CN116993251A - 位置确定方法、装置、服务器和可读存储介质 - Google Patents
位置确定方法、装置、服务器和可读存储介质 Download PDFInfo
- Publication number
- CN116993251A CN116993251A CN202210421927.7A CN202210421927A CN116993251A CN 116993251 A CN116993251 A CN 116993251A CN 202210421927 A CN202210421927 A CN 202210421927A CN 116993251 A CN116993251 A CN 116993251A
- Authority
- CN
- China
- Prior art keywords
- point
- target
- stay
- address
- value
- 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 62
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000003111 delayed effect Effects 0.000 claims description 4
- 238000005065 mining Methods 0.000 abstract description 13
- 238000013461 design Methods 0.000 description 11
- 230000037452 priming Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- RAQQRQCODVNJCK-JLHYYAGUSA-N N-[(4-amino-2-methylpyrimidin-5-yl)methyl]-N-[(E)-5-hydroxy-3-(2-hydroxyethyldisulfanyl)pent-2-en-2-yl]formamide Chemical compound C\C(N(Cc1cnc(C)nc1N)C=O)=C(\CCO)SSCCO RAQQRQCODVNJCK-JLHYYAGUSA-N 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 206010012186 Delayed delivery Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/0833—Tracking
-
- 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
- G06Q10/0838—Historical data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种位置确定方法、装置、服务器和可读存储介质,其中,该方法包括:获取目标物品的妥投时间、妥投地址和目标物品的配送对象的历史妥投数据,根据妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值,从停留点中选取出目标停留点,获取目标停留点的坐标,将目标停留点的坐标作为目标物品的配送坐标。该技术方案中,通过在配送员配送物品的配送轨迹中确定出两个目标位置,并从两个目标位置之间找到若干个停留点,计算这些停留点的相似度值,选取出相似度值最大的停留点的坐标作为目标物品的坐标,能够提高坐标挖掘效率。
Description
技术领域
本申请涉及物流技术领域,尤其涉及一种位置确定方法、装置、服务器和可读存储介质。
背景技术
在互联网和物联网发展过程中,位置服务是非常重要的,比如线上打车、外卖和快递等。而兴趣点(Point of Interest,POI)的GPS坐标是位置服务中最为关键的基础数据支持。
现有技术中,兴趣点的GPS坐标获取主要是通过人工实地采集,得到该兴趣点的经纬度作为该兴趣点的GPS坐标。这种人工实地采集的方式占用很大的人工成本的同时,采集速度还非常慢,导致坐标挖掘效率很低。
发明内容
本申请提供一种位置确定方法、装置、服务器和可读存储介质,用于解决现有的兴趣点坐标挖掘效率低的问题。
第一方面,本申请实施例提供一种位置确定方法,包括:
获取目标物品的妥投时间、妥投地址和所述目标物品的配送对象的历史妥投数据;
根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值,所述停留点为所述配送对象在第一目标位置和第二目标位置之间停留的位置点,所述相似度值用于指示所述停留点与所述妥投地址的相似度;
从所述停留点中选取出目标停留点,获取所述目标停留点的坐标,将所述目标停留点的坐标作为所述目标物品的配送坐标,所述目标停留点为相似度值最大的停留点。
在第一方面的一种可能设计中,所述根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值,包括:
获取所述妥投地址与每个停留点的初始相似度值;
根据所述妥投时间和历史妥投数据,确定每个停留点的加权值,所述加权值用于对所述停留点的初始相似度值进行加权;
根据每个停留点的加权值,对所述停留点的初始相似度进行加权,得到每个停留点的相似度值。
在第一方面的另一种可能设计中,所述获取所述妥投地址与每个停留点的初始相似度值,包括:
获取每个停留点所处空间范围内存在的文本地址,构建每个停留点对应的地址列表,所述地址列表中包括所述文本地址;
计算所述目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度;
根据所述目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度,得到所述妥投地址与每个停留点的初始相似度值。
在第一方面的再一种可能设计中,所述根据所述妥投时间和历史妥投数据,确定每个停留点的加权值,包括:
根据所述历史妥投数据,确定所述配送对象的妥投习惯;
根据所述配送对象的妥投习惯和所述妥投时间,确定所述目标物品对应的妥投状态,所述妥投状态至少包括提前妥投和滞后妥投;
根据所述妥投状态,确定每个停留点的加权值。
在第一方面的又一种可能设计中,所述根据所述妥投状态,确定每个停留点的加权值,包括:
在所述停留点中确定出所述妥投时间之前的停留点和所述妥投时间之后的停留点;
若所述妥投状态为提前妥投,则将预设第一加权值作为所述妥投时间之前的停留点的加权值,预设第二加权值作为所述妥投时间之后的停留点对应的加权值,所述预设第一加权值大于所述预设第二加权值;
若所述妥投状态为滞后妥投,则将所述预设第二加权值作为所述妥投时间之前的停留点对应的加权值,所述预设第一加权值作为所述妥投时间之后的停留点对应的加权值。
在第一方面的又一种可能设计中,所述历史妥投数据至少包括所述配送对象配送所述目标物品当天的天气状况、所述配送对象当天待配送物品的总量、待配送物品的物品类型和所述配送对象的工龄,所述根据所述历史妥投数据,确定所述配送对象的妥投习惯,包括:
根据所述配送对象配送所述目标物品当天的天气状况、所述配送对象当天待配送物品的总量、待配送物品的物品类型和所述配送对象的工龄,提取得到特征向量;
根据梯度提升树算法对所述特征向量进行分类,获取所述配送对象的妥投习惯。
在第一方面的又一种可能设计中,所述从所述停留点中选取出目标停留点,包括:
根据每个停留点的相似度值,对每个停留点进行排序,得到排序结果;
从所述排序结果中选取得到相似度值最大的停留点,作为所述目标停留点。
在第一方面的又一种可能设计中,所述根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值之前,还包括:
获取预设时间段内所述配送对象的轨迹点,所述轨迹点位于所述第一目标位置和第二目标位置之间;
若所述配送对象在所述预设时间段内的轨迹点处于预设范围内,将所述轨迹点作为所述停留点。
在第一方面的又一种可能设计中,所述获取所述目标停留点的坐标之前,还包括:
获取每个轨迹点的经度值和纬度值,根据每个轨迹点的经度值和纬度值,得到经度均值和纬度均值;
将所述经度均值和所述纬度均值作为所述停留点的坐标。
在第一方面的又一种可能设计中,所述根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值之前,还包括:
获取所述配送对象妥投第一物品的妥投坐标,以及所述配送对象妥投第二物品的妥投坐标,所述第一物品的妥投时间早于所述目标物品,所述第二物品的妥投时间晚于所述目标物品;
根据所述第一物品的妥投坐标和预设数据库中的第一坐标,确定所述第一目标位置,所述第一坐标为所述第一物品的配送地址对应的坐标;
根据所述第二物品的妥投坐标和预设数据库中的第二坐标,确定所述第二目标位置,所述第二坐标为所述第二物品的配送地址对应的坐标。
在第一方面的又一种可能设计中,所述根据所述第一物品的妥投坐标和预设数据库中的第一坐标,确定所述第一目标位置,包括:
获取所述第一物品的妥投坐标与所述第一坐标之间的距离;
若所述第一物品的妥投坐标与所述第一坐标之间的距离小于预设距离,则将所述第一物品的妥投坐标作为所述第一目标位置。
在第一方面的又一种可能设计中,所述根据所述第二物品的妥投坐标和预设数据库中的第二坐标,确定所述第二目标位置,包括:
获取所述第二物品的妥投坐标与所述第二坐标之间的距离;
若所述第二物品的妥投坐标与所述第二坐标之间的距离小于预设距离,则确定所述第二物品的妥投坐标为所述第二目标位置。
第二方面,本申请实施例提供一种位置确定装置,包括:
获取模块,用于获取目标物品的妥投时间、妥投地址和所述目标物品的配送对象的历史妥投数据;
确定模块,用于根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值,所述停留点为所述配送对象在第一目标位置和第二目标位置之间停留的位置点,所述相似度值用于指示所述停留点与所述妥投地址的相似度;
选取模块,用于从所述停留点中选取出目标停留点,获取所述目标停留点的坐标,将所述目标停留点的坐标作为所述目标物品的配送坐标,所述目标停留点为相似度值最大的停留点。
第三方面,本申请实施例提供一种服务器,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如上所述的方法。
第四方面,本申请实施例提供一种可读存储介质,所述可读存储介质中存储有计算机指令,所述计算机指令被处理器执行时用于实现如上所述的方法。
第五方面,本申请实施例提供一种程序产品,包括计算机指令,该计算机指令被处理器执行时实现如上所述的方法。
本申请实施例提供的位置确定方法、装置、服务器和可读存储介质,通过从第一目标位置和第二目标位置之间选择出多个停留点,并根据目标物品的妥投地址来确定每一个停留点的相似度值,然后利用历史妥投数据、妥投时间来从多个停留点中选取出相似度值最高的停留点作为目标停留点,确定出目标物品的配送坐标,可以实现目标物品的配送坐标位置的自动挖掘,提高坐标位置的挖掘效率。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理;
图1为本申请实施例提供的位置确定方法的场景示意图;
图2为本申请实施例提供的位置确定方法的流程示意图;
图3为本申请实施例提供的位置确定装置的结构示意图;
图4为本申请实施例提供的服务器的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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作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。
首先对本申请所涉及的名词进行解释:
妥投:是指配送员根据寄件人指定的地址和收件人或合法代收人按照规定手续将物品投交无误的行为。
图1为本申请实施例提供的位置确定方法的场景示意图。如图1所示,在物流过程中,物品会先从快递配送站14中装车,然后由快递员驾驶车辆10经过第一地点11、第二地点12和第三地点13,即A、B和C三个地点,分别妥投对应的物品。例如快递员在地点A需要妥投第一物品,在地点B需要妥投目标物品,在地点C需要妥投第二物品。
其中,地点A和地点C为经常配送的地址,即大单量地址,地点A的配送地址、GPS坐标,地点C的配送地址和GPS坐标都是已知的,存储在了预设数据库中。而地点B为不经常配送的地址,即小单量地址,地点B的GPS坐标并不确定,需要进行挖掘。
现有技术在进行兴趣点的GPS坐标挖掘时,主要是通过人工实地采集坐标,这种方式的金钱成本和时间成本都很高,并且人工实地采集速度较慢,当地址的名称变更时,人工采集的方法不能很好的做到坐标的快速更新。
针对上述问题,本申请实施例提供的位置确定方法、装置、服务器和可读存储介质,通过在配送员配送物品的配送轨迹中确定出两个目标位置,并从两个目标位置之间找到若干个停留点,计算这些停留点的相似度值,选取出相似度值最大的停留点的坐标作为不经常下单地点B的位置坐标,能够实现小单量的位置地址坐标的挖掘,不需要人工实地采集位置地址坐标,提高小单量位置坐标的挖掘效率。
下面,通过具体实施例对本申请的技术方案进行详细说明。需要说明的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本申请实施例提供的位置确定方法的流程示意图,该方法可以应用于服务器,如图2所示,该位置确定方法具体可以包括如下步骤:
S201、获取目标物品的妥投时间、妥投地址和目标物品的配送对象的历史妥投数据。
在本实施例中,配送对象可以是快递员,配送对象在从快递配送站驾驶配送车出发时,通常会在配送车中装载多件待配送的物品,并在不同的地点分别妥投对应的物品。其中,目标物品是指这些物品中的其中一个。示例性的,以配送对象装载有第一物品、第二物品和目标物品为例,第一物品为配送对象在配送过程中第一个需要完成妥投的物品,第二物品为配送对象在配送过程中最后一个需要完成妥投的物品,则目标物品为配送过程当中除第一物品和第二物品之外的其它物品。
其中,配送对象在进行物品配送时,可以根据待配送物品的地址等信息来自动规划出一条最优路径,配送对象根据该最优路径来行进,以减少往返路途,提高配送效率。在本实施例中,地址是指一个地址的文本信息,例如北京市海淀区某栋楼。而GPS坐标是指的经纬度,例如(116.982387402,34.31414)。
在本实施例中,配送对象在完成目标物品的妥投时,妥投时间和妥投地址会通过电子设备记录下来。配送对象的历史妥投数据具体可以包括配送对象的历史妥投行为等,例如在预计时间之前完成物品的妥投会被记录为提前妥投,在预计时间之后完成物品的妥投会被记录为滞后妥投。
S202、根据妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值。
其中,停留点为配送对象在第一目标位置和第二目标位置之间停留的位置点,相似度值用于指示停留点与妥投地址的相似度。
示例性的,以图1中地点A、B、C为例,第一目标位置可以是地点A,第二目标位置可以是地点C,停留点为地点A和地点C之间的位置点,具体的,停留点是指在预设时间段内距离较近(例如小于预设最小值)的轨迹点,表示配送对象在该轨迹点处发生停留。
其中,停留点的数量可以是多个,以point1表示第一个停留点,pointn表示第n个停留点为例,则可以构建将这些停留点统一加入到一个停留点集合中,具体的停留点集合可以如下:
staypoints={point1,point2,…,pointi,…,pointn}
上式中,staypoints为停留点集合,n为不小于1的正整数。
在本实施例中,妥投时间是指完成目标物品妥投时对应的时刻,妥投地址可以是目标物品的配送地址,例如北京市海淀区某栋楼,历史妥投数据可以包括配送对象配送目标物品当天的天气状况、配送对象当天待配送物品的总量、待配送物品的物品类型和配送对象的工龄等。
在本实施例中,通过历史妥投数据和妥投时间,可以确定出目标物品的妥投状态。其中妥投状态具体可以包括提前妥投、正常妥投或滞后妥投。不同的妥投状态可以对应不同的加权值,加权值用于对每个停留点的初始相似度值进行加权。
其中,提前妥投是指目标物品的妥投时间比预计时间早,正常妥投是指目标物品的妥投时间与预计时间相同,滞后妥投是指目标物品的妥投时间比预计时间晚。示例性的,预计时间一般以天为单位。例如预计今天到达。
示例性的,每个停留点的初始相似度值可以根据妥投地址计算得到,具体的,可以取每个停留点的文本地址,通过函数计算每个停留点的文本地址与妥投地址的皮尔逊相关系数(Pearson product-moment correlation coefficient,PCCs)。示例性的,可以将皮尔逊相关系数similarityscore作为每个停留点的初始相似度值。
示例性的,当计算得到每个停留点的初始相似度值之后,可以根据每个停留点的初始相似度值的大小,对每个停留点进行排序,得到顺序排列的排列集合Sp_list,排列集合Sp_list具体可以如下:
Sp_list={SP1,SP2,…,SPi,…,SPn}
其中,Sp_list表示排列集合,SP1表示初始相似度值最大/最小的停留点,SPn表示初始相似度值最小/最大的停留点。
S203、从停留点中选取出目标停留点,获取目标停留点的坐标,将目标停留点的坐标作为目标物品的配送坐标。
其中,目标停留点为相似度值最大的停留点。
具体的,停留点包括point1到pointn共计n个停留点,每一个停留点对应有一个相似度值,相似度值最大的停留点就为目标停留点。
在本实施例中,停留点是指在预设时间段内距离较近(例如小于预设最小值)的轨迹点,轨迹点的数量可以是多个,每一个停留点的GPS坐标可以通过这些轨迹点的GPS坐标计算得到,具体的,每个停留点的GPS坐标为这些轨迹点的GPS坐标均值。
本申请实施例通过目标物品的妥投时间、妥投地址和配送对象的历史配送数据,计算配送对象在配送目标物品之前和配送目标物品之后的停留点与目标物品的妥投地址的相似度值,选取出相似度值最大的停留点的坐标作为目标物品的配送坐标,能够自动挖掘出目标物品的坐标,不需要人工实地采集,提高效率。同时,在后续目标物品的地址坐标变更时,也可以快速的做到坐标的更新。
在一些实施例中,上述步骤S202具体可以通过如下步骤实现:
获取妥投地址与每个停留点的初始相似度值;
根据妥投时间和历史妥投数据,确定每个停留点的加权值;
根据每个停留点的加权值,对停留点的初始相似度进行加权,得到每个停留点的相似度值。
其中,加权值用于对停留点的初始相似度值进行加权。
在本实施例中,可以在服务器上的数据库或者与服务器通信的本地端存储一个配送区域的地址和坐标对应关系表,该对应关系表可以是由大单量挖掘得到的。通过停留点的GPS坐标,从上述关系表中可以找到这个停留点的GPS坐标附近存在的配送地址,这些地址的数量可能有很多,可以做成一个地址列表,即每个停留点都有一个对应的地址列表,将妥投地址与每个停留点的地址列表中的地址进行相似度计算,即可得到每个停留点的初始相似度值。
当停留点的数量较多时,以妥投时间对停留点进行划分,将妥投时间之前的停留点划分为第一停留点,将妥投时间之后的停留点划分为第二停留点。对于第一停留点中的每个停留点,可以共同赋予一个第一加权值/第二加权值,对于第二停留点中的每个停留点,可以共同赋予一个第二加权值/第一加权值。其中第一加权值与第二加权值的大小不一样。具体的,将第一加权值或第二加权值分别赋予给哪个停留点(即第一停留点和第二停留点),具体需要根据妥投时间和历史妥投数据确定。
示例性的,可以根据妥投时间和历史妥投数据,确定出配送对象(即配送员)在妥投该目标物品时的妥投状态,当为提前妥投时,则第一停留点会被赋予数值较大的第一加权值来对其中的每个停留点的初始相似度值进行加权,第二停留点会被赋予数值较小的第二加权值来对其中的每个停留点的初始相似度值进行加权。
本申请实施例通过获取配送员的配送轨迹以及配送员在配送物品过程中目标物品的妥投地址、妥投时间以及配送员的配送习惯,自动推测出目标物品真实的GPS坐标,避免人工进行坐标挖掘,提高坐标挖掘效率。
在上述实施例的基础上,在一些实施例中,上述步骤“获取妥投地址与每个停留点的初始相似度值”,具体可以通过如下步骤实现:
获取每个停留点所处空间范围内存在的文本地址,构建每个停留点对应的地址列表;
计算目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度;
根据目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度,得到妥投地址与每个停留点的初始相似度值。
其中,地址列表中包括文本地址。
示例性的,停留点所处空间范围可以是停留点坐标200米范围。可以通过上述的对应关系表,查找得到处于该停留点200米内存在的其它配送地址,将这些配送地址整合构建得到每个停留点对应的地址列表。示例性的,停留点的地址列表如下:
pointi=(lat,lng,addr1,addr2,…,addri,,…,addrm)
上式中,pointi表示停留点i,其地址列表中包括有停留点i的纬度lat、经度lng,处于停留点i空间范围内的配送地址addr1至addrm,其中,m表示停留点i空间范围内具有的配送地址的总数量。
在本实施例中,根据停留点的地址列表和妥投地址即可计算得到每个停留点的初始相似度值。具体的,可以通过函数计算妥投地址与停留点的皮尔逊相关系数similarityscore,将皮尔逊相关系数similarityscore作为每个停留点的初始相似度值。
在一些实施例中,上述步骤“根据妥投时间和历史妥投数据,确定每个停留点的加权值”,具体可以通过如下步骤实现:
根据历史妥投数据,确定配送对象的妥投习惯;
根据配送对象的妥投习惯和妥投时间,确定目标物品对应的妥投状态;
根据妥投状态,确定每个停留点的加权值。
其中,妥投状态至少包括提前妥投和滞后妥投。
在本实施例中,不同的配送对象可能会有不同的妥投习惯,例如有的配送员可能效率较高,会将其配送的物品提前妥投,而有的配送员可能效率较低,配送的物品可能会出现滞后妥投的情况。
其中,当目标物品的妥投状态为提前妥投时,可以将目标物品的妥投时间之前的停留点赋予数值较大的加权值,而将目标物品的妥投时间之后的停留点赋予较小的加权值。
本申请实施例通过确定出每个停留点的加权值,以对每个停留点的初始相似度值进行加权,最终得到每个停留点的相似度值,能够更加准确的从若干个停留点中找到目标物品的配送坐标,提高坐标挖掘的准确度。
进一步的,在上述实施例的基础上,在一些实施例中,上述步骤“根据妥投状态,确定每个停留点的加权值”,可以通过如下步骤实现:
在停留点中确定出妥投时间之前的停留点和妥投时间之后的停留点;
若妥投状态为提前妥投,则将预设第一加权值作为妥投时间之前的停留点的加权值,预设第二加权值作为妥投时间之后的停留点对应的加权值,预设第一加权值大于预设第二加权值;
若妥投状态为滞后妥投,则将预设第二加权值作为妥投时间之前的停留点对应的加权值,预设第一加权值作为妥投时间之后的停留点对应的加权值。
在本实施例中,预设第一加权值大于1,预设第二加权值小于1。预设第一加权值和预设第二加权值均用于对停留点的初始相似度值进行加权。示例性的,当第一个停留点被赋予预设第一加权值时,第一个停留点的相似度值等于第一停留点的初始相似度值与预设第一加权值的乘积。
示例性的,如果配送员在妥投目标物品时为提前妥投,则妥投时间之前的停留点会被赋予数值大于1的预设第一加权值,在妥投时间之后的停留点会被赋予数值小于1的预设第二加权值。如果配送员在妥投目标物品时为滞后妥投,则妥投时间之前的停留点会被赋予数值小于1的预设第二加权值,在妥投时间之后的停留点会被赋予数值大于1的预设第二加权值。
示例性的,如果配送员在妥投目标物品时为正常妥投,则所有的停留点均会被赋予一个相同的加权值。
本申请实施例通过获取目标物品的妥投状态,根据不同的妥投状态,为各个停留点确定出不同的加权值,能够对每个停留点进行筛选,最终能够选取出最佳的目标停留点,提高坐标挖掘的准确度。
在一些实施例中,若上述历史妥投数据至少包括配送对象配送目标物品当天的天气状况、配送对象当天待配送物品的总量、待配送物品的物品类型和配送对象的工龄。则上述步骤“根据历史妥投数据,确定配送对象的妥投习惯”,具体可以通过如下步骤实现:
根据配送对象配送目标物品当天的天气状况、配送对象当天待配送物品的总量、待配送物品的物品类型和配送对象的工龄,提取得到特征向量;
根据梯度提升树算法对特征向量进行分类,获取配送对象的妥投习惯。
在本实施例中,可以通过机器学习算法对历史妥投数据进行特征提取,得到特征向量,并通过梯度提升树算法对特征向量进行分类,得到配送对象的妥投习惯。示例性的,妥投习惯可以分为三类,例如提前妥投、正常妥投和滞后妥投。
其中,梯度提升树算法(Gradient Boosting Decision Tree,GBDT)是一种迭代的决策树算法,由多棵决策树组成,所有树的结论累加起来做最终答案。其可以发现多种有区分性的特征以及特征组合。本申请实施例主要利用梯度提升树算法来进行分类。
在一些实施例中,上述步骤S203具体可以通过如下步骤实现:
根据每个停留点的相似度值,对每个停留点进行排序,得到排序结果;
从排序结果中选取得到相似度值最大的停留点,作为目标停留点。
示例性的,可以将相似度值较大的停留点排列在最前,将相似度值较小的停留点排列在后。在确定目标停留点时,可以直接选取排列在最前的停留点作为目标停留点。
本申请实施例通过利用每个停留点的相似度值的大小,对每个停留点进行排序,排序之后就可以直接根据排列顺序快速的找到目标停留点,缩短目标停留点的查找时间,提高坐标挖掘的效率。
在一些实施例中,上述位置确定方法还可以包括如下步骤:
获取预设时间段内配送对象的轨迹点;
若配送对象在预设时间段内的轨迹点处于预设范围内,将轨迹点作为停留点。
其中,轨迹点位于第一目标位置和第二目标位置之间。
在本实施例中,预设时间段、预设范围通常均取值很小,设置预设时间段的目的在于找到配送员在短时间内没有远距离移动时的这些轨迹点,即找到配送员在短时间内没有发生远距离移动(即处于预设范围内)的轨迹点,这些轨迹点就会被判定为停留点。
本申请实施例通过选取配送员在短时间内没有远距离移动的轨迹点作为停留点,能够达到筛选的目的,从第一目标位置和第二目标位置之间筛选出停留点,作为配送员有可能妥投目标物品的位置。
进一步的,在上述实施例的基础上,在一些实施例中,上述位置确定方法还可以包括如下步骤:
获取每个轨迹点的经度值和纬度值,根据每个轨迹点的经度值和纬度值,得到经度均值和纬度均值;
将经度均值和纬度均值作为停留点的坐标。
在本实施例中,可以计算每个轨迹点的GPS坐标,得到每个轨迹点的经纬度值,并根据每个轨迹点的经度值,计算得到经度均值,作为对应的停留点的经度值,以及根据每个轨迹点的纬度值,计算得到维度均值,作为对应的停留点的纬度值。
在一些实施例中,上述位置确定方法还可以包括如下步骤:
获取配送对象妥投第一物品的妥投坐标,以及配送对象妥投第二物品的妥投坐标;
根据第一物品的妥投坐标和预设数据库中的第一坐标,确定第一目标位置;
根据第二物品的妥投坐标和预设数据库中的第二坐标,确定第二目标位置。
其中,第一物品的妥投时间早于目标物品,第二物品的妥投时间晚于目标物品,第一坐标为第一物品的配送地址对应的坐标,第二坐标为第二物品的配送地址对应的坐标。
示例性的,参考图1,第一物品可以是配送员在地点A需要进行妥投的物品,第二物品可以是配送在地点C需要进行妥投的物品。配送员需要先经过地点A完成第一物品的妥投,然后再经过地点B妥投目标物品,最后在地点C妥投第二物品。其中,由于地点A和地点C为经常下单地址,服务器中记录有地点A的真实坐标(即第一坐标)和地点C的真实坐标(即第二坐标)。
在本实施例中,妥投会产生配送员当前GPS位置,当配送员完成第一物品的妥投时,配送员所处的GPS位置坐标就为第一物品的妥投坐标。当配送员完成第二物品的妥投时,配送员所处的GPS位置坐标就为第二物品的妥投坐标。
示例性的,如果配送员的妥投行为是正确的,那么第一物品的妥投坐标就可以作为第一目标位置,第二物品的妥投坐标可以作为第二目标位置。其中,可以通过预设数据库中的第一坐标来判断配送员在妥投第一物品时的妥投行为是否正确,通过预设数据库中第二坐标来判断配送员在妥投第二物品时的妥投行为是否正确。
本申请实施例通过将第一物品的妥投坐标与第一坐标进行对比,以及昂第二物品的妥投坐标与第二坐标进行对比,能够确定出配送员在妥投第一物品和第二物品时的妥投行为是否正确,提高目标物品的地址坐标挖掘的准确性。
进一步的,在上述实施例的基础上,在一些实施例中,上述“根据第一物品的妥投坐标和预设数据库中的第一坐标,确定第一目标位置”,具体可以通过如下步骤实现:
获取第一物品的妥投坐标与第一坐标之间的距离;
若第一物品的妥投坐标与第一坐标之间的距离小于预设距离,则将第一物品的妥投坐标作为第一目标位置。
在本实施例中,当配送员在妥投第一物品时,如果其妥投行为正确,则配送员在妥投第一物品时所处的GPS位置坐标就应当与第一坐标的距离较近。示例性的,预设距离可以是300米,如果配送员在妥投第一物品时所处的GPS位置坐标与第一坐标的距离不超过300米,则可以将配送员在配送第一物品时所处的GPS位置坐标作为第一目标位置。
示例性的,如果配送员在配送第一物品时,其妥投行为不正确,则不能够将配送员在配送第一物品时所处的GPS位置坐标作为第一目标位置。而是需要继续判断,直到配送员在妥投出目标物品之前,正确的妥投出一个物品,然后可以将该物品的妥投坐标作为第一目标位置。
进一步的,在上述实施例的基础上,在一些实施例中,上述“根据第二物品的妥投坐标和预设数据库中的第二坐标,确定第二目标位置,第二坐标为第二物品的配送地址对应的坐标”,具体可以通过如下步骤实现:
获取第二物品的妥投坐标与第二坐标之间的距离;
若第二物品的妥投坐标与第二坐标之间的距离小于预设距离,则确定第二物品的妥投坐标为第二目标位置。
在本实施例中,当配送员在妥投第二物品时,如果其妥投行为正确,则配送员在妥投第二物品时所处的GPS位置坐标就应当与第二坐标的距离较近。示例性的,预设距离可以是300米,如果配送员在妥投第二物品时所处的GPS位置坐标与第二坐标的距离不超过300米,则可以将配送员在配送第二物品时所处的GPS位置坐标作为第二目标位置。
示例性的,如果配送员在配送第二物品时,其妥投行为不正确,则不能够将配送员在配送第二物品时所处的GPS位置坐标作为第二目标位置。而是需要在配送员妥投出目标物品之后,继续判断配送员是否还有正确的妥投出另一个物品,然后可以将另一个物品的妥投坐标作为第二目标位置。
示例性的,参考图1,配送员在地点A妥投出第一物品,且妥投行为正确,则第一物品的妥投地址可以作为第一目标位置,配送员在地点C妥投出第二物品,且妥投行为正确,则第二物品的妥投地址可以作为第二目标位置。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图3为本申请实施例提供的位置确定装置的结构示意图。该位置确定装置可以集成在服务器上,也可以独立于服务器且与服务器协同实现本申请的技术方案。如图3所示,该位置确定装置30包括获取模块31、确定模块32和选取模块33。
其中,获取模块31用于获取目标物品的妥投时间、妥投地址和目标物品的配送对象的历史妥投数据。确定模块32用于根据妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值。选取模块33用于从停留点中选取出目标停留点,获取目标停留点的坐标,将目标停留点的坐标作为目标物品的配送坐标。
其中,停留点为配送对象在第一目标位置和第二目标位置之间停留的位置点,相似度值用于指示停留点与妥投地址的相似度,目标停留点为相似度值最大的停留点。
在一些实施例中,上述确定模块32具体可以用于:
获取妥投地址与每个停留点的初始相似度值;
根据妥投时间和历史妥投数据,确定每个停留点的加权值;
根据每个停留点的加权值,对停留点的初始相似度进行加权,得到每个停留点的相似度值。
其中,加权值用于对停留点的初始相似度值进行加权。
可选的,在一些实施例中,上述确定模块32具体可以用于:
获取每个停留点所处空间范围内存在的文本地址,构建每个停留点对应的地址列表;
计算目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度;
根据目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度,得到妥投地址与每个停留点的初始相似度值。
其中,地址列表中包括文本地址。
可选的,在一些实施例中,上述确定模块32具体可以用于:
根据历史妥投数据,确定配送对象的妥投习惯;
根据配送对象的妥投习惯和妥投时间,确定目标物品对应的妥投状态;
根据妥投状态,确定每个停留点的加权值。
其中,妥投状态至少包括提前妥投和滞后妥投。
可选的,在一些实施例中,上述确定模块32具体可以用于:
在停留点中确定出妥投时间之前的停留点和妥投时间之后的停留点;
若妥投状态为提前妥投,则将预设第一加权值作为妥投时间之前的停留点的加权值,预设第二加权值作为妥投时间之后的停留点对应的加权值;
若妥投状态为滞后妥投,则将预设第二加权值作为妥投时间之前的停留点对应的加权值,预设第一加权值作为妥投时间之后的停留点对应的加权值。
其中,预设第一加权值大于预设第二加权值。
在一些实施例中,若上述历史妥投数据至少包括配送对象配送目标物品当天的天气状况、配送对象当天待配送物品的总量、待配送物品的物品类型和配送对象的工龄,则上述确定模块32具体可以用于:
根据配送对象配送目标物品当天的天气状况、配送对象当天待配送物品的总量、待配送物品的物品类型和配送对象的工龄,提取得到特征向量;
根据梯度提升树算法对特征向量进行分类,获取配送对象的妥投习惯。
可选的,在一些实施例中,上述选取模块33具体可以用于:
根据每个停留点的相似度值,对每个停留点进行排序,得到排序结果;
从排序结果中选取得到相似度值最大的停留点,作为目标停留点。
可选的,在一些实施例中,上述位置确定装置30还可以包括停留点确定模块,用于:
获取预设时间段内配送对象的轨迹点,轨迹点位于第一目标位置和第二目标位置之间;
若配送对象在预设时间段内的轨迹点处于预设范围内,将轨迹点作为停留点。
可选的,在一些实施例中,上述停留点确定模块具体可以用于:
获取每个轨迹点的经度值和纬度值,根据每个轨迹点的经度值和纬度值,得到经度均值和纬度均值;
将经度均值和纬度均值作为停留点的坐标。
在一些实施例中,上述位置确定装置30还可以包括位置确定模块,用于:
获取配送对象妥投第一物品的妥投坐标,以及配送对象妥投第二物品的妥投坐标;
根据第一物品的妥投坐标和预设数据库中的第一坐标,确定第一目标位置;
根据第二物品的妥投坐标和预设数据库中的第二坐标,确定第二目标位置。
其中,第一物品的妥投时间早于目标物品,第二物品的妥投时间晚于目标物品,第一坐标为第一物品的配送地址对应的坐标,第二坐标为第二物品的配送地址对应的坐标。
可选的,在一些实施例中,上述位置确定模块具体可以用于:
获取第一物品的妥投坐标与第一坐标之间的距离;
若第一物品的妥投坐标与第一坐标之间的距离小于预设距离,则将第一物品的妥投坐标作为第一目标位置。
可选的,在一些实施例中,上述位置确定模块具体可以用于:
获取第二物品的妥投坐标与第二坐标之间的距离;
若第二物品的妥投坐标与第二坐标之间的距离小于预设距离,则确定第二物品的妥投坐标为第二目标位置。
本申请实施例提供的装置,可用于执行上述实施例中的方法,其实现原理和技术效果类似,在此不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,确定模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上确定模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图4为本申请实施例提供的服务器的结构示意图。如图4所示,该服务器40包括:至少一个处理器41、存储器42、总线43及通信接口44。
其中:处理器41、通信接口44以及存储器42通过总线43完成相互间的通信。
通信接口44用于与其它设备进行通信。该通信接口包括用于进行数据传输的通信接口。
处理器41,用于执行存储器42中存储的计算机指令,具体可以执行上述实施例中所描述的方法中的相关步骤。示例性的,处理器可能是中央处理器。服务器包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器42,用于存放计算机指令。存储器可能包含高速RAM存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
本实施例还提供一种可读存储介质,可读存储介质中存储有计算机指令,当服务器的至少一个处理器执行该计算机指令时,服务器执行上述的各种实施方式提供的位置确定方法。
本实施例还提供一种程序产品,该程序产品包括计算机指令,该计算机指令存储在可读存储介质中。服务器的至少一个处理器可以从可读存储介质读取该计算机指令,至少一个处理器执行该计算机指令使得服务器实施上述的各种实施方式提供的位置确定方法。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系;在公式中,字符“/”,表示前后关联对象是一种“相除”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中,a,b,c可以是单个,也可以是多个。
可以理解的是,在本申请实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。在本申请的实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请的实施例的实施过程构成任何限定。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (16)
1.一种位置确定方法,其特征在于,包括:
获取目标物品的妥投时间、妥投地址和所述目标物品的配送对象的历史妥投数据;
根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值,所述停留点为所述配送对象在第一目标位置和第二目标位置之间停留的位置点,所述相似度值用于指示所述停留点与所述妥投地址的相似度;
从所述停留点中选取出目标停留点,获取所述目标停留点的坐标,将所述目标停留点的坐标作为所述目标物品的配送坐标,所述目标停留点为相似度值最大的停留点。
2.根据权利要求1所述的方法,其特征在于,所述根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值,包括:
获取所述妥投地址与每个停留点的初始相似度值;
根据所述妥投时间和历史妥投数据,确定每个停留点的加权值,所述加权值用于对所述停留点的初始相似度值进行加权;
根据每个停留点的加权值,对所述停留点的初始相似度进行加权,得到每个停留点的相似度值。
3.根据权利要求2所述的方法,其特征在于,所述获取所述妥投地址与每个停留点的初始相似度值,包括:
获取每个停留点所处空间范围内存在的文本地址,构建每个停留点对应的地址列表,所述地址列表中包括所述文本地址;
计算所述目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度;
根据所述目标物品的妥投地址与每个停留点对应的地址列表中的文本地址的相似度,得到所述妥投地址与每个停留点的初始相似度值。
4.根据权利要求2所述的方法,其特征在于,所述根据所述妥投时间和历史妥投数据,确定每个停留点的加权值,包括:
根据所述历史妥投数据,确定所述配送对象的妥投习惯;
根据所述配送对象的妥投习惯和所述妥投时间,确定所述目标物品对应的妥投状态,所述妥投状态至少包括提前妥投和滞后妥投;
根据所述妥投状态,确定每个停留点的加权值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述妥投状态,确定每个停留点的加权值,包括:
在所述停留点中确定出所述妥投时间之前的停留点和所述妥投时间之后的停留点;
若所述妥投状态为提前妥投,则将预设第一加权值作为所述妥投时间之前的停留点的加权值,预设第二加权值作为所述妥投时间之后的停留点对应的加权值,所述预设第一加权值大于所述预设第二加权值;
若所述妥投状态为滞后妥投,则将所述预设第二加权值作为所述妥投时间之前的停留点对应的加权值,所述预设第一加权值作为所述妥投时间之后的停留点对应的加权值。
6.根据权利要求4所述的方法,其特征在于,所述历史妥投数据至少包括所述配送对象配送所述目标物品当天的天气状况、所述配送对象当天待配送物品的总量、待配送物品的物品类型和所述配送对象的工龄,所述根据所述历史妥投数据,确定所述配送对象的妥投习惯,包括:
根据所述配送对象配送所述目标物品当天的天气状况、所述配送对象当天待配送物品的总量、待配送物品的物品类型和所述配送对象的工龄,提取得到特征向量;
根据梯度提升树算法对所述特征向量进行分类,获取所述配送对象的妥投习惯。
7.根据权利要求1所述的方法,其特征在于,所述从所述停留点中选取出目标停留点,包括:
根据每个停留点的相似度值,对每个停留点进行排序,得到排序结果;
从所述排序结果中选取得到相似度值最大的停留点,作为所述目标停留点。
8.根据权利要求1所述的方法,其特征在于,所述根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值之前,还包括:
获取预设时间段内所述配送对象的轨迹点,所述轨迹点位于所述第一目标位置和第二目标位置之间;
若所述配送对象在所述预设时间段内的轨迹点处于预设范围内,将所述轨迹点作为所述停留点。
9.根据权利要求8所述的方法,其特征在于,所述获取所述目标停留点的坐标之前,还包括:
获取每个轨迹点的经度值和纬度值,根据每个轨迹点的经度值和纬度值,得到经度均值和纬度均值;
将所述经度均值和所述纬度均值作为所述停留点的坐标。
10.根据权利要求1所述的方法,其特征在于,所述根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值之前,还包括:
获取所述配送对象妥投第一物品的妥投坐标,以及所述配送对象妥投第二物品的妥投坐标,所述第一物品的妥投时间早于所述目标物品,所述第二物品的妥投时间晚于所述目标物品;
根据所述第一物品的妥投坐标和预设数据库中的第一坐标,确定所述第一目标位置,所述第一坐标为所述第一物品的配送地址对应的坐标;
根据所述第二物品的妥投坐标和预设数据库中的第二坐标,确定所述第二目标位置,所述第二坐标为所述第二物品的配送地址对应的坐标。
11.根据权利要求10所述的方法,其特征在于,所述根据所述第一物品的妥投坐标和预设数据库中的第一坐标,确定所述第一目标位置,包括:
获取所述第一物品的妥投坐标与所述第一坐标之间的距离;
若所述第一物品的妥投坐标与所述第一坐标之间的距离小于预设距离,则将所述第一物品的妥投坐标作为所述第一目标位置。
12.根据权利要求10所述的方法,其特征在于,所述根据所述第二物品的妥投坐标和预设数据库中的第二坐标,确定所述第二目标位置,包括:
获取所述第二物品的妥投坐标与所述第二坐标之间的距离;
若所述第二物品的妥投坐标与所述第二坐标之间的距离小于预设距离,则确定所述第二物品的妥投坐标为所述第二目标位置。
13.一种位置确定装置,其特征在于,包括:
获取模块,用于获取目标物品的妥投时间、妥投地址和所述目标物品的配送对象的历史妥投数据;
确定模块,用于根据所述妥投时间、妥投地址和历史妥投数据,确定每个停留点的相似度值,所述停留点为所述配送对象在第一目标位置和第二目标位置之间停留的位置点,所述相似度值用于指示所述停留点与所述妥投地址的相似度;
选取模块,用于从所述停留点中选取出目标停留点,获取所述目标停留点的坐标,将所述目标停留点的坐标作为所述目标物品的配送坐标,所述目标停留点为相似度值最大的停留点。
14.一种服务器,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-12中任一项所述的方法。
15.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机指令,所述计算机指令被处理器执行时用于实现如权利要求1-12任一项所述的方法。
16.一种程序产品,包括计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-12任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421927.7A CN116993251A (zh) | 2022-04-21 | 2022-04-21 | 位置确定方法、装置、服务器和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421927.7A CN116993251A (zh) | 2022-04-21 | 2022-04-21 | 位置确定方法、装置、服务器和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116993251A true CN116993251A (zh) | 2023-11-03 |
Family
ID=88528880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210421927.7A Pending CN116993251A (zh) | 2022-04-21 | 2022-04-21 | 位置确定方法、装置、服务器和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993251A (zh) |
-
2022
- 2022-04-21 CN CN202210421927.7A patent/CN116993251A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729395B (zh) | 视频质量评估方法、装置、存储介质和计算机设备 | |
CN109117824B (zh) | 商品的管理方法、装置、电子设备及储存介质 | |
CN110119847A (zh) | 一种配送时长的预测方法、装置、存储介质和电子设备 | |
CN108389316A (zh) | 自动售货方法、装置和计算机可读存储介质 | |
CN110765615B (zh) | 物流仿真方法、装置及设备 | |
CN106447426A (zh) | 分账结算方法和装置 | |
CN107909234A (zh) | 工作流数据的时限提醒方法、处理方法及其装置、设备 | |
CN109284498A (zh) | 自提柜推荐方法、自提柜推荐装置和电子装置 | |
CN109508917B (zh) | 订单分配方法、订单分配装置、存储介质和电子设备 | |
CN110751441A (zh) | 一种优化物流仓储系统中储位的方法及装置 | |
CN110162454A (zh) | 游戏运行方法和装置、存储介质及电子装置 | |
CN110298508A (zh) | 行为预测方法、装置及设备 | |
CN110728485B (zh) | 妥投位置修正方法和装置 | |
CN112070423A (zh) | 库存预占方法、装置、电子设备及存储介质 | |
CN110766513A (zh) | 信息排序方法、装置、电子设备及可读存储介质 | |
CN109325657A (zh) | 一种信贷业务的审批方法、存储介质和服务器 | |
CN110650170A (zh) | 用于推送信息的方法和装置 | |
US20220108246A1 (en) | Generating a forecast based on multiple time dimensions and machine learning techniques | |
US11880853B2 (en) | Utilizing machine learning and transaction data to determine fuel prices at fuel stations | |
CN116993251A (zh) | 位置确定方法、装置、服务器和可读存储介质 | |
CN106919587A (zh) | 应用程序搜索系统及方法 | |
CN111325255B (zh) | 特定人群圈定方法、装置、电子设备及存储介质 | |
JP6626414B2 (ja) | 配車計画立案支援装置、配車計画立案支援システムおよび配車計画立案支援方法 | |
CN112749899A (zh) | 派单方法、装置及存储介质 | |
CN110598989B (zh) | 一种货源质量评估方法、装置、设备和存储介质 |
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 |