔15秒扫描一次周围的WiFi信号得到对应时刻的WiFi列表，并且在扫描WiFi信号的同时获取对应的GPS位置点信息。
一种可实现的实施方式，可以根据第二预设周期确定目标商家的GPS区域。具体地，获取上一周期内目标商家的每一历史运单的WiFi相似度集合以及GPS位置点集合。接着从每一WiFi相似度集合中，确定至少一个驻留相似度，得到每一历史运单的第一驻留相似度集合，进而得到包括每一历史运单的第一驻留相似度集合的驻留相似度集合；接着，基于每一运单的GPS位置点集合，选择与驻留相似度集合中每一驻留相似度对应时刻的GPS位置点，得到目标商家的GPS位置点集合；进一步地，基于与固定比例剪边算法(非凸包算法)相类似的方法，根据目标商家的GPS位置点集合，计算得到目标商家的GPS区域。示例地，如图2所示的GPS区域。
另一种可实现的实施方式，在得到目标商家的GPS位置点集合之前，可以基于OneClassSVM方法，对驻留相似度集合进行去离散点处理，以得到处理后的驻留相似度集合。采用这种方式得到的驻留相似度集合，有利于确定更加精准的目标商家的GPS区域。
而基于OneClassSVM方法，对驻留相似度集合进行去离散点处理的具体实施方式可以是，将每一历史运单对应的第一驻留相似度集合中的最小值作为训练数据，训练得到OneClassSVM模型；将所有历史运单对应的第一驻留相似度集合输入训练后的所述OneClassSVM模型中，得到目标商家的驻留相似度集合。
可选地，所述运单信息还包括每一WiFi列表的采集时刻以及所述配送终端的到店时刻，相应地，所述从每一所述WiFi相似度集合中，确定至少一个驻留相似度，包括：根据所述到店时刻确定目标时间段，并从所述目标时间段内确定驻留时间段区间，所述目标时间段内包括所述到店时刻；将所述WiFi相似度集合中的，所述采集时刻处于所述驻留时间段区间内的WiFi列表对应的相似度作为驻留相似度；其中，所述驻留时间段区间内任一所述采集时刻对应的相似度与所述驻留时间段区间内最小采集时刻对应的相似度的差的绝对值不大于预设阈值，并且所述驻留时间段区间内至少包括所述WiFi相似度集合中的最大值对应的所述采集时刻。
应当理解的是，在包括到店时刻的目标时间段内，配送员处于目标商家的到店区域内，而由于目标商家的到店区域包括目标商家的GPS区域，因此目标时间段包括配送员处于目标商家的GPS区域的驻留时间段区间。值得说明的是，驻留时间段区间内不一定包括到店时刻。示例地，假设到店时刻为某时12分，那么目标时间段可以为10～14，而驻留时间段区间可能为12.2～13，或者可能为11.2～13。
但是驻留时间段区间满足以下条件：驻留时间段区间内任一采集时刻对应的相似度与驻留时间段区间内最小采集时刻对应的相似度的差的绝对值不大于预设阈值，并且驻留时间段区间内包括WiFi相似度集合中的最大值对应的采集时刻。一种可实现的实施方式，可以通过与以下伪代码类似的方法从目标时间段内确定驻留时间段区间：
Figure BDA0002539951220000141
可选地，在从每一所述WiFi相似度集合中，确定至少一个驻留相似度之前，包括：
对每一所述历史运单的运单信息进行数据清洗，以去掉异常数据，其中，所述异常数据包括GPS位置点漂移的数据、送达时间为空的所述历史运单数据以及异常缓存WiFi列表对应的WiFi相似度数据。其中，送达时间为空的历史运单数据是指未完成的运单数据。若在第N时刻采集的WiFi列表以及每一WiFi的信号强度与N-1时刻采集的WiFi列表及强度均相同，则第N时刻采集的WiFi列表为异常缓存的列表。
此处应当说明的是，获取所述目标商家的每一历史运单的运单信息，可以包括：先获取配送员在配送目标商家的历史运单的过程中配送终端持续采集的WiFi列表信息、GPS位置点信息以及对应历史运单的信息等数据，然后计算出目标商家的WiFi到店模型与每一WiFi列表的相似度，得到每一历史运单的WiFi相似度集合，其中，Wi-Fi相似度的数据格式可以如表1所示。
表1 Wi-Fi相似度数据格式
Figure BDA0002539951220000142
Figure BDA0002539951220000151
可选地，所述距离值与WiFi相似度阈值之间的映射关系通过如下方式确定：
通过计算不同的所述距离值对应的所述WiFi相似度阈值，得到多个所述距离值与所述WiFi相似度阈值的数据对；基于最小二乘法对多个所述数据对拟合二次函数，得到所述映射关系。
其中，通过如下方式计算得到每一所述距离值与所述WiFi相似度阈值的所述数据对：
根据第二预设周期，从上一周期中的每一所述历史运单的所述GPS位置点集合中确定距离所述目标商家的GPS区域边缘所述距离值处的GPS位置点，得到第一GPS位置点集合，示例地，第一GPS位置点集合为图2虚线上的GPS位置点的集合。并从每一所述历史运单的所述WiFi相似度集合中确定与所述第一GPS位置点集合中每一GPS位置点对应的WiFi相似度，得到第一WiFi相似度集合；根据所述第一WiFi相似度集合，计算得到所述第一WiFi相似度集合的相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对；或者，在对所述第一WiFi相似度集合进行去离散点处理后计算得到该集合的所述相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对。
如此，采用上述方式可以确定当前周期的所述距离值与WiFi相似度阈值之间的映射关系。
可选地，所述根据目标商家的业务指标信息，确定目标距离值，包括：
基于第一预设周期，根据所述目标商家的业务指标信息，确定所述目标距离值。所述方法还包括执行以下步骤中的至少一者：根据第二预设周期确定所述距离值与所述WiFi相似度阈值之间的所述映射关系，所述第一预设周期小于所述第二预设周期；根据所述第二预设周期确定所述目标商家的GPS区域；根据所述第二预设周期确定所述目标商家的所述WiFi到店模型。
示例地，假设第一预设周期为7分钟一周期，第二预设周期为7天一周期。那么，在第8天时，采用前7天内目标商家的历史运单的运单信息，通过上述实施例中的方式确定距离值与WiFi相似度阈值之间的映射关系、目标商家的GPS区域以及目标商家的WiFi到店模型。并且，第8天的第8分钟时，根据前7分钟内的目标商家的业务指标信息中的，确定当前周期内的目标距离值，并根据该目标距离值对目标商家的GPS区域进行放缩，得到目标商家的到店区域；并根据目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定目标距离值对应的目标WiFi相似度阈值。通过比较配送终端实时扫描到的WiFi列表与目标商家的WiFi到店模型之间的相似度大小，确定配送终端是否到达目标商家的到店区域。
周期性的确定距离值与WiFi相似度阈值之间的映射关系、目标商家的GPS区域以及WiFi到店模型的这种方式可以避免相关技术中人工周期性枚举可能性阈值以及人工实验确定最佳阈值导致的高人工成本的问题。并且，周期性的根据目标商家的业务指标信息，确定目标距离值进而确定目标WiFi相似度阈值的方式，可以避免相关技术中因不能响应于商家周边环境信息的变化而及时地、自动地更新阈值的问题。
基于同一发明构思，本公开实施例还提供一种到店确定方法，该方法可以应用于配送终端，如图3所示，所述方法可以包括以下步骤：
S31、在配送员配送目标商家的运单的过程中，获取配送终端实时扫描到的WiFi列表信息，以及所述目标商家的WiFi到店模型；
S32、确定所述WiFi列表信息与所述WiFi到店模型的相似度；
S33、在所述相似度大于WiFi相似度阈值的情况下，确定所述配送终端到达所述目标商家处，其中，所述WiFi相似度阈值是根据第一方面所述的方法确定的。
采用这种方式，根据目标商家的业务指标信息确定目标商家的到店区域以及该到店区域对应的WiFi相似度阈值。在配送员配送目标商家的运单的过程中，通过计算配送终端实时扫描到的WiFi列表信息与WiFi到店模型的相似度，并比较该相似度与WiFi相似度阈值的大小，从而可以确定配送终端是否处于目标商家的到店区域。这种方式，随着目标商家的业务指标信息的变化而动态的调整目标商家的到店区域和WiFi相似度阈值，避免了相关技术中因目标商家的指标信息变化而无法判定配送员是否到店的问题。
可选地，在确定所述配送终端到达所述目标商家处之后，所述方法还可以包括以下步骤：
在所述配送终端的显示界面上显示到店打卡界面，以供所述配送员进行打卡操作；并响应于所述配送员的所述打卡操作，获取所述运单的到店时刻信息。
采用这种方式，在确定配送员的配送终端到达目标商家的到店区域之后，提醒并允许配送员进行到店打卡的操作，这种方式可以避免配送员提前进行到店打卡的不规范操作，使得获取到的到店时刻信息是准确的。这样，根据准确的到店时刻信息，可以在该运单配送超时的情况下，对该超时运单的责任进行准确地界定。此外，准确地到店时刻信息还有利于更加准确地估计运单的配送时长。
图4是根据本公开一示例性实施例示出的一种到店确定方法的流程图，如图4所示，包括：
S41、根据配送终端在T-1周期内对应目标商家的历史到店时间段内扫描到的WiFi信息建立WiFi到店模型，其中，T为前述实施例中的第二预设周期；
S42、根据T-1周期内目标商家的每一历史运单的运单信息确定目标商家的GPS区域以及距离值与WiFi相似度阈值之间的映射关系；
S43、获取t-1周期内目标商家的业务指标信息，其中，所述业务指标信息包括表征在t-1周期内目标商家的GPS区域是否变更的指标参数、表征在t-1周期内目标商家的WiFi到店模型的置信度的指标参数以及表征在t-1周期内WiFi到店模型包括的WiFi信息所对应的MAC地址个数的指标参数；
S44、根据业务指标信息与距离值之间的预设映射策略，确定目标商家的业务指标信息对应的目标距离值；
S45、根据目标商家的GPS区域、目标距离值、距离值与WiFi相似度阈值之间的映射关系确定目标WiFi相似度阈值以及目标商家的到店区域；
S46、获取配送终端实时扫描到的WiFi列表信息以及目标商家的WiFi到店模型；
S47、计算实时扫描到的WiFi列表信息与WiFi到店模型的相似度，并在相似度大于WiFi相似度阈值的情况下，确定所述配送终端到达所述目标商家的到店区域。
基于同一发明构思，本公开实施例还提供一种到店确定装置，如图5所示，所述装置500包括：
第一确定模块510，被配置为用于根据目标商家的业务指标信息，确定目标距离值；
放缩模块520，被配置为用于根据所述目标距离值对所述目标商家的GPS区域进行放缩，得到所述目标商家的到店区域；
第二确定模块530，被配置为用于根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值；
所述目标WiFi相似度阈值用于，在配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，确定所述配送终端到达所述到店区域；其中，所述WiFi到店模型是根据配送终端在对应所述目标商家的历史到店时间段内扫描到的WiFi信息建立的。
采用这种装置，根据目标商家的业务指标信息，可以确定符合目标商家当前的业务指标信息的目标WiFi相似度阈以及到店区域，从而在配送终端扫描到的WiFi列表与目标商家的WiFi到店模型之间的相似度大于目标WiFi相似度阈值时，确定配送终端到达目标商家的到店区域。采用这种装置，不管目标商家的业务指标信息如何变化，都能响应于业务指标信息的变化判定配送终端对应的配送员是否到店，解决了相关技术中的由于商家周边的WiFi信号不稳定导致的无法判定配送员是否到店的问题。
可选地，所述业务指标信息包括表征所述目标商家的GPS区域是否变更的指标参数、表征所述目标商家的WiFi到店模型的置信度的指标参数以及表征该WiFi到店模型包括的WiFi信息所对应的MAC地址个数的指标参数，相应地，所述第一确定模块510，包括：
第一确定子模块，被配置为用于根据业务指标信息与距离值之间的预设映射策略，确定所述目标商家的所述业务指标信息对应的所述目标距离值。
可选地，所述目标商家的GPS区域是通过如下方式确定的：
获取所述目标商家的每一历史运单的运单信息，所述运单信息包括WiFi相似度集合以及GPS位置点集合，所述WiFi相似度集合包括配送终端在配送所述历史运单的过程中扫描到的每一WiFi列表与所述目标商家的WiFi到店模型之间的相似度，所述GPS位置点集合包括每一所述WiFi列表对应的GPS位置点；
从每一所述WiFi相似度集合中，确定至少一个驻留相似度，得到驻留相似度集合，所述驻留相似度用于表征所述配送终端到店扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度；
基于每一所述GPS位置点集合，根据与所述驻留相似度集合中每一驻留相似度对应的GPS位置点，确定所述目标商家的GPS区域。
可选地，所述运单信息还包括每一WiFi列表的采集时刻以及所述配送终端的到店时刻，相应地，所述从每一所述WiFi相似度集合中，确定至少一个驻留相似度，包括：
根据所述到店时刻确定目标时间段，并从所述目标时间段内确定驻留时间段区间，所述目标时间段内包括所述到店时刻；
将所述WiFi相似度集合中的，所述采集时刻处于所述驻留时间段区间内的WiFi列表对应的相似度作为驻留相似度；
其中，所述驻留时间段区间内任一所述采集时刻对应的相似度与所述驻留时间段区间内最小采集时刻对应的相似度的差的绝对值不大于预设阈值，并且所述驻留时间段区间内至少包括所述WiFi相似度集合中的最大值对应的所述采集时刻。
可选地，在从每一所述WiFi相似度集合中，确定至少一个驻留相似度之前，包括：
对每一所述历史运单的运单信息进行数据清洗，以去掉异常数据，其中，所述异常数据包括GPS位置点漂移的数据、送达时间为空的所述历史运单数据以及异常缓存WiFi列表对应的WiFi相似度数据。
可选地，所述距离值与WiFi相似度阈值之间的映射关系通过如下方式确定：
通过计算不同的所述距离值对应的所述WiFi相似度阈值，得到多个所述距离值与所述WiFi相似度阈值的数据对；
基于最小二乘法对多个所述数据对拟合二次函数，得到所述映射关系。
可选地，通过如下方式计算得到每一所述距离值与所述WiFi相似度阈值的所述数据对：
从每一所述历史运单的所述GPS位置点集合中确定距离所述目标商家的GPS区域边缘所述距离值处的GPS位置点，得到第一GPS位置点集合，并从每一所述历史运单的所述WiFi相似度集合中确定与所述第一GPS位置点集合中每一GPS位置点对应的WiFi相似度，得到第一WiFi相似度集合；
根据所述第一WiFi相似度集合，计算得到所述第一WiFi相似度集合的相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对；或者，
在对所述第一WiFi相似度集合进行去离散点处理后计算得到该集合的所述相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对。
可选地，所述第一确定模块510，包括：
第二确定子模块，被配置为用于基于第一预设周期，根据所述目标商家的业务指标信息，确定所述目标距离值。
所述装置还包括以下模块中的至少一者：
第五确定模块，被配置为用于根据第二预设周期确定所述距离值与所述WiFi相似度阈值之间的所述映射关系，所述第一预设周期小于所述第二预设周期；
第六确定模块，被配置为用于根据所述第二预设周期确定所述目标商家的GPS区域；
第七确定模块，被配置为用于根据所述第二预设周期确定所述目标商家的所述WiFi到店模型。
本公开实施例还提供一种到店确定装置，如图6所示，所述装置600包括：
获取模块610，被配置为用于在配送员配送目标商家的运单的过程中，获取配送终端实时扫描到的WiFi列表信息，以及所述目标商家的WiFi到店模型；
第三确定模块620，被配置为用于确定所述WiFi列表信息与所述WiFi到店模型的相似度；
第四确定模块630，被配置为用于在所述相似度大于WiFi相似度阈值的情况下，确定所述配送终端到达所述目标商家处，其中，所述WiFi相似度阈值是根据上述第一部分中的任一项所述方法确定的。
采用这种装置，根据目标商家的业务指标信息确定目标商家的到店区域以及该到店区域对应的WiFi相似度阈值。在配送员配送目标商家的运单的过程中，通过计算配送终端实时扫描到的WiFi列表信息与WiFi到店模型的相似度，并比较该相似度与WiFi相似度阈值的大小，从而可以确定配送终端是否处于目标商家的到店区域。这种方式，响应于目标商家的业务指标信息的变化而动态的调整目标商家的到店区域和WiFi相似度阈值，避免了相关技术中因目标商家的指标信息变化而无法判定配送员是否到店的问题。
可选地，所述装置600还包括：
显示模块640，被配置为用于在所述配送终端的显示界面上显示到店打卡界面，以供所述配送员进行打卡操作；
获取模块650，被配置为用于响应于所述配送员的所述打卡操作，获取所述运单的到店时刻信息。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图7是根据一示例性实施例示出的一种电子设备700的框图。如图7所示，该电子设备700可以包括：处理器701，存储器702。该电子设备700还可以包括多媒体组件703，输入/输出(I/O)接口704，以及通信组件705中的一者或多者。
其中，处理器701用于控制该电子设备700的整体操作，以完成上述的到店确定方法方法中的全部或部分步骤。存储器702用于存储各种类型的数据以支持在该电子设备700的操作，这些数据例如可以包括用于在该电子设备700上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器702可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件703可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器702或通过通信组件705发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口704为处理器701和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件705用于该电子设备700与其他设备之间进行有线或无线通信。无线通信，例如WiFi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件705可以包括：WiFi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备700可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的到店确定方法方法。
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到店确定方法方法的步骤。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702，上述程序指令可由电子设备700的处理器701执行以完成上述的到店确定方法方法。
图8是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图8，电子设备1900包括处理器1922，其数量可以为一个或多个，以及存储器1932，用于存储可由处理器1922执行的计算机程序。存储器1932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1922可以被配置为执行该计算机程序，以执行上述的到店确定方法方法。
另外，电子设备1900还可以包括电源组件1926和通信组件1950，该电源组件1926可以被配置为执行电子设备1900的电源管理，该通信组件1950可以被配置为实现电子设备1900的通信，例如，有线或无线通信。此外，该电子设备1900还可以包括输入/输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，Mac OS XTM，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到店确定方法方法的步骤。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1932，上述程序指令可由电子设备1900的处理器1922执行以完成上述的到店确定方法方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的到店确定方法方法的代码部分。
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。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (16)

1.一种到店确定方法，其特征在于，包括：
根据目标商家的业务指标信息，确定目标距离值；
根据所述目标距离值对所述目标商家的GPS区域进行放缩，得到所述目标商家的到店区域，所述GPS区域是根据所述目标商家的每一历史运单对应的WiFi相似度集合以及GPS位置点集合确定的，所述WiFi相似度集合包括配送终端在配送所述历史运单的过程中扫描到的每一WiFi列表与所述目标商家的WiFi到店模型之间的相似度，所述GPS位置点集合包括每一所述WiFi列表对应的GPS位置点；
根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值；
所述目标WiFi相似度阈值用于，在配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，确定所述配送终端到达所述到店区域；
其中，所述WiFi到店模型是根据配送终端在对应所述目标商家的历史到店时间段内扫描到的WiFi信息建立的；
所述根据目标商家的业务指标信息，确定目标距离值，包括：
根据业务指标信息与距离值之间的预设映射策略，确定所述目标商家的所述业务指标信息对应的所述目标距离值。
2.根据权利要求1所述的方法，其特征在于，所述业务指标信息包括表征所述目标商家的GPS区域是否变更的指标参数、表征所述目标商家的WiFi到店模型的置信度的指标参数以及表征该WiFi到店模型包括的WiFi信息所对应的MAC地址个数的指标参数。
3.根据权利要求1所述的方法，其特征在于，所述目标商家的GPS区域是通过如下方式确定的：
获取所述目标商家的每一历史运单的运单信息，所述运单信息包括所述WiFi相似度集合以及所述GPS位置点集合；
从每一所述WiFi相似度集合中，确定至少一个驻留相似度，得到驻留相似度集合，所述驻留相似度用于表征所述配送终端到店扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度；
基于每一所述GPS位置点集合，根据与所述驻留相似度集合中每一驻留相似度对应的GPS位置点，确定所述目标商家的GPS区域。
4.根据权利要求3所述的方法，其特征在于，所述运单信息还包括每一WiFi列表的采集时刻以及所述配送终端的到店时刻，相应地，所述从每一所述WiFi相似度集合中，确定至少一个驻留相似度，包括：
根据所述到店时刻确定目标时间段，并从所述目标时间段内确定驻留时间段区间，所述目标时间段内包括所述到店时刻；
将所述WiFi相似度集合中的，所述采集时刻处于所述驻留时间段区间内的WiFi列表对应的相似度作为驻留相似度；
其中，所述驻留时间段区间内任一所述采集时刻对应的相似度与所述驻留时间段区间内最小采集时刻对应的相似度的差的绝对值不大于预设阈值，并且所述驻留时间段区间内至少包括所述WiFi相似度集合中的最大值对应的所述采集时刻。
5.根据权利要求3所述的方法，其特征在于，在从每一所述WiFi相似度集合中，确定至少一个驻留相似度之前，包括：
对每一所述历史运单的运单信息进行数据清洗，以去掉异常数据，其中，所述异常数据包括GPS位置点漂移的数据、送达时间为空的所述历史运单数据以及异常缓存WiFi列表对应的WiFi相似度数据。
6.根据权利要求3-5中任一项所述的方法，其特征在于，所述距离值与WiFi相似度阈值之间的映射关系通过如下方式确定：
通过计算不同的所述距离值对应的所述WiFi相似度阈值，得到多个所述距离值与所述WiFi相似度阈值的数据对；
基于最小二乘法对多个所述数据对拟合二次函数，得到所述映射关系。
7.根据权利要求6所述的方法，其特征在于，通过如下方式计算得到每一所述距离值与所述WiFi相似度阈值的所述数据对：
从每一所述历史运单的所述GPS位置点集合中确定距离所述目标商家的GPS区域边缘所述距离值处的GPS位置点，得到第一GPS位置点集合，并从每一所述历史运单的所述WiFi相似度集合中确定与所述第一GPS位置点集合中每一GPS位置点对应的WiFi相似度，得到第一WiFi相似度集合；
根据所述第一WiFi相似度集合，计算得到所述第一WiFi相似度集合的相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对；或者，
在对所述第一WiFi相似度集合进行去离散点处理后计算得到该集合的所述相似度均值，并将所述相似度均值作为与所述距离值对应的所述WiFi相似度阈值，得到所述距离值与所述WiFi相似度阈值的所述数据对。
8.根据权利要求7所述的方法，其特征在于，所述根据目标商家的业务指标信息，确定目标距离值，包括：
基于第一预设周期，根据所述目标商家的业务指标信息，确定所述目标距离值；
所述方法还包括执行以下步骤中的至少一者：
根据第二预设周期确定所述距离值与所述WiFi相似度阈值之间的所述映射关系，所述第一预设周期小于所述第二预设周期；
根据所述第二预设周期确定所述目标商家的GPS区域；
根据所述第二预设周期确定所述目标商家的所述WiFi到店模型。
9.一种到店确定方法，其特征在于，所述方法包括：
在配送员配送目标商家的运单的过程中，获取配送终端实时扫描到的WiFi列表信息，以及所述目标商家的WiFi到店模型；
确定所述WiFi列表信息与所述WiFi到店模型的相似度；
在所述相似度大于WiFi相似度阈值的情况下，确定所述配送终端到达所述目标商家处，其中，所述WiFi相似度阈值是根据权利要求1-8中任一项所述的方法确定的。
10.根据权利要求9所述的方法，其特征在于，在确定所述配送终端到达所述目标商家处之后，包括：
在所述配送终端的显示界面上显示到店打卡界面，以供所述配送员进行打卡操作；
响应于所述配送员的所述打卡操作，获取所述运单的到店时刻信息。
11.一种到店确定装置，其特征在于，所述装置包括：
第一确定模块，被配置为用于根据目标商家的业务指标信息，确定目标距离值；
放缩模块，被配置为用于根据所述目标距离值对所述目标商家的GPS区域进行放缩，得到所述目标商家的到店区域，所述GPS区域是根据所述目标商家的每一历史运单对应的WiFi相似度集合以及GPS位置点集合确定的，所述WiFi相似度集合包括配送终端在配送所述历史运单的过程中扫描到的每一WiFi列表与所述目标商家的WiFi到店模型之间的相似度，所述GPS位置点集合包括每一所述WiFi列表对应的GPS位置点；
第二确定模块，被配置为用于根据所述目标距离值以及距离值与WiFi相似度阈值之间的映射关系，确定所述目标距离值对应的目标WiFi相似度阈值；
所述目标WiFi相似度阈值用于，在配送终端扫描到的WiFi列表与所述目标商家的WiFi到店模型之间的相似度大于所述目标WiFi相似度阈值时，确定所述配送终端到达所述到店区域；
其中，所述WiFi到店模型是根据配送终端在对应所述目标商家的历史到店时间段内扫描到的WiFi信息建立的；
所述第一确定模块包括第一确定子模块，所述第一确定子模块被配置为根据业务指标信息与距离值之间的预设映射策略，确定所述目标商家的所述业务指标信息对应的所述目标距离值。
12.一种到店确定装置，其特征在于，所述装置包括：
获取模块，被配置为用于在配送员配送目标商家的运单的过程中，获取配送终端实时扫描到的WiFi列表信息，以及所述目标商家的WiFi到店模型；
第三确定模块，被配置为用于确定所述WiFi列表信息与所述WiFi到店模型的相似度；
第四确定模块，被配置为用于在所述相似度大于WiFi相似度阈值的情况下，确定所述配送终端到达所述目标商家处，其中，所述WiFi相似度阈值是根据权利要求1-8中任一项所述的方法确定的。
13.一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1-8中任一项所述方法的步骤。
14.一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9或10所述方法的步骤。
15.一种电子设备，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1-8中任一项所述方法的步骤。
16.一种电子设备，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9或10所述方法的步骤。
CN202010544142.XA 2020-06-15 2020-06-15 到店确定方法、装置、存储介质及电子设备 Active CN113806340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010544142.XA CN113806340B (zh) 2020-06-15 2020-06-15 到店确定方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010544142.XA CN113806340B (zh) 2020-06-15 2020-06-15 到店确定方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN113806340A CN113806340A (zh) 2021-12-17
CN113806340B true CN113806340B (zh) 2022-12-20

Family

ID=78944035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010544142.XA Active CN113806340B (zh) 2020-06-15 2020-06-15 到店确定方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN113806340B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106199509A (zh) * 2015-04-30 2016-12-07 西门子公司 用于无线定位的位置指纹更新方法和装置
CN109525337B (zh) * 2017-09-20 2021-04-16 腾讯科技（深圳）有限公司 WiFi指纹获取方法、装置、存储介质以及设备
CN107682811A (zh) * 2017-10-19 2018-02-09 北京三快在线科技有限公司 一种定位方法和装置
KR102128398B1 (ko) * 2018-07-11 2020-06-30 한국과학기술연구원 고정확도의 고속 무선 측위 방법 및 장치
CN110505572B (zh) * 2019-06-27 2021-05-04 华为技术有限公司 一种室内定位方法及电子设备

Also Published As

Publication number Publication date
CN113806340A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
US11551377B2 (en) Eye gaze tracking using neural networks
US11790632B2 (en) Method and apparatus for sample labeling, and method and apparatus for identifying damage classification
US11328304B2 (en) Automated queuing system
US20140171133A1 (en) Query response
AU2012348048B2 (en) Contextual and location awareness for device interaction
CN107491825B (zh) 一种约车处理方法及系统
US20190019330A1 (en) Dynamic map update device, dynamic map update method, and non-transitory computer readable medium recording dynamic map update program
US9195842B2 (en) Information processing method, apparatus, and system
US9531651B1 (en) Methods for displaying notifications
CN104867065A (zh) 处理订单的方法和设备
US10986060B2 (en) Context and time prediction based message recommendation system
CN112214561B (zh) 地图数据处理方法、装置、计算机设备及存储介质
CN114162130B (zh) 驾驶辅助模式切换方法、装置、设备及存储介质
WO2019053556A1 (en) DEVICE DETECTION LOST USING GEOSPATIAL LOCATION DATA
CN108764369B (zh) 基于数据融合的人物识别方法、装置和计算机存储介质
GB2607824A (en) Systems and methods of generating improved graphical user interfaces for distributed rule and workflow management
CN112559663A (zh) Poi数据处理方法、装置、设备、存储介质和程序产品
CN113920502A (zh) 一种云台调整方法、装置、设备及介质
CN113806340B (zh) 到店确定方法、装置、存储介质及电子设备
CN105162931A (zh) 一种通信号码的分类方法及装置
CN108280199B (zh) 地图切换方法及装置
CN106204869A (zh) 排号提醒方法及系统
CN110941639A (zh) 数据处理、数据查询方法、装置以及设备
CN112583694B (zh) 消息推送方法、装置、存储介质及控制终端
CN114663418A (zh) 图像处理的方法及装置、存储介质及电子设备

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
GR01 Patent grant
GR01 Patent grant