本公开涉及计算机技术领域,具体涉及一种配送方案确定方法、装置、电子设备及计算机存储介质。
背景技术:
随着o2o的深入发展,物流配送已经是各o2o业务的立足之本,专职配送人员维护成本高。为了降低维护专职配送人员的配送成本,当下兴起了一种新的配送运力模式,即众包配送,指的是一个公司或机构把过去由专职配送人员执行的工作任务,以自由自愿的形式外包给非特定的大型的大众志愿者。例如:众包配送员在外卖平台注册账号,众包调度系统以某个配送价格将订单推送给众包配送员,众包配送员自愿选择接受或拒绝订单,只有接受并完成订单的配送才可以获取配送价格的利益。众包配送定价的高低直接影响到订单的接受率,定价过高,导致业务成本高,而定价过低,就直接影响平台应答率,对众包配送员和下单用户的体验都不好。综上,有效确定众包配送定价是亟待解决的技术问题之一。
技术实现要素:
本公开实施例提供一种配送方案确定方法、装置、电子设备及计算机存储介质。
第一方面,本公开实施例中提供了一种配送方案确定方法。
具体地,所述配送方案确定方法,包括:
对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算所述订单的调整后参数,其中,所述调整后参数是根据所述订单的基础参数和所述订单的增量参数计算得到的,所述多个增量参数之和小于等于第一预设值;
对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率;
将所述总接单概率最高的候选分配方案确定为所述多个订单的配送方案。
结合第一方面,本公开在第一方面的第一种实现方式中,所述订单的基础参数是所述订单的初始参数减去第二预设值得到的。
结合第一方面,本公开在第一方面的第二种实现方式中,至少两个候选分配方案的增量参数集合不同。
结合第一方面,本公开在第一方面的第三种实现方式中,所述对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率包括:
至少根据所述订单的调整后参数计算所述订单的接单概率;
根据每个所述订单的接单概率计算所述多个订单的总接单概率。
结合第一方面的第三种实现方式,本公开在第一方面的第四种实现方式中,至少根据所述订单的调整后参数计算所述订单的接单概率包括:
至少根据所述订单的调整后参数,使用配送员接单模型计算配送员接受所述订单的概率或不接受所述订单的概率;
根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率。
结合第一方面的第四种实现方式,本公开在第一方面的第五种实现方式中,包括:
配送员接单模型是使用所述配送员的历史接单数据训练得到的;
所述配送员接单模型的输入包括订单的调整后参数值和以下特征中的至少一项:订单价格、区域配送压力、行程预估时间、取货地点停留预估时间、交货地点停留预估时间、配送约定送达时间、货物准备就绪时间、订单与配送员已有订单的路线共乘比、配送员等级、配送员瞬时速度、配送员待处理的订单量、气温、天气等级;
所述配送员接单模型的输出包括所述配送员接受或不接受所述订单的概率。
结合第一方面的第四种实现方式,本公开在第一方面的第六种实现方式中,
所述根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率包括:
根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算多个配送员均不接受所述订单的概率;
根据所述多个配送员均不接受所述订单的概率,计算所述订单的接单概率。
第二方面,本公开实施例提供了一种配送方案确定装置,用于确定多个订单的配送方案,包括:
第一计算模块,被配置为对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算所述订单的调整后参数,其中,所述调整后参数是根据所述订单的基础参数和所述订单的增量参数计算得到的,所述多个增量参数之和小于等于第一预设值;
第二计算模块,被配置为对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率;
确定模块,被配置为将所述总接单概率最高的候选分配方案确定为所述多个订单的配送方案。
第三方面,本公开实施例提供了一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如下方法步骤:
对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算所述订单的调整后参数,其中,所述调整后参数是根据所述订单的基础参数和所述订单的增量参数计算得到的,所述多个增量参数之和小于等于第一预设值;
对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率;
将所述总接单概率最高的候选分配方案确定为所述多个订单的配送方案。
结合第三方面,本公开在第三方面的第一种实现方式中,所述订单的基础参数是所述订单的初始参数减去第二预设值得到的。
结合第三方面,本公开在第三方面的第二种实现方式中,至少两个候选分配方案的增量参数集合不同。
结合第三方面,本公开在第三方面的第三种实现方式中,所述对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率包括:
至少根据所述订单的调整后参数计算所述订单的接单概率;
根据每个所述订单的接单概率计算所述多个订单的总接单概率。
结合第三方面的第三种实现方式,本公开在第三方面的第四种实现方式中,至少根据所述订单的调整后参数计算所述订单的接单概率包括:
至少根据所述订单的调整后参数,使用配送员接单模型计算配送员接受所述订单的概率或不接受所述订单的概率;
根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率。
结合第三方面的第四种实现方式,本公开在第三方面的第五种实现方式中,包括:
配送员接单模型是使用所述配送员的历史接单数据训练得到的;
所述配送员接单模型的输入包括订单的调整后参数值和以下特征中的至少一项:订单价格、区域配送压力、行程预估时间、取货地点停留预估时间、交货地点停留预估时间、配送约定送达时间、货物准备就绪时间、订单与配送员已有订单的路线共乘比、配送员等级、配送员瞬时速度、配送员待处理的订单量、气温、天气等级;
所述配送员接单模型的输出包括所述配送员接受或不接受所述订单的概率。
结合第三方面的第四种实现方式,本公开在第三方面的第六种实现方式中,所述根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率包括:
根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算多个配送员均不接受所述订单的概率;
根据所述多个配送员均不接受所述订单的概率,计算所述订单的接单概率。
第四方面,本公开实施例提供了一种计算机可读存储介质,用于存储配送方案确定装置所用的计算机指令,其包含用于执行上述第一方面中配送方案确定方法所涉及的计算机指令。
本公开实施例考虑到对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算订单的调整后参数,并对于候选分配方案,至少根据订单的调整后参数计算所述多个订单的总接单概率,且将总接单概率最高的分配方案确定为所述多个订单的配送方案,避免了人工确定订单参数的繁琐规则,通过智能计算订单参数来确定多个订单的配送方案,自动确定配送成本,优化了配送订单的接单率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的配送方案确定方法的流程图;
图2示出根据本公开一实施方式根据订单的调整后参数计算多个订单的总接单概率的流程图;
图3示出根据本公开一实施方式至少根据订单的调整后参数计算订单的接单概率的流程图;
图4示出根据本公开一实施方式根据配送员接受订单的概率或不接受订单的概率来计算订单的接单概率的流程图;
图5示出根据本公开一实施方式的配送方案确定装置的结构框图;
图6示出根据本公开一实施方式的第二计算模块的结构框图;
图7示出根据本公开一实施方式的第一计算子模块的结构框图;
图8示出根据本公开一实施方式的第四计算子模块的结构框图;
图9示出根据本公开一实施方式的电子设备的结构框图;
图10是适于用来实现根据本公开实施方式的配送方案确定方法的电子设备的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
针对确定众包配送定价问题,现有技术中,主要采用的是人工规则确定众包配送定价,按照距离,时段、天气、重量、客单价等因素确定众包配送定价。人工确定众包配送定价至少存在以下问题,对不同消费水平城市的适配不够友好,且效率较低,同时确定众包配送定价时需要考虑的因素太多,按照各因素确定众包配送定价,会导致某些订单定价偏高,且众包配送员对某些因素可能不敏感。
基于相关技术中存在的上述问题,本公开实施例提出了一种配送方案确定方法。该配送方案确定方法包括:对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算所述订单的调整后参数,其中,所述调整后参数是根据所述订单的基础参数和所述订单的增量参数计算得到的,所述多个增量参数之和小于等于第一预设值;对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率;将所述总接单概率最高的分配方案确定为所述多个订单的配送方案。
图1示出根据本公开一实施方式的配送方案确定方法的流程图。如图1所示,所述配送方案确定方法包括以下步骤s101-s103:
在步骤s101中,对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算所述订单的调整后参数,其中,所述调整后参数是根据所述订单的基础参数和所述订单的增量参数计算得到的,所述多个增量参数之和小于等于第一预设值;
在步骤s102中,对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率;
在步骤s103中,将所述总接单概率最高的候选分配方案确定为所述多个订单的配送方案。
本实施例中,用户在使用o2o平台订购产品时,通常需要配送员将用户订购的产品从产品提供方配送至用户处,为吸引配送员接受并完成订单的配送,o2o平台在调度配送员配送产品的订单时,通常按照提前确定好的订单参数奖励配送员。在本公开的一可选实施方式中,订单参数可以包括配送费。每个订单可以具有初始参数,例如由用户支付的配送费。在本公开的一可选实施方式中,对初始参数进行调整,用调整后的参数来奖励配送员,以提高多个订单的总接单概率。
下面以举例的方式来具体说明调整订单参数的一种可选实现方式。假设o2o平台有n(n>1)个待分配订单,o2o平台从每个订单的初始参数减去第二预设值(例如,d角),得到该订单的基础参数。在本公开的一可选实施方式中,这n个待分配订单的第二预设值相同。第一预设值t为n个订单的第二预设值之和,即t=n*d。接下来,把小于等于第一预设值t的值w分配到n个订单。由于分配给n个订单的值w小于等于从这n个订单减去的值t,所以n个订单的调整后的总参数值不会高于这n个订单的总初始参数值,例如用户为这n个订单支付的总配送费。
可以将值w以n个增量参数的形式分配给n个订单,这n个增量参数的和为w,并且形成一个增量参数集合。
根据本公开的一可选实施方式,对于这n个订单可以形成多个增量参数集合。例如,当第一预设值为9,订单数量为3时,可以形成增量参数集合{1,2,6},{1,3,5},{2,3,3}……,只要每个集合中的增量参数之和小于等于第一预设值即可。对于每个增量参数集合,将其中的增量参数分配给各个订单可能有多种不同分配方式,因此形成多个不同的候选分配方案。例如,对于增量参数集合{1,2,6},可以针对三个订单分别分配增量参数1、2、6,也可以分别分配增量参数2、1、6,或者1、6、2……,等等。对于增量参数集合{2,3,3},可以针对三个订单分别分配增量参数2、3、3,也可以分别分配增量参数3、2、3,或者3、3、2……,等等。对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算每个订单的调整后参数,其中,每个订单的调整后参数是根据该订单的基础参数和该订单的增量参数计算得到的。例如,若n个订单中的第i(1≤i≤n)个订单的基础参数是yi,其对应的增量参数是xi,则第i个订单的调整后参数为yi+xi。
在本公开的一个实施例中,对于候选分配方案,可以根据每个订单的调整后参数计算该订单的接单概率。例如,对于订单i,可以根据订单i的调整后参数先计算每个配送员接受订单i的概率,再根据每个配送员接受订单i的概率计算出订单i的接单概率。在计算出n个订单中每个订单的接单概率之后,可以根据每个订单的接单概率计算多个订单的总接单概率。
在本公开的一可选实施方式中,将总接单概率最高的候选分配方案确定为实施多个订单的配送方案。在一实施例中,将小于等于第一预设值t的值w分配到n个订单,求解总接单概率最高时分配到n个订单的增量参数,从而确定总接单概率最高时的分配方案。
下面以举例的方式来具体说明确定总结单概率最高的候选分配方案的一种实现方式。例如,为将小于等于第一预设值t的值w分配到n个订单并能达到最高总接单概率e,可以建立如下模型:
(1)约束条件为:
0≤xi≤t
其中,xi为分配给第i个订单的增量参数。
(2)最大化目标为:
使得
其中,e为n个订单的总接单概率,pi为第i个订单的初始参数,si为从第i个订单的初始参数减去的第二预设值,xi为分配给第i个订单的增量参数,pi-si+xi为第i个订单的调整后参数,e(pi-si+xi)为第i个订单的接单概率。
当用于n个订单中前k个订单的总分配额度为v(0≤v≤t)时,令e(v,k)为分配前k(1≤k≤n)个订单时最大总接单概率,此时状态转移方程表示为:
e(v,k)=max{e(v-xk,k-1)+e(pk-sk+xk)}
其中,pk为第k个订单的初始参数,sk为从第k个订单的初始参数减去的第二预设值,xk(0≤xk≤v)为分配给第k个订单的增量参数,e(pk-sk+xk)为第k个订单的接单概率。
通过求解上述状态转移方程即可求得在约束条件下可采用的候选分配方案及其总接单概率,选择总结单概率最大的候选分配方案作为所述多个订单的配送方案。
本公开实施例考虑到对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算订单的调整后参数,并对于所述候选分配方案,至少根据订单的调整后参数计算所述多个订单的总接单概率,且将总接单概率最高的分配方案确定为所述多个订单的配送方案,确定了订单的调整后参数,避免了人工确定订单参数的繁琐规则,通过智能计算订单参数实现了确定多个订单的配送方案,能够以较低的配送成本获得较高的总接单率。
下面以一个具体示例说明根据本公开一可选实施方式的配送方案确定方法。假设有a和b两个订单,其中a和b两个订单的初始参数分别为pa和pb,从两个订单的初始参数减去的第二预设值sa=sb=3角,即第二预设值d=3角,且第一预设值t=d*2=6角,此时建立要解决的问题是将小于等于第一预设值6角的值重新分配到a和b两个订单中,从而使a和b两个订单的总接单概率最高,即数学模型如下:
(1)约束条件为:
0≤xa≤6
0≤xb≤6
0≤xa+xb≤6
其中,xa和xb分别为分配给订单a和b的增量参数。
(2)最大化目标为:
使e(pa-sa+xa)+e(pb-sb+xb)=e(pa-3+xa)+e(pb-3+xb)最大化最高总接单概率对应的解可能是:
1)xa=5,xb=1表示最终调价为订单a加-3+5=2角,订单b加-3+1=-2角,即减价2角;或者
2)xa=2,xb=2表示最终调价为订单a加-3+2=-1角,订单b加-3+2=-1角,两个单都可以减1角,这种情况说明原有配送费定价偏高,减钱不会降低这些订单总的接受期望。
图2示出根据本公开一实施方式根据订单的调整后参数计算多个订单的总接单概率的流程图。
在本实施例的一个可选实现方式中,如图2所示,根据订单的调整后参数计算多个订单的总接单概率包括以下步骤s201-s202:
在步骤s201中,至少根据所述订单的调整后参数计算所述订单的接单概率;
在步骤s202中,根据每个所述订单的接单概率计算所述多个订单的总接单概率。
在本实施例中,至少根据订单的调整后参数计算该订单的接单概率,例如,pi为第i个订单的初始参数,si为从第i个订单的初始参数减去的第二预设值,xi为分配给第i个订单的增量参数,则第i个订单的接单概率可以表示为函数e(pi-si+xi)。当计算出每个订单的接单概率之后可以计算出多个订单的总接单概率,例如,总接单概率e可以表示为每个订单的接单概率之和
图3示出根据本公开一实施方式至少根据订单的调整后参数计算订单的接单概率的流程图。
在本实施例的一个可选实现方式中,如图3所示,至少根据订单的调整后参数计算所示订单的接单概率包括以下步骤s301-s302:
在步骤s301中,至少根据所述订单的调整后参数,使用配送员接单模型计算配送员接受所述订单的概率或不接受所述订单的概率;
在步骤s302中,根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率。
在本实施例中,可以使用所述订单的调整后参数,通过配送员接单模型计算配送员接受所述订单的概率或不接受所述订单的概率,即当把所述订单的调整后参数输入至某个配送员接单模型中,可以输出所述配送员接受所述订单的概率或不接受所述订单的概率。
在本实施例的一个可选实现方式中,可以使用配送员的历史接单数据训练xgboost、卷积神经网络、深度神经网络、lstm、随机森林、决策树等模型中的一种或多种得到该配送员的接单模型。所述配送员接单模型的输入包括订单的调整后参数值和以下特征中的至少一项:订单价格、区域配送压力、行程预估时间、取货地点停留预估时间、交货地点停留预估时间、配送约定送达时间、货物准备就绪时间、订单与配送员已有订单的路线共乘比、配送员等级、配送员瞬时速度、配送员待处理的订单量、气温、天气等级;所述配送员接单模型的输出包括所述配送员接受或不接受所述订单的概率。订单价格至少包括用户支付给产品本身的价格、用户支付的配送费及o2o平台支付给配送员的配送费其中之一。区域配送压力可由配送员所在区域待配送订单量及配送运力(例如配送员人数)计算得出。配送员瞬时速度可以用来表示配送员当前的状态,例如,当瞬时速度小于5m/s可以判定配送员处于步行状态,当瞬时速度大于10m/s可以判定配送员处于骑行状态。
下面以举例的方式来具体说明根据每个订单的调整后参数计算所述订单的接单概率的其中一种实现方式。例如,pi为第i个订单的初始参数,si为从第i个订单的初始参数减去的第二预设值,xi为第i个订单调整后的增量参数,则第i个订单调整后的基础参数为pi-si,第i个订单调整后的参数为pi-si+xi。假设一共有m个配送员,当把第i个订单调整后的参数输入至第j(1≤j≤m)个配送员接单模型,可以计算出第j个配送员接受第i个订单的概率为eij,或者可以计算出第j个配送员不接受第i个订单的概率为
图4示出根据本公开一实施方式根据配送员接受订单的概率或不接受订单的概率来计算订单的接单概率的流程图。
在本实施例的一个可选实现方式中,如图4所示,所述根据所述配送员接受所述订单的概率或不接受该订单的概率,计算所述订单的接单概率进一步包括以下步骤s401-s402:
在步骤s401中,根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算多个配送员均不接受所述订单的概率;
在步骤s402中,根据所述多个配送员均不接受所述订单的概率,计算所述订单的接单概率。
在一实施例中,根据多个配送员中每个配送员接受所述订单的概率,计算多个配送员均不接受所述订单的概率,从而计算出所述订单的接单概率。例如,假设一共有m个配送员,每个配送员接受第i个订单的概率分别为ei1、ei2、……、eim,则多个配送员均不接受第i个订单的概率为(1-ei1)*(1-ei2)……(1-eim),第i个订单的接单概率ei=1-[(1-ei1)*(1-ei2)……(1-eim)]。
在另一实施例中,根据多个配送员中每个配送员不接受所述订单的概率,计算多个配送员均不接受所述订单的概率,从而计算出所述订单的接单概率。例如,假设一共有m个配送员,每个配送员不接受第i个订单的概率分别为
图5示出根据本公开一实施方式的配送方案确定装置的结构框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。例如,该装置可以通过软件或可编程硬件来实现。如图5所示,所述配送方案确定装置包括第一计算模块501、第二计算模块502和确定模块503:
第一计算模块501,被配置为对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算所述订单的调整后参数,其中,所述调整后参数是根据所述订单的基础参数和所述订单的增量参数计算得到的,所述多个增量参数之和小于等于第一预设值;
第二计算模块502,被配置为对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率;
确定模块503,被配置为将所述总接单概率最高的候选分配方案确定为所述多个订单的配送方案。
在本实施例的一个可选实现方式中,所述订单的基础参数是所述订单的初始参数减去第二预设值得到的。
在本实施例的一个可选实现方式中,至少两个候选分配方案的增量参数集合不同。
图6示出根据本公开一实施方式的第二计算模块的结构框图。
在本实施例的一个可选实现方式中,如图6所示,所述第二计算模块502包括第一计算子模块601和第二计算子模块602:
第一计算子模块601,被配置为至少根据所述订单的调整后参数计算所述订单的接单概率;
第二计算子模块602,被配置为根据每个所述订单的接单概率计算所述多个订单的总接单概率。
图7示出根据本公开一实施方式的第一计算子模块的结构框图。
在本实施例的一个可选实现方式中,如图7所示,所述第一计算子模块601包括第三计算子模块701和第四计算子模块702:
第三计算子模块701,被配置为至少根据所述订单的调整后参数,使用配送员接单模型计算配送员接受所述订单的概率或不接受所述订单的概率;
第四计算子模块701,被配置为根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率。
在本实施例的一个可选实现方式中,配送员接单模型是使用所述配送员的历史接单数据训练得到的;所述配送员接单模型的输入包括订单的调整后参数值和以下特征中的至少一项:订单价格、区域配送压力、行程预估时间、取货地点停留预估时间、交货地点停留预估时间、配送送达时间、货物准备就绪时间、订单与配送员已有订单的路线共乘比、配送员等级、配送员瞬时速度、配送员待处理的订单量、气温、天气等级;所述配送员接单模型的输出包括所述配送员接受或不接受所述订单的概率。
图8示出根据本公开一实施方式的第四计算子模块的结构框图。
在本实施例的一个可选实现方式中,如图8所示,所述第四计算子模块702包括第五计算子模块801和第六计算子模块802:
第五计算子模块801,被配置为根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算多个配送员均不接受所述订单的概率;
第六计算子模块802,被配置为根据所述多个配送员均不接受所述订单的概率,计算所述订单的接单概率。
图9示出根据本公开一实施方式的电子设备的结构框图。
如图9中所示,该电子设备900可以包括处理器901以及存储器902。该存储器902用于存储一条或多条计算机指令,其中,该一条或多条计算机指令被该处理器901执行以实现步骤:
对于将增量参数集合中的多个增量参数分配到多个订单的候选分配方案,计算所述订单的调整后参数,其中,所述调整后参数是根据所述订单的基础参数和所述订单的增量参数计算得到的,所述多个增量参数之和小于等于第一预设值;
对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率;
将所述总接单概率最高的候选分配方案确定为所述多个订单的配送方案。
在本公开的一个实施例中,所述订单的基础参数是所述订单的初始参数减去第二预设值得到的。
在本公开的一个实施例中,至少两个候选分配方案的增量参数集合不同。
在本公开的一个实施例中,所述对于所述候选分配方案,至少根据所述订单的调整后参数计算所述多个订单的总接单概率包括:
至少根据所述订单的调整后参数计算所述订单的接单概率;
根据每个所述订单的接单概率计算所述多个订单的总接单概率。
在本公开的一个实施例中,至少根据所述订单的调整后参数计算所述订单的接单概率包括:
至少根据所述订单的调整后参数,使用配送员接单模型计算配送员接受所述订单的概率或不接受所述订单的概率;
根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率。
在本公开的一个实施例中,配送员接单模型是使用所述配送员的历史接单数据训练得到的;所述配送员接单模型的输入包括订单的调整后参数值和以下特征中的至少一项:订单价格、区域配送压力、行程预估时间、取货地点停留预估时间、交货地点停留预估时间、配送约定送达时间、货物准备就绪时间、订单与配送员已有订单的路线共乘比、配送员等级、配送员瞬时速度、配送员待处理的订单量、气温、天气等级;所述配送员接单模型的输出包括所述配送员接受或不接受所述订单的概率。
在本公开的一个实施例中,所述根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算所述订单的接单概率包括:
根据所述配送员接受所述订单的概率或不接受所述订单的概率,计算多个配送员均不接受所述订单的概率;
根据所述多个配送员均不接受所述订单的概率,计算所述订单的接单概率。
所述处理器901用于执行前述各方法步骤中的全部或部分步骤。
图10是适于用来实现根据本公开实施方式的配送方案确定方法的电子设备的结构示意图。
如图10所示,电子设备1000包括中央处理单元(cpu)1001,其可以根据存储在只读存储器(rom)1002中的程序或者从存储部分1008加载到随机访问存储器(ram)1003中的程序而执行上述图1所示的实施方式中的各种处理。在ram1003中,还存储有电子设备1000操作所需的各种程序和数据。cpu1001、rom1002以及ram1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。
以下部件连接至i/o接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至i/o接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
特别地,根据本公开的实施方式,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行上文描述的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。