预测配送状态信息的方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种预测配送状态信息的方法、装置、存储介质及电子设备，可以获取目标区域在预设时刻的配送服务数据和所述目标区域对应的区域特征数据，所述区域特征数据包括时间标识数据、第一天气数据以及用于表征对应区域的区域标识数据；根据所述配送服务数据和所述区域特征数据通过配送状态信息预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息。

【技术实现步骤摘要】
预测配送状态信息的方法、装置、存储介质及电子设备
本公开涉及互联网
，具体地，涉及一种预测配送状态信息的方法、装置、存储介质及电子设备。
技术介绍
即时配送业务是近几年兴起且在快速发展的业务模式，如果一个配送区域出现爆单情况，那就意味着这个区域处于供需失衡的状态，此时，应该采取相应的措施抑制用户的下单意愿，从而缓解该区域的配送压力，提升用户体验。通常情况下，可以采用未来预设时长内的配送状态信息(如平均配送时长、订单量或者平均负载等)作为触发区域爆单的主要依据，相关技术中，主要采用全局回归模型预测未来预设时长内的配送状态信息，但该全局回归模型是根据全部区域的配送服务数据训练得到的，这仅能解决全局优化的问题，即保证全部区域整体的准确度，当采用该全局回归模型对于极端区域(如高负载区域、出现恶劣天气的区域等)的配送状态信息进行预估时，预估的准确性较差。
技术实现思路
本公开的目的是提供一种预测配送状态信息的方法、装置、存储介质及电子设备。第一方面，提供一种预测配送状态信息的方法，所述方法包括：获取目标区域在预设时刻的配送服务数据和所述目标区域对应的区域特征数据，所述区域特征数据包括时间标识数据、第一天气数据以及用于表征对应区域的区域标识数据；根据所述配送服务数据和所述区域特征数据通过配送状态信息预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息。可选地，所述配送状态信息包括平均配送时长信息、订单量信息、平均订单负载信息；所述平均订单负载信息用于表征在所述预设时长内平均分配给每个配送员的订单量。可选地，所述配送服务数据包括以下数据项中的一项或多项：所述目标区域的区域单量数据、所述目标区域的区域订单负载数据、所述目标区域的区域配送员数据、所述目标区域在以所述预设时刻为结束时刻的预设历史时长内的订单服务时长数据以及所述目标区域在预设历史时间段内的历史订单统计数据。可选地，所述配送状态信息预测模型通过以下方式训练得到：获取预设样本区域在预设历史时刻的历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息；将所述预设历史时刻下所述预设样本区域对应的所述历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息作为模型训练样本进行训练，以得到所述配送状态信息预测模型。可选地，所述将所述预设历史时刻下所述预设样本区域对应的所述历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息作为模型训练样本进行训练，以得到所述配送状态信息预测模型，包括：将所述预设历史时刻下所述预设样本区域对应的所述历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息作为模型训练样本，对多任务模型进行训练，以得到所述配送状态信息预测模型，其中，所述平均配送时长信息作为所述多任务模型的主任务，所述订单量信息和所述平均订单负载信息作为所述多任务模型的辅助任务。可选地，所述主任务的损失函数为分段函数；所述分段函数包括第一子函数和第二子函数；所述第一子函数对应的第一分段区间为在所述预设历史时刻起的所述预设时长内的订单的实际平均配送时长小于预设时间阈值，并且所述第一子函数根据预先设置的第一参数调节系数和位于所述第一分段区间的实际平均配送时长得到；所述第二子函数对应的第二分段区间为所述实际平均配送时长大于或者等于所述预设时间阈值，并且所述第二子函数根据预先设置的第二参数调节系数和位于所述第二分段区间的实际平均配送时长得到；所述预设时间阈值表示预先设置的区域发生预设订单异常事件时平均配送时长的临界值；所述第一参数调节系数和所述第二参数调节系数不同，并且所述第一参数调节系数小于所述第二参数调节系数。可选地，所述区域特征数据还包括区域类型特征数据，所述配送状态信息预测模型包括多个配送状态信息预测模型，不同的所述区域类型特征数据对应不同的所述配送状态信息预测模型；所述根据所述配送服务数据和所述区域特征数据通过所述配送状态信息预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息包括：从多个所述配送状态信息预测模型中确定与所述区域类型特征数据对应的目标预测模型；根据所述配送服务数据和所述区域特征数据通过所述目标预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息。可选地，所述区域类型特征数据包括以下任一种：用于表征对应区域在所述预设时刻的天气信息符合恶劣天气条件的第二天气数据；用于表征对应区域在所述预设时刻的订单负载信息符合高负载条件的订单负载数据，所述订单负载数据用于表征在所述预设时刻平均分配给每个配送员的订单量；所述第二天气数据和所述订单负载数据；用于表征对应区域为订单异常区域的异常区域标识数据。第二方面，提供一种预测配送状态信息的装置，所述装置包括：获取模块，用于获取目标区域在预设时刻的配送服务数据和所述目标区域对应的区域特征数据，所述区域特征数据包括时间标识数据、第一天气数据以及用于表征对应区域的区域标识数据；预测模块，用于根据所述配送服务数据和所述区域特征数据通过配送状态信息预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息。第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面所述方法的步骤。第四方面，提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面所述方法的步骤。通过上述技术方案，获取目标区域在预设时刻的配送服务数据和所述目标区域对应的区域特征数据，所述区域特征数据包括时间标识数据、第一天气数据以及用于表征对应区域的区域标识数据；根据所述配送服务数据和所述区域特征数据通过配送状态信息预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息，也就是说，本公开是根据目标区域的配送服务数据和目标区域的区域标识数据、第一天气数据以及时间标识数据等区域特征数据预测目标区域的配送状态信息，这样，可以对目标区域的区域特征数据进行学习，从而可以提高预测目标区域的配送状态信息的准确性。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是根据一示例性实施例示出的一种预测配送状态信息的方法的流程图；图2是根据一示例性实施例示出的一种配送状态信息预测模型的结构示意图；图3是根据一示例性实施例示出的一种配送状态信息预测模型训练方法的流程图；图4是根据一示例性实施例示出的一种预测配送状态信息的装置的框图；图5是根据一示例性实施例示出的一种电子设备的框图。具体实施方式以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。本公开的目的在于提供一种可本文档来自技高网...

【技术保护点】
1.一种预测配送状态信息的方法，其特征在于，所述方法包括：获取目标区域在预设时刻的配送服务数据和所述目标区域对应的区域特征数据，所述区域特征数据包括时间标识数据、第一天气数据以及用于表征对应区域的区域标识数据；根据所述配送服务数据和所述区域特征数据通过配送状态信息预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息。

【技术特征摘要】
1.一种预测配送状态信息的方法，其特征在于，所述方法包括：获取目标区域在预设时刻的配送服务数据和所述目标区域对应的区域特征数据，所述区域特征数据包括时间标识数据、第一天气数据以及用于表征对应区域的区域标识数据；根据所述配送服务数据和所述区域特征数据通过配送状态信息预测模型，得到所述目标区域在自所述预设时刻起的预设时长内的配送状态信息。2.根据权利要求1所述的方法，其特征在于，所述配送状态信息包括平均配送时长信息、订单量信息、平均订单负载信息；所述平均订单负载信息用于表征在所述预设时长内平均分配给每个配送员的订单量。3.根据权利要求1所述的方法，其特征在于，所述配送服务数据包括以下数据项中的一项或多项：所述目标区域的区域单量数据、所述目标区域的区域订单负载数据、所述目标区域的区域配送员数据、所述目标区域在以所述预设时刻为结束时刻的预设历史时长内的订单服务时长数据以及所述目标区域在预设历史时间段内的历史订单统计数据。4.根据权利要求2所述的方法，其特征在于，所述配送状态信息预测模型通过以下方式训练得到：获取预设样本区域在预设历史时刻的历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息；将所述预设历史时刻下所述预设样本区域对应的所述历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息作为模型训练样本进行训练，以得到所述配送状态信息预测模型。5.根据权利要求4所述的方法，其特征在于，所述将所述预设历史时刻下所述预设样本区域对应的所述历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息作为模型训练样本进行训练，以得到所述配送状态信息预测模型，包括：将所述预设历史时刻下所述预设样本区域对应的所述历史配送服务数据、所述预设样本区域对应的历史区域特征数据以及所述预设样本区域在所述预设历史时刻起的所述预设时长内的历史配送状态信息作为模型训练样本，对多任务模型进行训练，以得到所述配送状态信息预测模型，其中，所述平均配送时长信息作为所述多任务模型的主任务，所述订单量信息和所述平均订单负载信息作为所述多任务模型的辅助任务。6.根据权利要求5所述的方法，其特征在于，所述主任务的损失函数为分段函数；所述分段函数包括第一子函数和第二子函数；所述第一子函数对应的第一分...

【专利技术属性】
技术研发人员：杨迪昇，潘基泽，茹强，侯俊杰，杨情，曹阳，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11