[发明专利]任务时长的预估方法、装置、电子设备和存储介质

说明书

本申请公开了任务时长的预估方法、装置、电子设备和存储介质。所述方法包括：获取目标任务的任务信息，所述任务信息包括：至少两个维度的任务场景信息，以及若干个维度的特征信息；根据所述至少两个维度的任务场景信息确定任务场景，选取与所述任务场景相关联的任务时长预估模型；将所述特征信息输入确定的任务时长预估模型中，得到目标任务的预估任务时长。有益效果在于，可以针对细化的任务场景，采用与任务场景信息匹配的任务时长预估模型，采用机器学习的方式，利用多维度的数据实现更为精准的任务时长预估，提高了预估的准确性和针对性。

技术领域

本申请涉及智能配送领域，具体涉及任务时长的预估方法、装置、电子设备和存储介质。

背景技术

准确的预估任务所需的时长，进而确定出最优的任务完成策略可以显著提升任务执行效率和用户体验。所以，准确预估任务所需时长并确定出最优目标任务执行策略对目标任务执行中的服务者具有重要意义。但现有技术大多通过运筹学机理的模型来实现预估，没有注意到不同任务场景间的差异，因而选用通用的任务时长预估模型进行预估的准确性并不高。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的任务时长的预估方法、装置、电子设备和存储介质。

依据本申请的一个方面，提供了一种任务时长的预估方法，其特征在于，该方法包括：

获取目标任务的任务信息，所述任务信息包括：至少两个维度的任务场景信息，以及若干个维度的特征信息；

根据所述至少两个维度的任务场景信息确定任务场景，选取与所述任务场景相关联的任务时长预估模型；

将所述特征信息输入确定的任务时长预估模型中，得到目标任务的预估任务时长。

可选地，所述任务时长预估模型采用以下方式建立和训练：

将已完成任务的任务信息划分为多个任务信息集合，使各任务信息集合分别对应一个任务场景，所述任务场景是以所述任务场景信息的各维度的取值确定的；

根据每个任务信息集合分别训练得到与对应的任务场景相关联的任务时长预估模型。

可选地，所述根据每个任务信息集合分别训练得到与对应的任务场景相关联的任务时长预估模型包括：

将任务信息集合中的任务信息按照任务完成状态进行划分，得到超时完成的任务信息子集以及按时完成的任务信息子集；

对超时完成的任务信息子集中任务信息的数量按预设比例进行加权处理。

可选地，所述根据每个任务信息集合分别训练得到与对应的任务场景相关联的任务时长预估模型包括：

通过XGBoost算法训练得到XGBoost类型的任务时长预估模型。

可选地，所述任务场景信息的维度包括：取货状态维度和任务完成状态维度；

所述任务完成状态维度的取值是根据任务的承诺完成时间是否大于预估完成时间确定的。

可选地，所述特征信息包括如下的至少一项：

配送员画像，任务画像，区域画像，商家画像，任务-配送员画像，商家-配送员画像。

可选地，该方法还包括：

根据目标任务的任务信息，构造多条配送路径；

根据所述预估任务时长计算各配送路径的优先级分数；

基于各配送路径的优先级分数进行配送调度。

依据本申请的另一方面，提供了一种任务时长的预估装置，该装置包括：