CN113902373A - 一种送达时间预估方法、装置、电子设备及存储介质 - Google Patents
一种送达时间预估方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113902373A CN113902373A CN202111207327.2A CN202111207327A CN113902373A CN 113902373 A CN113902373 A CN 113902373A CN 202111207327 A CN202111207327 A CN 202111207327A CN 113902373 A CN113902373 A CN 113902373A
- Authority
- CN
- China
- Prior art keywords
- order
- transport capacity
- information
- time interval
- delivery
- 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 26
- 238000004590 computer program Methods 0.000 claims 1
- 238000010801 machine learning Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种送达时间预估方法、装置、电子设备及存储介质。该发明应用于配送平台对订单配送时间进行预估,所述方法包括:根据已分配运力的订单的取件信息确定运力到达取件地址所需的时间间隔;根据所述订单收件信息及所述订单已分配的运力最近N天的平均送件信息,确定运力到达收件地址所需的时间间隔;根据所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息确定从用户下单到运力完成订单所需的时间间隔。本发明实施例保证了运力配送时效,提高了配送的准确率,同时降低延时概率,为平台用户体验和后期运力调度提高了保障。
Description
技术领域
本发明实施例涉及一对一即时配送领域,具体而言,涉及一种送达时间预估方法、装置、电子设备及存储介质。
背景技术
随着技术的发展,人们的生活方式发生了很大的变化,从淘宝、京东等网上商城的崛起,到美团、饿了么等外卖平台的飞速发展,在物流行业掀起了巨大的浪潮。在即时物流行业,预估送达时间ETA作为关键的一环,它的背后,是用户对物流的信任和期待,其准确性、合理性关系到用户后续的留存、下单意愿等。美团、饿了么等平台订单类型多为一对多,即一个运力对应多个订单,超时情况时有发生,对于非紧急情况下单用户,还是可以接受的。
但是,对于一对一业务来说,第一方面,用户大多出于时间紧急的情况下下单,这对预估送达时间准确性要求比较高;第二方面,一对一相比一对多业务复杂性低,工业界比较常用的大多针对一对多的算法在一对一业务上并不适用;第三方面,不同的交通工具受道路状况、步行距离等影响程度不同,单纯依赖导航工具很大程度上影响了ETA的准确性。
发明内容
有鉴于此,本申请实施例的目的在于提供一种基于机器学习算法的送达时间预估方法、装置、电子设备及存储介质。可以较为准确的预测送达时间,提高用户满意度,进而增加用户对平台的粘性,另一方面对于平台后续的运力调度提供很大的帮助。
第一方面,本申请实施例提供了一种送达时间预估方法,所述方法包括:
根据已分配运力的订单的取件信息确定运力到达取件地址所需的时间间隔;
根据所述订单收件信息及所述订单已分配的运力最近N天的平均送件信息,确定运力到达收件地址所需的时间间隔;
根据所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息确定从用户下单到运力完成订单所需的时间间隔。
上述技术方案中,所述根据已分配运力的订单的取件信息确定运力到达取件地址所需的时间间隔,包括:
根据所述已分配运力的订单的取件信息,构建并训练基于机器学习算法的取件时间回归模型,预测所述运力到达取件地址所需的时间间隔。
上述技术方案中,所述已分配运力的订单的取件信息包括:订单信息、物品信息和所述已分配运力的订单取件地址附近的供需信息;
上述技术方案中,所述订单信息包括:取件地址、所述运力与所述取件地址的取件距离、订单金额等;所述物品信息包括:物品类型、物品重量等;所述已分配运力的订单取件地址附近的供需信息包括:所述订单取件地址附近的已支付订单量、空闲运力数等;
上述技术方案中,所述根据所述订单收件信息及所述订单对应的运力最近N天的平均送件信息,确定运力到达收件地址所需的时间间隔,包括:
根据所述已分配运力的订单的收件信息,确定所述订单已分配的运力最近N天的平均送件信息;
根据所述订单收件信息及所述订单对应的运力最近N天的平均送件信息,构建并训练基于机器学习算法的收件时间回归模型,预测所述运力到达收件地址所需的时间间隔。
上述技术方案中,所述已分配运力的订单的送件信息包括:订单信息、物品信息和所述已分配运力的订单收件地址附近的供需信息;
上述技术方案中,所述订单信息包括:收件地址、所述取件地址到所述收件地址的距离、订单金额等;所述物品信息包括:物品类型,所述已分配运力的订单收件地址附近的供需信息包括:所述收件地址附近的已支付订单量、空闲运力数等;所述订单已分配的运力最近N天的平均送件信息包括:所述已分配运力最近N天总完单量、平均送件速度、分时段送件速度、所述已分配运力交通工具等;
上述技术方案中,所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息确定从用户下单到运力完成订单所需的时间间,包括:
根据所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息构建并训练基于机器学习算法的完单回归模型,预测从用户下单到运力完成订单所需的时间间隔。
上述技术方案中,所述已分配运力的订单的相关信息包括:订单信息、物品信息和所述已分配运力的订单取件地址和收件地址附近的供需信息;
上述技术方案中,所述订单信息包括:运力从当前位置到收件位置的总距离、订单价格;所述物品信息包括:物品类型、物品重量;
上述技术方案中,所述已分配运力的相关信息包括:所述已分配运力的平均完单时件、所述已分配运力的平均完单速度、分时段完单时间、分时段完单速度、所述已分配运力交通工具等;
第二方面,本申请实施例提供了一种订单送达时间预估装置,包括:确定模块、预测模块;其中,
所述确定模块,包括:取件时间间隔确定模块和收件时间间隔确定模块,用于根据已分配运力的订单的取件信息确定运力到达取件地址所需的时间间隔;
根据所述订单收件信息及所述订单已分配的运力最近N天的平均送件信息,确定运力到达收件地址所需的时间间隔;
所述预测模块,用于根据所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息确定从用户下单到运力完成订单所需的时间间隔。
上述技术方案中,所述确定模块,具体用于根据以下步骤确定运力到达取件地址所需的时间间隔和运力到达收件地址所需的时间间隔:
根据所述已分配运力的订单的取件信息,构建并训练基于机器学习的取件时间回归模型,预测所述运力到达取件地址所需的时间间隔;
根据所述已分配运力的订单的收件信息,确定所述订单已分配的运力最近N天的平均送件信息;
根据所述订单收件信息及所述订单对应的运力最近N天的平均送件信息,构建并训练基于机器学习算法的收件时间回归模型,预测所述运力到达收件地址所需的时间间隔。
上述技术方案中,所述预测模块,具体用于根据以下步骤确定从用户下单到运力完成订单所需的时间间隔:
根据所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息构建并训练基于机器学习算法的完单时间间隔回归模型,预测从用户下单到运力完成订单所需的时间间隔。
上述技术方案中,所述已分配运力的订单的取件信息包括:订单信息、物品信息和所述已分配运力的订单取件地址附近的供需信息;
上述技术方案中,所述已分配运力的订单的收件信息包括:订单信息、物品信息和所述已分配运力的订单收件地址附近的供需信息;
上述技术方案中,所述订单已分配的运力最近N天的平均送件信息包括:所述已分配运力的平均完单时件、所述已分配运力的平均完单速度、分时段完单时间间隔、分时段完单速度、所述已分配运力交通工具等;
第三方面,本申请实施例提供了一种订单送达时间预估电子设备,包括:一个或多个服务器;其中,
所述服务器包含一个或多个处理器;
所述服务器用于开启线上服务,供内部或外部人员调用;所述处理器用于运行实现所述基于机器学习算法的送达时间预估方法的程序。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储实现所述基于机器学习算法的送达时间预估方法的程序,所述基于机器学习算法的送达时间预估方法的程序在所述处理器上运行时执行上述送达时间预估方法的步骤。
本申请实施例根据订单相关信息及运力相关信息,通过在所述处理器上运行所述基于机器学习算法的送达时间预估方法的程序,返回所述订单预计送达时间,有利于达成提升用户满意度、增加用户对平台的粘性、及平台后续的运力调度等目标。
附图说明
图1为本申请实施例所提供的订单送达时间预估方法整体流程图
图2为本申请实例所提供的一对一业务流程图
图3为本申请实施例所提供的订单取件时间预测方法流程图
图4为本申请实施例所提供的订单收件时间预测方法流程图
图5为本申请实施例所提供的订单送达时间预估方法装置示意图
图6为本申请实施例所提供的订单送达时间预估电子设备示意图
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
ETA在一对一业务中的应用场景如图2,主要包括运力从接单开始到完成订单整个过程所需的时间,所述过程复杂之处在于运力到达取、送件地址时由于地区限制比如小区不允许外来车辆进入、交通复杂导致无法骑车进入等情况,就需要运力步行取、送件,但常规情况下导航预测的时间基本上是运力骑车直达所需时间,由此会出现客户端显示时间比真实配送时间短而造成的延时问题,产生很差的用户体验,甚至会出现用户流失等严重后果。
图1所示将所述过程拆分成三部分。
第一部分如图3所示,通过获取所述已分配运力的订单取件数据,对数据进行挖掘处理,生成订单数据的计算机表示形式;构建机器学习模型,通过训练、对比、评估获取准确率较高的模型,并将模型固化。
第二部分如图4所示,通过获取所述已分配运力的订单收件数据、运力历史送件信息等数据,将所述数据转化为计算机表示形式,构建机器学习模型,通过训练、对比、评估获取准确率较高的模型,并将模型固化。
第三部分如图1所示,分别调用取件时间间隔模型确定取件时间间隔和调用收件时间间隔模型确定收件时间间隔,将取件时间间隔、收件时间间隔及订单信息转化为计算机表现形式,最终确定所述从用户下单到运力完成订单所需的时间间隔。
所述送达时间预估方法通过对取、送件分别确定时间间隔,根据取、送件时间间隔再确定整个过程所需要的时间间隔,从而降低延时风险的概率。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (5)
1.一种送达时间预估方法、装置、电子设备及存储介质,应用于一对一配送领域,其特征在于,所述方法包括:
获取订单取件相关的信息,所述信息包括:所述已分配运力的订单取件信息、物品信息和所述已分配运力的订单取件地址附近的供需信息、所述已分配运力的订单的送件信息、所述已分配运力的订单收件地址附近的供需信息、所述订单已分配的运力最近N天的平均送件信息;
根据已分配运力的订单的取件信息确定运力到达取件地址所需的时间间隔;
根据所述订单收件信息及所述订单已分配的运力最近N天的平均送件信息,确定运力到达收件地址所需的时间间隔;
根据所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息确定从用户下单到运力完成订单所需的时间间隔。
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:
接收内部或外部人员传入的所述订单相关信息,作为程序处理和返回结果的依据。
3.根据权利要求1所述的装置,其特征在于,所述装置包括:
确定模块,所述确定模块包括:取件时间间隔确定模块和送件时间间隔确定模块,用于根据已分配运力的订单的取件信息确定运力到达取件地址所需的时间间隔和根据已分配运力的订单的送件信息确定运力到达收件地址所需的时间间隔;
预测模块,用于根据所述取件时间间隔、所述收件时间间隔、所述已分配运力的订单的相关信息和已分配运力的相关信息确定从用户下单到运力完成订单所需的时间间隔。
4.根据权利要求1所述的设备,其特征在于,所述设备包括:
一个或多个服务器,所述服务器包含一个或多个处理器;
所述服务器用于开启线上服务,供内部或外部人员调用;所述处理器用于运行实现如权利要求1-3中任一所述的任务。
5.根据权利要求1所述的计算机可读存储介质,其特征在于:
所述计算机可读存储介质上存储计算机程序,实现如权利要求1-3中任一所述任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207327.2A CN113902373A (zh) | 2021-10-15 | 2021-10-15 | 一种送达时间预估方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207327.2A CN113902373A (zh) | 2021-10-15 | 2021-10-15 | 一种送达时间预估方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902373A true CN113902373A (zh) | 2022-01-07 |
Family
ID=79192467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111207327.2A Pending CN113902373A (zh) | 2021-10-15 | 2021-10-15 | 一种送达时间预估方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902373A (zh) |
-
2021
- 2021-10-15 CN CN202111207327.2A patent/CN113902373A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11102618B2 (en) | Smart signaling of location updates for arrival estimation and generation of arrival alerts | |
US20200118071A1 (en) | Delivery prediction generation system | |
US10346889B1 (en) | Determining courier effort for deliveries | |
US20180225796A1 (en) | Resource Allocation in a Network System | |
US20210090017A1 (en) | Feedback-based management of delivery orders | |
US20210256592A1 (en) | Systems and methods for intelligent preparation time analysis | |
US20210312359A1 (en) | Method and device for scheduling automated guided vehicle | |
US11200485B2 (en) | Contact center system and method for advanced outbound communications to a contact group | |
CN111047264B (zh) | 一种物流任务分配方法及装置 | |
CN112215467A (zh) | 订单推送方法及系统、服务端设备、客户端设备 | |
AU2018217973A1 (en) | Dynamic selection of geo-based service options in a network system | |
CN111562991A (zh) | 用于基于网络的服务的情景通知 | |
CN116090942A (zh) | 基于物联网的多场景机器人配送方法及系统 | |
CN115983759A (zh) | 物品需求量预测方法及装置、电子设备和存储介质 | |
US20220292414A1 (en) | Dynamic invitation transmission and presentation mode determination for a network-based service | |
WO2022156589A1 (zh) | 一种直播点击率的确定方法和装置 | |
CN113822734B (zh) | 用于生成信息的方法和装置 | |
CN113762674B (zh) | 订单配送方法和装置 | |
CN113902373A (zh) | 一种送达时间预估方法、装置、电子设备及存储介质 | |
CN115759307A (zh) | 一种订单派送方法、装置、电子设备及存储介质 | |
JP2021501945A (ja) | ネットワーク配達サービスを実行するコンピュータシステム | |
CN112163726A (zh) | 服务资源分配方法、装置、电子设备及可读存储介质 | |
CN111507753A (zh) | 信息推送方法、装置和电子设备 | |
CN113822609A (zh) | 物流线路的生成方法、装置以及服务器 | |
CN113762566B (zh) | 一种计算送达时间的方法和装置 |
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 |