CN117078147A - 推荐路径确认方法、装置、电子设备与存储介质 - Google Patents

推荐路径确认方法、装置、电子设备与存储介质 Download PDF

Info

Publication number
CN117078147A
CN117078147A CN202311031319.6A CN202311031319A CN117078147A CN 117078147 A CN117078147 A CN 117078147A CN 202311031319 A CN202311031319 A CN 202311031319A CN 117078147 A CN117078147 A CN 117078147A
Authority
CN
China
Prior art keywords
path
recommended
coverage rate
historical
planning
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.)
Withdrawn
Application number
CN202311031319.6A
Other languages
English (en)
Inventor
邵明亮
方灵
陶丽媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lazas Network Technology Shanghai Co Ltd
Original Assignee
Lazas Network Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lazas Network Technology Shanghai Co Ltd filed Critical Lazas Network Technology Shanghai Co Ltd
Priority to CN202311031319.6A priority Critical patent/CN117078147A/zh
Publication of CN117078147A publication Critical patent/CN117078147A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • G06Q10/0838—Historical data
    • 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
    • G06Q30/0637—Approvals

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种推荐路径确认方法、装置、电子设备与存储介质，该方法包括：通过获取基于目标配送订单的起点和终点所生成的至少一条候选路径，候选路径包括一个或多个组成路段，基于各组成路段的路段权重组计算候选路径的路径权重组，路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应，分别获取各规划路径的实走覆盖率，基于实走覆盖率确认目标配送订单的推荐路径。

Description

推荐路径确认方法、装置、电子设备与存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及推荐路径确认方法、装置、电子设备与存储介质。
背景技术
随着外卖等即时配送服务的发展和普及，在外卖行业，物流即时配送是最重要的事务场景之一。随着即时配送的蓬勃发展，如何提高用户的服务质量和骑手的配送效率是一个日益严峻的问题。
在用户的角度，用户下单后，希望平台尽可能准确的给出一个确定的送达时间，从而能够提前安排时间，在预定配送的前后等待配送，从而大大提升用户的服务体验。在平台的角度，一方面，平台可以把每一单是否按时送达作为考核配送方的重要指标，通过订单的动态时效来改善配送方的配送效率；另一方面，平台结合智能调度系统，根据每个订单的预计配送时间进行合理的订单配送，从而提高整个平台的配送效率。在配送方的角度，可以通过每个订单的预计配送时间，合理安排取货和配送的顺序，从而有效提升交付效率。而送达时间的确认，需要依据一条配送路径来实现。因此，亟待提出一种准确的推荐路径确认方法。
发明内容
本申请的主要目的在于提供一种推荐路径确认方法、装置、电子设备与存储介质，旨在提高推荐路径的准确性。所述技术方案如下：
第一方面，本申请实施例提供了一种推荐路径确认方法，包括：
获取基于目标配送订单的起点和终点所生成的至少一条候选路径，，所述候选路径包括一个或多个组成路段；
基于路径属性计算所述候选路径的路径权重组；所述路径权重组包括至少一个用于表示路径属性的路径权重；
基于所述路径权重组，在所述候选路径中确认所述目标配送订单的规划路径；所述规划路径为一条或者多条；
基于多路规划路径排序模型，获取所述规划路径的实走覆盖率；
基于所述实走覆盖率，确认所述目标配送订单的推荐路径。
第二方面，本申请实施例提供了一种多路规划路径排序模型训练方法，包括：
召回历史配送订单对应的历史规划路径和历史实走路径；
对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征；
将所述历史规划路径特征输入实走覆盖率预测模块，得到所述历史推荐路径对应的预估实走覆盖率；
基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率；
基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型。
第三方面，本申请实施例提供一种推荐路径确认装置，包括：
候选路径生成模块，用于获取基于目标配送订单的起点和终点所生成的至少一条候选路径；
计算模块，用于基于路径属性计算所述候选路径的路径权重组；
规划路径确认模块，用于基于所述路径权重组，在所述候选路径中确认所述目标配送订单的规划路径；
获取模块，用于基于多路规划路径排序模型，获取所述规划路径的实走覆盖率；
确认模块，用于基于所述实走覆盖率，确认所述目标配送订单的推荐路径；所述推荐路径为一条或者多条。
第四方面，本申请实施例提供一种推荐路径确认装置，包括：
召回模块，用于召回历史配送订单对应的历史规划路径和历史实走路径；
特征提取模块，用于对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征；
预测模块，用于将所述历史规划路径特征输入实走覆盖率预测模块，得到所述历史推荐路径对应的预估实走覆盖率；
参考数据计算模块，用于基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率；
训练模块，用于基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型。
第五方面，本申请实施例提供一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述方法的步骤。
第六方面，本申请实施例提供一种存储介质，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执行时实现如上述方法的步骤。
在本申请实施例中，获取基于目标配送订单的起点和终点所生成的至少一条候选路径，候选路径包括一个或多个组成路段，基于各组成路段的路段权重组计算候选路径的路径权重组，路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应，分别获取各规划路径的实走覆盖率，基于实走覆盖率确认所述目标配送订单的推荐路径。通过实走覆盖率，挖掘出配送方最有可能的配送路线，以提高推荐路径的准确性，保障推荐路径更加接近实走路径，提高基于推荐路径所进行的事务的准确性。
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说明书的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种推荐路径确认方法的举例示意图；
图2是本申请实施例提供的一种推荐路径确认方法的流程示意图；
图3是本申请实施例提供的一种推荐路径确认方法的路径示意图；
图4是本申请实施例提供的一种推荐路径确认方法的路径示意图；
图5是本申请实施例提供的一种推荐路径确认方法的流程示意图；
图6是本申请实施例提供的一种推荐路径确认方法的流程示意图；
图7是本申请实施例提供的一种多路规划路径排序模型训练方法的流程示意图；
图8是本申请实施例提供的一种推荐路径确认方法的流程示意图；
图9是本申请实施例提供的一种推荐路径确认方法的举例示意图；
图10是本申请实施例提供的一种推荐路径确认方法的流程示意图；
图11是本申请实施例提供的一种推荐路径确认方法的整体流程图；
图12是本申请实施例提供的一种推荐路径确认装置的结构示意图；
图13是本申请实施例提供的一种推荐路径确认装置的结构示意图；
图14是本申请实施例提供的一种推荐路径确认装置的结构示意图；
图15是本申请实施例提供的一种电子设备的结构示意图。
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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
推荐路径确认装置可以为手机、电脑、平板电脑、智能手表或车载设备等终端设备，也可以为终端设备中用于实现推荐路径确认方法的模块，推荐路径确认装置可以获取基于目标配送订单的起点和终点所生成的至少一条候选路径，候选路径包括一个或多个组成路段，基于各组成路段的路段权重组计算候选路径的路径权重组，路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应，分别获取各规划路径的实走覆盖率，基于实走覆盖率确认所述目标配送订单的推荐路径。
请一并参见图1，为本申请实施例提供了一种推荐路径确认方法的举例示意图，图1中推荐路径确认装置可以为服务器，在获取到目标配送订单(如订单1)后，对目标配送订单的进行路径推荐，通过目标配送订单的起点和终点，生成至少一条候选路径，基于各候选路径对应的组成路段的路段权重组计算候选路径的路径权重组，基于路径权重组，在候选路径中确认目标配送订单的至少一条规划路径，获取各规划路径的实走覆盖率，基于实走覆盖率，确认目标配送订单的一条或者多条推荐路径，作为订单1的推荐路径，示例性的，在得到推荐路径后可以将推荐展示在配送方的终端设备上。
下面结合具体的实施例对本说明书提供的推荐路径确认方法进行详细说明。
请参见图2，为本申请实施例提供了一种推荐路径确认方法的流程示意图。如图2所示，本申请实施例的所述方法可以包括以下步骤S101-S104。
S101，获取基于目标配送订单的起点和终点所生成的至少一条候选路径，所述候选路径包括一个或多个组成路段；
S102，基于各所述组成路段的路段权重组计算所述候选路径的路径权重组，所述路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应；
S103，基于所述路径权重组，在各所述候选路径中确认所述目标配送订单的至少一条规划路径；
S104，分别获取各所述规划路径的实走覆盖率，基于所述实走覆盖率确认所述目标配送订单的推荐路径。
在即时配送服务的场景中，用户下完订单，配送方在多长时间内把配送对象送到用户手中，将以“预计到达时间”即ETA(Estimated Time of Arrival)形式展现在用户的客户端上，是整个履约过程中非常重要的因素，而在预计到达时间的场景中，需要确认一条配送方在实际配送过程中的配送路径，保障ETA预估时所使用的路径更加贴合用户实走轨迹。因此，本申请实施例提供了一种推荐路径确认方法，以确认出更加准确的推荐路径。
以下将对各个步骤进行详细说明：
S101，获取基于目标配送订单的起点和终点所生成的至少一条候选路径，所述候选路径包括一个或多个组成路段；
可以理解的，当用户在平台下单后，将生成目标配送订单，配送方可以自行接受目标配送订单，也可以由平台分配订单给配送方。目标配送订单的履约需要配送方以一定的配送路径将配送对象送到用户处，因此为了准确预测到达时间，需要先对配送方的配送路径进行预测。具体的，根据目标配送订单中用户位置和事务方位置，确认目标配送订单的起点和终点，然后在目标配送订单的起点和终点之间生成多条候选路径。候选路径可以是从起点到达终点的所有可能路线，并且候选路径由一个或者多个组成路段组成。参见图3，图3为本申请实施例提供的一种推荐路径确认方法的路径示意图，图3中序号1、2、3为生成的候选路径示例。具体的，每一条候选路径可以拆分为一个或者多个组成路段。参见图4，图4为本申请实施例提供的一种推荐路径确认方法的路径示意图，图4中序号①、②、③、④、⑤、⑥、⑦为生成的候选路径2的组成路段示例，也即候选路径由七个路段组成。
S102，基于各所述组成路段的路段权重组计算所述候选路径的路径权重组，所述路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应；
具体的，在确认目标配送订单的候选路径之后，每条候选路径是由一个或多个路段组成，每个路段已经预先计算有相应的路段权重组，路段权重组中的路段权重是利用预先设计的一种或多种路径属性计算得到，也即路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应，用于满足配送方的个性化需求。在得到组成路段的路段权重组后，通过将一个或多个路段的相同路径属性的路段权重进行求和计算，可以得到这条候选路径在不同路径属性下分别对应的路径权重，形成每条候选路径的路径权重组。路径属性为根据在路径选择中的影响因素，例如：时间属性、距离属性、综合时间和距离的综合属性等。对每一条候选路径可以分别计算每一种路径属性对应的路径权重，基于所有路径属性计算出的路径权重生成候选路径的路径权重组。例如，对于候选路径1其路径权重组中可以有路径权重1(距离权重)、路径权重2(时间权重)和路径权重3(综合权重)。
S103，基于所述路径权重组，在各所述候选路径中确认所述目标配送订单的至少一条规划路径；
可以理解的，候选路径为根据目标配送订单召回的所有路径，数量通常比较多，因此需要对候选路径进行粗过滤。通过候选路径的路径权重组对候选路径进行筛选，进而从中获取到规划路径。具体的，可以选择在每个路径属性下的优选候选路径作为规划路径，也即对于每一种路径属性，可以为所有候选路径在该路径属性下的路径权重进行排序，将排名靠前的预设数量的候选路径确认为该路径属性下的规划路径，根据不同类型的路径属性可以筛选出预设数量的规划路径。根据不同类型的路径属性筛选出来的规划路径可能相同，也可能不同。其中，预设数量可以根据实际情况进行设置。
示例性的，路径属性为距离属性，可以理解的，在进行路径规划的时候，可以考虑选择总的距离比较短的路径，则可以获取组成候选路径的每一个路段对应的距离权重，距离权重越小，则说明通过该路径所要的代价越小，因此，计算各候选路径中各段道路的距离权重之和，得到各候选路径的距离权重，将距离权重之和最小的候选路径确认为规划路径，或者是将距离权重之和最小的五条候选路径确认为规划路径。
S104，分别获取各所述规划路径的实走覆盖率，基于所述实走覆盖率确认所述目标配送订单的推荐路径；
具体的，由于规划路径是在配送方履约之前生成的，配送方并不一定会按照规划路径进行配送，只是给出的一种可能路线，因此还需要进一步地预测配送方按照规划路径配送的可能性，也即实走覆盖率。其中，实走覆盖率是规划路径和实走轨迹重合部分距离除以规划路径距离。实走轨迹也即预测的配送方实际完成配送的轨迹路线。示例性的，规划路径的实走覆盖率可以采用预先训练的多路规划路径排序模型得到，基于提取出的规划路径的路径特征预测规划路径的实走覆盖率。可以理解的，规划路径是由一段或者多段路段组成的，每一条路段尤其对应的特征，例如：权重、是否可通行、道路等级等，因此，可以将规划路径中可通行路段的占比、规划路径中各道路等级的占比、路径权重等作为路径的特征，由多路规划路径排序模型对规划路径的实走覆盖率进行打分，打分越高，则该规划路线更有可能是配送方未来将要实际通行的路线。
具体的，当预测出规划路径的实走覆盖率后，根据实走覆盖率进行目标配送订单的推荐路径确认。其中，推荐路径是预测出配送方完成配送订单实际上所走的路线。需要说明的是，推荐路径可以是根据实走覆盖率从规划路径中选出的实走覆盖率最高的一条路径，而当规划路径的实走覆盖率都比较低时，说明规划路线中可能不存在配送方将要走的路线，也可以以其他方式获取新的路线，作为目标配送订单的推荐路径。
在本申请实施例中，基于目标配送订单的起点和终点，生成至少一条候选路径，候选路径包括一个或多个组成路段，基于组成路段的路段权重组，确认候选路径的路径权重组，根据候选路径的路径权重组，从候选路径中确认出目标配送订单的至少一条规划路径，获取各规划路径的实走覆盖率，基于实走覆盖率，确认目标配送订单的推荐路径。在本申请实施例中基于路径权重进行候选路径的选择，能够根据不同路径属性需求得到对应的候选路径，进而利用规划路径确认实走覆盖率，基于实走覆盖率从规划路径中选出推荐路径，进而保障推荐路径更加贴合用户实走轨迹，能够提高推荐路径的准确性。
请参见图5，为本申请实施例提供的一种推荐路径确认方法的流程示意图。如图5所示，本申请实施例的所述方法可以包括以下步骤S201-S202。
S201，获取组成路段在第一路径属性下的路段权重，所述第一路径属性为预设的路径属性中的任一种属性；
具体的，第一路径属性为预设的路径属性中的任一种属性。根据第一路径属性，可以获取组成路段对应的路段权重。在每个路径属性下的路段权重可以是根据预设的权重分配算法计算得到，也可以是人为设置。预设的路径属性具体可以根据实际需求进行设置，在此不加赘述。
S202，基于所述组成路段在所有路径属性下的路段权重，生成所述组成路段的路段权重组。
具体的，根据组成路段在所有路径属性下的路段权重构成该组成路段的路段权重组，也即路段权重组中的每个元素是根据不同的路段属性计算得到的。示例性的，候选路径1包括组成路段1和组成路段2，组成路段1的路段权重组中可以包括(A1，B1，C1)，A1为组成路段1在路径属性A下的路段权重，B1为组成路段1在路径属性B下的路段权重，C1为组成路段1在路径属性C下的路段权重，组成路段2的路段权重组中可以包括(A2，B2，C2)，A2为组成路段2在路径属性A下的路段权重，B2为组成路段2在路径属性B下的路段权重，C2为组成路段2在路径属性C下的路段权重。
需要说明的是，组成路段的路段权重组可以生成候选路径之前生成，也即可以生成预设区域范围内所有组成路段集合的路段权重组，所述组成路段为所述组成路段集合中的部分组成路段，在确认目标配送订单对应的候选路径后，从所述组成路段集合中确认出所述候选路径对应的组成路段，进而获取各所述组成路段的路段权重组；也可以在生成目标配送订单对应的候选路径之后，再去生成所述候选路径中各组成路段的路段权重组。
可选的，本申请实施例的所述方法可以包括以下步骤S301-S303。
S301，基于第二路径属性，在所述路段权重组中获取所述组成路段在所述第二路径属性下的路段权重，所述第二路径属性为所述路径属性中的任一种属性；
具体的，可以在路径属性中确认出一个第二路径属性，对于一种第二路径属性，获取候选路径中每一段组成路段对应的路段权重。不同第二路径属性下组成路段的路段权重可以是预先设置好的，可以直接从组成路段的路段权重组中得到。需要说明的是，第一路径属性和第二路径属性都是从预设路径属性中选择的任一路径属性，可以相同也可以不同。
S302，基于所述路段权重，计算所述候选路径在所述第二路径属性下的路径权重；
具体的，将候选路径的各组成路段的路段权重加总，得到候选路径在第二路径属性下的路径权重。沿用上述实施例中步骤S202的所使用示例，候选路径1包括组成路段1和组成路段2，组成路段1的路段权重组中可以包括(A1，B1，C1)，组成路段2的路段权重组中可以包括(A2，B2，C2)，第二路径属性为路径属性A，则候选路径于路径属性A对应的路径权重为A1+A2。
S303，基于所述候选路径在所有路径属性下的路径权重，生成所述候选路径的路径权重组。
具体的，通过上述方式计算得到候选路径在所有路径属性下的路径权重，进而得到路径权重组。沿用上述实施例中步骤S302的所使用示例，则候选路径的路径权重组为(A1+A2，B1+B2，C1+C2)。
请参见图6，为本申请实施例提供的一种推荐路径确认方法的流程示意图。如图6所示，本申请实施例的所述方法可以包括以下步骤S401-S402。
S301，获取各所述规划路径的路径特征；
S302，基于各所述路径特征，生成各所述规划路径的实走覆盖率。
具体的，实走覆盖率的确认基于多路规划路径排序模型实现，多路规划路径排序模型用于计算出规划路径对应的实走覆盖率并进行排序。当多路规划路径排序模型训练好后，输入一条规划路径，则模型可以提取出规划路径对应的路径特征，并进行实走覆盖率的预测。其中，路径特征可以是路径长短、是否包括红绿灯、路径中各道路等级的占比等，具体可以根据模型训练的需求进行设置。
请参见图7，为本申请实施例提供的一种多路规划路径排序模型训练方法的流程示意图。如图7所示，本申请实施例的所述方法可以包括以下步骤S501-S505。
S501，召回历史配送订单对应的历史规划路径和历史实走路径；
在一种可行的实施方式中，多路规划路径排序模型的训练数据集包括历史配送订单中配送方历史实走路径和对应的多条历史规划路线。历史规划路线指的是针对召回的历史配送订单的起点和终点，按照路径权重选出的规划路线。
S502，对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征；
具体的，在得到历史规划路径后，对历史规划路径进行特征提取，例如通过嵌入的方法进行特征提取，得到反映路径特征的特征数据。需要说明的是，对特征提取的方法具体不做限定。
S503，将所述历史规划路径特征输入实走覆盖率预测模块，得到所述历史推荐路径对应的预估实走覆盖率；
具体的，基于提取得到的历史规划路径特征，由深度学习模型对实走覆盖率进行预测，得到预估实走覆盖率，也即预估一条道路可能是未来配送方实际所走的路径的可能性。
S504，基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率；
具体的，由于历史实走路径根据历史已完成订单中配送方的实际配送轨迹生成的路径，因此，将历史的推荐路径与历史实走路径进行比较，可以得到真实实走覆盖率。
在一种实施方式中，通过确认所述历史实走路径和所述历史规划路径的重合部分，计算所述重合部分对应的重合距离与所述历史实走路径的实走距离的比值，将所述比值作为所述实走覆盖率。
可以理解的，在得到历史实走路径和历史规划路径后，确认两路径的重合部分，并获取重合部分的距离，计算重合部分的距离与实走路径对应的实走距离的比值，作为实走覆盖率。
S505，基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型。
具体的，由于多路规划路径排序模型所需要得到的是一条“优选”路线，然而“优选”路线很难定义，“优选”可能包括时长、距离、动作、红绿灯、路况等因素决定，在本说明书实施例中使用实走覆盖率作为模型训练目标，通过实走覆盖率来作为“优选”路线的评价标准，在模型训练过程中将预估实走覆盖率和真实实走覆盖率进行比较，基于真实实走覆盖率调整模型参数，使得预估实走覆盖率接近真实实走覆盖率。
在一种实施方式中，若所述预估实走覆盖率与所述真实实走覆盖率之间的差值大于预设阈值，则优化所述多路规划路径排序模型的初始化参数，并转入执行对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征的步骤，直到所述预估实走覆盖率与所述真实实走覆盖率之间的差值小于预设阈值，得到目标参数，基于所述目标参数生成训练后的多路规划路径排序模型。可选的，预估实走覆盖率与真实实走覆盖率之间的差值可以采用预设的损失函数计算，进而得到损失值，当损失值小于预设阈值时，得到多路规划路径排序模型的目标参数，生成训练完成的多路规划排序模型。
在本申请实施例中，通过确认候选路径的组成路段，进而根据组成路段的路段权重来确认候选路径的路径权重，得到候选路径在所有路径属性下的路径权重，进而得到候选路径的路径权重组。多路规划路径排序模型通过对历史召回路线(历史规划路径)的特征进行提取，而后根据历史召回规划路线的特征，进行实走覆盖率的预测，并且与训练数据集中根据历史真实实走路线计算出来的实走覆盖率进行比较，从而训练优化模型。
进一步地，参见图8，图8为本申请实施例提供的一种推荐路径确认方法的流程示意图。如图8所示，本申请实施例的所述方法可以包括以下步骤S601-S604。
S601，基于所述实走覆盖率对所述规划路径进行排序，将所述规划路径中实走覆盖率最高的规划路径确认为第一目标路径；
在一种可行的实施方式中，推荐路径可以为一条，在得到规划路径的实走覆盖率后，基于实走覆盖率对规划路径进行排序，将实走覆盖率高的一条规划路径确认为第一目标路径。第一目标路径为规划路径中待选的可能成为推荐路径的一条路径。
S602，确认所述第一目标路径对应的实走覆盖率是否大于第一预设阈值；
可以理解的，如果第一目标路径的实走覆盖率大于第一预设阈值则说明该条规划路径更加贴近配送方的实际配送路径，而如果第一目标路径的实走覆盖率小于第一预设阈值，则说明该条规划路径配送方在实际配送时很可能不会走这一条路线，那么根据该条路径预测出的到达时间很可能是不准确的。因此，需要将实走覆盖率与预设阈值进行比较。第一预设阈值可以根据实际需要进行设置，例如实走覆盖率的取值范围为(0，1)，则第一预设阈值可以设置为0.5。
S603，若是，则将所述第一目标路径确认为所述目标配送订单的推荐路径；
可以理解的，在第一目标路径的实走覆盖率大于第一预设阈值时，说明可以以规划路径中实走覆盖率最高的第一目标路径作为后续进行到达时间预估的推荐路径。
S604，若否，则根据历史轨迹数据确认所述目标配送订单的推荐路径。
对应的，如果第一目标路径的实走覆盖率小于第一预设阈值，则说明在输入的多条规划路径中没有一条配送方会走，如果这时候将第一目标路径作为推荐路径的话，则会导致后续通过ETA预估模型生成的预估结果偏差变大。因此，不采用基于路径权重生成的规划路径来得到推荐路径，而是根据历史轨迹数据来获取一条目标配送订单的推荐路径。其中，历史轨迹数据为历史配送订单履约时记录的配送方实走轨迹。示例性的，从历史轨迹数据中筛选出目标配送订单起点至终点处配送方实际经常通过的路线，进而得到推荐路径。
进一步地，在一实施例中，本申请实施例的所述方法可以包括以下步骤S701-S703。
S701，确认所述规划路径中是否存在实走覆盖率大于第二预设阈值的第二目标路径；
在一种可行的实施方式中，推荐路径可以为一条或者多条。具体的，在存在多条规划路径时，可以通过对实走覆盖率进行筛选的方式从规划路径中确认出一条或者多条推荐路径，也即将每条规划路径对应的实走覆盖率与第二预设阈值进行比较。其中，第二预设阈值可以与第一预设阈值相同，也可以不同。
S702，若是，则将所述第二目标路径确认为所述目标配送订单的推荐路径；
具体的，确认规划路径的实走覆盖率是否大于第二预设阈值，如果存在实走覆盖率大于第二预设阈值的第二目标路径，将第二目标路径作为后续进行到达时间预估的推荐路径。其中，规划路径中实走覆盖率大于第二预设阈值的可以有一条或者多条，对应的第二目标路径可以为一条或者多条。
S703，若否，则根据历史轨迹数据确认所述目标配送订单的推荐路径。
对应的，如果不存在实走覆盖率大于第二预设阈值的第二目标路径，说明在输入的多条路线中没有一条配送方会走，则根据历史轨迹数据确认目标配送订单的推荐路径，具体参照上述实施例步骤S604。
进一步地，在一实施例中，本申请实施例的所述方法可以包括以下步骤S801。
S801，基于所述推荐路径，生成所述目标配送订单对应的预计到达时间。
可以理解的，如果ETA过长会有用户取消配送订单的风险，ETA过短则配送方有超时的风险，只有准确预估出ETA才能满足各方要求，同时ETA也直接影响运力调度、配送方考核等，从而影响整个履约效率以及用户体验。所以只有准确预估ETA才能解决履约过程中出现的各种问题，同时盘活整体履约效率，满足用户、配送方、平台调度三方的需求。可以理解的，由于在生成预计到达时间时，需要依据一条推荐路径来生成，因此确认出一条更贴近实走路线的推荐路线能够提高预计到达时间的预测准确性。因此，基于本申请提供的推荐路径确认方法，在得到推荐路径后，进一步地基于推荐路径确认预计到达时间。
可以理解的，推荐路径可以为一条或者多条，当推荐路径为多条的时候，可以对多条推荐路径分别预估预计到达时间，也即可以生成目标配送订单的多个预计到达时间，然后将各条推荐路径和对应的预计到达时间提供给配送方，以供配送方选择和/或参考。可选的，可以基于配送方从多条推荐路径中选择的一条推荐路径，从而确认该目标配送订单最终的一个预计到达时间，也即将配送方选取的这一条推荐路径的预计到达时间作为目标配送订单的预计到达时间。
具体的，当得到目标配送订单的推荐路径后，生成推荐路径预计到达时间。其中，可以基于预先训练的机器学习模型训练ETA预估模型，学习路径特征和配送方配送行为的特征，实现推荐路径的通过时间的预测。预先训练的机器学习模型如XGB(eXtremeGradient Boosting)模型、深度学习模型wide and deep等。也可以基于历史的推荐路径的通行时间数据，统计平均时间作为通行时间，进而生成预计到达时间。
在一实施例中，所述基于所述推荐路径，生成所述目标配送订单对应的预计到达时间，包括：
S901，当所述推荐路径为基于规划路径得到时，将所述推荐路径输入到达时间预估模型，输出所述推荐路径对应的预计到达时间作为所述目标配送订单的预计到达时间。
当推荐路径是基于规划路径得到时，说明规划路径中存在实走覆盖率满足推荐路径确认的准确度的路径，可以作为推荐路径。则通过时间预估模型对该条推荐路径进行通行时间的预测。
其中，到达时间预估模型也可以称作ETA预估模型，可以用传统的机器学习XGB模型，或者深度学习模型wide and deep进行预测模型的训练。具体的，通过对特征的学习，使得在输入目标预测道路以及其他相关特征时，能够实现对送达时间的预测。所采用的特征主要可以有以下三个部分：(1)骑手特征：从业时间，岁数、性征，配送方送单行为(订单超时行为次数)；(2)路线的特征：路线中道路等级的占比，距离；(3)环境特征：天气、时段、节假日、早高峰。
在一实施例中，所述基于所述推荐路径，生成所述目标配送订单对应的预计到达时间，包括：
S1001，当所述推荐路径为基于所述历史轨迹数据得到时，基于所述历史轨迹数据统计所述推荐路径中途经道路的历史通行时长；
可以理解的，当推荐路径为基于历史轨迹数据得到时，说明规划路径中没有配送方可能会走的道路，则如果根据规划路径得到推荐道路并计算预计到达时间的偏差会较大，因此，此时采用降级策略，从历史轨迹数据中得到推荐路径以及对应的历史通行时长和路口转移时长。其中，途经道路的历史通行时长是推荐路径中所经过的道路的通行时间。通过历史轨迹数据可以统计不同时间段、不同天气下通过各条道路所需要的时间，例如可以通过计算平均值的方式得到。
S1002，确认所述推荐路径中途经路口的路口转移时长；
由于配送方在配送时不仅要进过某些道路还需要经过道路的交叉口，路口可能设置有红绿灯或者有堵塞的情况，因此需要另外考虑路口转移时长，路口转移时长是通过一个路口所需要的等待时间以及通行时间的总和，可以理解的，如果推荐路径中没有途径路口则不需要计算路口转移时长。
S1003，基于所述历史通行时长和所述路口转移时长，计算所述推荐路径对应的预计到达时间作为所述目标配送订单的预计到达时间。
在得到历史通行时长和路口转移时长后，将两者相加得到推荐路径的通行时间，进一步基于通行时间和配送方的开始配送时间可以得到预计到达时间。
请参见图9，图9为本申请实施例提供的一种推荐路径确认方法的举例示意图。图9中推荐路径确认装置可以为服务器，在获取到目标配送订单(订单1)后，对目标配送订单的到达时间进行预测，通过路径权重，生成目标配送订单的规划路径，基于规划路径，生成目标配送订单的实走路径，基于实走路径和规划路径，生成实走覆盖率，基于实走覆盖率确认目标配送订单的推荐路径，生成推荐路径对应的预计到达时间，作为订单1的预计到达时间，图9中示出的是将预测到达时间展示在配送方的终端设备上，可选的，还可以将预计到达时间推送展示在用户的手机上，以使用户知晓目标配送订单的配送情况。
在本申请实施例中，通过路径权重生成了多条候选路径，并基于权重的大小确认出了规划路径，根据规划路径的路径特征进行实走覆盖率的预测，并基于规划路径和实走路径计算出实走覆盖率，从而能够基于规划路径的实走覆盖率进行排序，将实走覆盖率大于预设阈值的规划路径选为推荐路径，在实走覆盖率小于预设阈值的情况下通过历史轨迹数据进行推荐道路的选取；此外，在得到推荐路径后还可以进行到达时间的预测，能够保证在多种情况下都能够提供较为准确的预计到达时间,保障用户体验。
请参见图10，图10为本申请实施例提供的一种推荐路径确认方法的流程示意图。如图10所示，本申请实施例的所述方法可以包括以下步骤S1101-S1102。
S1101，获取所述推荐路径对应的预估通行速度；
S1102，当所述预估通行速度属于预设纠偏区间时，基于预设纠偏公式对所述预计到达时间进行修正，得到修正到达时间。
在本申请实施例中，生成推荐路径对应的预计到达时间之后，预计到达时间与实际的到达时间可能存在较大的偏差，因此可以根据推荐路径对应的预估通行速度确认预测到达时间是否需要采用ETA纠偏策略进行纠偏。可以理解的，在通过ETA预估模型估计出预计到达时间或者是通过历史轨迹数据得到预计到达时间后，还会对应的生成标签值：预估通行速度，而预估通行速度需要在一定的速度区间内，如果通行速度太高，则配送方实际配送时可能难以达到，会超出预计到达时间，出现ETA低估的情况；如果通行速度太低，则配送方实际配送时可能可以达到更高的通行速度，在预计到达时间之前送达，出现ETA高估的情况。需要注意的是，对于用户和配送方来说，ETA低估相比ETA高估带来的影响更大，ETA低估容易造成配送方超时以及用户不满意整体履约效率，因此，针对ETA低估的问题，引入如下公式：
ETAadjust＝ETApredict+ETApredict*α*(dis/ETApredict)/20
其中，ETAadjust为修正到达时间，ETApredict为预计到达时间，dis/ETApredict为预估通行速度，当预估通行速度处于预设纠偏区间时，例如：预估通行速度大于8m/s且小于20m/s，说明有低估的倾向，针对这种情况按上述公式对进行纠偏，α用于控制纠偏程度，可以根据实际需求对α进行取值。预设纠偏区间可以根据历史的通行速度统计情况确认，具体地，可以通过获取历史没有超时的订单的平均通行速度，统计在速度为多少的时候，大部分的配送方可以达到，例如统计未超时订单的平均通行速度处于20m/s以上，则可以将20m/s作为预设纠偏区间的上限值。
参见图11，图11为本申请实施例提供的一种推荐路径确认方法的整体流程图，对本申请的整体实施过程进行说明，首先通过路径规划模块，生成多条规划路线，将规划路线输入多路规划路径排序模块，预估实走覆盖率，并对实走覆盖率进行判断，假设预设阈值为0.5，则在实走覆盖率小于0.5时，获取历史轨迹数据中的起点和终点之间的召回路线，并计算召回路线对应的ETA_raw(原始预计到达时间)，对ETA_raw计算平均值得到avg(ETA_raw)；当实走覆盖率大于0.5时，通过ETA预估模块对推荐路径的预计到达时间进行估计，然后通过ETA纠偏策略对预计到达时间进行纠正得到最终的预计到达时间(在图11中以预估得分进行表示)。
在本申请实施例中，通过预估通行速度，对预计到达时间是否存在偏差进行判断，从而对预计到达时间进行纠正，得到修正到达时间，保障配送方能够有足够的配送时间，同时避免因为预计到达时间的预估错误，降低用户体验，保障履约效率。
下面将结合附图12-14，对本申请实施例提供的推荐路径确认装置进行详细介绍。需要说明的是，附图12中的推荐路径确认装置，用于执行本说明书图2-图6、图8-图11所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本说明书图2-图6、图8-图11所示的实施例。
请参见图12，其示出了本申请一个示例性实施例提供的推荐路径确认装置的结构示意图。该推荐路径确认装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置1包括候选路径生成模块11、计算模块12、规划路径确认模块13、确认模块14。
候选路径生成模块11，用于获取基于目标配送订单的起点和终点所生成的至少一条候选路径；
计算模块12，用于基于各所述组成路段的路段权重组计算所述候选路径的路径权重组，所述路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应；
规划路径确认模块13，用于基于所述路径权重组，在各所述候选路径中确认所述目标配送订单的至少一条规划路径；
确认模块14，用于分别获取各所述规划路径的实走覆盖率，基于所述实走覆盖率确认所述目标配送订单的推荐路径。
可选的，所述计算模块12还用于获取组成路段在所述第一路径属性下的路段权重；
基于所述组成路段在所有路径属性下的路段权重，生成所述组成路段的路段权重组。
可选的，所述计算模块12具体用于基于第二路径属性，在所述路段权重组中获取所述组成路段在所述第二路径属性下的路段权重，所述第二路径属性为所述路径属性中的任一种属性；
基于所述路段权重，计算所述候选路径在所述第二路径属性下的路径权重；
基于所述候选路径在所有路径属性下的路径权重，生成所述候选路径的路径权重组。
可选的，所述确认模块14具体用于获取各所述规划路径的路径特征；
基于各所述路径特征，生成各所述规划路径的实走覆盖率。
可选的，所述确认模块14具体用于基于所述实走覆盖率对所述规划路径进行排序，将所述规划路径中实走覆盖率最高的规划路径确认为第一目标路径；
确认所述第一目标路径对应的实走覆盖率是否大于第一预设阈值；
若是，则将所述第一目标路径确认为所述目标配送订单的推荐路径；
若否，则根据历史轨迹数据确认所述目标配送订单的推荐路径。
可选的，所述确认模块14具体用于确认所述规划路径中是否存在实走覆盖率大于第二预设阈值的第二目标路径；
若是，则将所述第二目标路径确认为所述目标配送订单的推荐路径；
若否，则根据历史轨迹数据确认所述目标配送订单的推荐路径。
可选的，参见图13，其示出了本申请一个示例性实施例提供的推荐路径确认装置的结构示意图，所述装置1还包括预估模块15，用于基于所述推荐路径，生成所述目标配送订单对应的预计到达时间。
可选的，所述预估模块15具体用于当所述推荐路径为基于规划路径得到时，将所述推荐路径输入到达时间预估模型，输出所述推荐路径对应的预计到达时间作为所述目标配送订单的预计到达时间。
可选的，所述预估模块15具体用于当所述推荐路径为基于所述历史轨迹数据得到时，基于所述历史轨迹数据统计所述推荐路径中途经道路的历史通行时长；
确认所述推荐路径中途经路口的路口转移时长；
基于所述历史通行时长和所述路口转移时长，计算所述推荐路径对应的预计到达时间作为所述目标配送订单的预计到达时间。
可选的，所述预估模块15还用于获取所述推荐路径对应的预估通行速度；
当所述预估通行速度属于预设纠偏区间时，基于预设纠偏公式对所述预计到达时间进行修正，得到修正到达时间。
进一步地，参照附图14示出的推荐路径确认装置，附图14中的推荐路径确认装置，用于执行本说明书图7所示实施例的方法，为了便于说明，仅示出了与本说明书实施例相关的部分，具体技术细节未揭示的，请参照本说明书图7所示的实施例。
请参见图14，其示出了本说明书一个示例性实施例提供的推荐路径确认装置的结构示意图。该推荐路径确认装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置2包括召回模块21、特征提取模块22、预测模块23、参考数据计算模块24、训练模块25。
召回模块21，用于召回历史配送订单对应的历史规划路径和历史实走路径；
特征提取模块22，用于对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征；
预测模块23，用于将所述历史规划路径特征输入实走覆盖率预测模块，得到所述历史推荐路径对应的预估实走覆盖率；
参考数据计算模块24，用于基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率；
训练模块25，用于基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型。
可选的，所述参考数据计算模块24具体用于确认所述历史实走路径和所述历史规划路径的重合部分；
计算所述重合部分对应的重合距离与所述历史实走路径的实走距离的比值，将所述比值作为所述实走覆盖率。
可选的，所述训练模块25具体用于若所述预估实走覆盖率与所述真实实走覆盖率之间的差值大于预设阈值，则优化所述多路规划路径排序模型的初始化参数，并转入执行对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征的步骤，直到所述预估实走覆盖率与所述真实实走覆盖率之间的差值小于预设阈值，得到目标参数，基于所述目标参数生成训练后的多路规划路径排序模型。
需要说明的是，上述实施例提供的推荐路径确认装置在执行推荐路径确认方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的推荐路径确认装置与推荐路径确认方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。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。
本申请实施例还提供了一种存储介质，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执行时实现如上述图2-图11所示实施例的所述方法，具体执行过程可以参见图2-图11所示实施例的具体说明，在此不进行赘述。
请参考图15，其示出了本说明书一个示例性实施例提供的电子设备的结构示意图。本说明书中的电子设备可以包括一个或多个如下部件：处理器110、存储器120、输入装置130、输出装置140和总线150。处理器110、存储器120、输入装置130和输出装置140之间可以通过总线150连接。
处理器110可以包括一个或者多个处理核心。处理器110利用各种接口和线路连接整个电子设备内的各个部分，通过运行或执行存储在存储器120内的指令、程序、代码集或指令集，以及调用存储在存储器120内的数据，执行终端100的各种功能和处理数据。可选地，处理器110可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器110可集成中心处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户页面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器110中，单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory，ROM)。可选地，该存储器120包括非瞬时性计算机可读介质(Non-Transitory Computer-Readable Storage Medium)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等，该操作系统可以是安卓(Android)系统，包括基于Android系统深度开发的系统、苹果公司开发的IOS系统，包括基于IOS系统深度开发的系统或其他系统。
存储器120可分为操作系统空间和用户空间，操作系统即运行于操作系统空间，原生及第三方应用程序即运行于用户空间。为了保证不同第三方应用程序均能够达到较好的运行效果，操作系统针对不同第三方应用程序为其分配相应的系统资源。然而，同一第三方应用程序中不同应用场景对系统资源的需求也存在差异，比如，在本地资源加载场景下，第三方应用程序对磁盘读取速度的要求较高；在动画渲染场景下，第三方应用程序则对GPU性能的要求较高。而操作系统与第三方应用程序之间相互独立，操作系统往往不能及时感知第三方应用程序当前的应用场景，导致操作系统无法根据第三方应用程序的具体应用场景进行针对性地系统资源适配。
为了使操作系统能够区分第三方应用程序的具体应用场景，需要打通第三方应用程序与操作系统之间的数据通信，使得操作系统能够随时获取第三方应用程序当前的场景信息，进而基于当前场景进行针对性地系统资源适配。
其中，输入装置130用于接收输入的指令或数据，输入装置130包括但不限于键盘、鼠标、摄像头、麦克风或触控设备。输出装置140用于输出指令或数据，输出装置140包括但不限于显示设备和扬声器等。在一个示例中，输入装置130和输出装置140可以合设，输入装置130和输出装置140为触摸显示屏。
所述触摸显示屏可被设计成为全面屏、曲面屏或异型屏。触摸显示屏还可被设计成为全面屏与曲面屏的结合，异型屏与曲面屏的结合，本申请实施例对此不加以限定。
除此之外，本领域技术人员可以理解，上述附图所示出的电子设备的结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，电子设备中还包括射频电路、输入单元、传感器、音频电路、WiFi模块、电源、蓝牙模块等部件，在此不再赘述。
在图15所示的电子设备中，处理器110可以用于调用存储器120中存储的计算机应用程序，并具体执行以下操作：
获取基于目标配送订单的起点和终点所生成的至少一条候选路径，所述候选路径包括一个或多个组成路段；
基于各所述组成路段的路段权重组计算所述候选路径的路径权重组，所述路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应；
基于所述路径权重组，在各所述候选路径中确认所述目标配送订单的至少一条规划路径；
分别获取各所述规划路径的实走覆盖率，基于所述实走覆盖率确认所述目标配送订单的推荐路径。
在一个实施例中，所述处理器110在执行基于各所述组成路段的路段权重组计算所述候选路径的路径权重组之前，还执行以下操作：
获取组成路段在所述第一路径属性下的路段权重，所述第一路径属性为预设的路径属性中的任一种属性；
基于所述组成路段在所有路径属性下的路段权重，生成所述组成路段的路段权重组。
在一个实施例中，所述处理器110在执行基于各所述组成路段的路段权重组计算所述候选路径的路径权重组时，具体执行以下操作：
基于第二路径属性，在所述路段权重组中获取所述组成路段在所述第二路径属性下的路段权重，所述第二路径属性为所述路径属性中的任一种属性；
基于所述路段权重，计算所述候选路径在所述第二路径属性下的路径权重；
基于所述候选路径在所有路径属性下的路径权重，生成所述候选路径的路径权重组。
在一个实施例中，所述处理器110在执行分别获取各所述规划路径的实走覆盖率时，具体执行以下操作：
获取各所述规划路径的路径特征；
基于各所述路径特征，生成各所述规划路径的实走覆盖率。
在一个实施例中，所述处理器110在执行基于所述实走覆盖率，确认所述目标配送订单的推荐路径时，具体执行以下操作：
基于所述实走覆盖率对所述规划路径进行排序，将所述规划路径中实走覆盖率最高的规划路径确认为第一目标路径；
确认所述第一目标路径对应的实走覆盖率是否大于第一预设阈值；
若是，则将所述第一目标路径确认为所述目标配送订单的推荐路径；
若否，则根据历史轨迹数据确认所述目标配送订单的推荐路径。
在一个实施例中，所述处理器110在执行基于所述实走覆盖率，确认所述目标配送订单的推荐路径时，具体执行以下操作：
确认所述规划路径中是否存在实走覆盖率大于第二预设阈值的第二目标路径；
若是，则将所述第二目标路径确认为所述目标配送订单的推荐路径；
若否，则根据历史轨迹数据确认所述目标配送订单的推荐路径。
在一个实施例中，所述处理器110还执行以下操作：
基于所述推荐路径，生成所述目标配送订单对应的预计到达时间。
在一个实施例中，所述处理器110在执行基于所述推荐路径，生成所述目标配送订单对应的预计到达时间时，具体执行以下操作：
当所述推荐路径为基于规划路径得到时，将所述推荐路径输入到达时间预估模型，输出所述推荐路径对应的预计到达时间作为所述目标配送订单的预计到达时间。
在一个实施例中，所述处理器110在执行基于所述推荐路径，生成所述目标配送订单对应的预计到达时间时，具体执行以下操作：
当所述推荐路径为基于所述历史轨迹数据得到时，基于所述历史轨迹数据统计所述推荐路径中途经道路的历史通行时长；
确认所述推荐路径中途经路口的路口转移时长；
基于所述历史通行时长和所述路口转移时长，计算所述推荐路径对应的预计到达时间作为所述目标配送订单的预计到达时间。
在一个实施例中，所述处理器110在执行基于所述推荐路径，生成所述目标配送订单对应的预计到达时间之后，还执行以下操作：
获取所述推荐路径对应的预估通行速度；
当所述预估通行速度属于预设纠偏区间时，基于预设纠偏公式对所述预计到达时间进行修正，得到修正到达时间。
所述处理器110还可以用于调用存储器120中存储的多路规划路径排序模型训练应用程序，并具体执行以下操作：
召回历史配送订单对应的历史规划路径和历史实走路径；
对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征；
将所述历史规划路径特征输入实走覆盖率预测模块，得到所述历史推荐路径对应的预估实走覆盖率；
基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率；
基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型。
在一个实施例中，所述处理器110在执行基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率时，具体执行以下操作：
确认所述历史实走路径和所述历史规划路径的重合部分；
计算所述重合部分对应的重合距离与所述历史实走路径的实走距离的比值，将所述比值作为所述实走覆盖率。
在一个实施例中，所述处理器110在执行基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型时，具体执行以下操作：
若所述预估实走覆盖率与所述真实实走覆盖率之间的差值大于预设阈值，则优化所述多路规划路径排序模型的初始化参数，并转入执行对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征的步骤，直到所述预估实走覆盖率与所述真实实走覆盖率之间的差值小于预设阈值，得到目标参数，基于所述目标参数生成训练后的多路规划路径排序模型。
在本申请实施例中，基于目标配送订单的起点和终点，生成至少一条候选路径，候选路径包括一个或多个组成路段，基于组成路段的路段权重组，确认候选路径的路径权重组，根据候选路径的路径权重组，从候选路径中确认出目标配送订单的至少一条规划路径，获取各规划路径的实走覆盖率，基于实走覆盖率，确认目标配送订单的推荐路径。在本申请实施例中基于路径权重进行候选路径的选择，能够根据不同路径属性需求得到对应的候选路径，进而利用规划路径确认实走覆盖率，基于实走覆盖率从规划路径中选出推荐路径，进而保障推荐路径更加贴合用户实走轨迹，能够提高推荐路径的准确性。此外，基于路径属性确认候选路径中组成路段的路段权重组，进而基于路段权重组得到候选路径的路径权重组，并基于路径权重组的大小确认出了规划路径，根据规划路径的路径特征进行实走路径的预测，并基于规划路径和实走路径计算出实走覆盖率，从而能够基于规划路径的实走覆盖率进行排序，将实走覆盖率大于预设阈值的规划路径选为推荐路径，在实走覆盖率小于预设阈值的情况下通过历史轨迹数据进行推荐道路的选取；在得到推荐路径后还可以进行到达时间的预测，能够保证在多种情况下都能够提供较为准确的预计到达时间,保障用户体验。并且，通过预估通行速度，对预计到达时间是否存在偏差进行判断，从而对预计到达时间进行纠正，得到修正到达时间，保障配送方能够有足够的配送时间，同时避免因为预计到达时间的预估错误，降低用户体验，保障履约效率。同时，提供了一种多路规划路径排序模型训练方法，能够基于历史规划路径和历史实走路径训练多路规划路径排序模型，从而能够度规划路径进行实走覆盖率的预测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所揭露的仅为本说明书较佳实施例而已，当然不能以此来限定本说明书之权利范围，因此依本说明书权利要求所作的等同变化，仍属本说明书所涵盖的范围。

Claims (10)

1.一种推荐路径确认方法，其特征在于，包括：
获取基于目标配送订单的起点和终点所生成的至少一条候选路径，所述候选路径包括一个或多个组成路段；
基于各所述组成路段的路段权重组计算所述候选路径的路径权重组，所述路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应；
基于所述路径权重组，在各所述候选路径中确认所述目标配送订单的至少一条规划路径；
分别获取各所述规划路径的实走覆盖率，基于所述实走覆盖率确认所述目标配送订单的推荐路径。
2.如权利要求1所述的方法，其特征在于，所述基于各所述组成路段的路段权重组计算所述候选路径的路径权重组之前，还包括：
获取组成路段在所述第一路径属性下的路段权重，所述第一路径属性为预设的路径属性中的任一种属性；
基于所述组成路段在所有路径属性下的路段权重，生成所述组成路段的路段权重组。
3.如权利要求1所述的方法，其特征在于，所述基于各所述组成路段的路段权重组计算所述候选路径的路径权重组，包括：
基于第二路径属性，在所述路段权重组中获取所述组成路段在所述第二路径属性下的路段权重，所述第二路径属性为所述路径属性中的任一种属性；
基于所述路段权重，计算所述候选路径在所述第二路径属性下的路径权重；
基于所述候选路径在所有路径属性下的路径权重，生成所述候选路径的路径权重组。
4.如权利要求1所述的方法，其特征在于，所述分别获取各所述规划路径的实走覆盖率，包括：
获取各所述规划路径的路径特征；
基于所述路径特征，生成各所述规划路径的实走覆盖率。
5.如权利要求1所述的方法，其特征在于，所述推荐路径为一条；
所述基于所述实走覆盖率确认所述目标配送订单的推荐路径，包括：
基于所述实走覆盖率对所述规划路径进行排序，将所述规划路径中实走覆盖率最高的规划路径确认为第一目标路径；
确认所述第一目标路径对应的实走覆盖率是否大于第一预设阈值；
若是，则将所述第一目标路径确认为所述目标配送订单的推荐路径；
若否，则根据历史轨迹数据确认所述目标配送订单的推荐路径。
6.一种多路规划路径排序模型训练方法，其特征在于，包括：
召回历史配送订单对应的历史规划路径和历史实走路径；
对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征；
将所述历史规划路径特征输入实走覆盖率预测模块，得到所述历史推荐路径对应的预估实走覆盖率；
基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率；
基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型。
7.一种推荐路径确认装置，其特征在于，所述装置包括：
候选路径生成模块，用于获取基于目标配送订单的起点和终点所生成的至少一条候选路径；
计算模块，用于基于各所述组成路段的路段权重组计算所述候选路径的路径权重组，所述路段权重组中的任一元素与预设的至少一个路径属性中的一个路径属性唯一对应；
规划路径确认模块，用于基于所述路径权重组，在各所述候选路径中确认所述目标配送订单的至少一条规划路径；
确认模块，用于分别获取各所述规划路径的实走覆盖率，基于所述实走覆盖率确认所述目标配送订单的推荐路径。
8.一种推荐路径确认装置，其特征在于，所述装置包括：
召回模块，用于召回历史配送订单对应的历史规划路径和历史实走路径；
特征提取模块，用于对所述历史规划路径进行特征提取，得到所述历史规划路径对应的历史规划路径特征；
预测模块，用于将所述历史规划路径特征输入实走覆盖率预测模块，得到所述历史推荐路径对应的预估实走覆盖率；
参考数据计算模块，用于基于所述历史实走路径和所述历史推荐路径计算所述历史推荐路径对应的真实实走覆盖率；
训练模块，用于基于所述预估实走覆盖率和所述真实实走覆盖率调整所述多路规划路径排序模型的初始化参数，以得到目标参数，基于所述目标参数生成训练后的所述多路规划路径排序模型。
9.一种电子设备，其特征在于，包括：处理器和存储器；其中存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1至6中任一项所述方法的步骤。
10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述方法的步骤。
CN202311031319.6A 2023-08-15 2023-08-15 推荐路径确认方法、装置、电子设备与存储介质 Withdrawn CN117078147A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311031319.6A CN117078147A (zh) 2023-08-15 2023-08-15 推荐路径确认方法、装置、电子设备与存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311031319.6A CN117078147A (zh) 2023-08-15 2023-08-15 推荐路径确认方法、装置、电子设备与存储介质

Publications (1)

Publication Number Publication Date
CN117078147A true CN117078147A (zh) 2023-11-17

Family

ID=88710849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311031319.6A Withdrawn CN117078147A (zh) 2023-08-15 2023-08-15 推荐路径确认方法、装置、电子设备与存储介质

Country Status (1)

Country Link
CN (1) CN117078147A (zh)

Similar Documents

Publication Publication Date Title
US11455578B2 (en) System and method for ride order dispatching and vehicle repositioning
CN110222880B (zh) 业务风险的确定方法、模型训练方法和数据处理方法
CN110414731A (zh) 订单分配的方法、装置、计算机可读存储介质及电子设备
CN110225366A (zh) 视频数据处理及广告位确定方法、装置、介质及电子设备
CN110956505B (zh) 一种广告库存的预估方法以及相关装置
CN107548500A (zh) 基于用户例程模型的事件异常
CN110401844A (zh) 视频直播策略的生成方法、装置、设备及可读介质
CN108446382A (zh) 用于推送信息的方法和装置
CN103636280B (zh) 基于日历数据的上行带宽和下行带宽的动态优化
CN103971170A (zh) 一种用于对特征信息的变化进行预测的方法和装置
CN112837099A (zh) 潜在流失用户识别方法、装置、存储介质及电子设备
CN112819324A (zh) 一种基于物联网的救援物资调度方法、系统及可读存储介质
CN113283948A (zh) 预测模型的生成方法、装置、设备和可读介质
CN117561517A (zh) 用于在路线规划应用中预测交通状况的计算机实现的设备和方法
CN108416619A (zh) 一种消费间隔时间预测方法、装置及可读存储介质
CN114581114A (zh) 推广资源配置方法、系统、装置和存储介质
CN115115074A (zh) 一种电子资源消耗信息预测方法、装置、设备及存储介质
CN112801324A (zh) 出行推荐方法、装置、电子设备及计算机可读存储介质
CN117078147A (zh) 推荐路径确认方法、装置、电子设备与存储介质
CN113409095B (zh) 数据处理方法、装置、服务器及存储介质
CN111583010A (zh) 一种数据处理方法、装置、设备及存储介质
CN113128597A (zh) 一种用户行为特征的提取和分类预测的方法及装置
CN114723469A (zh) 用户满意度预测与归因的方法、系统以及电子设备
WO2021230808A1 (en) Server and method of determining an advanced booking fee for an advance booking
CN117114219A (zh) 路径规划方法、装置、电子设备与存储介质

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20231117

WW01 Invention patent application withdrawn after publication