CN113850441A - 一种预测送达时效方法及装置 - Google Patents
一种预测送达时效方法及装置 Download PDFInfo
- Publication number
- CN113850441A CN113850441A CN202111166617.7A CN202111166617A CN113850441A CN 113850441 A CN113850441 A CN 113850441A CN 202111166617 A CN202111166617 A CN 202111166617A CN 113850441 A CN113850441 A CN 113850441A
- Authority
- CN
- China
- Prior art keywords
- delivery
- order
- target
- delivery time
- quantile
- 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
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种预测送达时效的方法及装置,本申请通过获取用户订单信息,所述用户订单信息包括目的地信息,基于所述目的地信息确定订单路径,利用多分位法确定订单路径中各个路段节点的预测送达时效,将所述各个路段节点的送达时效相加得到用户订单信息对应的预测送达时效。本申请实施例提供的方法,可以通过用户订单信息确认订单路径,即商品从商家仓库到用户指定目的地的路径,利用分位数确定订单路径中的各路段节点的预测送达时效,落实到每一路段的预测送达时效,再将各路段节点的预测送达时效相加得到整个用户订单的预测送达时效,提高了预测送达时效的准确性。
Description
技术领域
本申请涉及物理技术领域,特别是一种预测送达时效方法及装置。
背景技术
随着互联网技术的发展,越来越多的人们会选择网上购物,快递、物流行业随之得到迅速发展,商家通过快递、物流将商品发往全国各地,为了使用户了解自己的商品何时能抵达自己的手中,在用户提交购买订单时,会有一个商品预计到达时效。
然而传统的物流领域对于预计商品的送达时效通常采用商家自行配置宽松时效并在轨迹产生后对时效进行修正的方式,且发货时间采用48小时内发货的话术,从而使得整个商品的预计送达时效不够精准,如何较精准的获得商品的预计送达时效是人们关心的问题。
发明内容
有鉴于此,本申请提供了一种预测送达时效方法及装置用以提高预计送达时效准确性。
为了实现上述目的,现提出的方案如下:
一种预测送达时效方法,包括:
获取用户订单信息,所述用户订单信息包括目的地信息;
基于所述目的地信息确定订单路径;
获取订单路径中各路段节点的预设时间段内的历史送达时效数据;
针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数;
利用所述目标分位数确定订单路径中所述路段节点的预测送达时效;
将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
可选的,所述历史送达时效数据包括多个订单的送达时效,所述针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数,包括:
将所述历史送达时效数据按周期时间划分为多个订单送达时效合集;
根据预设的与所述订单送达时效合集对应的标准送达时效,确定所述订单送达时效合集的准时率、延误率和提前率;
其中,所述预设标准送达时效根据对应路段节点的配送时效维度所确定的;
基于所述订单送达时效合集的准时率、延误率和提前率,按照设定最优标准送达时效选取规则,选取最优标准送达时效对应的目标订单送达时效合集;
计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数。
可选的,所述利用所述目标分位数确定订单路径中所述路段节点的预测送达时效,包括:
获取与所述用户订单信息的时间最近的前一历史周期时间内,所述路段节点的历史送达时效数据,作为目标历史送达时效数据;
基于所述目标分位数与所述目标历史送达时效数据确定所述路段节点的预测送达时效。
可选的,所述基于所述订单送达时效合集的准时率、延误率和提前率,按照设定最优标准送达时效选取规则,选取最优标准送达时效对应的目标订单送达时效合集,包括:
计算每一所述订单送达时效合集的准时率与延误率的第一比值,以及准时率与提前率的第二比值;
从各所述订单送达时效合集中,选取最大的所述第一比值与第二比值对应的所述订单送达时效合集作为目标订单送达时效合集。
可选的,所述目标订单送达时效合集为一个,所述计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数,包括:
计算所述目标订单送达时效合集中所述标准送达时效对应的分位数,作为目标分位数。
可选的,所述目标订单送达时效合集为两个以上,所述计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数,包括:
计算每一目标订单送达时效集合中对应的标准送达时效的分位数;
根据各目标订单送达时效集合的分位数,确定目标分位数。
可选的,所述预设时间段包括第一时间段或第二时间段,第一时间段大于第二时间段,所述获取订单路径中各路段节点的预设时间段内的历史送达时效数据,包括:
判断所述路段节点是否有发生特殊事件,所述特殊事件包括天灾人祸和不可抗力;
若无,则获取订单路径中各路段节点的第一时间段内的历史送达时效数据;
若有,则获取订单路径中各路段节点的第二时间段内的历史送达时效数据。
可选的,还包括:
将所述预测送达时效及获取的各路段节点的预测送达时效发送给客户端,以供客户端进行显示。
可选的,所述路段节点包括供应商仓、自营仓、配送节点以及运输路段。
一种预测送达时效装置,包括:
订单获取单元,用于获取用户订单信息,所述用户订单信息包括目的地信息;
路径确定单元,用于基于所述目的地信息确定订单路径;
历史数据获取单元,用于获取订单路径中各路段节点的预设时间段内的历史送达时效数据;
分位数确定单元,用于针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数;
送达时效预测单元,用于利用所述目标分位数确定订单路径中所述路段节点的预测送达时效;
订单时效预测单元,用于将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
从上述的技术方案可以看出,本申请实施例提供的预测送达时效方法,通过获取用户订单信息,所述用户订单信息包括目的地信息,基于所述目的地信息确定订单路径,利用多分位法确定订单路径中各个路段节点的预测送达时效,将所述各个路段节点的送达时效相加得到用户订单信息对应的预测送达时效。本申请实施例提供的方法,可以通过用户订单信息确认订单路径,即商品从商家仓库到用户指定目的地的路径,利用分位数确定订单路径中的各路段节点的预测送达时效,从而可以预测每一路段的送达时效,使得各路段节点的预测送达时效更为紧凑,再将各路段节点的预测送达时效相加得到整个用户订单的预测送达时效,提高了预测送达时效的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的实现预测送达时效的一种系统架构图;
图2为本申请实施例提供的预测送达时效方法流程图;
图3为本申请实施例提供的确定目标分位数流程图;
图4为本申请实施例提供的一种实施例的场景流程图;
图5为本申请实施例提供的一种预测送达时效装置的结构示意图;
图6为本申请实施例公开的一种预测送达时效设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了使本申请的技术方案更加清楚明白,图1为本申请实施例提供的实现预测送达时效的一种可选系统架构,如图1所示,该系统架构可以包括:客户端10、服务端20。
其中,服务端20可以是设置于网络侧的服务设备,服务端20与客户端10通过网络进行数据交互,服务端20可以是单台服务器实现,也可以是多台服务器组成的服务器集群实现。服务端20可以是由预测送达时效的供应商提供的服务器,在本申请实施例中服务端20能够获取用户的订单路径,并基于该订单路径获取匹配的预测送达时效,将预测送达时效发送给客户端。
客户端10可以是手机、电脑等终端设备。客户端10能够支持对用户订单信息的发送及预测送达时效的展示,以供用户观看预测送达时效以及对用户订单信息的操作。
本申请实施例可以通过服务端20接收客户端10发送的用户订单信息,并基于该用户订单信息中的目的地信息确定订单路径,在数据库中匹配得到相应的订单路径中各路段节点的预设时间段内的历史送达时效数据,基于这些历史送达时效数据利用分位数确定用户订单的预测送达时效,去除了多余的预测时效,使得每一路段节点之间的送达时效更为紧凑,实现了提高预测送达时效的准确性的目的。
基于图1所示系统架构,图2示出了本申请实施例提供的预测送达时效方法的一种预测送达时效流程图,下面以服务端20的视角介绍本方案的一种预测送达时效方法,参照图2,该流程可以包括:
步骤S100、获取用户订单信息,所述用户订单信息包括目的地信息。
具体的,服务端20接收客户端10发送的用户订单信息,所述用户订单信息可以包括目的地信息,这里的目的地信息可以包括用户指定的目的地。
步骤S110、基于所述目的地信息确定订单路径。
具体的,服务端20可以基于所述目的地信息确定离目的地最近的发货仓库,从而确定从发货仓库到目的地的订单路径。
步骤S120、获取订单路径中各路段节点的预设时间段内的历史送达时效数据。
具体的,服务端20可以将订单路径拆分为各路段节点,在预设时间内,各路段节点的历史送达时效数据可以不同,服务端20可以从数据库中获取各路段节点的历史送达时效数据。
步骤S130、针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数。
具体的,历史送达时效数据中有多条用户订单的实际送达时效,在每一路段节点中,可以预先设定一个标准送达时效作为送达时效的标准,将这多条用户订单的实际送达时效按从小到大排序,基于所述预设标准送达时效可以确定所述路段节点对应的目标分位数。
步骤S140、利用所述目标分位数确定订单路径中所述路段节点的预测送达时效。
具体的,所述路段节点的预测送达时效是服务端20预测用户订单在该路段节点所花费的时效,可以基于已确定的目标分位数确定所述路段节点的预测送达时效。
步骤S150、将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
具体的,各个路段节点的预测送达时效根据各个路段节点的实际情况可以不同,服务端20将各路段节点的预测送达时效相加可以得到所述用户订单信息的预测送达时效。
本实施例提供的预测送达时效方案,可以通过用户订单信息确认订单路径,即商品从商家仓库到用户指定目的地的路径,利用分位数确定订单路径中的各路段节点的预测送达时效,落实到每一路段的预测送达时效,使得每一路段节点之间的送达时效更为紧凑,再将各路段节点的预测送达时效相加得到整个用户订单的预测送达时效,提高了预测送达时效的准确性。
进一步的,由于本申请实施例的商品,从仓库发货直至送达用户指定目的地的整个过程,不同订单需要经过的订单路径及配送时效各不相同,为了方便计算不同订单路径的配送时效,可以将订单路径拆分成不同的路段节点,不同的路段节点对应的配送时效可以不同,可以将同一路段节点的配送时效在同一时间周期内看作相同。因此,在本申请实施例的所述订单路径中,各所述路段节点可以划分为供应商仓、自营仓、配送节点以及运输路段。
在本申请的一些实施例中,所述历史送达时效数据可以包括多个订单的送达时效,下面对上述步骤S130、针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数的过程进行介绍,该过程可以参照图3,具体过程如下:
步骤S131、将所述历史送达时效数据按周期时间划分为多个订单送达时效合集。
具体的,周期时间可以是一天或其他时间单位,历史送达时效数据可以是一周或一个月的实际送达时效数据,服务端20可以按照周期时间将所述历史送达时效数据划分为多个订单送达时效合集,一个订单送达时效合集可以包含一天或其他时间单位中所有订单的实际送达时效。
步骤S132、确定所述订单送达时效合集的准时率、延误率和提前率。
其中,根据预设的与所述订单送达时效合集对应的标准送达时效,确定所述订单送达时效合集的准时率、延误率和提前率。
所述预设标准送达时效根据对应路段节点的配送时效维度所确定的。
具体的,各与所述订单送达时效合集对应的标准送达时效可以根据对应路段节点的配送时效维度预先设置,配送时效维度可以包括发货城市、收货一级地址、收货二级地址、收货三级地址、承运商的配送时效以及下单时段、发货仓仓内时效,还可以根据不同的内部业务模式增加必要的时效维度,不同配送时效维度对应的标准送达时效可以不同,利用标准送达时效可以与所述订单送达时效合集中的多个订单的送达时效比较大小关系,从而确定所述订单送达时效合集的准时率、延误率和提前率。
步骤S133、按照设定最优标准送达时效选取规则,选取最优标准送达时效对应的目标订单送达时效合集。
其中,基于所述订单送达时效合集的准时率、延误率和提前率,按照设定最优标准送达时效选取规则,选取最优标准送达时效对应的目标订单送达时效合集。
具体的,为了实现选取的标准送达时效在所述路段节点中最合理,最优标准送达时效选取规则可以根据用户的需求进行设置,该步骤具体选取过程如下:
步骤1331、计算每一所述订单送达时效合集的准时率与延误率的第一比值,以及准时率与提前率的第二比值。
具体的,不同的所述订单送达时效合集的准时率、延误率和提前率可能相同,为了实现获取使实际送达时间与预计送达时间差值最小的标准送达时效,可以通过比值的方式分别计算所述订单送达时效合集的准时率与延误率的第一比值,以及准时率与提前率的第二比值。
步骤1332、从各所述订单送达时效合集中,选取最大的所述第一比值与第二比值对应的所述订单送达时效合集作为目标订单送达时效合集。
具体的,为了使实际送达时间与预计送达时间误差最小,可以选取最大的所述第一比值与第二比值对应的所述订单送达时效合集作为目标订单送达时效合集,因为不同的所述订单送达时效合集的准时率、延误率和提前率可能相同,所以选取的目标订单送达时效合集可以有一个或多个。
步骤S134、计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数。
具体的,可以根据选取的目标订单送达时效合集对应的所述标准送达时效确定目标订单送达时效合集的分位数,由于目标订单送达时效合集可以有一个或多个,对于多个目标订单送达时效合集可以分情况讨论:
所述目标订单送达时效合集为一个时,上述步骤S134、计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数的过程可以如下:
计算所述目标订单送达时效合集中所述标准送达时效对应的分位数,作为目标分位数。
具体的,将所述目标订单送达时效合集中的标准送达时效在所述目标订单送达时效合集中对应的分位数,作为目标分位数。
所述目标订单送达时效合集为两个以上时,上述步骤S134、计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数的过程可以如下:
步骤S1341、计算每一目标订单送达时效集合中对应的标准送达时效的分位数。
具体的,分别计算每一目标订单送达时效合集中的标准送达时效在目标订单送达时效合集中对应的分位数,得到多个分位数。
步骤S1342、根据各目标订单送达时效集合的分位数,确定目标分位数。
具体的,可以用计算平均值的方式将所述多个目标订单送达时效集合的分位数取平均值,将所述平均值作为目标分位数,还可以根据需求,从各目标订单送达时效集合的分位数中选取最大或最小的分位数作为目标分位数。
上述步骤综合考虑了一种或多种不同目标订单送达时效合集的情况,最终确定一个目标分位数作为所述路段节点的代表性分位数,从而利用所述目标分位数确定下一次订单的预测送达时效。
由于各路段节点主要是人为负责货物运输具有不确定性,一些突发的特殊事件如天灾人祸等会造成实际送达时效变长,导致历史送达时效数据的剧烈波动,为了减少这种数据波动对预测送达时效带来的影响,本申请实施例介绍了上述步骤S120,获取订单路径中各路段节点的预设时间段内的历史送达时效数据的一种可选实现过程,具体可以包括:
步骤S121、判断所述路段节点是否有发生特殊事件,所述特殊事件包括天灾人祸和不可抗力,若没发生则执行步骤S122,若发生特殊事件则执行步骤S123。
具体的,当所述路段节点发生特殊事件时,技术人员可以在系统中及时上报特殊事件的相关信息,及说明具体的原因会导致实际送达时效变长,服务端20平时没有收到特殊事件的相关信息时,可以执行步骤S122的操作,当服务端20收到技术人员上报特殊事件的相关信息时,可以执行步骤S123的操作。
步骤S122、获取订单路径中各路段节点的第一时间段内的历史送达时效数据。
具体的,第一时间段可以设定为60天,当服务端20没有收到特殊事件的相关信息时,订单路径中各路段节点的历史送达时效数据可以按60天一个周期来获取。
步骤S123、获取订单路径中各路段节点的第二时间段内的历史送达时效数据。
具体的,第二时间段可以设定为7天,当服务端20收到特殊事件的相关信息时,订单路径中各路段节点的历史送达时效数据可以按7天一个周期来获取,7天中包含发生特殊事件的时间段。
上述第一时间段大于第二时间段。
上述步骤为了消除特殊事件带来的历史送达时效数据波动,及考虑特殊事件对周围时间段内订单的送达时效可能造成的影响,优先选取较短的第二时间段内的历史送达时效数据作为预测送达时效的依据。
在本申请的一些实施例中,下面对上述步骤S140、利用所述目标分位数确定订单路径中所述路段节点的预测送达时效的过程进行介绍,该过程具体可以包括:
步骤S141、获取与所述用户订单信息的时间最近的前一历史周期时间内,所述路段节点的历史送达时效数据,作为目标历史送达时效数据。
具体的,在确定目标分位数之后,为了减少特殊事件的出现导致预测送达时效造成较大偏差的概率,可以优先选取与所述用户订单信息的时间最近的前一历史周期时间对应的历史送达时效数据,所述路段节点的历史送达时效数据可以是获取在接收所述用户订单信息前一天的所述路段节点的历史送达时效数据,这里的最近的前一历史周期时间可以根据需求设置。
步骤S142、基于所述目标分位数与所述目标历史送达时效数据确定所述路段节点的预测送达时效。
具体的,在确定了目标分位数与目标历史送达时效数据之后,可以将目标历史送达时效数据中的各订单送达时效进行从小到大排序后,再根据目标分位数确定目标历史送达时效数据中的送达时效作为所述路段节点的预测送达时效。
为了方便用户查看预测送达时效,本申请实施例还可以将所述预测送达时效及获取的各路段节点的预测送达时效发送给客户端10,客户端10可以将各路段节点的预测送达时效按从发货仓库到目的地的顺序进行显示,并在用户订单信息的基础上显示总的订单路径的预测送达时效。
本申请实施例提供了一种可选的预测送达时效场景流程图,如图4所示,W1-W6表示各配送节点预测需花费的作业时效,D1-D5表示各配送路段预测需花费的送达时效,这里的W1对应节点可以表示供应商仓库,W6对应节点表示快递妥投/签收点,W2-W5对应节点可以表示可能经过的配送转运仓库,整个用户订单的预测送达时效
PT=W1+W2+W3+W4+W5+W6+D1+D2+D3+D4+D5。
其中,以W1为例,先选取供应商仓库最近60天内的历史订单配送时效数据,可以将60天内的历史订单配送时效数据以一天为一周期划分为60组数据,根据每天预设的标准送达时间计算得到每天的准时率、延误率和提前率。这里的标准送达时间的设定可以根据技术人员对当前路段节点的环境、人员、设备等多种维度综合考量来设定。
从这60组数据各自对应的准时率、延误率和提前率中,可以按需求选取延误率和提前率最低,准时率最高的一组数据作为目标订单送达时效合集。
假设这组数据为[2、2、2、3、3.1、3.2、3.2、3.5、3.5、4],计算当天设定的标准送达时效3.5天所在的分位得到的8分位作为目标分位数,再选取离本次用户订单最近一个周期的历史订单配送时效数据[3、3、3、3、3、3、3、3、3、3.5]作为目标历史送达时效数据,利用8分位从目标历史送达时效数据中确定此次用户订单在供应商仓库预测需花费的作业时效为3天。
下面对本申请实施例提供的一种预测送达时效装置进行描述,下文描述的一种预测送达时效装置与上文描述的一种预测送达时效方法可相互对应参照。
如图5所示,其公开了一种预测送达时效装置的结构示意图,该预测送达时效装置可以包括:
订单获取单元11,用于获取用户订单信息,所述用户订单信息包括目的地信息;
路径确定单元12,用于基于所述目的地信息确定订单路径;
历史数据获取单元13,用于获取订单路径中各路段节点的预设时间段内的历史送达时效数据;
分位数确定单元14,用于针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数;
送达时效预测单元15,用于利用所述目标分位数确定订单路径中所述路段节点的预测送达时效;
订单时效预测单元16,用于将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
可选的,所述历史送达时效数据包括多个订单的送达时效,所述分位数确定单元14可以包括:
周期时间划分单元,用于将所述历史送达时效数据按周期时间划分为多个订单送达时效合集;
概率确定单元,用于根据预设的与所述订单送达时效合集对应的标准送达时效,确定所述订单送达时效合集的准时率、延误率和提前率;
其中,所述预设标准送达时效根据对应路段节点的配送时效维度所确定的;
最优标准送达时效选取单元,用于基于所述订单送达时效合集的准时率、延误率和提前率,按照设定最优标准送达时效选取规则,选取最优标准送达时效对应的目标订单送达时效合集;
目标分位数获取单元,用于计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数。
可选的,所述概率确定单元可以包括:
比值计算单元,用于计算每一所述订单送达时效合集的准时率与延误率的第一比值,以及准时率与提前率的第二比值;
目标订单送达时效合集选取单元,用于从各所述订单送达时效合集中,选取最大的所述第一比值与第二比值对应的所述订单送达时效合集作为目标订单送达时效合集。
可选的,所述目标分位数获取单元可以包括第一目标分位数确定单元;
第一目标分位数确定单元,用于在所述目标订单送达时效合集为一个时,计算所述目标订单送达时效合集中所述标准送达时效对应的分位数,作为目标分位数。
可选的,所述目标分位数获取单元可以包括第二目标分位数确定单元,所述第二目标分位数确定单元用于在所述目标订单送达时效合集为两个以上时,计算每一目标订单送达时效集合中对应的标准送达时效的分位数;根据各目标订单送达时效集合的分位数,确定目标分位数。
可选的,所述历史数据获取单元13可以包括:
特殊事件判断单元,用于判断所述路段节点是否有发生特殊事件,所述特殊事件包括天灾人祸和不可抗力;
第一历史送达时效数据获取单元,用于当特殊事件判断单元判断没有发生特殊事件时,执行获取订单路径中各路段节点的第一时间段内的历史送达时效数据;
第二历史送达时效数据获取单元,用于当特殊事件判断单元判断发生特殊事件时,执行获取订单路径中各路段节点的第二时间段内的历史送达时效数据,其中第一时间段大于第二时间段。
可选的,所述送达时效预测单元15可以包括:
目标历史送达时效数据获取单元,用于获取与所述用户订单信息的时间最近的前一历史周期时间内,所述路段节点的历史送达时效数据,作为目标历史送达时效数据;
预测送达时效确定单元,用于基于所述目标分位数与所述目标历史送达时效数据确定所述路段节点的预测送达时效。
可选的,本申请方案的装置还包括预测送达时效发送单元,用于将所述预测送达时效及获取的各路段节点的预测送达时效发送给客户端,以供客户端进行显示。
本申请实施例提供的预测送达时效的装置可应用于预测送达时效设备。获取预测送达时效设备可以是服务端20。图6示出了预测送达时效设备的硬件结构框图,参照图6,预测送达时效设备的硬件结构可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;
在本申请实施例中,处理器1、通信接口2、存储器3、通信总线4的数量为至少一个,且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
获取用户订单信息,所述用户订单信息包括目的地信息;
基于所述目的地信息确定订单路径;
获取订单路径中各路段节点的预设时间段内的历史送达时效数据;
针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数;
利用所述目标分位数确定订单路径中所述路段节点的预测送达时效;
将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质,该存储介质可存储有适于处理器执行的程序,所述程序用于:
获取用户订单信息,所述用户订单信息包括目的地信息;
基于所述目的地信息确定订单路径;
获取订单路径中各路段节点的预设时间段内的历史送达时效数据;
针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数;
利用所述目标分位数确定订单路径中所述路段节点的预测送达时效;
将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间可以相互组合,且相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种预测送达时效方法,其特征在于,包括:
获取用户订单信息,所述用户订单信息包括目的地信息;
基于所述目的地信息确定订单路径;
获取订单路径中各路段节点的预设时间段内的历史送达时效数据;
针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数;
利用所述目标分位数确定订单路径中所述路段节点的预测送达时效;
将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
2.根据权利要求1所述的方法,其特征在于,所述历史送达时效数据包括多个订单的送达时效,所述针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数,包括:
将所述历史送达时效数据按周期时间划分为多个订单送达时效合集;
根据预设的与所述订单送达时效合集对应的标准送达时效,确定所述订单送达时效合集的准时率、延误率和提前率;
其中,所述预设标准送达时效根据对应路段节点的配送时效维度所确定的;
基于所述订单送达时效合集的准时率、延误率和提前率,按照设定最优标准送达时效选取规则,选取最优标准送达时效对应的目标订单送达时效合集;
计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数。
3.根据权利要求1所述的方法,其特征在于,所述利用所述目标分位数确定订单路径中所述路段节点的预测送达时效,包括:
获取与所述用户订单信息的时间最近的前一历史周期时间内,所述路段节点的历史送达时效数据,作为目标历史送达时效数据;
基于所述目标分位数与所述目标历史送达时效数据确定所述路段节点的预测送达时效。
4.根据权利要求2所述的方法,其特征在于,所述基于所述订单送达时效合集的准时率、延误率和提前率,按照设定最优标准送达时效选取规则,选取最优标准送达时效对应的目标订单送达时效合集,包括:
计算每一所述订单送达时效合集的准时率与延误率的第一比值,以及准时率与提前率的第二比值;
从各所述订单送达时效合集中,选取最大的所述第一比值与第二比值对应的所述订单送达时效合集作为目标订单送达时效合集。
5.根据权利要求4所述的方法,其特征在于,所述目标订单送达时效合集为一个,所述计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数,包括:
计算所述目标订单送达时效合集中所述标准送达时效对应的分位数,作为目标分位数。
6.根据权利要求4所述的方法,其特征在于,所述目标订单送达时效合集为两个以上,所述计算目标订单送达时效合集中所述标准送达时效的分位数,得到目标分位数,包括:
计算每一目标订单送达时效集合中对应的标准送达时效的分位数;
根据各目标订单送达时效集合的分位数,确定目标分位数。
7.根据权利要求1所述的方法,其特征在于,所述预设时间段包括第一时间段或第二时间段,第一时间段大于第二时间段,所述获取订单路径中各路段节点的预设时间段内的历史送达时效数据,包括:
判断所述路段节点是否有发生特殊事件,所述特殊事件包括天灾人祸和不可抗力;
若无,则获取订单路径中各路段节点的第一时间段内的历史送达时效数据;
若有,则获取订单路径中各路段节点的第二时间段内的历史送达时效数据。
8.根据权利要求1所述的方法,其特征在于,还包括:
将所述预测送达时效及获取的各路段节点的预测送达时效发送给客户端,以供客户端进行显示。
9.根据权利要求1-8任一项所述的方法,其特征在于,所述路段节点包括供应商仓、自营仓、配送节点以及运输路段。
10.一种预测送达时效装置,其特征在于,包括:
订单获取单元,用于获取用户订单信息,所述用户订单信息包括目的地信息;
路径确定单元,用于基于所述目的地信息确定订单路径;
历史数据获取单元,用于获取订单路径中各路段节点的预设时间段内的历史送达时效数据;
分位数确定单元,用于针对每一路段节点,利用所述路段节点的所述历史送达时效数据及预设标准送达时效确定对应的目标分位数;
送达时效预测单元,用于利用所述目标分位数确定订单路径中所述路段节点的预测送达时效;
订单时效预测单元,用于将所述各个路段节点的所述预测送达时效相加得到所述用户订单信息的预测送达时效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166617.7A CN113850441A (zh) | 2021-09-30 | 2021-09-30 | 一种预测送达时效方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111166617.7A CN113850441A (zh) | 2021-09-30 | 2021-09-30 | 一种预测送达时效方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113850441A true CN113850441A (zh) | 2021-12-28 |
Family
ID=78977613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111166617.7A Pending CN113850441A (zh) | 2021-09-30 | 2021-09-30 | 一种预测送达时效方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113850441A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114372622A (zh) * | 2021-12-29 | 2022-04-19 | 天链(宁夏)数据科技有限公司 | 一种面向混凝土罐车配送的时效预测系统 |
CN118096029A (zh) * | 2024-04-23 | 2024-05-28 | 宁波安得智联科技有限公司 | 订单的时效解析方法、装置、设备及计算机存储介质 |
-
2021
- 2021-09-30 CN CN202111166617.7A patent/CN113850441A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114372622A (zh) * | 2021-12-29 | 2022-04-19 | 天链(宁夏)数据科技有限公司 | 一种面向混凝土罐车配送的时效预测系统 |
CN118096029A (zh) * | 2024-04-23 | 2024-05-28 | 宁波安得智联科技有限公司 | 订单的时效解析方法、装置、设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10038619B2 (en) | Providing a monitoring service in a cloud-based computing environment | |
US11162803B2 (en) | Providing alternative routing options to a rider of a transportation management system | |
US7778878B2 (en) | Profiling item sellers to inform item purchasing decisions and build trust in a multiple-seller marketplace | |
US8306837B2 (en) | Shipment option selection method | |
CN113850441A (zh) | 一种预测送达时效方法及装置 | |
Ran et al. | A Polling‐Based Dynamic Order‐Picking System considering Priority Orders | |
CN104169950A (zh) | 利用面向批处理的计算的数据库系统 | |
US20020116202A1 (en) | Apparatus and methods for providing an estimated time of arrival based marketplace | |
CN105096067A (zh) | 一种生成物流网络预警信息的方法及服务器 | |
US20130297381A1 (en) | Method and system for managing a low-resource supply chain | |
US20110087524A1 (en) | Determining travel routes by using fee-based location preferences | |
CN111967793B (zh) | 物流时效评价方法、装置、电子设备及存储介质 | |
US7613799B2 (en) | Service evaluation method, system, and computer program product | |
JP6229354B2 (ja) | 需要予測装置、需要予測方法、および需要予測プログラム | |
US20200272953A1 (en) | Using a status centric view for alternative recommendations | |
CN113034076B (zh) | 物流承运对象推荐方法、装置、电子设备和存储介质 | |
JP2020057356A (ja) | 予備部品のバンドルの知能的予測 | |
CN113011664B (zh) | 物流时效监控方法、装置、电子设备及存储介质 | |
CN115222476A (zh) | 数据处理方法及电子设备 | |
CN115099865A (zh) | 一种数据处理方法和装置 | |
CN112051843B (zh) | 基于订单预估的路径规划方法、装置、机器人和存储介质 | |
CN113723974A (zh) | 一种信息处理方法、装置、设备及存储介质 | |
US20230222403A1 (en) | Communications server apparatus and method for allocating resources to service requests related to a shared economy on-demand service or asset provision | |
WO2023181453A1 (ja) | 災害対策計画立案システム及び災害対策計画立案方法 | |
JP2005301396A (ja) | 統合的販売管理連携システムおよび方法 |
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 |