[发明专利]一种预测配送时间的方法、装置及计算机可读存储介质

说明书

本申请提供一种预测配送时间的方法、装置及计算机可读存储介质，方法包括：确定接收的目标订单是否符合多模型预测条件；若所述目标订单符合所述多模型预测条件，则基于预先训练的全局预测模型和局部预测模型，确定所述目标订单的配送时间的全局模型预测结果和局部模型预测结果；根据所述全局模型预测结果和所述局部模型预测结果确定所述配送时间的最终预测结果。本申请相比于现有技术中的配送时间预测方法，可以提高预测目标订单的配送时间的准确率，有利于配送员合理安排时间，提升订单的配送效率，进而可以提升用户体验。

技术领域

本申请涉及互联网技术领域，尤其涉及一种预测配送时间的方法、装置及计算机可读存储介质。

背景技术

目前在涉及线下运送的业务中，如，外卖业务等，为了方便配送员合理安排时间以及提升用户体验，通常会预测订单的配送时间，也就是订单的送达时间。现有技术中通常采用全量订单数据(即，配送业务的所有订单数据)训练一机器学习模型，进而在用户下单后，利用该模型预测订单的配送时间。

然而，上述方法容易导致订单的实际配送时间和预测的配送时间误差较大，进而会导致配送员无法合理安排时间，影响订单的配送效率，降低用户体验。

发明内容

有鉴于此，本申请提供一种预测配送时间的方法、装置及计算机可读存储介质，以解决现有的预测配送时间技术方案的问题。

具体地，本申请是通过如下技术方案实现的：

根据本申请的第一方面，提出了一种预测配送时间的方法，包括：

确定接收的目标订单是否符合多模型预测条件；

若所述目标订单符合所述多模型预测条件，则基于预先训练的全局预测模型和局部预测模型，分别确定所述目标订单的配送时间的全局模型预测结果和局部模型预测结果；

根据所述全局模型预测结果和所述局部模型预测结果确定所述配送时间的最终预测结果。

在一实施例中，所述目标订单符合多模型预测条件，包括：

目标订单的配送过程参数不小于参数阈值。

在一实施例中，所述配送过程参数包括货品准备时间相关参数；

所述确定接收的目标订单是否符合多模型预测条件之前，还包括：

确定接收的目标订单的商家标识和下单时间；

将所述商家标识和所述下单时间输入到预先训练的货品准备时间相关参数预测模型中，得到所述目标订单的货品准备时间相关参数。

在一实施例中，所述配送过程参数包括交付时长；

所述确定接收的目标订单是否符合多模型预测条件之前，还包括：

确定接收的目标订单的配送地址和配送时间；

将所述配送地址和所述配送时间输入到预先训练的交付时长预测模型中，得到所述目标订单的交付时长。

在一实施例中，所述方法还包括：

确定配送准时率阈值；

基于预先创建的对应关系，查询所述配送准时率阈值对应的参数阈值。

在一实施例中，所述根据所述全局模型预测结果和所述局部模型预测结果确定所述目标订单的配送时间的最终预测结果，包括：

对所述全局模型预测结果和所述局部模型预测结果进行加权求和，得到所述目标订单的配送时间的最终预测结果。

在一实施例中，所述局部预测模型根据以下步骤训练：

确定符合多模型预测条件的样本订单；