CN113902370A - 信息处理方法、装置、设备及存储介质 - Google Patents
信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113902370A CN113902370A CN202111186989.6A CN202111186989A CN113902370A CN 113902370 A CN113902370 A CN 113902370A CN 202111186989 A CN202111186989 A CN 202111186989A CN 113902370 A CN113902370 A CN 113902370A
- Authority
- CN
- China
- Prior art keywords
- logistics
- state
- information
- time
- updated
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种信息处理方法、装置、设备及存储介质,信息处理方法,包括:在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息;根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新;若否,则生成当前物流状态的异常提醒信息;若是,则根据已更新的物流状态,计算下一检测更新异常触发时间,其中,所述检测更新异常触发时间根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得。本发明优化物流异常信息的检测和提醒,从而使得商家/用户能够感知到物流异常情况。
Description
技术领域
本发明涉及计算机应用领域,尤其涉及一种信息处理方法、装置、系统、设备及存储介质。
背景技术
随着网上购物的生活方式的普及,电商平台的商家的订单量和发货量显著增加。然而,若商家联系快递公司发货后由于快递公司的转运不及时,或者运输途中的意外,及其他问题导致快件物流信息停止更新,商家很难感知到所有的发货快递单中,哪些发货快递单已经被物流公司运走,哪些发货快递单已经被快递商运走并有物流信息。由此,当商家无法感知已发货以及运输中的快递单实时物流状态信息时,很可能造成用户退单以及用户物流评价较低的情况。
由此,如何优化物流异常信息的检测和提醒,从而使得商家/用户能够感知到物流异常情况,是本领域亟待解决的技术问题。
发明内容
本发明为了克服上述相关技术存在的缺陷,提供一种信息处理方法、装置、设备及存储介质,进而优化物流异常信息的检测和提醒,从而使得商家/用户能够感知到物流异常情况。
根据本发明的一个方面,提供一种信息处理方法,包括:
在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息;
根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新;
若否,则生成当前物流状态的异常提醒信息;
若是,则根据已更新的物流状态,计算下一检测更新异常触发时间,
其中,所述检测更新异常触发时间根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得。
在本发明的一些实施例中,所述当前物流状态的预测时效信息根据如下步骤获取:
获取所述待监控订单的发货地以及收货地;
根据所述发货地以及收货地生成估计物流轨迹;
预测所述估计物流轨迹的各物流状态的时效信息;
将与当前物流状态匹配的所述估计物流轨迹的物流状态的时效信息作为所述当前物流状态的预测时效信息。
在本发明的一些实施例中,所述预测时效信息包括当前物流状态与前一物流状态之间的延迟时间段,所述根据已更新的物流状态,计算下一检测更新异常触发时间包括:
根据所述待监控订单的已更新的物流状态的更新时间与所述延迟时间段之和,确定下一检测更新异常触发时间。
在本发明的一些实施例中,当前物流状态与前一物流状态之间的延迟时间段小于等于当前物流状态与前一物流状态之间的预测时间差。
在本发明的一些实施例中,所述预测时效信息包括当前物流状态的预测状态时间,所述根据已更新的物流状态,计算下一检测更新异常触发时间包括:
计算当前物流状态的预测状态时间与前一物流状态的预测状态时间之差,获得预测变化时间段;
根据所述待监控订单的已更新的物流状态的更新时间与所述预测变化时间段之和,作为下一检测更新异常触发时间。
在本发明的一些实施例中,当前物流状态的所述预测状态时间不晚于当前物流状态的预测执行时间。
在本发明的一些实施例中,所述根据已更新的物流状态,计算下一检测更新异常触发时间包括:
获取所述实时物流轨迹信息在已更新的物流状态的实时阶段轨迹信息;
判断所述实时阶段轨迹信息与估计物流轨迹对应的估计阶段轨迹信息是否一致;
若否,则根据所述实时阶段轨迹信息与收货地,更新估计物流轨迹;
预测所更新的估计物流轨迹的各物流状态的时效信息;
将与当前物流状态匹配的所更新的估计物流轨迹的物流状态的时效信息作为所述当前物流状态的预测时效信息。
在本发明的一些实施例中,所述生成当前物流状态的异常提醒信息之后包括:
以设定周期监控所述待监控订单的物流状态是否更新;
响应于所述待监控订单的物流状态更新,根据已更新的物流状态,计算下一检测更新异常触发时间;
响应于所述待监控订单的物流状态未更新,将所述当前物流状态的异常提醒信息发送至商家端,其中,所述异常提醒信息的发送形式根据所述设定周期的数量确定。
在本发明的一些实施例中,将设定时间段内的同一商家端的同一物流状态的异常提醒信息,同时发送至商家端,以供商家端对同一物流状态的异常提醒信息执行批量处理。
在本发明的一些实施例中,所述响应于所述待监控订单的物流状态未更新,将所述当前物流状态的异常提醒信息发送至商家端包括:
根据当前物流状态,在所述当前物流状态的异常提醒信息中向商家端提供物流公司的联系接口、揽件员的联系接口、派件员的联系接口、收件人的联系接口以及订单的购买人的联系接口中的一项或多项。
在本发明的一些实施例中,还包括:
响应于用户端对待监控订单的物流信息的查询,判断所述待监控订单是否存在异常提醒信息;
若是,则向用户端提供所述待监控订单的实时物流轨迹信息以及商家端基于所述异常提醒信息的联系记录;
若否,则向用户端提供所述待监控订单的实时物流轨迹信息。
根据本发明的又一方面,还提供一种信息处理装置,包括:
获取模块,配置成在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息;
判断模块,配置成根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新;
生成模块,配置成当所述判断模块判断为否时,生成当前物流状态的异常提醒信息;
计算模块,配置成当所述判断模块判断为是时,根据已更新的物流状态,计算下一检测更新异常触发时间,
其中,所述检测更新异常触发时间根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得。
根据本发明的又一方面,还提供一种电子设备,所述电子设备包括:处理器;存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面,还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术,本发明的优势在于:
根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得检测更新异常触发时间,从而在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息,以根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新,当未更新时,进行异常提醒;当更新时,计算下一检测更新异常触发时间,能够自动计算检测更新异常触发时间,从而自动实现物流异常信息的检测和提醒,实现物流异常信息检测的闭环,同时,避免检测间隔时间过短导致系统负载较大的情况,此外,还可以进一步使得商家/用户能够感知到物流异常情况。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的信息处理方法的流程图。
图2示出了根据本发明实施例的获取当前物流状态的预测时效信息的流程图。
图3示出了根据本发明一实施例的根据已更新的物流状态,计算下一检测更新异常触发时间的流程图。
图4示出了根据本发明另一实施例的根据已更新的物流状态,计算下一检测更新异常触发时间的流程图。
图5示出了根据本发明实施例的发送异常提醒信息的流程图。
图6示出了根据本发明实施例的用户端查询物流信息的流程图。
图7示出了根据本发明实施例的信息处理装置的模块图。
图8示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图9示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此,实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明实施例的信息处理方法的流程图。信息处理方法包括如下步骤:
步骤S110:在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息。
步骤S120:根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新。
若否,则执行步骤S130:生成当前物流状态的异常提醒信息。
若是,则执行步骤S140:根据已更新的物流状态,计算下一检测更新异常触发时间。
具体而言,所述检测更新异常触发时间根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得。
具体而言,物流状态可以按需设置。例如,在一些实施例中,可以将物流状态设置为发货未揽件、揽件未中转、中转未派件、派件未签收,已签收。
根据所设置的物流状态,当获取到实时物流轨迹信息时,可以根据实时物流轨迹信息,自动识别出实时的物流状态,并与待监控订单上一次更新的物流状态进行比较,若物流状态一致,则表示物流状态未更新;若物流状态不一致(且实时物流状态的物流状态的时序中位于上一次更新的物流状态之后),则表示物流状态已更新。
进一步地,通过实时物流轨迹信息自动识别物流状态可以通过多种方式实现。例如,可以提取实时物流轨迹中的关键词,并与设定的物流状态词表进行匹配,根据匹配结果,自动识别物流状态。又例如,可以通过自定义的可执行规则的设定,以对实时物流轨迹信息执行该些规则,进而根据该些规则的执行结果,识别出对应的物流状态。本申请并非以此为限制。
具体而言,当前物流状态的预测时效信息可以根据物流公司、发货地、收货地、物流轨迹等信息综合获得。例如,可以通过配置表的形式,根据不同的物流公司、收货地、发货地等信息设置对应时效预测表,从而对应设置出各物流状态的预测时效信息。又例如,可以通过已训练的预测模型,从而根据待监控订单的订单信息、物流公司信息、实时物流轨迹信息中的一项或多项作为预测模型的输入,并根据预测模型的输出,获得当前物流状态的预测时效信息。预测模型包括但不限于卷积神经网络模型、长短时记忆模型、决策树模型等,本申请并非以此为限制。
具体而言,步骤S130中生成的异常提醒信息,可以按需发送至商户端和/或用户端。商户端和用户端分别为商户/用户使用的客户端,其可以以应用程序、小程序、网页客户端、插件的形式安装于客户设备/用户设备上。
在本发明提供的信息处理方法中,根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得检测更新异常触发时间,从而在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息,以根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新,当未更新时,进行异常提醒;当更新时,计算下一检测更新异常触发时间,能够自动计算检测更新异常触发时间,从而自动实现物流异常信息的检测和提醒,实现物流异常信息检测的闭环,同时,避免检测间隔时间过短导致系统负载较大的情况,此外,还可以进一步使得商家/用户能够感知到物流异常情况。
下面参见图2,图2示出了根据本发明实施例的获取当前物流状态的预测时效信息的流程图。图2共示出如下步骤:
步骤S101:获取所述待监控订单的发货地以及收货地。
具体而言,所获得的发货地和收货地的区域粒度可以按需设置,例如,可以获取发货地和收货地的兴趣点、所在区、所在县等。
步骤S102:根据所述发货地以及收货地生成估计物流轨迹。
具体而言,估计物流轨迹例如可以是物流公司配置的不同发货地和收货地的物流轨迹。在一些变化例中,也可以根据相同发货地以及收货地的历史物流信息,来生成估计物流轨迹。在该实施例中,可以将相同发货地以及收货地的历史物流信息中出现次数最多的物流轨迹作为估计物流轨迹;可以将相同发货地以及收货地、且相同物流公司的历史物流信息中出现次数最多的物流轨迹作为估计物流轨迹;可以将相同发货地以及收货地的历史物流信息中时效最快的物流轨迹作为估计物流轨迹。本申请可以实现更多的变化方式,在此不予赘述。
步骤S103:预测所述估计物流轨迹的各物流状态的时效信息。
具体而言,所述估计物流轨迹的各物流状态的时效信息可以是物流公司配置的。在一些变化例中,也可以根据各物流状态下相同物流参数的时效信息的统计值(如平均值、中位数等),作为预测所述估计物流轨迹的各物流状态的时效信息。例如,根据相同发货地和揽件地的各历史物流信息中,发货未揽件状态到揽件未中转状态的时间段的统计值,作为揽件未中转的时效信息。又例如,可以根据相同物流轨迹中,发货未揽件状态到揽件未中转状态的时间段的统计值,作为揽件未中转的时效信息。在另一的变化例中,可以通过经训练的时效预测模型,来预测所述估计物流轨迹的各物流状态的时效信息。本申请可以实现更多的变化方式,在此不予赘述。
步骤S104:将与当前物流状态匹配的所述估计物流轨迹的物流状态的时效信息作为所述当前物流状态的预测时效信息。
由此,通过图2所示的步骤,可以根据估计物流轨迹获得当前物流状态的预测时效信息,从而能够实现检测更新异常触发时间的计算和更新。
具体而言,所述预测时效信息可以包括当前物流状态与前一物流状态之间的延迟时间段,图1中步骤S140可以包括:根据所述待监控订单的已更新的物流状态的更新时间与所述延迟时间段之和,确定下一检测更新异常触发时间。
在一些实施例中,延迟时间段可以为自前一物流状态到当前物流状态之间的预测时间差,由此,可以之间将所述待监控订单的已更新的物流状态的更新时间与所述延迟时间段之和作为下一检测更新异常触发时间。由此,该检测更新异常触发时间用于检测预计物流状态更新的时间,物流状态是否更新,从而以此判断物流状态的更新是否异常。
在一些变化例中,当前物流状态与前一物流状态之间的延迟时间段可以小于当前物流状态与前一物流状态之间的预测时间差。由此,将所述待监控订单的已更新的物流状态的更新时间与所述延迟时间段之和作为下一检测更新异常触发时间,从而能够实现一定提前量的状态更新检测。由此,当在该实施例中,判断为异常时,生成的异常提醒信息为即将异常的提醒。即将异常的提醒信息可供商家/用户提前进行相应的处理,诸如提醒物流公司、提醒相应物流阶段的快递员等。在该实施例中,延迟时间段可以基于预测时间差与设定提前时间之差来计算。设定提前时间可以按需设置。
下面参见图3,图3示出了根据本发明一实施例的根据已更新的物流状态,计算下一检测更新异常触发时间的流程图。在本实施例中,所述预测时效信息包括当前物流状态的预测状态时间(时间点),图1中步骤S140可以包括:
步骤S141:计算当前物流状态的预测状态时间与前一物流状态的预测状态时间之差,获得预测变化时间段。
具体而言,考虑到部分物流阶段中,由于运货交通工具出发时间是固定的,从而在一些时间段内无论包裹到达该物流阶段的时间点,该些包裹出发至下一物流状态的时间点是相同的。因此,以时间点,而非时间段的方式,能够使得预测的时效信息更为精确。
步骤S142:根据所述待监控订单的已更新的物流状态的更新时间与所述预测变化时间段之和,作为下一检测更新异常触发时间。
进一步地,在本实施例中,为了便于下一检测更新异常触发时间的计算,需要将预测的不同物流状态的时间点相减,从而获得预测变化时间段。
在一些实施例中,当前物流状态的所述预测状态时间可以等于当前物流状态的预测执行时间。由此,该检测更新异常触发时间用于检测预计物流状态更新的时间,物流状态是否更新,从而以此判断物流状态的更新是否异常。
在一些变化例中,当前物流状态的所述预测状态时间可以早于当前物流状态的预测执行时间。由此,将所述待监控订单的已更新的物流状态的更新时间与所述预测变化时间段之和作为下一检测更新异常触发时间,从而能够实现一定提前量的状态更新检测。由此,当在该实施例中,判断为异常时,生成的异常提醒信息为即将异常的提醒。即将异常的提醒信息可供商家/用户提前进行相应的处理,诸如提醒物流公司、提醒相应物流阶段的快递员等。在该实施例中,预测状态时间可以基于当前物流状态的预测执行时间与设定提前时间之差来计算。设定提前时间可以按需设置。
下面参见图4,图4示出了根据本发明另一实施例的根据已更新的物流状态,计算下一检测更新异常触发时间的流程图。在本实施例中,图1中步骤S140可以包括:
步骤S143:获取所述实时物流轨迹信息在已更新的物流状态的实时阶段轨迹信息;
步骤S144:判断所述实时阶段轨迹信息与估计物流轨迹对应的估计阶段轨迹信息是否一致;
若步骤S144判断为否,则执行步骤S145:根据所述实时阶段轨迹信息与收货地,更新估计物流轨迹;
步骤S146:预测所更新的估计物流轨迹的各物流状态的时效信息;
步骤S147:将与当前物流状态匹配的所更新的估计物流轨迹的物流状态的时效信息作为所述当前物流状态的预测时效信息。
具体而言,考虑到实际的物流轨迹可能与估计物流轨迹产生偏差,从而通过上述步骤S143和步骤S144可以通过阶段轨迹信息的比较,来判断实际物流轨迹是否偏离了估计物流轨迹。其中,阶段轨迹信息可以根据物流状态的变化过程来设置,例如,从发货未揽件到揽件未中转为揽件阶段;揽件未中转到中转未派件为中转阶段;中转未派件到派件未签收为派件阶段;派件未签收到已签收为签收阶段。
具体而言,当根据阶段轨迹信息的比较,判断实际物流轨迹是否偏离了估计物流轨迹时,则先前预测的时效信息将不再准确,因此,需要对估计物流轨迹进行更新。同时,由于每次物流状态更新时,都可以经过步骤S143和步骤S144的比较判断,从而步骤S144判断为否时,表示相比先前的估计物流轨迹,实际物流轨迹自当前的物流阶段开始偏离,因此,则可以通过步骤S145来根据所述实时阶段轨迹信息与收货地,更新估计物流轨迹。更新估计物流轨迹采用刚开始偏离的实时阶段轨迹信息与收货地,从而能够使得更新的估计物流轨迹更为准确。通过对估计物流轨迹进行更新后,对预测时效信息也一并进行更新,从而能够基于准确的预测时效信息计算准确的检测更新异常触发时间。
下面参见图5,图5示出了根据本发明实施例的发送异常提醒信息的流程图。图5共示出如下步骤:
步骤S131:以设定周期监控所述待监控订单的物流状态是否更新。
步骤S132:响应于所述待监控订单的物流状态更新,根据已更新的物流状态,计算下一检测更新异常触发时间。
步骤S133:响应于所述待监控订单的物流状态未更新,将所述当前物流状态的异常提醒信息发送至商家端,其中,所述异常提醒信息的发送形式根据所述设定周期的数量确定。
具体而言,步骤S131至步骤S133通过设定周期监控未在检测更新异常触发时间更新的待监控订单的物流状态,从而实现对待监控订单的持续监控。在一些实施例中,由于,待监控订单的物流状态未在设定的时间更新,从而表示待监控订单的物流更新状态已经发生异常,因此,可以使得设定周期的时间长度小于相邻检测更新异常触发时间之间的时间间隔,从而针对异常的待监控订单实现更为频繁的物流状态的监控和检测。当其物流状态更新时,可以继续计算下一检测更新异常触发时间,无需再以设定周期进行监控。同时,若所述待监控订单的物流状态未更新,则未更新的时间越久,异常提醒信息的发送形式越迫切。例如,当检测更新异常触发时间,所述待监控订单的物流状态未更新时,以邮件信息的形式向商家发送异常提醒信息;当经过2个周期所述待监控订单的物流状态仍未更新时,以推送弹窗的形式向商家发送异常提醒信息;当经过10个周期所述待监控订单的物流状态仍未更新时,以电话的形式向商家发送异常提醒信息。在一些变化例中,也可以通过不同的字体颜色和字体大小,来体现异常提醒信息是否迫切。具体而言,设定周期可以按需设置,或者可以基于历史物流状态更新异常的物流信息,以统计或者人工智能模型的形式获取。本申请可以实现更多的变化方式,在此不予赘述。
具体而言,在本发明的一些实施例中,可以将设定时间段内的同一商家端的同一物流状态的异常提醒信息,同时发送至商家端,以供商家端对同一物流状态的异常提醒信息执行批量处理。在本实施例中,考虑到同一物流状态的异常提醒信息,通常可以采用相同的处理方式,因此,可以将设定时间段内的同一商家端的同一物流状态的异常提醒信息,同时发送至商家端,以便商家可以对该物流状态的异常提醒信息执行批量处理。进一步地,可以通过设定时间段,错开不同物流状态的异常提醒信息,以便于在时序上实现不同物流状态的异常提醒信息的分类和分隔。在上述实施例中,也可以向商家提供异常提醒信息的选择,从而商家端可以从多个异常提醒信息中选择部分异常提醒信息进行处理。在上述实施例中,同一物流状态的异常提醒信息,在不同的提醒阶段可以以不同的显示形式进行显示。例如,同一物流状态的异常提醒信息中,对检测更新异常触发时间,所述待监控订单的物流状态未更新时,其异常提醒信息为绿色;当经过2个周期所述待监控订单的物流状态仍未更新时,其异常提醒信息为黄色;当经过10个周期所述待监控订单的物流状态仍未更新时,其异常提醒信息为红色。在该实施例中,可以向商家端提供不同紧急程度的异常提醒信息的批量选择。例如,商家端可以选择批量处理紧急非常异常提醒信息(例如显示为红色的异常提醒信息);商家端可以选择批量处理一般紧急异常提醒信息(例如显示为黄色的异常提醒信息);商家端可以选择批量处理非紧急异常提醒信息(例如显示为绿色的异常提醒信息)。本申请可以实现更多的变化方式,在此不予赘述。
具体而言,在本发明的一些实施例中,所述响应于所述待监控订单的物流状态未更新,将所述当前物流状态的异常提醒信息发送至商家端包括:根据当前物流状态,在所述当前物流状态的异常提醒信息中向商家端提供物流公司的联系接口、揽件员的联系接口、派件员的联系接口、收件人的联系接口以及订单的购买人的联系接口中的一项或多项。由此,商家端可以通过该些接口,来实现对异常提醒信息的不同处理。例如,对于发货未揽件状态的异常提醒信息,可以向商家端提供揽件员的联系接口,从而商家端可以通过该联系接口联系揽件员,以了解具体揽件情况,并可以催促揽件员进行揽件;又例如,对于派送未签收状态的异常提醒信息,可以向商家端提供派送员的联系接口,从而商家端可以通过该联系接口联系派送员,以了解具体派送情况,并可以催促派送员进行派送。
下面参见图6,图6示出了根据本发明实施例的用户端查询物流信息的流程图。图6共示出如下步骤:
步骤S151:响应于用户端对待监控订单的物流信息的查询,判断所述待监控订单是否存在异常提醒信息。
若步骤S151判断为是,则执行步骤S152:向用户端提供所述待监控订单的实时物流轨迹信息以及商家端基于所述异常提醒信息的联系记录。
若步骤S151判断为否,则执行步骤S153:向用户端提供所述待监控订单的实时物流轨迹信息。
由此,在本实施例中,可以在用户端查询待监控订单的物流信息时,向用户端提供商家端基于所述异常提醒信息的联系记录,以便于用户能够获知商家端对于物流异常的处理过程以及处理结果,从而减少用户退单,提高用户物流评价。
在本发明的一些具体实施例中,可以首先.获取快递公司的实时物流轨迹信息,然后获取商家发货的所有订单以及对应的运单信息,按照商家发货地址与用户收件地址线路分类获取各个快递公司在该线路上物流轨迹节点之间的历史更新时间间隔,根据获取的商家发货订单对应的运单信息,以及快递公司的实时物流轨迹信息,实时更新订单的物流轨迹状态,并对物流轨迹延迟、运输中断检测。由此,通过商家发货后按照不同的地区和物流状态,可以预先一段时间提示商家快递单还未产生物流信息(即将异常的提醒信息);物流状态未更新时,通过对已产生的物流信息进行实时监控,超过一定时间预警提示;由此,商家端可以实时感知所有订单的物流信息,及时处理干预,减少用户退单与较低的物流评价。
在本发明的一些具体实施例中,按照快递公司物流信息的主要物流状态结合商家发货信息,可以将订单的物流状态定义以下几种:发货未揽件、揽件未中转、中转未派件、派件未签收,已签收。在整个物流轨迹生命周期内,物流状态按发货未揽件、揽件未中转、中转未派件、派件未签收,已签收的顺序转变。订单物流轨迹状态会根据快递公司实时回传的物流信息更新为最新的相应状态。针对商家对不同物流轨迹状态关注程度,检测物流更新异常结果分为:即将揽件异常、揽件异常、更新异常以及派送异常。预警状态(即将揽件异常)以及异常状态在整个物流轨迹生命周期内之间的按物流状态的顺序转变。轨迹更新检测可以依照运输路线的各快递公司的历史轨迹更新时间做延迟后检查判断。
由此,商家在用快递公司发货时。可以按照不同的路线与快递公司,计算快递公司预计揽件时间、物流轨迹中间节点的中转延迟时间,并立即通知快递公司当物流轨迹信息变更时及时同步物流信息到商家发货平台。并计算出下次检测揽件异常触发时间。
然后,当前时间为预计揽件时间之前的一段时间范围内,订单对应的快递依旧未出现物流信息时提示商家订单即将揽件异常。若有物流信息则接受保存并更新订单物流为相应状态,并计算出下次检测更新异常触发时间。
然后,检测当前时间为预计揽件时间之后,订单对应的快递依旧未出现物流信息时提示商家揽件异常,若有物流信息则接受保存并更新订单物流为相应状态,并计算出下次检测更新异常触发时间。
然后,检测当前时间下物流轨迹状态为揽件未中转且与上次物流轨迹更新时间差值大于中转延迟时间提示商家更新异常,且物流状态信息在中转时,更新异常可能会多次出现。若有物流信息则接受保存并更新订单物流为相应状态,并计算出下次检测更新或派遣异常触发时间。
然后,当前时间下物流轨迹状态为派件未签收且与派送时间差值大于一定值时提示商家派送异常,若有物流信息则接受保存并更新订单物流为相应状态。
最后,若收到快递公司物流轨迹信息为已签收,则结束整个物流轨迹生命周期。
由此,可以实现整个物流生命周期的异常提醒。
以上仅仅是本发明的信息处理方法的多个具体实现方式,各实现方式可以独立或组合来实现,本发明并非以此为限制。进一步地,本发明的流程图仅仅是示意性地,各步骤之间的执行顺序并非以此为限制,步骤的拆分、合并、顺序交换、其它同步或异步执行的方式皆在本发明的保护范围之内。
下面参见图7,图7示出了根据本发明实施例的信息处理装置的模块图。信息处理装置200包括获取模块210、判断模块220、生成模块230以及计算模块240。
获取模块210配置成在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息;
判断模块220配置成根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新;
生成模块230配置成当所述判断模块判断为否时,生成当前物流状态的异常提醒信息;
计算模块240配置成当所述判断模块判断为是时,根据已更新的物流状态,计算下一检测更新异常触发时间,
其中,所述检测更新异常触发时间根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得。
在本发明的示例性实施方式的信息处理装置中,根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得检测更新异常触发时间,从而在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息,以根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新,当未更新时,进行异常提醒;当更新时,计算下一检测更新异常触发时间,能够自动计算检测更新异常触发时间,从而自动实现物流异常信息的检测和提醒,实现物流异常信息检测的闭环,同时,避免检测间隔时间过短导致系统负载较大的情况,此外,还可以进一步使得商家/用户能够感知到物流异常情况。
图7仅仅是示意性的示出本发明提供的信息处理装置200,在不违背本发明构思的前提下,模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的信息处理装置200可以由软件、硬件、固件、插件及他们之间的任意组合来实现,本发明并非以此为限。
在本发明的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被例如处理器执行时可以实现上述任意一个实施例中所述信息处理方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述所述信息处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到租户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中,还提供一种电子设备,该电子设备可以包括处理器,以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述信息处理方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本发明的这种实施方式的电子设备500。图9显示的电子设备500仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于:至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元510执行,使得所述处理单元510执行本说明书上述所述信息处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元510可以执行如图1所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202,还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204,这样的程序模块5205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通讯,还可与一个或者多个使得租户能与该电子设备500交互的设备通讯,和/或与使得该电子设备500能与一个或多个其它计算设备进行通讯的任何设备(例如路由器、调制解调器等等)通讯。这种通讯可以通过输入/输出(I/O)接口550进行。并且,电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通讯。网络适配器560可以通过总线530与电子设备500的其它模块通讯。应当明白,尽管图中未示出,可以结合电子设备500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述所述信息处理方法。
相比现有技术,本发明的优势在于:
根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得检测更新异常触发时间,从而在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息,以根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新,当未更新时,进行异常提醒;当更新时,计算下一检测更新异常触发时间,能够自动计算检测更新异常触发时间,从而自动实现物流异常信息的检测和提醒,实现物流异常信息检测的闭环,同时,避免检测间隔时间过短导致系统负载较大的情况,此外,还可以进一步使得商家/用户能够感知到物流异常情况。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
Claims (14)
1.一种信息处理方法,其特征在于,包括:
在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息;
根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新;
若否,则生成当前物流状态的异常提醒信息;
若是,则根据已更新的物流状态,计算下一检测更新异常触发时间,
其中,所述检测更新异常触发时间根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得。
2.如权利要求1所述的信息处理方法,其特征在于,所述当前物流状态的预测时效信息根据如下步骤获取:
获取所述待监控订单的发货地以及收货地;
根据所述发货地以及收货地生成估计物流轨迹;
预测所述估计物流轨迹的各物流状态的时效信息;
将与当前物流状态匹配的所述估计物流轨迹的物流状态的时效信息作为所述当前物流状态的预测时效信息。
3.如权利要求1所述的信息处理方法,其特征在于,所述预测时效信息包括当前物流状态与前一物流状态之间的延迟时间段,所述根据已更新的物流状态,计算下一检测更新异常触发时间包括:
根据所述待监控订单的已更新的物流状态的更新时间与所述延迟时间段之和,确定下一检测更新异常触发时间。
4.如权利要求3所述的信息处理方法,其特征在于,当前物流状态与前一物流状态之间的延迟时间段小于等于当前物流状态与前一物流状态之间的预测时间差。
5.如权利要求1所述的信息处理方法,其特征在于,所述预测时效信息包括当前物流状态的预测状态时间,所述根据已更新的物流状态,计算下一检测更新异常触发时间包括:
计算当前物流状态的预测状态时间与前一物流状态的预测状态时间之差,获得预测变化时间段;
根据所述待监控订单的已更新的物流状态的更新时间与所述预测变化时间段之和,作为下一检测更新异常触发时间。
6.如权利要求5所述的信息处理方法,其特征在于,当前物流状态的所述预测状态时间不晚于当前物流状态的预测执行时间。
7.如权利要求1所述的信息处理方法,其特征在于,所述根据已更新的物流状态,计算下一检测更新异常触发时间包括:
获取所述实时物流轨迹信息在已更新的物流状态的实时阶段轨迹信息;
判断所述实时阶段轨迹信息与估计物流轨迹对应的估计阶段轨迹信息是否一致;
若否,则根据所述实时阶段轨迹信息与收货地,更新估计物流轨迹;
预测所更新的估计物流轨迹的各物流状态的时效信息;
将与当前物流状态匹配的所更新的估计物流轨迹的物流状态的时效信息作为所述当前物流状态的预测时效信息。
8.如权利要求1所述的信息处理方法,其特征在于,所述生成当前物流状态的异常提醒信息之后包括:
以设定周期监控所述待监控订单的物流状态是否更新;
响应于所述待监控订单的物流状态更新,根据已更新的物流状态,计算下一检测更新异常触发时间;
响应于所述待监控订单的物流状态未更新,将所述当前物流状态的异常提醒信息发送至商家端,其中,所述异常提醒信息的发送形式根据所述设定周期的数量确定。
9.如权利要求8所述的信息处理方法,其特征在于,将设定时间段内的同一商家端的同一物流状态的异常提醒信息,同时发送至商家端,以供商家端对同一物流状态的异常提醒信息执行批量处理。
10.如权利要求8所述的信息处理方法,其特征在于,所述响应于所述待监控订单的物流状态未更新,将所述当前物流状态的异常提醒信息发送至商家端包括:
根据当前物流状态,在所述当前物流状态的异常提醒信息中向商家端提供物流公司的联系接口、揽件员的联系接口、派件员的联系接口、收件人的联系接口以及订单的购买人的联系接口中的一项或多项。
11.如权利要求9所述的信息处理方法,其特征在于,还包括:
响应于用户端对待监控订单的物流信息的查询,判断所述待监控订单是否存在异常提醒信息;
若是,则向用户端提供所述待监控订单的实时物流轨迹信息以及商家端基于所述异常提醒信息的联系记录;
若否,则向用户端提供所述待监控订单的实时物流轨迹信息。
12.一种信息处理装置,其特征在于,包括:
获取模块,配置成在检测更新异常触发时间,获取待监控订单的实时物流轨迹信息;
判断模块,配置成根据所述实时物流轨迹信息,确定所述待监控订单的物流状态是否更新;
生成模块,配置成当所述判断模块判断为否时,生成当前物流状态的异常提醒信息;
计算模块,配置成当所述判断模块判断为是时,根据已更新的物流状态,计算下一检测更新异常触发时间,
其中,所述检测更新异常触发时间根据所述待监控订单的当前物流状态的更新时间以及当前物流状态的预测时效信息计算获得。
13.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储器,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行:
如权利要求1至11任一项所述的信息处理方法。
14.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行:
如权利要求1至11任一项所述的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111186989.6A CN113902370A (zh) | 2021-10-12 | 2021-10-12 | 信息处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111186989.6A CN113902370A (zh) | 2021-10-12 | 2021-10-12 | 信息处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902370A true CN113902370A (zh) | 2022-01-07 |
Family
ID=79191520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111186989.6A Pending CN113902370A (zh) | 2021-10-12 | 2021-10-12 | 信息处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902370A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115022380A (zh) * | 2022-08-05 | 2022-09-06 | 深圳市元美供应链管理有限公司 | 一种基于区块链的物流信息安全传输系统及方法 |
CN115879849A (zh) * | 2023-03-03 | 2023-03-31 | 青岛海天利达金属技术有限公司 | 一种物流信息的智能管理方法 |
CN117670173A (zh) * | 2023-11-15 | 2024-03-08 | 广州市斗满科技有限公司 | 一种基于包裹轨迹分析的实时监控方法及系统 |
-
2021
- 2021-10-12 CN CN202111186989.6A patent/CN113902370A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115022380A (zh) * | 2022-08-05 | 2022-09-06 | 深圳市元美供应链管理有限公司 | 一种基于区块链的物流信息安全传输系统及方法 |
CN115022380B (zh) * | 2022-08-05 | 2022-11-01 | 深圳市元美供应链管理有限公司 | 一种基于区块链的物流信息安全传输系统及方法 |
CN115879849A (zh) * | 2023-03-03 | 2023-03-31 | 青岛海天利达金属技术有限公司 | 一种物流信息的智能管理方法 |
CN117670173A (zh) * | 2023-11-15 | 2024-03-08 | 广州市斗满科技有限公司 | 一种基于包裹轨迹分析的实时监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113902370A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN112184115B (zh) | 物流预警方法、物流推荐方法、装置及相关设备 | |
CA2682052C (en) | Systems, methods, and computer program products for generating reference geocodes for point addresses | |
AU2019204776A1 (en) | Preventative diagnosis prediction and solution determination of future event using internet of things and artificial intelligence | |
CN109961248B (zh) | 运单投诉预测方法、装置、设备及其存储介质 | |
US20100268564A1 (en) | Automatic self-optimizing queue management system | |
CN112801579B (zh) | 配送任务异常监控方法、装置、计算机设备以及存储介质 | |
CN111950803A (zh) | 物流对象送达时间预测方法、装置、电子设备及存储介质 | |
CN112101839A (zh) | 建立快递送达时间预测模型的方法、预测方法及相关设备 | |
CN115271617B (zh) | 一种大宗商品物流运输交易智能信息处理系统 | |
US11900430B2 (en) | Turning predicted abandoned BOPIS orders into same-day delivery | |
CN114490272A (zh) | 数据处理方法及装置、电子设备和计算机可读存储介质 | |
CN111680955B (zh) | 用于库存信息处理的方法、计算设备和计算机存储介质 | |
CN111861328B (zh) | 建立物流识别库的方法、物流轨迹查询更新方法及设备 | |
US11620610B2 (en) | Machine learning to predict impending abandonment of BOPIS orders | |
CN113011664B (zh) | 物流时效监控方法、装置、电子设备及存储介质 | |
CN113011666B (zh) | 时效预测模型的训练方法、时效预测方法及相关设备 | |
CN113590484B (zh) | 算法模型服务测试方法、系统、设备及存储介质 | |
CN114926120A (zh) | 自提点推送方法、装置、设备及存储介质 | |
CN114861909A (zh) | 模型质量监控方法、装置、电子设备以及存储介质 | |
CN114926121A (zh) | 物流时效延误监控方法、装置、设备及存储介质 | |
CN112465149A (zh) | 同城件识别方法、装置、电子设备以及存储介质 | |
CN113034037A (zh) | 物流监控方法、装置、存储介质及电子设备 | |
CN113283791B (zh) | 选择自提柜特征的方法、装置、设备及存储介质 | |
CN112150055B (zh) | 提供预警的方法、电子设备和计算机可读存储介质 |
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 |