配送运力识别方法、装置、存储介质及电子设备与流程

配送运力识别方法、装置、存储介质及电子设备
1.相关申请的交叉引用
2.本申请要求在2020年8月18日提交中国专利局、申请号为202010833800.7、发明名称为“配送运力识别方法、装置、存储介质及电子设备”的中国专利申请的优先权，该申请的全部内容通过引用的方式合并于本申请中。
技术领域
3.本公开涉及互联网技术领域，具体地，涉及一种配送运力识别方法、装置、存储介质及电子设备。


背景技术：

4.随着互联网的不断发展，用户可通过终端进行在线下单，购买需要的物品。配送员可前往商户处取物品，并将物品配送至用户。
5.其中，有些配送员只配送某一配送平台指派的订单，有些配送员为多平台配送员，多平台配送员指的是可以配送多个配送平台指派的订单的配送员。识别配送员是否为多平台配送员，对订单时间信息的预估以及订单分配的调优具有重要影响。目前，主要通过人工识别的方式，识别哪些配送员为多平台配送员。然而通过人工识别的方式存在一些不足，例如，配送员的数量非常多，通过人工识别的方式所需的人工成本较高，且效率较低，再例如，通过人工识别的方式，缺少数据支持和准确的评判方法，很难保证识别的准确度。


技术实现要素：

6.本公开的目的是提供一种配送运力识别方法、装置、存储介质及电子设备，可辅助识别配送运力是否为多平台配送运力，并提高识别效率和识别准确度。
7.为了实现上述目的，第一方面，本公开提供一种配送运力识别方法，包括：获取目标商户的至少一个邻近商户的定位探测信息，所述目标商户为配送运力到达的目标配送平台的订单对应的商户；根据所述配送运力位于邻近区域的时长、以及所述配送运力当前在所述目标配送平台的订单，识别所述配送运力是否为多平台配送运力，其中，所述邻近区域包括所述邻近商户的区域和/或所述邻近商户附近的区域。
8.可选地，所述根据所述配送运力位于邻近区域的时长、以及所述配送运力当前在所述目标配送平台的订单，识别所述配送运力是否为多平台配送运力，包括：确定所述配送运力位于所述邻近区域的时长是否大于预设时长；在所述配送运力位于所述邻近区域的时长大于所述预设时长的情况下，确定所述配送运力当前在所述目标配送平台的订单中是否包括所述邻近商户的订单；在所述配送运力当前在所述目标配送平台的订单中不包括所述邻近商户的订单的情况下，识别所述配送运力为多平台配送运力。
9.可选地，所述定位探测信息包括wifi地理围栏；所述方法还包括：获取所述配送运力的配送侧终端实时采集的wifi列表；所述确定所述配送运力位于所述邻近区域的时长是否大于预设时长，包括：根据所述wifi地理围栏和所述配送侧终端实时采集的所述wifi列
表，确定所述配送运力位于所述邻近区域的时长是否大于所述预设时长。
10.可选地，所述根据所述wifi地理围栏和所述配送侧终端实时采集的所述wifi列表，确定所述配送运力位于所述邻近区域的时长是否大于所述预设时长，包括：实时确定所述wifi列表与所述wifi地理围栏之间的相似度；在实时确定的所述wifi列表与所述wifi地理围栏之间的相似度大于预设的wifi相似度阈值的时长大于所述预设时长的情况下，确定所述配送运力位于所述邻近区域的时长大于所述预设时长。
11.可选地，所述wifi列表与所述wifi地理围栏之间的相似度是通过如下方式确定的：根据用于表征所述wifi列表的第一特征向量和用于表征所述wifi地理围栏的第二特征向量，确定所述第一特征向量和所述第二特征向量之间的相似度，并将该相似度作为所述wifi列表与所述wifi地理围栏之间的相似度。
12.可选地，所述目标商户的所述邻近商户是通过如下方式确定的：根据多个商户各自的wifi地理围栏，确定所述商户之间的位置相似度，其中，所述多个商户中包括所述目标商户；将每一所述商户的标识信息和所述商户之间的所述位置相似度输入至图神经网络模型中，以得到所述图神经网络模型输出的各个商户的位置特征信息；根据所述目标商户的位置特征信息，从所述多个商户中确定所述目标商户的所述邻近商户。
13.可选地，所述根据所述目标商户的位置特征信息，从所述多个商户中确定所述目标商户的所述邻近商户，包括：采用如下方式之一从所述多个商户中确定所述目标商户的所述邻近商户：将所述多个商户中位置特征信息与所述目标商户的位置特征信息之间的相似度大于预设的位置相似度阈值的商户，确定为所述目标商户的所述邻近商户；将所述多个商户中位置特征信息与所述目标商户的位置特征信息之间的相似度大于所述位置相似度阈值且满足以下条件中的至少一者的商户，确定为所述目标商户的所述邻近商户：与所述目标商户属于同一区域块、与所述目标商户之间的距离小于预设的距离阈值。
14.第二方面，本公开提供一种配送运力识别装置，包括：获取模块，被配置成用于获取目标商户的至少一个邻近商户的定位探测信息，所述目标商户为配送运力到达的目标配送平台的订单对应的商户；识别模块，被配置成用于根据所述配送运力位于邻近区域的时长、以及所述配送运力当前在所述目标配送平台的订单，识别所述配送运力是否为多平台配送运力，其中，所述邻近区域包括所述邻近商户的区域和/或所述邻近商户附近的区域。
15.可选地，所述识别模块，包括：时长确定子模块，被配置成用于确定所述配送运力位于所述邻近区域的时长是否大于预设时长；订单确定子模块，被配置成用于在所述配送运力位于所述邻近区域的时长大于所述预设时长的情况下，确定所述配送运力当前在所述目标配送平台的订单中是否包括所述邻近商户的订单；识别子模块，被配置成用于在所述配送运力当前在所述目标配送平台的订单中不包括所述邻近商户的订单的情况下，识别所述配送运力为多平台配送运力。
16.可选地，所述定位探测信息包括wifi地理围栏；所述装置还包括：wifi列表获取模块，被配置成用于获取所述配送运力的配送侧终端实时采集的wifi列表；所述时长确定子模块，包括：第一确定子模块，被配置成用于根据所述wifi地理围栏和所述配送侧终端实时采集的所述wifi列表，确定所述配送运力位于所述邻近区域的时长是否大于所述预设时长。
17.可选地，所述第一确定子模块，包括：第二确定子模块，被配置成用于实时确定所
述wifi列表与所述wifi地理围栏之间的相似度；第三确定子模块，被配置成用于在实时确定的所述wifi列表与所述wifi地理围栏之间的相似度大于预设的wifi相似度阈值的时长大于所述预设时长的情况下，确定所述配送运力位于所述邻近区域的时长大于所述预设时长。
18.第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开第一方面提供的所述方法的步骤。
19.第四方面，本公开提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。
20.通过上述技术方案，首先获取目标商户的至少一个邻近商户的定位探测信息，该目标商户为配送运力到达的目标配送平台的订单对应的商户。其中，多平台配送运力通常同时配送多个配送平台指派的订单，取物地点较为集中，配送运力一般会在一较近的区域内同时取多个订单的物品。配送运力在目标商户取物完成之后，如果位于邻近区域的时长大于预设时长，即在该邻近区域内停留了一段时间，配送运力可能在取其他订单的物品。如果配送运力当前在目标配送平台的订单中不包括邻近商户的订单，可表征配送运力取的是其他平台的订单的物品，即该配送运力可以配送多个配送平台的订单。如此，根据配送运力位于邻近区域的时长、以及配送运力当前在目标配送平台的订单，可辅助识别配送运力是否为多平台配送运力，避免通过人工识别效率低、准确度低的问题，提高识别效率和识别准确度。并且，对多平台配送运力进行识别，可以优化订单分配方式，为由多平台配送运力负责配送的订单的订单时间信息的预估提供依据。
21.本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
22.附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
23.图1是根据一示例性实施例示出的一种配送运力识别方法的流程图。
24.图2是根据一示例性实施例示出的一种目标商户和邻近商户的示意图。
25.图3是根据另一示例性实施例示出的一种配送运力识别方法的流程图。
26.图4是根据另一示例性实施例示出的一种确定配送运力位于邻近区域的时长是否大于预设时长的方法的流程图。
27.图5是根据一示例性实施例示出的一种确定目标商户的邻近商户的方法的流程图。
28.图6是根据一示例性实施例示出的多个商户的示意图。
29.图7是根据一示例性实施例示出的一种配送运力识别装置的框图。
30.图8是根据一示例性实施例示出的一种电子设备的框图。
31.图9是根据另一示例性实施例示出的一种电子设备的框图。
具体实施方式
32.以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描
述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
33.图1是根据一示例性实施例示出的一种配送运力识别方法的流程图，该方法可应用于具有处理能力的电子设备中，如终端或服务器等。如图1所示，该方法可包括s101和s102。
34.在s101中，获取目标商户的至少一个邻近商户的定位探测信息。
35.该目标商户为配送运力到达的目标配送平台的订单对应的商户，订单对应的商户即为提供订单涉及物品的商户。配送运力可以是配送员，配送运力配送该订单的过程中，需要首先从目标商户取走用户购买的物品，然后再将物品配送至用户。
36.其中，邻近商户可以指的是与目标商户距离较近的商户，例如位于同一商场或同一美食城的商户，将哪一或哪些商户作为目标商户的邻近商户，可以是预先确定出的，例如可以根据商户之间的距离等信息确定目标商户的邻近商户。对于邻近商户的数量，本公开不做具体限定，可以是一个也可以是多个。图2是根据一示例性实施例示出的一种目标商户和邻近商户的示意图，如图2所示，邻近商户202和邻近商户203可作为目标商户201的邻近商户。值得说明的是，图2以目标商户201的邻近商户包括两个商户为例进行解释说明，但并不构成对本公开实施方式的限制。邻近商户的定位探测信息，可以指的是用于确定配送运力是否位于邻近商户附近的探测信息，例如可通过配送运力使用的配送侧终端204，根据wifi信息确定配送运力是否位于邻近商户附近。
37.在s102中，根据配送运力位于邻近区域的时长、以及配送运力当前在目标配送平台的订单，识别配送运力是否为多平台配送运力。
38.其中，邻近区域可包括邻近商户的区域和/或邻近商户附近的区域。如图2所示，示例地，该邻近区域可包括邻近商户202的区域和邻近商户202附近的区域，以及邻近商户203的区域和邻近商户203附近的区域。
39.配送运力当前在目标配送平台的订单，即目标配送平台为该配送运力指派的订单，可以是配送运力尚未完成配送的订单。发明人在研究过程中发现，配送平台在为配送运力指派订单时，会根据配送运力当前所在的位置，为其指派取物距离较近的订单，使得取物地点更加集中，从而提高配送效率。多平台配送运力的取物地点通常较为集中，多个订单分别对应的商户之间的距离一般较近，配送运力会在一较近的区域内同时取多个订单的物品。基于此，配送运力在目标商户取物完成之后，如果配送运力位于邻近区域的时间较长，大于预设时长，可表明其并非仅是路过该邻近区域，而是在邻近区域停留了一段时间，有可能在停留的这段时间接着取其他订单的物品。此时可确定配送运力当前在目标配送平台的订单中是否有邻近商户的订单，如果没有邻近商户的订单，可表征配送运力取的是其他配送平台的订单的物品，则可识别该配送运力并非仅配送目标配送平台的订单，而是可以配送多个配送平台的订单。其中，预设时长的取值可预先设置。
40.以图2为例，例如配送运力从目标商户201取物完成之后，位于邻近区域的时长大于预设时长，可表征配送运力在邻近区域停留了一段时间，可能在取其他订单的物品，而该配送运力当前在目标配送平台的订单中没有邻近商户202和邻近商户203的订单，则配送运力取的可能是其他配送平台的订单的物品。
41.多平台配送运力可以配送多个配送平台分别指派的订单，即配送运力除了配送目标配送平台的订单，还配送其他平台的订单，其中，订单调度系统在为待分配订单指派配送
运力时，需要综合配送运力当前未完成的订单，对于识别出的多平台配送运力，考虑配送运力可能有其他配送平台的订单的情况，可以避免指派给配送运力的订单数量过多或多少的问题，从而可以优化订单分配方式。并且，由多平台配送运力负责配送的订单，在对这些订单的订单时间信息进行预估时，考虑配送运力可能需要配送其他配送平台的订单的情况，可以使得订单时间信息的预估更准确，示例地，订单时间信息例如可包括订单的预计送达时间、路径规划送达时间、订单超时界定时间。因此，对多平台配送运力进行识别，可以优化订单分配方式，为由多平台配送运力负责配送的订单的订单时间信息的预估提供依据。
42.通过上述技术方案，首先获取目标商户的至少一个邻近商户的定位探测信息，该目标商户为配送运力到达的目标配送平台的订单对应的商户。其中，多平台配送运力通常同时配送多个配送平台指派的订单，取物地点较为集中，配送运力一般会在一较近的区域内同时取多个订单的物品。配送运力在目标商户取物完成之后，如果位于邻近区域的时长大于预设时长，即在该邻近区域内停留了一段时间，配送运力可能在取其他订单的物品。如果配送运力当前在目标配送平台的订单中不包括邻近商户的订单，可表征配送运力取的是其他平台的订单的物品，即该配送运力可以配送多个配送平台的订单。如此，根据配送运力位于邻近区域的时长、以及配送运力当前在目标配送平台的订单，可辅助识别配送运力是否为多平台配送运力，避免通过人工识别效率低、准确度低的问题，提高识别效率和识别准确度。并且，对多平台配送运力进行识别，可以优化订单分配方式，为由多平台配送运力负责配送的订单的订单时间信息的预估提供依据。
43.图3是根据另一示例性实施例示出的一种配送运力识别方法的流程图。如图3所示，该方法可包括s301～s304，其中上述s102可包括s302～s304。
44.在s301(101)中，获取目标商户的至少一个邻近商户的定位探测信息。
45.在s302中，确定配送运力位于邻近区域的时长是否大于预设时长。在是的情况下，执行s303。
46.示例地，可根据邻近商户的定位探测信息，确定配送运力位于邻近区域的时长是否大于预设时长。在一可选实施方式中，邻近商户的定位探测信息可包括邻近商户的wifi地理围栏。其中，配送平台利用商户周边的路由器信息，为商户建立了wifi地理围栏，wifi地理围栏即根据wifi信号用虚拟的栅栏围出的虚拟地理边界。商户的wifi地理围栏可以是预先构建出的，服务器中可存储有各个商户的wifi地理围栏。在一实施例中，当本公开提供的方法应用于终端时，如果配送侧终端中未存储有邻近商户的wifi地理围栏，配送侧终端可向服务器发送wifi地理围栏获取请求，以使服务器将邻近商户的wifi地理围栏发送至配送侧终端，这样，配送侧终端可获取到该wifi地理围栏。
47.本公开提供的方法还可包括：获取配送运力的配送侧终端实时采集的wifi列表，如图2所述的配送侧终端204，其中，配送侧终端可以是手机、平板电脑、个人计算机等终端设备。当本公开提供的方法应用于终端时，配送侧终端可直接获取到该wifi列表；当本公开提供的方法应用于服务器时，配送侧终端可将实时采集到的wifi列表发送至服务器，这样，服务器可获取到该wifi列表。
48.相应地，该步骤s302的示例性实施方式可以为：根据wifi地理围栏和配送侧终端实时采集的wifi列表，确定配送运力位于邻近区域的时长是否大于预设时长，该实施方式可如图4所示，包括s3021和s3022。
49.在s3021中，实时确定wifi列表与wifi地理围栏之间的相似度。
50.在一可选实施方式中，wifi列表与wifi地理围栏之间的相似度可以是通过如下方式确定的：根据用于表征wifi列表的第一特征向量和用于表征wifi地理围栏的第二特征向量，确定第一特征向量和第二特征向量之间的相似度，并将该相似度作为wifi列表与wifi地理围栏之间的相似度。
51.wifi列表和wifi地理围栏均可通过特征向量的形式进行表示，通过计算第一特征向量和第二特征向量之间的距离，例如余弦距离、欧式距离，可确定二者之间的相似度。其中，第一特征向量和第二特征向量之间的距离越小，可表征二者之间的相似度越高，距离越大可表征二者之间的相似度越低。
52.在s3022中，在实时确定的wifi列表与wifi地理围栏之间的相似度大于预设的wifi相似度阈值的时长大于预设时长的情况下，确定配送运力位于邻近区域的时长大于预设时长。
53.如果wifi列表与wifi地理围栏之间的相似度大于预设的wifi相似度阈值，可表征wifi列表与wifi地理围栏之间的相似度较高，也即表征配送运力与该wifi地理围栏对应的商户之间的距离较近。其中，wifi列表是实时采集的，wifi列表与wifi地理围栏之间的相似度可以实时进行确定，如果实时确定的该相似度大于预设的wifi相似度阈值的时长大于预设时长，可表征在该预设时长内，配送运力与邻近商户一直保持较近的距离，则可确定配送运力位于邻近区域的时长大于预设时长。
54.在s303中，确定配送运力当前在目标配送平台的订单中是否包括邻近商户的订单。在否的情况下，执行s304。
55.在配送运力位于邻近区域的时长大于预设时长的情况下，可表征配送运力在该邻近区域停留了一段时间，可能在邻近商户取了其他订单的物品。此时可确定配送运力当前在目标配送平台的订单中是否包括邻近商户的订单，如果不包括邻近商户的订单，那么配送运力取的可能是其他配送平台的订单的物品，即该配送运力可以配送多个配送平台的订单，可识别配送运力为多平台配送运力。
56.在s304中，识别配送运力为多平台配送运力。
57.示例地，可对配送运力被识别为多平台配送运力的次数进行记录，如果被识别为多平台配送运力的次数较多，可进一步确定该配送运力为多平台配送运力。
58.其中，如果配送运力位于邻近区域的时长小于预设时长，或者配送运力位于邻近区域的时长大于预设时长，且该配送运力当前在目标配送平台的订单中包括邻近商户的订单，可不将配送运力识别为多平台配送运力，但是此时也无法明确确定该配送运力不为多平台配送运力，可对该配送运力的识别结果进行记录，通过多次的识别结果进行确定，以避免误识别的情况。
59.在上述技术方案中，通过配送侧终端实时采集的wifi列表以及邻近商户的wifi地理围栏，可实时确定该wifi列表与wifi地理围栏之间的相似度，该相似度可表征配送运力与邻近商户之间的距离大小。如果实时确定的该相似度大于wifi相似度阈值的时长大于预设时长，可确定配送运力位于邻近区域的时长大于预设时长。如果配送运力当前在目标配送平台的订单中不包括邻近商户的订单，那么配送运力可能取的是其他平台的订单的物品，可识别该配送运力为多平台配送运力。如此，通过配送运力位于邻近区域的时长以及当
前在目标配送平台的订单，可辅助识别配送运力是否为多平台配送运力。
60.下面介绍本公开中确定目标商户的邻近商户的示例性实施方式。图5是根据一示例性实施例示出的一种确定目标商户的邻近商户的方法的流程图，如图5所示，该方法可包括s501～s503。
61.在s501中，根据多个商户各自的wifi地理围栏，确定商户之间的位置相似度。
62.其中，多个商户中可包括目标商户。图6是根据一示例性实施例示出的多个商户的示意图，如图6所示，多个商户包括商户a、商户b、商户c、商户d和商户e，例如商户a可以是待识别运单对应的目标商户，如图2所示的目标商户201。对于多个商户的数量，本公开不做具体限制，图6仅为示例性解释说明，不构成对本公开实施方式的限制，在实际应用中，多个商户的数量并不局限于此。
63.在一实施例中，可根据多个商户各自的wifi地理围栏，确定每两个商户之间的位置相似度。优选地，在另一实施例中，可首先根据商户的位置信息，确定与该商户位置相对较近的商户，作为该商户的潜在邻近商户，并分别确定每一商户与其潜在邻近商户之间的位置相似度。在该实施例中，对于距离相对较远的两个商户，互为邻近商户的可能性较小，则无需再计算二者之间的位置相似度，可以降低计算复杂度，提高计算效率。
64.如图6所示，例如对于商户a，可分别确定其与商户b、商户c和商户d之间的位置相似度，由于商户a与商户e之间的距离较远，商户e作为商户a的邻近商户的概率较低，因此可不再确定商户a与商户e之间的位置相似度。例如对于商户b，可分别确定其与商户a和商户d之间的位置相似度。对于其他商户与之类似。图6可表征多个商户的位置关系图，商户之间的位置相似度可作为商户之间连接边的权重。
65.在一可选实施方式中，wifi地理围栏可通过特征向量的形式进行表示，确定商户之间的位置相似度的方式可以为，通过商户的wifi地理围栏之间的距离(例如余弦距离、欧式距离等)来确定该相似度。其中，wifi地理围栏之间的距离越大，可表征商户之间的位置相似度越低，wifi地理围栏之间的距离越小，可表征商户之间的位置相似度越高。
66.在另一可选实施方式中，可通过商户之间wifi地理围栏的重叠区域的大小，确定商户之间的位置相似度。其中，重叠区域越大，可表征商户之间的位置相似度越高，重叠区域越小，可表征商户之间的位置相似度越低。
67.在s502中，将每一商户的标识信息和商户之间的位置相似度输入至图神经网络模型中，以得到图神经网络模型输出的各个商户的位置特征信息。
68.其中，s501中确定出的商户之间的位置相似度可作为初步的商户之间的邻近程度。图神经网络模型可以通过采样与游走等算法，挖掘商户之间隐藏的概率关联，通过图神经网络模型输出的结果，可以进一步确定出更为精确的商户之间的邻近程度和邻近关系。本公开中可以采用任一种图神经网络模型，例如graph embedding模型。
69.将每一商户的标识信息(如商户id)和商户之间的位置相似度输入至图神经网络模型中，图神经网络模型可以输出各个商户的位置特征信息，该位置特征信息可通过多维向量的形式进行表示。
70.在s503中，根据目标商户的位置特征信息，从多个商户中确定目标商户的邻近商户。
71.示例地，可采用如下两种实施方式之一从多个商户中确定目标商户的邻近商户。
72.在一种实施方式中，可将多个商户中位置特征信息与目标商户的位置特征信息之间的相似度大于预设的位置相似度阈值的商户，确定为目标商户的邻近商户。
73.示例地，位置特征信息可通过向量的形式进行表示，位置特征信息之间的相似度可通过向量之间的距离进行确定。如图6所示，根据目标商户a的位置特征信息，例如商户b的位置特征信息与目标商户a的位置特征信息之间的相似度大于预设的位置相似度阈值，那么商户b可作为目标商户a的邻近商户，商户b例如可以是图2所示的邻近商户202。商户c的位置特征信息与目标商户a的位置特征信息之间的相似度大于位置相似度阈值，那么商户c可作为目标商户a的邻近商户，商户c例如可以是图2所示的邻近商户203。
74.另外，在一实施例中，与目标商户的位置特征信息之间的相似度大于位置相似度阈值的商户可能有多个，还可根据相似度的波动情况进行确定。示例地，如图6所示，例如商户b、商户c和商户d的位置特征信息均与目标商户a的位置特征信息之间的相似度大于位置相似度阈值，且对应的相似度从大到小依次为商户b、商户c、商户d，但是商户d对应的相似度与商户c对应的相似度之间波动较大，例如二者之间的差值的绝对值大于差值阈值，可表征商户d与目标商户a之间的邻近程度相比商户c和商户b有明显下降，可不将商户d作为目标商户a的邻近商户，只将商户b和商户c作为邻近商户。
75.在另一种实施方式中，可将多个商户中位置特征信息与目标商户的位置特征信息之间的相似度大于位置相似度阈值且满足以下条件中的至少一者的商户，确定为目标商户的邻近商户：与目标商户属于同一区域块、与目标商户之间的距离小于预设的距离阈值。
76.其中，区域块可以是根据地理位置预先划分的，例如可以采用geohash算法将城市划分为多个区域块，属于同一区域块的商户的距离相对较近。与目标商户之间的距离小于预设的距离阈值，可表征两个商户之间的距离较近，其中，预设的距离阈值可预先标定出。在该实施方式中，如果商户的位置特征信息与目标商户的位置特征信息之间的相似度大于位置相似度阈值，还可进一步判断该商户是否满足以下两个条件中的至少一者：与目标商户属于同一区域块、与目标商户之间的距离小于预设的距离阈值。其中，可以在满足这两个条件中任一条件的情况下，即将该商户确定为目标商户的邻近商户，也可以在同时满足这两个条件的情况下，将该商户确定为目标商户的邻近商户。如此，可以进一步保证商户之间邻近关系的准确性。
77.通过上述技术方案，根据多个商户各自的wifi地理围栏，确定商户之间的位置相似度，该位置相似度可作为初步的商户之间的邻近程度，之后通过图神经网络模型，可以得出更为精确的商户之间的邻近程度，使得确定出的目标商户的邻近商户更能反应商户之间真实的邻近关系。
78.基于同一发明构思，本公开还提供一种配送运力识别装置，图7是根据一示例性实施例示出的一种配送运力识别装置的框图，如图7所示，该装置700可包括：
79.获取模块701，被配置成用于获取目标商户的至少一个邻近商户的定位探测信息，所述目标商户为配送运力到达的目标配送平台的订单对应的商户；
80.识别模块702，被配置成用于根据所述配送运力位于邻近区域的时长、以及所述配送运力当前在所述目标配送平台的订单，识别所述配送运力是否为多平台配送运力，其中，所述邻近区域包括所述邻近商户的区域和/或所述邻近商户附近的区域。
81.通过上述技术方案，首先获取目标商户的至少一个邻近商户的定位探测信息，该
目标商户为配送运力到达的目标配送平台的订单对应的商户。其中，多平台配送运力通常同时配送多个配送平台指派的订单，取物地点较为集中，配送运力一般会在一较近的区域内同时取多个订单的物品。配送运力在目标商户取物完成之后，如果位于邻近区域的时长大于预设时长，即在该邻近区域内停留了一段时间，配送运力可能在取其他订单的物品。如果配送运力当前在目标配送平台的订单中不包括邻近商户的订单，可表征配送运力取的是其他平台的订单的物品，即该配送运力可以配送多个配送平台的订单。如此，根据配送运力位于邻近区域的时长、以及配送运力当前在目标配送平台的订单，可辅助识别配送运力是否为多平台配送运力，避免通过人工识别效率低、准确度低的问题，提高识别效率和识别准确度。并且，对多平台配送运力进行识别，可以优化订单分配方式，为由多平台配送运力负责配送的订单的订单时间信息的预估提供依据。
82.可选地，所述识别模块702，可包括：时长确定子模块，被配置成用于确定所述配送运力位于所述邻近区域的时长是否大于预设时长；订单确定子模块，被配置成用于在所述配送运力位于所述邻近区域的时长大于所述预设时长的情况下，确定所述配送运力当前在所述目标配送平台的订单中是否包括所述邻近商户的订单；识别子模块，被配置成用于在所述配送运力当前在所述目标配送平台的订单中不包括所述邻近商户的订单的情况下，识别所述配送运力为多平台配送运力。
83.可选地，所述定位探测信息包括wifi地理围栏；所述装置700还可包括：wifi列表获取模块，被配置成用于获取所述配送运力的配送侧终端实时采集的wifi列表；所述时长确定子模块，包括：第一确定子模块，被配置成用于根据所述wifi地理围栏和所述配送侧终端实时采集的所述wifi列表，确定所述配送运力位于所述邻近区域的时长是否大于所述预设时长。
84.可选地，所述第一确定子模块，包括：第二确定子模块，被配置成用于实时确定所述wifi列表与所述wifi地理围栏之间的相似度；第三确定子模块，被配置成用于在实时确定的所述wifi列表与所述wifi地理围栏之间的相似度大于预设的wifi相似度阈值的时长大于所述预设时长的情况下，确定所述配送运力位于所述邻近区域的时长大于所述预设时长。
85.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
86.图8是根据一示例性实施例示出的一种电子设备800的框图。如图8所示，该电子设备800可以包括：处理器801，存储器802。该电子设备800还可以包括多媒体组件803，输入/输出(i/o)接口804，以及通信组件805中的一者或多者。
87.其中，处理器801用于控制该电子设备800的整体操作，以完成上述的配送运力识别方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该电子设备800的操作，这些数据例如可以包括用于在该电子设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read
‑
only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read
‑
only memory，简称eprom)，可编程只读存储器
(programmable read
‑
only memory，简称prom)，只读存储器(read
‑
only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该电子设备800与其他设备之间进行有线或无线通信。无线通信，例如wi
‑
fi，蓝牙，近场通信(near field communication，简称nfc)，2g、3g、4g、nb
‑
iot、emtc、或其他5g等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件805可以包括：wi
‑
fi模块，蓝牙模块，nfc模块等等。
88.在一示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的配送运力识别方法。
89.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的配送运力识别方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由电子设备800的处理器801执行以完成上述的配送运力识别方法。
90.图9是根据一示例性实施例示出的一种电子设备900的框图。例如，电子设备900可以被提供为一服务器。参照图9，电子设备900包括处理器922，其数量可以为一个或多个，以及存储器932，用于存储可由处理器922执行的计算机程序。存储器932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理器922可以被配置为执行该计算机程序，以执行上述的配送运力识别方法。
91.另外，电子设备900还可以包括电源组件926和通信组件950，该电源组件926可以被配置为执行电子设备900的电源管理，该通信组件950可以被配置为实现电子设备900的通信，例如，有线或无线通信。此外，该电子设备900还可以包括输入/输出(i/o)接口958。电子设备900可以操作基于存储在存储器932的操作系统，例如windows server
tm
，mac os x
tm
，unix
tm
，linux
tm
等等。
92.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的配送运力识别方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器932，上述程序指令可由电子设备900的处理器922执行以完成上述的配送运力识别方法。
93.在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的配送运力识别方法的代码部分。
94.以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实
施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
95.另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
96.此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。