[发明专利]配送数据预测的方法、装置和终端

说明书

本发明公开了一种配送数据预测的方法、装置和终端。其中，该方法包括：获取订单信息；依据订单信息以及预估模型，得到预计配送时间；依据订单信息选取对应的配送员，并生成配送员的配送路径；依据预计配送时间、配送员和配送路径生成配送方案。本发明解决了由于现有技术中在外卖软件中后台收到的数据与实际数据偏差大，导致准确率低的技术问题。

技术领域

本发明涉及互联网技术应用领域，具体而言，涉及一种配送数据预测的方法、装置和终端。

背景技术

在“互联网+”的浪潮下，外卖线上与线下(online to underline，简称O2O)行业迅速发展，渐渐改变着人们用餐的习惯。然而，随着餐饮外卖市场的火热，也逐渐暴露了物流配送上的一些问题，如配送人员不足、运力无法合理使用等，影响用户的点餐体验。而在订单智能调度系统中，如何实时评估订单的餐厅出餐时间就成为比较关键的一个环节。正确的评估餐厅出餐时间，对于优化配送员取餐、合理分配运力、提升整体的物流配送效率、改善用户点餐体验至关重要。

在相关技术中，依据餐厅出餐时间离线特征计算模块，基于海量的历史订单数据、天气数据、餐厅画像等数据在大数据计算平台(ODPS、Hadoop+Hive)进行离线调度计算，构建出餐时间预估模型的特征维度。

并依据餐厅出餐时间样本构造模块，基于历史订单数据、配送员的心跳数据等，通过餐厅-配送员距离约束来精确构造出餐时间样本y值。

其中，餐厅出餐时间模型构造模块，基于离线特征及样本数据，利用GBDT、随机森林等机器学习算法，在大数据计算平台(Spark)构建各个餐厅的出餐模型。

将餐厅出餐时间相关离线特征及餐厅模型推送在线存储系统，如mysql、redis等。

餐厅出餐时间在线特征构建及预测，在线响应不同订单的出餐时间预估请求。

目前餐厅出餐时间主要依赖于商家在应用程序(Application，简称APP)上确认接单和配送员在APP上手动点击确认取餐的时间差值来计算餐厅出餐时间。

所以现有依赖于商家在APP上确认接单和配送员的手动点击确认取餐来预估订单的餐厅出餐时间在实际场景中较难应用，主要表现为：数据可靠性低：APP端手工确认取餐的方式，并不能完全保证配送员按照正常逻辑进行点击确认按钮；另外，由于配送员负载问题，当到达餐厅时已经出餐，因此收集到的数据可能与实际值偏差较大，数据的可靠性不高。

针对上述由于现有技术中在外卖软件中后台收到的数据与实际数据偏差大，导致准确率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种配送数据预测的方法、装置和终端，以至少解决由于现有技术中在外卖软件中后台收到的数据与实际数据偏差大，导致准确率低的技术问题。

根据本发明实施例的一个方面，提供了一种配送数据预测的方法，包括：获取订单信息；依据订单信息以及预估模型，得到预计配送时间；依据订单信息选取对应的配送员，并生成配送员的配送路径；依据预计配送时间、配送员和配送路径生成配送方案。

可选的，在获取订单信息之前，该方法还包括：获取历史订单数据；依据历史订单数据构建配送订单样本；依据配送订单样本生成预估模型；其中，预估模型为依据预存历史数据和配送员的数据进行深度学习得到的数据模型。

进一步地，可选的，获取历史订单数据包括：对历史订单数据进行挖掘，得到筛选后的有效订单信息和对应的配送员的配送信息；其中，对历史订单数据进行挖掘，得到筛选后的有效订单信息和对应的配送员的配送信息包括：遍历历史订单数据，将历史订单数据中未成功的配送订单和配送员的配送参数异常的数据剔除，获取成功配送的订单的有效订单信息和对应的配送员的配送信息。