[发明专利]确定预估配送时长的方法、装置、设备和存储介质

权利要求书

1.一种确定预估配送时长的方法，其特征在于，所述方法包括：

获取时长预估参考信息，其中，所述时长预估参考信息包括配送订单信息、所述配送订单信息对应的环境信息和配送员分布信息；

基于特征提取模型，对所述时长预估参考信息进行特征提取，得到所述时长预估参考信息对应的特征信息；

将所述特征信息分别输入多个配送阶段对应的时长预估模型，得到每个配送阶段对应的阶段时长；

基于所述每个配送阶段对应的阶段时长，确定预估配送时长。

2.根据权利要求1所述的方法，其特征在于，所述多个配送阶段包括从用户下单至配送员接单的阶段、从配送员接单至配送员到达发货地的阶段、从配送员到达发货地至配送员取到货物的阶段、从配送员取到货物至配送员到达收货地的阶段。

3.根据权利要求1所述的方法，其特征在于，所述配送订单信息包括发货方名称、货物名称、货物数量、货物单价、用户实际支付金额、配送费用、发货地位置信息和收货地位置信息中的至少一种；

所述环境信息包括天气信息、交通信息中的至少一种；

所述配送员分布信息包括与发货地的距离不超过距离阈值的配送员的数量、与发货地的距离不超过距离阈值的配送员的位置信息中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述特征提取模型包括第一特征提取模块和第二特征提取模块，所述第一特征提取模块和所述第二特征提取模块是不同算法的机器学习网络；

所述基于特征提取模型，对所述时长预估参考信息进行特征提取，得到所述时长预估参考信息对应的特征信息，包括：

基于第一特征提取模块，对所述时长预估参考信息进行特征提取，得到所述时长预估参考信息对应的第一子特征信息；

基于第二特征提取模块，对所述时长预估参考信息进行特征提取，得到所述时长预估参考信息对应的第二子特征信息；

基于所述第一子特征信息和所述第二子特征信息，确定所述时长预估参考信息对应的特征信息。

5.根据权利要求4所述的方法，其特征在于，所述基于第一特征提取模块，对所述时长预估参考信息进行特征提取，得到所述时长预估参考信息对应的第一子特征信息，包括：

基于所述时长预估参考信息中的数值型参数和非数值型参数，确定第一参数向量；

将所述第一参数向量输入所述第一特征提取模块，得到所述时长预估参考信息对应的第一子特征信息；

所述基于第二特征提取模块，对所述时长预估参考信息进行特征提取，得到所述时长预估参考信息对应的第二子特征信息，包括：

对所述时长预估参考信息中的数值型参数进行分位点离散化处理，得到离散化数值型参数；

基于所述离散化数值型参数和所述时长预估参考信息中的非数值型参数，确定第二参数向量；

将所述第二参数向量输入所述第二特征提取模块，得到所述时长预估参考信息对应的第二子特征信息。

6.根据权利要求1所述的方法，其特征在于，所述基于所述每个配送阶段对应的阶段时长，确定预估配送时长，包括：

基于所述时长预估参考信息和权重计算模型，确定所述每个配送阶段对应的权重；

基于所述每个配送阶段对应的阶段时长和权重，确定所述预估配送时长。

7.根据权利要求6所述的方法，其特征在于，所述基于所述时长预估参考信息和权重计算模型，确定所述每个配送阶段对应的权重，包括：

对所述时长预估参考信息中的数值型参数进行分位点离散化处理，得到离散化数值型参数；

基于所述离散化数值型参数和所述时长预估参考信息中的非数值型参数，确定第二参数向量；

将所述第二参数向量输入权重计算模型，得到所述每个配送阶段对应的权重。

8.根据权利要求1所述的方法，其特征在于，所述基于所述每个配送阶段对应的阶段时长，确定预估配送时长，包括：

基于所述时长预估参考信息和修正补时计算模型，确定修正补时时长；

基于所述修正补时时长和所述每个配送阶段对应的阶段时长，确定所述预估配送时长。