CN114372754B - 订单匹配方法、装置及计算机设备 - Google Patents

Abstract

本说明书提供一种订单匹配方法、装置及计算机设备，所述方法包括：获取目标调度单元，目标调度单元的历史数据量信息满足预设调度时效条件；获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力后执行匹配处理；所述目标调度单元通过如下方式确定：在待分割调度单元的地理范围内确定至少两个初始聚类中心；所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于距离阈值；对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

Description

订单匹配方法、装置及计算机设备

技术领域

本说明书涉及互联网技术领域，尤其涉及一种订单匹配方法、装置及计算机设备。

背景技术

在订单分配系统中，订单分配系统会接收到上游下发的待分配订单，然后根据多种因素考虑，将待分配订单分配给某个配送方。配送方接收到分配的订单后，开始配送该订单。基于此，需要提供更加合理的订单处理方案，以提高配送效率。

发明内容

为克服相关技术中存在的问题，本说明书提供了一种订单匹配方法、装置及计算机设备。

根据本说明书实施例的第一方面，提供一种订单匹配方法，包括：

获取目标调度单元，所述目标调度单元的历史数据量信息满足预设调度时效条件；

获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力，对所述多个待调度订单和多个待调度配送运力执行匹配处理；

其中，所述目标调度单元通过如下方式确定：

在待分割调度单元的地理范围内确定至少两个初始聚类中心；其中，所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于距离阈值；

利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；

基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

根据本说明书实施例的第二方面，提供一种订单匹配装置，包括：

第一获取模块，用于：获取目标调度单元，所述目标调度单元的历史数据量信息满足预设调度时效条件；

第二获取模块，用于：获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力，对所述多个待调度订单和多个待调度配送运力执行匹配处理；

确定模块，用于通过如下方式确定所述目标调度单元：

在待分割调度单元的地理范围内确定至少两个初始聚类中心；其中，所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于距离阈值；利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

根据本说明书实施例的第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现前述第一方面所述的订单匹配方法。

本说明书的实施例提供的技术方案可以包括以下有益效果：

本说明书实施例中，摒弃了小商圈调度，在较大的范围内进行订单匹配，以提高订单匹配的准确性；通过预设调度时效条件来限制调度的范围，从而可以在准确性与时效性之间取得平衡。对于未满足预设调度时效条件的待分割调度单元，本实施例方案采用聚类的方式来进行分割，其中，初始聚类中心具有一定的差异，任意两个所述初始聚类中心之间的距离大于距离阈值，基于对距离的限制，使得初始聚类中心之间的距离较大，初始聚类中心具有差异，从而可以将待分割调度单元合理地分割成出的目标调度单元。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1A是本说明书根据一示例性实施例示出的一种配送订单示意图。

图1B是本说明书根据一示例性实施例示出的另一种配送订单示意图。

图1C是本说明书根据一示例性实施例示出的另一种配送订单示意图。

图1D是本说明书根据一示例性实施例示出的一城市的配送订单示意图。

图2A是本说明书根据一示例性实施例示出的一种订单匹配方法的流程图。

图2B是本说明书根据一示例性实施例示出的另一种订单匹配方法的流程图。

图2C是本说明书根据一示例性实施例示出的一城市的商圈和调度单元示意图。

图3是本说明书根据一示例性实施例示出的一种订单匹配装置所在计算机设备的一种硬件结构图。

图4是本说明书根据一示例性实施例示出的一种订单匹配装置的框图。

具体实施方式

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说明书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、本说明书的一些方面相一致的装置和方法的例子。

在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

随着互联网的发展，配送业务为人们生活提供了极大的便利。生活服务等行业也已经实行网上下单及在线分配订单的方式，以实现用户的快速下单及完成订单配送。

以外卖业务为例，配送服务方通常按照店铺的聚集情况划分出多个商圈，因为这些聚集的店铺会产生配送订单，配送运力会从店铺处取单并开始配送；商圈的划分方式主要是出于运营考虑，而出于实时订单匹配的效率考虑，一个商圈可以作为一个调度区域，针对每个调度区域，会对应有需要匹配的实时订单，以及属于该调度区域的配送运力，配送服务方会为每个调度区域内的实时订单与配送运力进行匹配，即属于某个调度区域的运力团队中的每个配送运力，为位于该调度区域内的所有商户提供订单配送服务。

由此可知，在进行订单匹配时，各商圈单独调度，互不干扰，通常是每个调度区域内的骑手只能收到所属调度区域内的订单，无法收到其他调度区域的订单，也就是说各配送区域之间不互通配送订单信息。这种基于商圈的调度方式，由于商圈范围较小，会导致属于该商圈的订单和配送运力数量较少，因此，可能会出现如下几种情况：

如图1A所示，是本说明书一个实施例的配送订单示意图，图1A中两个圆点O1和O2，分别是指两个配送订单的配送位置，此处的配送位置是指配送订单的起点位置，即店铺的位置，配送运力在该店铺的位置取货后，以此为起点开始配送并达到配送订单的终点位置，即用户的位置。其中，O1和O2为相近、配送方向相同但分布在不同商圈的运单。相关技术中，两个运单会在不同的商圈内分别调度，无法合并到一个骑手身上。

如图1B所示，O3和O4配送方向接近但分布在不同商圈的配送订单的起点，P1为配送运力。由于两个商圈分别调度，O3的配送订单可能先追加到骑手上，但O4属于另一商圈，可能无法再追到该骑手身上。

如图1C所示，O5和O6分别是分布在不同商圈的配送订单的起点，P2和P3为配送运力。两个商圈的运单分别调度，若左侧商圈先调度，会将左侧O5的单与左侧的骑手P2匹配上。但实际上方O6的订单与上方的骑手P2是更优的调度组合。

如图1D所示，以一城市为例，可以看到在商圈边界有很多产生运单的商户，这些位置的运单都极大可能的产生以上所述的情况。

由上述例子可见，基于商圈的调度方式，商圈的范围过小，从而会对订单和配送运力造成限制。

因此，本说明书实施例的订单匹配方案，摒弃了小商圈调度，在较大的范围内进行订单匹配，以提高订单匹配的准确性。如果不考虑配送订单与配送运力匹配时的时效问题，匹配的准确性与调度的地理范围的大小正相关，所调度的范围越大，会该范围内的配送订单与配送运力越多，匹配的准确性也就越大。然而，实际业务中，调度的范围越大，实时的数据量越大，就会导致匹配计算的时间越长。本实施例方案中，通过预设调度时效条件来限制调度的范围，从而可以在准确性与时效性之间取得平衡。

接下来对本说明书实施例进行详细说明。

如图2A所示，图2A是本说明书根据一示例性实施例示出的一种订单匹配方法的流程图，包括以下步骤：

在步骤220中，获取目标调度单元，所述目标调度单元的历史数据量信息满足预设调度时效条件；

在步骤240中，获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力，对所述多个待调度订单和多个待调度配送运力执行匹配处理；

其中，所述目标调度单元通过如下方式确定：

在步骤2202中，在待分割调度单元的地理范围内确定至少两个初始聚类中心；其中，所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于设定距离阈值；

在步骤2204中，利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；

在步骤2206中，基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

本实施例的订单匹配，是指在多个配送订单与多个配送运力之间进行的匹配，即为每个配送订单匹配对应的配送运力。本实施例的配送运力具有配送能力，包括但不限于配送员、机器人、无人机或无人车等。

本实施例的调度单元，是指执行订单匹配的地理范围；在进行配送订单与配送运力匹配时，一个调度单元独立于其他调度单元。其中，调度单元具有地理位置属性，即调度单元覆盖一定的地理范围，在满足预设调度时效条件的情况下，调度单元所覆盖的地理范围越大，匹配的准确性就越大。实际应用中可以根据需要配置一地理范围较大的调度单元，例如，本实施例的调度单元的面积大于设定阈值；或者是本实施例的调度单元覆盖多个商圈，例如调度单元的面积/配送订单的数量/配送运力的数量中的一种或多种，均大于商圈；或者，还可以是调度单元内的配送订单的数量大于设定阈值，或者是调度单元内的配送运力的数量大于设定阈值等等。

在一些例子中，可以采用地理范围较大的区域作为调度单元进行运单匹配，例如，可以基于行政区划来确定调度单元，例如，以城市为调度单元等等。作为例子，配送业务方可以以城市作为一调度单元，若该调度单元满足预设调度时效条件，可以在城市范围内对属于该城市的配送订单和配送运力进行订单匹配。实际应用中，可能在某些订单高峰期，例如午餐和晚餐时间等，由于配送订单量较大等因素，该调度单元不满足预设调度时效条件，该调度单位可以作为前述的待分割调度单元以缩小范围，可以执行前述的步骤2202至步骤2206，从而分割出满足预设调度时效条件的调度单元。

在一些例子中，本实施例中的预设调度失效条件与调度单元的数据量信息相关，调度单元的数据量越大，对调度单元执行订单匹配的时间越长，预设调度条件是指表征调度单元执行订单匹配的时间满足业务要求的条件，作为例子，可以获取调度单元的历史数据，例如历史订单数据或历史订单匹配数据等来确定历史数据量信息，调度单元的历史数据量信息和所述预设调度时效条件可以需要灵活配置，作为例子，可以考虑多种因素来确定，例如历史匹配计算的时效信息、硬件资源信息、调度单元的历史数据量信息等等。

作为例子，所述预设调度时效条件可以包括如下一种或多种：

调度单元的地理范围内的配送订单的数量小于或等于第一设定阈值；

调度单元的地理范围内的配送运力的数量小于或等于第二设定阈值；或，

对调度单元执行的匹配处理的效率大于或等于第三设定阈值。

上述第一设定阈值、第二设定阈值和第三设定阈值中的任一均可根据实际需要进行配置，作为例子，可以基于历史执行配送订单和配送运力的匹配处理的时效信息进行确定。

调度单元越大，则覆盖的商铺较多、配送订单数量较大、范围内可调度的配送运力也较多，因此服务端对调度单元的订单匹配过程可能需要耗费较长的时间，可能无法满足实时订单匹配的需求；对于未满足预设调度时效条件的调度单元，本实施例称之为待分割调度单元，如何在大范围的待分割调度中缩小范围分割出满足预设调度时效条件的目标调度单元，将会影响到后续订单匹配的准确性。

本实施例中，采用历史订单集聚类的方式来实现。其中，聚类就是按照某个特定标准(如距离准则等)，将一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大，即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。聚类算法有多种，例如k-means、k-medoids、k-modes、k-medians、kernel k-means等算法。以经典K-means算法为例，K-means算法是一种迭代求解的聚类分析算法，其处理步骤将数据分为K组，随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，或误差平方和局部最小等。

本实施例中根据需要可以设置两个或两个以上各初始聚类中心，可选的，为了使调度单元最大化，初始聚类中心可以是两个，即对待分割调度单元分割出两个调度单元。本实施例中的聚类处理，并未采用随机选取初始聚类中心的方式。基于本实施例的配送订单匹配场景，要从待分割调度单元中分割出两个或两个以上目标调度单元，如果初始聚类中心在地理位置上非常接近，在聚类时可能导致有部分需聚类的对象与这些相近的初始聚类中心的相似度都一致，最终导致基于目标调度单元执行的订单匹配结果不准确。因此，本实施例中初始聚类中心需要具有一定的差异，对于两个或以上个初始聚类中心，任意两个所述初始聚类中心之间的距离大于距离阈值，此处的距离是指初始聚类中心之间的地理位置的距离，基于对距离的限制，使得初始聚类中心之间的距离较大，初始聚类中心具有差异，从而可以将待分割调度单元合理地分割出目标调度单元。

本实施例中，初始聚类中心可以是待分割调度单元的地理范围内的任一位置点，也可以是待分割调度单元的历史订单中的起点位置。

实际应用中，所述距离阈值可以根据需要进行配置，例如可以是固定数值；也可以是根据需要可动态变动的数值等等；例如，可以基于待分割调度单元的地理范围的大小来设定该距离阈值，所述距离阈值与所述待分割调度单元的地理范围呈正相关，即待分割调度单元的地理范围越大，距离阈值越大，基于对距离阈值的设计，使得任意两个所述初始聚类中心的距离也与待分割调度单元的地理范围的大小正相关，任意两个所述初始聚类中心的距离也越大。

在其他例子中，所述至少两个初始聚类中心中，任意两个所述初始聚类中心的距离，大于所述待分割调度单元内除所述初始聚类中心外任意两点的距离。以两个为例，所选取的任意初始聚类中心可以是待分割调度单元中距离最大的两个点，三个以上同理。如前所述，在初始聚类中心可以是待分割调度单元的地理范围内的任一点的情况下，此处的所述待分割调度单元内除所述初始聚类中心外任意两点是也可以是指待分割调度单元的地理范围内的任一位置点；在所述初始聚类中心是待分割调度单元的历史订单中的起点位置的情况下，所述初始聚类中心外任意两点是指待分割调度单元的历史订单中的起点。基于此，通过选取出距离较大的初始聚类中心，后续可以分割出较好的目标调度单元。

以两个初始聚类中心为例，为了更快速地在待分割调度单元中确定出这两个初始聚类中心，本实施例中的所述两个初始聚类中心，是以所述待分割调度单元的外接矩形的顶点确定的。例如，对待分割调度单元生成外接矩形，矩形具有4个顶点，其中对角顶点距离最大，可以初始聚类中心可以是待分割调度单元上与其中一对对角顶点最近的两个点，从而可以找出距离最大的两个点作为两个初始聚类中心。当然，实际应用中根据需要可以调整，初始聚类中心与这距离最大的两个点有一定偏差也是可以的，本实施例对此不进行限定。

基于此，利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；在一些例子中，可以是将历史订单集中每个历史订单作为聚类对象，聚类处理过程中，可以确定历史订单的配送位置与初始聚类中心的位置，本实施例的历史订单的配送位置可以是历史订单中商家的位置，即历史配送订单的起点位置。在确定历史订单的配送位置与各初始聚类中心的位置后，将历史订单分配给距离较近的一个聚类，之后更新聚类的聚类中心的位置。基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。例如，将历史订单集中各历史订单聚类为至少两类后，基于这至少两类中历史订单的配送位置，将待分割调度单元相应地分割为至少两个目标调度单元。

实际应用中，历史订单集的数据量可能非常巨大，在一些例子中，为了降低算力，可以不以历史订单作为聚类处理的一个对象，以降低算力提高计算速度。作为例子，可以是多个历史订单作为聚类处理的一个对象，然而，作为聚类处理的一个对象的这多个历史订单，需要较大的相似度，才可保证聚类处理的准确性，例如，可以是同一个商家的历史订单作为聚类处理的一个对象，即起点位置相同的历史订单作为聚类处理的一个对象等等。

在一些例子中，可以采用地理网格作为聚类处理的一个对象。本实施例的地理网格，即全球离散网格，是一种新型全球建模解决方案，其借助特定方法将全球剖分成无缝无重叠，分层多分辨率的网格结构，并对网格进行统一编码。地理网格覆盖一定的地理范围，实际应用中可以根据需要设定地理网格的大小等网格信息。基于此，本实施例的待分割调度单元包括多个地理网格；每个所述地理网格对应有配送位置属于该地理网格的多个历史订单；所述对所述待分割调度单元的历史订单集中历史订单进行聚类处理，包括：基于各个地理网格分别对应的多个历史订单，对所述多个地理网格进行聚类处理。因此，以地理网格作为聚类处理的一个对象，一个地理网格中包括多个历史订单，在聚类处理时可以显著地提高计算效率。

在一些例子中，以地理网格作为聚类处理的一个对象，聚类处理时是将地理网格进行聚类处理，从而将待调度单元所覆盖的多个地理网格聚类为至少两类；聚类处理过程中，可以确定地理网格与初始聚类中心的位置，在确定地理网格与各初始聚类中心的位置后，将地理网格分配给距离较近的一个聚类，之后更新聚类的聚类中心的位置。

本实施例的地理网格包括多个历史订单，可以基于地理网络中历史订单的数量来更新聚类中心的位置。作为例子，在所述聚类处理的过程中，聚类中心与地理网格的距离，与所述地理网络对应的历史订单的数量正相关；也即是，地理网格中的历史订单的数量越大，聚类中心与地理网格的距离越近，从而使得各地理网格可以基于历史订单的数量进行聚类，得到与历史订单数量匹配的聚类结果。

作为例子，所述聚类中心的位置，可以是通过地理网格的中心的位置信息与地理网格的权重确定的，所述地理网格的权重是基于该地理网络对应的历史订单的数量确定的。作为例子，可以是以地理网格的中心位置的坐标，结合该地理网格的权重来更新聚类中心的位置；其中，该权重基于该地理网络对应的历史订单的数量确定的，地理网络对应的历史订单的数量越大，权重越高。

实际应用中，可以根据需要灵活配置上述对待分割调度单元分割处理的时机，例如可以是预先执行的，预先通过对待分割调度单元分割出目标调度单元，在后续可以利用预先分割出的目标调度单元进行实时订单匹配。例如，以城市为例，若该城市作为调度单元满足预设调度时效条件，该城市可以该城市作为一个独立的目标调度单元进行实时配送订单匹配；若未满足预设调度时效条件，以该城市作为待分割调度单位进行分割、聚类处理的个数是两个为例，分割出两个调度单元；若其中一个调度单元满足预设调度时效条件，该调度单元即作为一个独立的目标调度单元进行实时配送订单匹配；而另一个调度单元未满足预设调度时效条件，该调度单元可以继续作为待分割调度单元，继续执行上述的聚类处理，以进一步分割出两个调度单元，若分割出的两个调度单元均满足预设调度时效条件，则该两个调度单元均可作为两个独立的目标调度单元进行实时配送订单匹配。若分割出的两个调度单元还有未满足预设调度时效条件的，可再次作为待分割调度单元再次执行聚类处理。

在一些例子中，还可以在本实施例的基础上结合其他的调度方式；作为例子，以城市为例，该城市中可以部分区域采用本实施例的调度方式，另一些区域采用其他的调度方式。例如，城市中有一个或多个区域作为实验区域，在该实验区域中配送订单和配送运力优先采用其他调度方式，以验证新的调度方案的性能；除了这些实验区域之外的区域，可以采用本实施例的方案进行调度。

可选的，考虑到不同时间实时配送订单数量还有不同，例如每天的午餐段和晚餐时间段的配送订单数据较大，可以基于不同时间段对一个区域执行上述聚类处理，即一个区域在不同时间段会对应不同数量和地理范围的目标调度单元；本实施例的时间段可以根据需要配置，例如节假日、工作日、平峰期或高峰期等等；以每日高峰期和平峰期为例，例如，午餐时间段和晚餐时间段，该区域被分割为3个目标调度单元，在除了午餐时间段和晚餐时间段之外的其他时间段，该区域可以作为一个目标调度单元，或者是被分割为两个目标调度单元等。上述午餐时间段和晚餐时间段只是举例，实际应用中可以根据需要划分出多个不同的时间段，在对一个区域进行分割时，可以基于不同时间段的历史订单集进行聚类处理。因此，一个区域在不同时间段会对应不同数量和地理范围的目标调度单元，在执行实时配送订单匹配时，在获取该区域的目标调度单元时，可以是获取与当前时间段匹配的目标调度单元。基于此，可以理解，本实施例中，一个区域的目标调度单元是随不同时间段可变动的。

本说明书实施例中，摒弃了小商圈调度，在较大的范围内进行订单匹配，以提高订单匹配的准确性；通过预设调度时效条件来限制调度的范围，从而可以在准确性与时效性之间取得平衡。对于未满足预设调度时效条件的待分割调度单元，本实施例方案采用聚类的方式来进行分割，其中，初始聚类中心具有一定的差异，任意两个所述初始聚类中心之间的距离大于距离阈值，基于对距离的限制，使得初始聚类中心之间的距离较大，初始聚类中心具有差异，从而可以将待分割调度单元合理地分割成出的目标调度单元。

接下来再通过一实施例进行说明。如图2B所示，是根据一示例性实施例示出的另一种配送订单匹配方法的流程图，本实施例方案以摒弃小商圈调度，使调度单元化，在保证调度性能的前提下，每个目标调度单元的范围尽可能扩大，通过增加单次调度的订单及配送运力的数量，从而减少由于调度范围过小导致的合并单量低、追单不合理等问题。本实施例中配送运力以骑手为例，预设调度时效条件，是基于调度范围内实时未分配的配送订单数量未超过300单，实时在线的骑手不能超过600人所进行配置的条件为例。

其中，本实施例预先配置有地理网格，网格内历史配送订单及骑手数量作为样本数据，基于k-means计算配送订单的分布质心，根据配送订单中商家位置距离哪个质心最近来划分配送订单。

本实施例的历史数据包括有：

①表一：过去30天每个网格内的历史配送订单的总量；

②表二：过去30天每五分钟每个网格内的历史配送订单的总量，作为实时未分配配送订单数量；

③表三：过去30天每五分钟每个网格内的骑手数量，作为实时活跃骑手数。

如图2B所示，划分调度单元的过程可以是：基于表一获取过去30天城市内有配送固定的地理网格ID；基于表二和表三，获取以上各网格每五分钟的配送订单数量和骑手数量；接着，计算30天内以上所有网格内每五分钟的配送订单总数量和骑手总数量。

如果每五分钟配送订单总数量大于300单的网格数量占所有网格数量的比例超过比例阈值，和/或每五分钟骑手总数量大于600的比例网格数量占所有网格数量的比例超过比例阈值，例如5％为例，说明该调度单元过大，需要分割为更小的调度单元；当然，该比例阈值可以根据需要确定。使用k-means算法进行二分聚类，在聚类过程中更新质心。聚类过程中，可以根据网格距离质心的欧氏距离，将所有网格分为两簇，距离相同质心近的网格被分为一簇。

如果每五分钟配送订单总数量大于300单网格数量占所有网格数量的比例不超过5％，和/或每五分钟骑手总数量大于600网格数量占所有网格数量的比例不超过5％，说明该调度单元符合预设调度时效条件，无需分割，可以作为一个调度单元单独执行运单匹配。

其中，本实施例的聚类处理中，传统k-means算法是随机选择两个质心，随机选取质心可能会导致选出的两个质心距离较近，从而使每次跑出的质心稍有偏差，大概几百米的距离。而本实施例中，可以利用调度单元的外接矩形，从该调度单元的所有历史订单中，基于历史订单中的配送位置，选取距离外接矩形左下角和右上角最近的两个点作为初始质心，因此在运单分布稳定的情况下，计算出的质心差距不大。

在分簇后更新质心的过程中，传统k-means算法是计算簇中所有点的平均值作为质心。但由于调度单元内的配送订单数量太大，为了提高计算效率，本实施例未将全部历史订单的位置直接作为数据样本，而是采用地理网格的方式，因此将历史订单落到地理网格里，以地理网格的中心位置作为数据样本，再乘以网格权重，作为例子，计算质心的方法可以是sum(格子中心坐标*格子中运单数)/总运单数。

由上述实施例可见，通过调度单元化，在保证调度性能的前提下，每个单元的范围尽可能扩大，增加单次调度的单及骑手数，从而减少由于调度范围过小导致的合并单量低、追单不合理等问题。由于调度单元化后，调度的范围变大，对于商圈多且聚簇的城市，可以提高2-3个点的合并单量占比率。如图2C所示，是本实施例示出的某个城市基于商圈的调度方式与本实施例方案的对比示意图，该城市由原来的22个商圈，调整为3个调度单元后，合并单量等指标连续上涨，合并单占比较全国上涨0.39％。

与前述订单匹配方法的实施例相对应，本说明书还提供了订单匹配装置及其所应用的计算机设备的实施例。

本说明书订单匹配装置的实施例可以应用在计算机设备上，例如服务器或终端设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在文件处理的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本说明书订单匹配装置所在计算机设备的一种硬件结构图，除了图3所示的处理器310、内存330、网络接口320、以及非易失性存储器340之外，实施例中订单匹配装置331所在的计算机设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。

如图4所示，图4是本说明书根据一示例性实施例示出的一种订单匹配装置的框图，所述装置包括：

第一获取模块41，用于：获取目标调度单元，所述目标调度单元的历史数据量信息满足预设调度时效条件；

第二获取模块42，用于：获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力，对所述多个待调度订单和多个待调度配送运力执行匹配处理；

确定模块43，用于通过如下方式确定所述目标调度单元：

在待分割调度单元的地理范围内确定至少两个初始聚类中心；其中，所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于距离阈值；利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

在一些例子中，所述距离阈值与所述待分割调度单元的地理范围呈正相关。

在一些例子中，所述至少两个初始聚类中心中，任意两个所述初始聚类中心的距离，大于所述待分割调度单元内除所述初始聚类中心外任意两点的距离。

在一些例子中，所述初始聚类中心有两个，所述两个初始聚类中心，是以所述待分割调度单元的外接矩形的顶点确定的。

在一些例子中，所述待分割调度单元包括多个地理网格；每个所述地理网格对应有配送位置属于该地理网格的多个历史订单；

所述对所述待分割调度单元的历史订单集中历史订单进行聚类处理，包括：

基于各个地理网格分别对应的多个历史订单，对所述多个地理网格进行聚类处理。

在一些例子中，在所述聚类处理的过程中，聚类中心与地理网格的距离，与所述地理网络对应的历史订单的数量呈正相关。

在一些例子中，所述聚类中心的位置，是通过地理网格的中心的位置信息与地理网格的权重确定的，所述地理网格的权重是基于该地理网络对应的历史订单的数量确定的。

在一些例子中，所述预设调度时效条件包括如下一种或多种：

调度单元的地理范围内的待分配订单的数量小于或等于第一设定阈值；

调度单元的地理范围内的待调度配送运力的数量小于或等于第二设定阈值；或，

对调度单元执行的匹配处理的效率大于或等于第三设定阈值。

相应的，本说明书还提供一种装置，所述装置包括有处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：

获取目标调度单元，所述目标调度单元的历史数据量信息满足预设调度时效条件；

获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力，对所述多个待调度订单和多个待调度配送运力执行匹配处理；

其中，所述目标调度单元通过如下方式确定：

在待分割调度单元的地理范围内确定至少两个初始聚类中心；其中，所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于距离阈值；

利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；

基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

上述订单匹配装置中各个模块的功能和作用的实现过程具体详见上述订单匹配方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、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说明书的一般性原理并包括本说明书未申请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，本说明书的真正范围和精神由下面的权利要求指出。

应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。

以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (9)

1.一种订单匹配方法，包括：

获取目标调度单元，所述目标调度单元的历史数据量信息满足预设调度时效条件；所述预设调度时效条件包括如下任一：调度单元的地理范围内配送订单的数量小于或等于第一阈值、调度单元的地理范围内配送运力的数量小于或等于第二阈值或对调度单元执行匹配处理的效率大于或等于第三阈值；

获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力，对所述多个待调度订单和多个待调度配送运力执行匹配处理；

其中，所述目标调度单元通过如下方式确定：

在待分割调度单元的地理范围内确定至少两个初始聚类中心；其中，所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于距离阈值；

利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；

基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

2.根据权利要求1所述的方法，所述距离阈值与所述待分割调度单元的地理范围呈正相关。

3.根据权利要求1所述的方法，所述至少两个初始聚类中心中，任意两个所述初始聚类中心的距离，大于所述待分割调度单元内除所述初始聚类中心外任意两点的距离。

4.根据权利要求1至3任一所述的方法，所述初始聚类中心有两个，所述两个初始聚类中心，是以所述待分割调度单元的外接矩形的顶点确定的。

5.根据权利要求1所述的方法，所述待分割调度单元包括多个地理网格；每个所述地理网格对应有配送位置属于该地理网格的多个历史订单；

所述对所述待分割调度单元的历史订单集中历史订单进行聚类处理，包括：

基于各个地理网格分别对应的多个历史订单，对所述多个地理网格进行聚类处理。

6.根据权利要求5所述的方法，在所述聚类处理的过程中，聚类中心与地理网格的距离，与地理网络对应的历史订单的数量呈正相关。

7.根据权利要求6所述的方法，所述聚类中心的位置，是通过地理网格的中心的位置信息与地理网格的权重确定的，所述地理网格的权重是基于该地理网络对应的历史订单的数量确定的。

8.一种订单匹配装置，包括：

第一获取模块，用于：获取目标调度单元，所述目标调度单元的历史数据量信息满足预设调度时效条件；所述预设调度时效条件包括如下任一：调度单元的地理范围内配送订单的数量小于或等于第一阈值、调度单元的地理范围内配送运力的数量小于或等于第二阈值或对调度单元执行匹配处理的效率大于或等于第三阈值；

第二获取模块，用于：获取在所述目标调度单元的地理范围内的多个待调度订单和多个待调度配送运力，对所述多个待调度订单和多个待调度配送运力执行匹配处理；

确定模块，用于通过如下方式确定所述目标调度单元：

在待分割调度单元的地理范围内确定至少两个初始聚类中心；其中，所述待分割调度单元的历史数据量信息未满足所述预设调度时效条件，两个所述初始聚类中心之间的距离大于距离阈值；利用所述至少两个初始聚类中心的位置，对所述待分割调度单元的历史订单集中各历史订单进行聚类处理，将所述历史订单集聚类为至少两类；基于所述历史订单集的聚类结果，对所述待分割调度单元进行分割，得到至少两个所述目标调度单元。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1至7任一所述的订单匹配方法。

Images