等待时间获取方法、装置、计算机设备及可读存储介质与流程

本发明涉及互联网技术领域，特别是涉及一种等待时间获取方法、装置、计算机设备及可读存储介质。

背景技术：

随着互联网技术的不断发展，在多数服务性产业中，用户对体验度的要求越来越高，使得终端能够为用户提供的服务越来越多，比如外卖行业已经成为人们日常生活的重要组成部分，外卖行业让人们可以足不出户就享受消费和服务。在现如今的外卖行业中，很多提供外卖服务的平台中都配备有配送人员，在外卖的高峰时段，商家的出餐压力直线上升，出餐速度比闲时低很多，配送人员被迫在商家等餐。等餐时间如果较长就很容易造成配送人员的送餐效率下降，甚至造成送餐的超时，最后很可能配送人员与商家之间由于鉴责而导致一系列的矛盾，所以，目前很多平台中都会采用一系列的手段判断配送人员是否到店或者到达顾客所在的位置，获取配送人员在店或者等待顾客的等待时间，将这个等待时间作为后续解决纠纷的重要凭证。

相关技术中，目前统计配送人员的等待时间时，需要获取到配送人员的到达时间和离开时间，将两者之间的时间间隔作为配送人员的等待时间。其中，判断配送人员是否到达以及是否离开是可以采用相同的手段的，以判断配送人员是否到达为例，可以通过配送人员配备的gps(globalpositioningsystem，全球定位系统)以及配送人员的报备实现。具体的实现逻辑是如果配送人员向平台报备了已经到达而且gps显示配送人员与门店或者顾客之间的距离小于阈值，就确定配送人员已经到达，可继续基于当前时间输出配送人员的到达时间。在后续以同样的方式判断配送人员是否离开以及输出离开时间，进而获取到配送人员的等待时间。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：

gps会受到信号影响的，在室内以及信号较差的位置gps的精度较低，会发生不断跳动的情况，很难准确判断配送人员与门店或者顾客之间的距离。而且配送人员的报备是一种个人行为，存在作弊空间，配送人员可能会虚报，在两种因素的影响下便导致平台获取的等待时间的准确率很低，等待时间作为解决纠纷的依据很难令人信服，缺乏有效的信息化手段，影响了餐饮服务的智能化进程。

技术实现要素：

有鉴于此，本发明提供了一种等待时间获取方法、装置、计算机设备及可读存储介质，主要目的在于解决目前平台获取的等待时间的准确率很低，等待时间作为解决纠纷的依据很难令人信服，缺乏有效的信息化手段，影响了餐饮服务的智能化进程的问题。

依据本发明第一方面，提供了一种等待时间获取方法，该方法包括：

获取目标配送设施在历史配送过程中的多个环境数据以及多个行为数据；

将所述多个环境数据以及所述多个行为数据映射至所述历史配送过程的多个时间窗口，计算所述多个时间窗口的多个可信度，所述多个可信度指示了所述多个时间窗口对应的环境数据以及行为数据的发生概率；

根据所述多个可信度，在所述多个时间窗口中确定到达时间窗口以及离开时间窗口；

将所述到达时间窗口和所述离开时间窗口的时间间隔作为等待时间。

在另一个实施例中，所述获取目标配送设施在历史配送过程中的多个环境数据以及多个行为数据，包括：

提取所述目标配送设施的终端设备在所述历史配送过程中上传的多个终端信号，所述多个终端信号至少包括惯性信号、蓝牙信号、无线信号、磁感信号以及蜂窝信号；

基于所述多个终端信号的上传时间，将所述多个终端信号划分为多个信号组，所述多个信号组中每个信号组包括的至少一个终端信号的上传时间一致；

分别对所述多个信号组进行信号解析，得到所述多个环境数据以及所述多个行为数据。

在另一个实施例中，所述分别对所述多个信号组进行信号解析，得到所述多个环境数据以及所述多个行为数据，包括：

对于所述多个信号组中每个信号组，读取所述信号组包括的多个目标信号；

基于所述多个目标信号，确定所述目标配送设备在所述信号组对应的上传时间所处的环境，得到环境数据，所述环境数据至少为室内环境以及室外环境中的任一种；

根据所述多个目标信号，确定所述终端设备在所述信号组对应的上传时间的使用状态以及所述目标配送设施在所述信号组对应的上传时间的运动状态，基于所述使用状态和所述运动状态，得到行为数据，所述行为数据至少为等待行为以及配送行为中的任一种；

分别读取所述多个信号组中每个信号组，输出所述每个信号组的环境数据以及行为数据，得到所述多个环境数据以及所述多个行为数据。

在另一个实施例中，所述基于所述使用状态和所述运动状态，得到行为数据，包括：

当所述使用状态指示所述终端设备执行用户指令且所述运动状态指示所述目标配送设施静止或所述运动状态的运动速度小于速度阈值时，将所述等待行为设置为所述行为数据；

当所述使用状态指示所述终端设备处于待机且所述运动状态指示所述配送设施移动或所述运动状态的运动速度大于等于所述速度阈值时，将所述配送行为设置为所述行为数据。

在另一个实施例中，所述将所述多个环境数据以及所述多个行为数据映射至所述历史配送过程的多个时间窗口，包括：

基于预设划分时长，对所述历史配送过程进行时间划分，得到所述多个时间窗口，所述多个时间窗口中每个时间窗口的时长均等于所述预设划分时长；

对于所述多个环境数据以及所述多个行为数据中每个环境数据或每个行为数据，确定所述每个环境数据或每个行为数据对应的目标上传时间；

查询所述目标上传时间在所述多个时间窗口中所处的目标时间窗口，将所述每个环境数据或每个行为数据映射至所述目标时间窗口，完成所述多个环境数据以及所述多个行为数据与所述多个时间窗口之间的映射。

在另一个实施例中，所述计算所述多个时间窗口的多个可信度，包括：

采用所述多个时间窗口，对所述多个环境数据以及所述多个行为数据进行时序模型的训练，生成配送过程时序模型，所述配送过程时序模型包括所述多个时间窗口中每个时间窗口对应的预估状态；

对于所述多个时间窗口中每个时间窗口，获取所述时间窗口在所述配送过程时序模型中对应的目标预估状态；

当所述时间窗口对应的目标环境数据和目标行为数据与所述目标预估状态匹配时，将所述目标环境数据的环境可信度以及所述目标行为数据的行为可信度设置为第一默认数值，基于所述环境可信度和所述行为可信度组成所述时间窗口的可信度；

当所述时间窗口对应的目标环境数据或目标行为数据中任一数据与所述目标预估状态不匹配时，计算标准值与第二默认数值的差值，将所述差值作为与所述目标预估状态不匹配的数据的可信度，将所述第二默认数值作为与所述目标预估状态匹配的数据的可信度，得到所述时间窗口的可信度；

当所述时间窗口对应的目标环境数据或目标行为数据均与所述目标预估状态不匹配时，将所述目标环境数据的环境可信度以及所述目标行为数据的行为可信度设置为第三默认数值，基于所述环境可信度和所述行为可信度组成所述时间窗口的可信度；

分别计算所述多个时间窗口的可信度，得到所述多个可信度。

在另一个实施例中，所述根据所述多个可信度，在所述多个时间窗口中确定到达时间窗口以及离开时间窗口，包括：

按照所述多个可信度，为所述多个时间窗口中每个时间窗口设置窗口标签，所述窗口标签至少为到达标签或离开标签中的任一种；

在所述多个时间窗口中获取窗口标签为所述到达标签且连续的多个候选时间窗口，采用所述多个候选时间窗口组成窗口队列，所述窗口队列在所述多个时间窗口中的上一时间窗口以及下一时间窗口的窗口标签均为所述离开标签；

将排在所述窗口队列首位的候选时间窗口作为所述到达时间窗口，将排在所述窗口队列末位的候选时间窗口作为所述离开时间窗口。

在另一个实施例中，所述按照所述多个可信度，为所述多个时间窗口中每个时间窗口设置窗口标签，包括：

对于所述多个时间窗口中每个时间窗口，获取所述时间窗口对应的目标可信度，将所述目标可信度包括的目标环境可信度以及目标行为可信度进行比对；

若所述目标环境可信度和所述目标行为可信度一致，则为所述时间窗口设置与所述时间窗口的环境数据和行为数据匹配的窗口标签；

若所述目标环境可信度和所述目标行为可信度不一致，则在所述目标环境可信度和所述目标行为可信度中提取指定可信度，为所述时间窗口设置与所述指定可信度对应的数据匹配的窗口标签，所述指定可信度大于所述目标环境可信度和所述目标行为可信度中除所述指定可信度外的另一个可信度。

在另一个实施例中，所述按照所述多个可信度，为所述多个时间窗口中每个时间窗口设置窗口标签之前，所述方法还包括：

在所述多个可信度中提取待调整可信度，所述待调整可信度包括的环境可信度和行为可信度均低于可信度阈值；

确定所述待调整可信度对应的待调整时间窗口，提取所述待调整时间窗口的前一时间窗口和后一时间窗口；

在所述前一时间窗口和所述后一时间窗口中确定标准时间窗口，所述标准时间窗口包括的环境数据和行为数据与所述待调整时间窗口包括的环境数据和行为数据不一致；

将所述标准时间窗口包括的环境数据、行为数据以及所述标准时间窗口对应的可信度赋值给所述待调整时间窗口，得到调整后的所述待调整时间窗口，并基于调整后的所述待调整时间窗口设置窗口标签。

依据本发明第二方面，提供了一种等待时间获取装置，该装置包括：

获取模块，用于获取目标配送设施在历史配送过程中的多个环境数据以及多个行为数据；

计算模块，用于将所述多个环境数据以及所述多个行为数据映射至所述历史配送过程的多个时间窗口，计算所述多个时间窗口的多个可信度，所述多个可信度指示了所述多个时间窗口对应的环境数据以及行为数据的发生概率；

确定模块，用于根据所述多个可信度，在所述多个时间窗口中确定到达时间窗口以及离开时间窗口；

所述确定模块，还用于将所述到达时间窗口和所述离开时间窗口的时间间隔作为等待时间。

在另一个实施例中，所述获取模块，包括：

提取单元，用于提取所述目标配送设施的终端设备在所述历史配送过程中上传的多个终端信号，所述多个终端信号至少包括惯性信号、蓝牙信号、无线信号、磁感信号以及蜂窝信号；

划分单元，用于基于所述多个终端信号的上传时间，将所述多个终端信号划分为多个信号组，所述多个信号组中每个信号组包括的至少一个终端信号的上传时间一致；

解析单元，用于分别对所述多个信号组进行信号解析，得到所述多个环境数据以及所述多个行为数据。

在另一个实施例中，所述解析单元，用于对于所述多个信号组中每个信号组，读取所述信号组包括的多个目标信号；基于所述多个目标信号，确定所述目标配送设备在所述信号组对应的上传时间所处的环境，得到环境数据，所述环境数据至少为室内环境以及室外环境中的任一种；根据所述多个目标信号，确定所述终端设备在所述信号组对应的上传时间的使用状态以及所述目标配送设施在所述信号组对应的上传时间的运动状态，基于所述使用状态和所述运动状态，得到行为数据，所述行为数据至少为等待行为以及配送行为中的任一种；分别读取所述多个信号组中每个信号组，输出所述每个信号组的环境数据以及行为数据，得到所述多个环境数据以及所述多个行为数据。

在另一个实施例中，所述解析单元，用于当所述使用状态指示所述终端设备执行用户指令且所述运动状态指示所述目标配送设施静止或所述运动状态的运动速度小于速度阈值时，将所述等待行为设置为所述行为数据；当所述使用状态指示所述终端设备处于待机且所述运动状态指示所述配送设施移动或所述运动状态的运动速度大于等于所述速度阈值时，将所述配送行为设置为所述行为数据。

在另一个实施例中，所述计算模块，包括：

划分单元，用于基于预设划分时长，对所述历史配送过程进行时间划分，得到所述多个时间窗口，所述多个时间窗口中每个时间窗口的时长均等于所述预设划分时长；

确定单元，用于对于所述多个环境数据以及所述多个行为数据中每个环境数据或每个行为数据，确定所述每个环境数据或每个行为数据对应的目标上传时间；

映射单元，用于查询所述目标上传时间在所述多个时间窗口中所处的目标时间窗口，将所述每个环境数据或每个行为数据映射至所述目标时间窗口，完成所述多个环境数据以及所述多个行为数据与所述多个时间窗口之间的映射。

在另一个实施例中，所述计算模块，包括：

训练单元，用于采用所述多个时间窗口，对所述多个环境数据以及所述多个行为数据进行时序模型的训练，生成配送过程时序模型，所述配送过程时序模型包括所述多个时间窗口中每个时间窗口对应的预估状态；

获取单元，用于对于所述多个时间窗口中每个时间窗口，获取所述时间窗口在所述配送过程时序模型中对应的目标预估状态；

设置单元，用于当所述时间窗口对应的目标环境数据和目标行为数据与所述目标预估状态匹配时，将所述目标环境数据的环境可信度以及所述目标行为数据的行为可信度设置为第一默认数值，基于所述环境可信度和所述行为可信度组成所述时间窗口的可信度；

所述设置单元，还用于当所述时间窗口对应的目标环境数据或目标行为数据中任一数据与所述目标预估状态不匹配时，计算标准值与第二默认数值的差值，将所述差值作为与所述目标预估状态不匹配的数据的可信度，将所述第二默认数值作为与所述目标预估状态匹配的数据的可信度，得到所述时间窗口的可信度；

所述设置单元，还用于当所述时间窗口对应的目标环境数据或目标行为数据均与所述目标预估状态不匹配时，将所述目标环境数据的环境可信度以及所述目标行为数据的行为可信度设置为第三默认数值，基于所述环境可信度和所述行为可信度组成所述时间窗口的可信度；

所述设置单元，还用于分别计算所述多个时间窗口的可信度，得到所述多个可信度。

在另一个实施例中，所述确定模块，包括：

设置单元，用于按照所述多个可信度，为所述多个时间窗口中每个时间窗口设置窗口标签，所述窗口标签至少为到达标签或离开标签中的任一种；

获取单元，用于在所述多个时间窗口中获取窗口标签为所述到达标签且连续的多个候选时间窗口，采用所述多个候选时间窗口组成窗口队列，所述窗口队列在所述多个时间窗口中的上一时间窗口以及下一时间窗口的窗口标签均为所述离开标签；

确定单元，用于将排在所述窗口队列首位的候选时间窗口作为所述到达时间窗口，将排在所述窗口队列末位的候选时间窗口作为所述离开时间窗口。

在另一个实施例中，所述设置单元，用于对于所述多个时间窗口中每个时间窗口，获取所述时间窗口对应的目标可信度，将所述目标可信度包括的目标环境可信度以及目标行为可信度进行比对；若所述目标环境可信度和所述目标行为可信度一致，则为所述时间窗口设置与所述时间窗口的环境数据和行为数据匹配的窗口标签；若所述目标环境可信度和所述目标行为可信度不一致，则在所述目标环境可信度和所述目标行为可信度中提取指定可信度，为所述时间窗口设置与所述指定可信度对应的数据匹配的窗口标签，所述指定可信度大于所述目标环境可信度和所述目标行为可信度中除所述指定可信度外的另一个可信度。

在另一个实施例中，所述确定模块，还包括：

第一提取单元，用于在所述多个可信度中提取待调整可信度，所述待调整可信度包括的环境可信度和行为可信度均低于可信度阈值；

第二提取单元，用于确定所述待调整可信度对应的待调整时间窗口，提取所述待调整时间窗口的前一时间窗口和后一时间窗口；

所述确定单元，还用于在所述前一时间窗口和所述后一时间窗口中确定标准时间窗口，所述标准时间窗口包括的环境数据和行为数据与所述待调整时间窗口包括的环境数据和行为数据不一致；

调整单元，用于将所述标准时间窗口包括的环境数据、行为数据以及所述标准时间窗口对应的可信度赋值给所述待调整时间窗口，得到调整后的所述待调整时间窗口，并基于调整后的所述待调整时间窗口设置窗口标签。

依据本发明第三方面，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。

依据本发明第四方面，提供了一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法的步骤。

借由上述技术方案，本发明提供的一种等待时间获取方法、装置、计算机设备及可读存储介质，本发明通过获取目标配送设施在历史配送过程中的环境数据以及行为数据，将环境数据以及行为数据映射至历史配送过程的时间窗口，计算时间窗口的可信度，并根据可信度，在时间窗口中确定到达时间窗口以及离开时间窗口，将到达时间窗口和离开时间窗口的时间间隔作为等待时间，利用配送人员在配送过程中的多元数据来计算配送人员的等待时间，解决了基于单一信号的地理围栏覆盖范围过大或者覆盖范围过小的问题，保证采用有效的信息化手段获取等待时间，提升了等待时间计算的准确性，使等待时间令人信服，推动了餐饮服务的智能化进程。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种等待时间获取方法流程示意图；

图2a示出了本发明实施例提供的一种等待时间获取方法流程示意图；

图2b示出了本发明实施例提供的一种等待时间获取方法流程示意图；

图3a示出了本发明实施例提供的一种等待时间获取装置的结构示意图；

图3b示出了本发明实施例提供的一种等待时间获取装置的结构示意图；

图3c示出了本发明实施例提供的一种等待时间获取装置的结构示意图；

图3d示出了本发明实施例提供的一种等待时间获取装置的结构示意图；

图3e示出了本发明实施例提供的一种等待时间获取装置的结构示意图；

图3f示出了本发明实施例提供的一种等待时间获取装置的结构示意图；

图4示出了本发明实施例提供的一种计算机设备的装置结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种等待时间获取方法，如图1所示，该方法包括：

101、获取目标配送设施在历史配送过程中的多个环境数据以及多个行为数据。

102、将多个环境数据以及多个行为数据映射至历史配送过程的多个时间窗口，计算多个时间窗口的多个可信度，多个可信度指示了多个时间窗口对应的环境数据以及行为数据的发生概率。

103、根据多个可信度，在多个时间窗口中确定到达时间窗口以及离开时间窗口。

104、将到达时间窗口和离开时间窗口的时间间隔作为等待时间。

本发明实施例提供的方法，通过获取目标配送设施在历史配送过程中的环境数据以及行为数据，将环境数据以及行为数据映射至历史配送过程的时间窗口，计算时间窗口的可信度，并根据可信度，在时间窗口中确定到达时间窗口以及离开时间窗口，将到达时间窗口和离开时间窗口的时间间隔作为等待时间，利用配送人员在配送过程中的多元数据来计算配送人员的等待时间，解决了基于单一信号的地理围栏覆盖范围过大或者覆盖范围过小的问题，保证采用有效的信息化手段获取等待时间，提升了等待时间计算的准确性，使等待时间令人信服，推动了餐饮服务的智能化进程。

本发明实施例提供了一种等待时间获取方法，如图2a所示，该方法包括：

201、获取目标配送设施在历史配送过程中的多个环境数据以及多个行为数据。

目前，在外卖行业中一直存在一个问题，就是如何有效判断配送人员在商品配送的过程中是否曾经在商家的门店处或者顾客所在处等待过以及等待多长的时间。在外卖的高峰时间段，由于商家的出餐压力直线上升，出餐速度比闲时降低很多，甚至可能出现爆单的情况，配送人员会被迫在门店中等待。而由于没有一个有效的方法来判断配送人员是否在曾经等待过，使得平台也无法有效的得出配送人员的等待时间，后续也无法根据曾经的等待时间实现等待时间的预测，也无法根据等待时间给配送人员提出有效的建议，因此，这就可能在实际应用的过程中造成一系列的问题。首先，配送人员在门店中等待会导致送餐的效率下降，甚至会超时。其次，配送人员的等待时间过长会使配送人员与商家之间由于鉴责而生成矛盾，需要平台进行仲裁，而平台中却缺乏仲裁的有力证据。所以，当前存在两种获取配送人员等待时间的方法，一种方法是通过gps和配送人员的报备来确定配送人员是否到店，具体的判断逻辑是如果配送人员向平台报备已经到店，而且平台基于gps检测到配送人员与门店之间的距离小于预先设置好的距离阈值，则可以确定配送人员已经到达门店，开始计时，并采用同样的方式检测到配送人员离店时停止计时，即可获取配送人员的等待时间。另一种方法是通过蓝牙和wifi(wireless-fidelity，无线网)确定配送人员何时到店以及何时离店，具体的判断逻辑是商家的门店中会设置商家的蓝牙以及wifi，如果配送人员所持的终端设置与商家的蓝牙以及wifi成功连接，则可以确定配送人员到店，开始计时，同样如果连接断开则可以确定配送人员已经离店，停止计时，得到等待时间。

但是，发明人认识到，采用上述两种方式获取配送人员的等待时间都存在一定的缺陷。第一种方法的缺陷在于，gps的精度是会受到环境的影响的，在室内、电梯、楼梯、走廊等密闭空间中gps的精度较差，会不断发生跳动，单纯利用gps确定配送人员与门店之间的距离是存在较大误差的。而且，报备属于配送人员的主动行为，是存在作弊空间的，很有可能配送人员没有到达却向平台报备已经到达，这对于商家来说是不公平的。而第二种方法的缺陷在于，蓝牙通讯的距离太短，且蓝牙的兼容性较差，很可能配送人员已经到达却无法连接门店的蓝牙。而wifi的通信距离较长，同时具有一定的穿透力，有时配送人员还在门店的楼下或者与门店存在一定的距离时就已经连接到门店的wifi，导致蓝牙与wifi的结合判断也是存在一定的误差和失败的可能的。因此，本发明提出了一种等待时间的获取方法，通过对历史配送过程中配送人员所处环境以及配送人员的行为进行数据采集，得到环境数据和行为数据，采用建立时序模型的方式计算配送人员在各个时间片内对应的环境数据和行为数据的可信度，基于可信度高的时间片确定配送人员何时到达店以及何时离开，进而获取配送人员的等待时间，利用配送人员在配送过程中的多元数据建模来计算配送人员的等待时间，解决了基于单一信号的地理围栏覆盖范围过大或者覆盖范围过小的问题，提升了等待时间计算的准确性。下面本发明以确定配送人员是否到达门店以及配送人员在门店中的等待时长为例进行说明，而在实际应用的过程中，也可以采用相同的逻辑来判断配送人员是否到达顾客所在处以及在顾客所在处的等待时长，本发明对具体判断配送人员在哪一个过程中的等待时长不进行具体限定。

因此，为了实现本发明，需要对配送人员在配送过程中的环境数据和行为数据进行采集。需要说明的是，本发明实施例中以目标配送设施为例进行说明，其中，目标配送设施实际上可以是选取的外卖员、快递员、配送机器人、配送箱等等，只要具有配送功能的设施均可以为其获取等待时间，本发明对配送设施的具体样式不进行限定。在获取目标配送设施在历史配送过程中的多个环境数据以及多个行为数据时，由于每个配送设施都会携带一个用于通讯的终端设备，而当前的终端设备通常都配备有多个不同功能传感器，比如用于感知配送设施加速度或者角速度等的imu传感器、用于感知外界因素引起敏感元件磁性能变化的磁传感器等等，还会配备有蓝牙模块、无线模块、蜂窝模块等各种与外界通讯的模块等等，因此，可以通过终端设备在历史配送过程中向平台上传的各种类型的信号，总结统计出目标配送设施在历史配送过程中的多个环境数据以及行为数据。具体获取多个环境数据和多个行为数据的过程如下：首先，提取目标配送设施的终端设备在历史配送过程中上传的多个终端信号，其中，多个终端信号至少包括惯性信号、蓝牙信号、无线信号、磁感信号以及蜂窝信号。需要说明的是，在提取了多个终端信号后，考虑到终端信号是存在错误的可能性的，连续上传的终端信号中很可能存在与大多数终端信号完全相反的终端信号，为了降低后续确定等待时间的误差，在获取到多个终端信号后，可对多个终端信号进行异常值过滤、去噪和滤波处理，也即对得到的终端信号进行数据预处理，从而将异常的终端信号抛弃。随后，基于多个终端信号的上传时间，将多个终端信号划分为多个信号组，多个信号组中每个信号组包括的至少一个终端信号的上传时间一致，也就是说将同一时间上传的信号划分到同一个信号组，进而通过对该信号组进行信号解析，可以得到目标配送设施在信号组的上传时间所处的环境以及进行的行为，将环境和行为综合起来判断目标配送设施在上传时间是否已经到达或者离开。最后，分别对多个信号组进行信号解析，得到多个环境数据以及多个行为数据。

其中，以多个信号组中任一信号组为例来说明信号组进行信号解析的过程，具体过程如下：首先，对于多个信号组中每个信号组，读取信号组包括的多个目标信号。其次，基于多个目标信号，确定目标配送设备在信号组对应的上传时间所处的环境，得到环境数据，环境数据至少为室内环境以及室外环境中的任一种。由于目标信号会包括惯性信号、蓝牙信号、无线信号、磁感信号以及蜂窝信号，而不同类型的终端信号是具有不同的特性的，例如，蓝牙信号、无线信号以及磁感信号在室内容易发生跳动，单纯使用其中某一个信号来确定目标配送设施是否处于室内容易造成假正例与假负例。鉴于此，在确定环境数据时，需要将不同类型的终端信号结合起来判断配送设施当前所处哪种类型的环境，例如，由于进入室内后，湿度、温度会变化，目标配送设施的速度会放缓，终端设备是很可能与门店中的wifi成功连接的，且门店内的通讯质量较室外会变差，所以，可基于磁感信号、惯性信号、无线信号和蜂窝信号判断配送设施是否处于室内。再有，目标配送设施乘坐电梯时会随着电梯上升或者下降，电梯的速度较快，且电梯中的环境与室内以及室外都是存在差异的，所以，可基于磁感信号和惯性信号判断配送设施是否处于电梯轿厢内。还有，由于目标配送设施处于门店周围时，只有wifi的强穿透性会使得无线信号发生变化，所以，可基于无线信号判断配送设施是否处于门店周围等等。

在确定了环境数据后，还需要基于多个目标信号得到目标配送设施的行为数据。配送设施在配送过程中的运动状态大致可以划分为宏观状态和微观状态两种，宏观状态包括骑行、极速步行、缓速步行、静止等状态。微观状态包括配送设施基于终端设备产生的行为状态，比如打电话、电话放在口袋中、手持使用电话、手持随意摆动电话等等。无论是宏观状态还是微观状态，都与配送设施是否已经达到门店直接相关。一般来说，配送设施处于门店时，只有静止和缓行两种宏观状态，可能有打电话、手持使用电话等微观状态。相反，配送设施在室外时，会有骑行、极速步行等宏观状态，会有电话放在口袋中、手持随意摆动电话等微观状态，也就是说，配送设施处于门店内或者门店外时，无论是宏观状态还是微观状态，都是明显互斥的，所以，可以基于多个目标信号得到目标配送设施的行为数据。具体得到行为数据的过程如下：根据多个目标信号，确定终端设备在信号组对应的上传时间的使用状态以及目标配送设施在信号组对应的上传时间的运动状态，基于使用状态和运动状态，得到行为数据，行为数据至少为等待行为以及配送行为中的任一种。具体地，当使用状态指示终端设备执行用户指令且运动状态指示目标配送设施静止或运动状态的运动速度小于速度阈值时，将等待行为设置为行为数据。也就是说，终端设备执行配送设施的用户指令可以确定配送设施正在使用终端设备，且配送设施静止或者缓行，两者结合可以直接说明配送设施正在门店中等待，将等待行为设置为行为数据即可。当使用状态指示终端设备处于待机且运动状态指示配送设施移动或运动状态的运动速度大于等于速度阈值时，将配送行为设置为行为数据。也就是说，终端设备没有被配送设施使用，可能正在配送设施的口袋中，且配送设施正在骑行或者极速步行中，两者结合可以直接说明配送设施正在室外进行配送，没有在门店中等待，所以，将配送行为设置为行为数据。

通过上述过程，便实现了对信号组中包括的目标信号的信号解析，根据信号组中的实际情况生成了该信号组的环境数据以及行为数据。重复进行上述过程，便可以分别读取多个信号组中每个信号组，输出每个信号组的环境数据以及行为数据，得到多个环境数据以及多个行为数据。需要说明的是，上述输出环境数据以及行为数据的过程并不存在明显的先后顺序，可以同时执行，也可以次序执行，本发明对此不进行具体限定。

202、将多个环境数据以及多个行为数据映射至历史配送过程的多个时间窗口。

在本发明实施例中，在确定了多个环境数据以及多个行为数据之后，为了将多个环境数据以及多个行为数据集成起来研究，需要基于多个环境数据以及多个行为数据建立时序模型，从而在后续可以对多个环境数据以及多个行为数据进行可信度的分析。其中，建立时序模型是需要按照时间片进行数据的建模的，因此，需要将历史配送过程划分为多个时间片，一个时间片也就是一个时间窗口，将多个环境数据以及多个行为数据分别映射到不同的时间窗口中，从而后续按照时间窗口的不同数据建立时序模型。具体地，在将多个环境数据以及多个行为数据映射至历史配送过程的多个时间窗口时，首先，需要基于预设划分时长，对历史配送过程进行时间划分，得到多个时间窗口，其中，多个时间窗口中每个时间窗口的时长均等于预设划分时长。随后，对于多个环境数据以及多个行为数据中每个环境数据或每个行为数据，确定每个环境数据或每个行为数据对应的目标上传时间，查询目标上传时间在多个时间窗口中所处的目标时间窗口，将每个环境数据或每个行为数据映射至目标时间窗口，完成多个环境数据以及多个行为数据与多个时间窗口之间的映射。

203、计算多个时间窗口的多个可信度。

在本发明实施例中，当完成了数据与时间窗口之间的映射后，便可以根据每个时间窗口对应的数据，计算多个时间窗口的多个可信度。其中，多个可信度指示了多个时间窗口对应的环境数据以及行为数据的发生概率，也就是说，可信度指示了在当前时间窗口有百分之多少的概率配送设施是处于时间窗口的环境数据以及行为数据指示的状态的，通过这个可信度后续是可以对每个时间窗口进行打标的，将目标配送设施的状态标注在时间窗口上，从而确定在哪个时间窗口目标配送设施到达，哪个时间窗口目标配送设施离开。因此，首先，采用多个时间窗口，对多个环境数据以及多个行为数据进行时序模型的训练，生成配送过程时序模型。其中，配送过程时序模型包括多个时间窗口中每个时间窗口对应的预估状态，也就是说，配送过程时序模型实际上是根据全局的环境数据以及行为数据，结合整个历史配送过程中经历的全部时长来预测目标配送设施在每个时间窗口实际上应该是处于哪种状态的，从而在后续将预估的状态与时间窗口实际对应的环境数据以及行为数据进行比对，确定时间窗口有百分之多少的概率会真正产生对应的环境数据以及行为数据。

在构建了配送过程时序模型之后，对于多个时间窗口中每个时间窗口，获取时间窗口在配送过程时序模型中对应的目标预估状态。当时间窗口对应的目标环境数据和目标行为数据与目标预估状态匹配时，也就表示基于配送过程时序模型预估的状态与时间窗口对应的环境数据和行为数据对应的状态是一致的，三者一致时，环境数据和行为数据的可信度是很高的，所以，将目标环境数据的环境可信度以及目标行为数据的行为可信度设置为第一默认数值，基于环境可信度和行为可信度组成时间窗口的可信度。其中，第一默认数值实际上可以是100％，用100％来证明三者的一致性。进一步地，当时间窗口对应的目标环境数据或目标行为数据中任一数据与目标预估状态不匹配时，表示其中可能有数据的采集发生错误，该数据的可信性存在质疑，因此，获取第二默认数值，计算标准值与第二默认数值的差值，将差值作为与目标预估状态不匹配的数据的可信度，将第二默认数值作为与目标预估状态匹配的数据的可信度，得到时间窗口的可信度。其中，第二默认数值实际上可以是66％，标准值实际上可以是1，例如，假设目标预估状态为等待状态，环境数据指示处于门店等待，行为数据指示处于配送中，则为环境数据设置的环境可信度可为66％，为行为数据设置的行为可信度可为1-66％＝34％。进一步地，当时间窗口对应的目标环境数据或目标行为数据均与目标预估状态不匹配时，考虑到目标预估状态是针对全局的大数据得到的，会综合考虑当前时间窗口之前以及之后的时间窗口的数据的，较环境数据以及行为数据而言，说服力较强，因此，可以获取第三默认数值，将目标环境数据的环境可信度以及目标行为数据的行为可信度设置为第三默认数值，基于环境可信度和行为可信度组成时间窗口的可信度，其中，第三默认数值实际上可以是一个较低的数值，例如1％，用1％来强调环境数据、行为数据与目标预估状态是截然相反的。或者，也可以考虑目标环境数据和目标行为数据的一致性，将目标环境数据的环境可信度以及目标行为数据的行为可信度都设置为上述提及的标准值与第二默认数值的差值，将环境数据和行为数据的可能性也考虑进来。需要说明的是，上述设置的数据均为一种举例说明，实际应用的过程中，也可以采用大数据计算各个数值，或者也可以直接基于生成的配送过程时序模型对每个时间窗口的环境数据和行为数据进行评估，由配送过程时序模型直接输出环境可信度以及行为可信度，本发明对生成可信度的方式不进行具体限定。

通过重复执行上述过程，就可以分别计算多个时间窗口的可信度，得到多个可信度。

204、根据多个可信度，在多个时间窗口中确定到达时间窗口以及离开时间窗口。

在本发明实施例中，当确定了多个可信度后，便可以根据多个可信度，在多个时间窗口中确定到达时间窗口以及离开时间窗口。其中，参见上述步骤203中的内容可知，有些时间窗口对应的环境可信度和行为可信度是很低的，可能会达到1％，这种可信度很可能是由于环境数据和行为数据的判定错误导致的，需要对环境数据和行为数据进行调整，使其可信度提高，保证后续对时间窗口的打标是准确的，因此，在获取到多个可信度后，需要先确定待调整可信度，对待调整可信度进行调整，保证全部的可信度都能处于较高的数值。其中，在对可信度进行调整时，首先，需要在多个可信度中提取待调整可信度，待调整可信度实际上也就是其中包括的环境可信度和行为可信度均低于可信度阈值，可信度阈值具体可为2％、50％等等，本发明对此不进行具体限定。随后，开始对待调整可信度对应的待调整时间窗口进行数据的调整。其中，调整机制是根据待调整时间窗口的前一时间窗口和后一时间窗口综合起来进行调整的，因此，需要提取待调整时间窗口的前一时间窗口和后一时间窗口，在前一时间窗口和后一时间窗口中确定标准时间窗口，标准时间窗口包括的环境数据和行为数据与待调整时间窗口包括的环境数据和行为数据不一致。也就是说，如果前一时间窗口或者后一时间窗口与待调整时间窗口包括的环境数据和行为数据一致，且与待调整时间窗口一致的这个时间窗口也没有因为可信度过低而被提取出来，则表示这个时间窗口是可信的，而待调整时间窗口中包括的数据需要按照与其数据不一致的那个时间窗口进行调整，所以，才会将与待调整时间窗口的数据不一致的时间窗口作为标准时间窗口。最后，将标准时间窗口包括的环境数据、行为数据以及标准时间窗口对应的可信度赋值给待调整时间窗口，得到调整后的待调整时间窗口，并在后续基于调整后的待调整时间窗口设置窗口标签。例如，假设待调整时间窗口中环境数据指示处于室内，行为数据指示等待，而前一时间窗口的环境数据指示处于室外，行为数据指示配送，后一时间窗口的环境数据指示处于室内，行为数据指示等待，则前一时间窗口即为标准时间窗口，将待调整时间窗口按照前一时间窗口调整为环境数据指示处于室外，行为数据指示配送即可，并将前一时间窗口的可信度也设置在待调整窗口中。需要说明的是，很可能前一时间窗口和后一时间窗口的数据均与待调整窗口的数据不一致，则说明前一时间窗口和后一时间窗口的数据是一致的，所以，在前一时间窗口和后一时间窗口选取任一时间窗口对待调整时间窗口进行调整即可。

在实际应用的过程中，上述对时间窗口的调整过程可以基于递归模型来执行，也即上述过程中得到的各个时间窗口对应的环境数据、行为数据以及可信度都输入到递归模型中，由递归模型对可信度比较低的时间窗口进行判断以及调整。具体地，递归模型可以是lstm(longshort-termmemory，长短期记忆网络)、gru(gaterecurrentunit，循环神经网络)等等，本发明对递归模型的具体内容不进行限定。

当完成了可信度的调整后，当前全部时间窗口对应的可信度以及数据都是相对准确的，因此，可以按照多个可信度，为多个时间窗口中每个时间窗口设置窗口标签，用窗口标签来指示目标配送设施在各个时间窗口所处的状态，具体地，窗口标签至少为到达标签或离开标签中的任一种。在设置窗口标签时，对于多个时间窗口中每个时间窗口，考虑到有些时间窗口中环境可信度以及行为可信度是不同的，有高有低，而且低的那一个并没有达到上述进行调整的标准，所以，需要获取时间窗口对应的目标可信度，将目标可信度包括的目标环境可信度以及目标行为可信度进行比对。若目标环境可信度和目标行为可信度一致，则表示该时间窗口中环境数据和行为数据指示的状态是一致且较为可信的，所以，为时间窗口设置与时间窗口的环境数据和行为数据匹配的窗口标签。若目标环境可信度和目标行为可信度不一致，则需要在目标环境可信度和目标行为可信度中提取指定可信度，为时间窗口设置与指定可信度对应的数据匹配的窗口标签，其中，指定可信度大于目标环境可信度和目标行为可信度中除指定可信度外的另一个可信度，也就是说，在两个可信度中确定较大的可信度，为时间窗口设置较大的可信度对应的数据所匹配的窗口标签。例如，假设时间窗口中的环境数据对应的环境可信度为66％，行为数据对应的行为可信度为34％，则为时间窗口设置的窗口标签是与环境数据匹配的。

在按照多个可信度为多个时间窗口中每个时间窗口设置窗口标签之后，在多个时间窗口中获取窗口标签为到达标签且连续的多个候选时间窗口，采用多个候选时间窗口组成窗口队列，其中，窗口队列在多个时间窗口中的上一时间窗口以及下一时间窗口的窗口标签均为离开标签。也就是说，假设时间窗口a的窗口标签为离开标签，时间窗口b至e的窗口标签为到达标签，时间窗口e的下一时间窗口为f，时间窗口f的窗口标签为离开标签，则窗口队列即为时间窗口b至e。随后，将排在窗口队列首位的候选时间窗口作为到达时间窗口，将排在窗口队列末位的候选时间窗口作为离开时间窗口。继续以上述例子说明，假设窗口队列为时间窗口b至e，则到达时间窗口为b，离开时间窗口为e。需要说明的是，由于递归模型具有基于时间进行递推处理数据的特性，所以，在确定到达时间窗口和离开时间窗口时，也可以基于递归模型实现。

205、将到达时间窗口和离开时间窗口的时间间隔作为等待时间。

在本发明实施例中，当确定了到达时间窗口和离开时间窗口后，便可将到达时间窗口和离开时间窗口的时间间隔作为等待时间。具体地，可以确定到达时间窗口的开始时间点，确定离开时间窗口的结束时间点，将开始时间点和结束时间点之间的时间间隔作为等待时间。

综上所述，整个流程总结如下：

参见图2b，获取终端设备采集的多个终端信号，对多个终端信号进行异常值过滤、去噪以及滤波处理，并基于处理后的多个终端信号获取配送设施在配送过程中的环境数据以及行为数据。通过环境数据以及行为数据进行建模，得到时序模型，采用时序模型确定环境数据以及行为数据的可信度，并基于递归网络对可信度进行调整以及确定配送设施的到达时间以及离开时间，进而得到配送设施的等待时间。

本发明实施例提供的方法，通过获取目标配送设施在历史配送过程中的环境数据以及行为数据，将环境数据以及行为数据映射至历史配送过程的时间窗口，计算时间窗口的可信度，并根据可信度，在时间窗口中确定到达时间窗口以及离开时间窗口，将到达时间窗口和离开时间窗口的时间间隔作为等待时间，利用配送人员在配送过程中的多元数据来计算配送人员的等待时间，解决了基于单一信号的地理围栏覆盖范围过大或者覆盖范围过小的问题，保证采用有效的信息化手段获取等待时间，提升了等待时间计算的准确性，使等待时间令人信服，推动了餐饮服务的智能化进程。

进一步地，作为图1所述方法的具体实现，本发明实施例提供了一种等待时间获取装置，如图3a所示，所述装置包括：获取模块301，计算模块302和确定模块303。

该获取模块301，用于获取目标配送设施在历史配送过程中的多个环境数据以及多个行为数据；

该计算模块302，用于将所述多个环境数据以及所述多个行为数据映射至所述历史配送过程的多个时间窗口，计算所述多个时间窗口的多个可信度，所述多个可信度指示了所述多个时间窗口对应的环境数据以及行为数据的发生概率；

该确定模块303，用于根据所述多个可信度，在所述多个时间窗口中确定到达时间窗口以及离开时间窗口；

该确定模块303，还用于将所述到达时间窗口和所述离开时间窗口的时间间隔作为等待时间。

在具体的应用场景中，如图3b所示，该获取模块301，包括：提取单元3011，划分单元3012和解析单元3013。

该提取单元3011，用于提取所述目标配送设施的终端设备在所述历史配送过程中上传的多个终端信号，所述多个终端信号至少包括惯性信号、蓝牙信号、无线信号、磁感信号以及蜂窝信号；

该划分单元3012，用于基于所述多个终端信号的上传时间，将所述多个终端信号划分为多个信号组，所述多个信号组中每个信号组包括的至少一个终端信号的上传时间一致；

该解析单元3013，用于分别对所述多个信号组进行信号解析，得到所述多个环境数据以及所述多个行为数据。

在具体的应用场景中，该解析单元3013，用于对于所述多个信号组中每个信号组，读取所述信号组包括的多个目标信号；基于所述多个目标信号，确定所述目标配送设备在所述信号组对应的上传时间所处的环境，得到环境数据，所述环境数据至少为室内环境以及室外环境中的任一种；根据所述多个目标信号，确定所述终端设备在所述信号组对应的上传时间的使用状态以及所述目标配送设施在所述信号组对应的上传时间的运动状态，基于所述使用状态和所述运动状态，得到行为数据，所述行为数据至少为等待行为以及配送行为中的任一种；分别读取所述多个信号组中每个信号组，输出所述每个信号组的环境数据以及行为数据，得到所述多个环境数据以及所述多个行为数据。

在具体的应用场景中，该解析单元3013，用于当所述使用状态指示所述终端设备执行用户指令且所述运动状态指示所述目标配送设施静止或所述运动状态的运动速度小于速度阈值时，将所述等待行为设置为所述行为数据；当所述使用状态指示所述终端设备处于待机且所述运动状态指示所述配送设施移动或所述运动状态的运动速度大于等于所述速度阈值时，将所述配送行为设置为所述行为数据。

在具体的应用场景中，如图3c所示，该计算模块302，包括：划分单元3021，确定单元3022和映射单元3023。

该划分单元3021，用于基于预设划分时长，对所述历史配送过程进行时间划分，得到所述多个时间窗口，所述多个时间窗口中每个时间窗口的时长均等于所述预设划分时长；

该确定单元3022，用于对于所述多个环境数据以及所述多个行为数据中每个环境数据或每个行为数据，确定所述每个环境数据或每个行为数据对应的目标上传时间；

该映射单元3023，用于查询所述目标上传时间在所述多个时间窗口中所处的目标时间窗口，将所述每个环境数据或每个行为数据映射至所述目标时间窗口，完成所述多个环境数据以及所述多个行为数据与所述多个时间窗口之间的映射。

在具体的应用场景中，如图3d所示，该计算模块302，包括：训练单元3024，获取单元3025和设置单元3026。

该训练单元3024，用于采用所述多个时间窗口，对所述多个环境数据以及所述多个行为数据进行时序模型的训练，生成配送过程时序模型，所述配送过程时序模型包括所述多个时间窗口中每个时间窗口对应的预估状态；

该获取单元3025，用于对于所述多个时间窗口中每个时间窗口，获取所述时间窗口在所述配送过程时序模型中对应的目标预估状态；

该设置单元3026，用于当所述时间窗口对应的目标环境数据和目标行为数据与所述目标预估状态匹配时，将所述目标环境数据的环境可信度以及所述目标行为数据的行为可信度设置为第一默认数值，基于所述环境可信度和所述行为可信度组成所述时间窗口的可信度；

该设置单元3026，还用于当所述时间窗口对应的目标环境数据或目标行为数据中任一数据与所述目标预估状态不匹配时，计算标准值与第二默认数值的差值，将所述差值作为与所述目标预估状态不匹配的数据的可信度，将所述第二默认数值作为与所述目标预估状态匹配的数据的可信度，得到所述时间窗口的可信度；

该设置单元3026，还用于当所述时间窗口对应的目标环境数据或目标行为数据均与所述目标预估状态不匹配时，将所述目标环境数据的环境可信度以及所述目标行为数据的行为可信度设置为第三默认数值，基于所述环境可信度和所述行为可信度组成所述时间窗口的可信度；

该设置单元3026，还用于分别计算所述多个时间窗口的可信度，得到所述多个可信度。

在具体的应用场景中，如图3e所示，该确定模块303，包括：设置单元3031，获取单元3032和确定单元3033。

该设置单元3031，用于按照所述多个可信度，为所述多个时间窗口中每个时间窗口设置窗口标签，所述窗口标签至少为到达标签或离开标签中的任一种；

该获取单元3032，用于在所述多个时间窗口中获取窗口标签为所述到达标签且连续的多个候选时间窗口，采用所述多个候选时间窗口组成窗口队列，所述窗口队列在所述多个时间窗口中的上一时间窗口以及下一时间窗口的窗口标签均为所述离开标签；

该确定单元3033，用于将排在所述窗口队列首位的候选时间窗口作为所述到达时间窗口，将排在所述窗口队列末位的候选时间窗口作为所述离开时间窗口。

在具体的应用场景中，该设置单元3031，用于对于所述多个时间窗口中每个时间窗口，获取所述时间窗口对应的目标可信度，将所述目标可信度包括的目标环境可信度以及目标行为可信度进行比对；若所述目标环境可信度和所述目标行为可信度一致，则为所述时间窗口设置与所述时间窗口的环境数据和行为数据匹配的窗口标签；若所述目标环境可信度和所述目标行为可信度不一致，则在所述目标环境可信度和所述目标行为可信度中提取指定可信度，为所述时间窗口设置与所述指定可信度对应的数据匹配的窗口标签，所述指定可信度大于所述目标环境可信度和所述目标行为可信度中除所述指定可信度外的另一个可信度。

在具体的应用场景中，如图3f所示，该确定模块303，还包括：第一提取单元3034，第二提取单元3035和调整单元3036。

该第一提取单元3034，用于在所述多个可信度中提取待调整可信度，所述待调整可信度包括的环境可信度和行为可信度均低于可信度阈值；

该第二提取单元3035，用于确定所述待调整可信度对应的待调整时间窗口，提取所述待调整时间窗口的前一时间窗口和后一时间窗口；

该确定单元3033，还用于在所述前一时间窗口和所述后一时间窗口中确定标准时间窗口，所述标准时间窗口包括的环境数据和行为数据与所述待调整时间窗口包括的环境数据和行为数据不一致；

该调整单元3036，用于将所述标准时间窗口包括的环境数据、行为数据以及所述标准时间窗口对应的可信度赋值给所述待调整时间窗口，得到调整后的所述待调整时间窗口，并基于调整后的所述待调整时间窗口设置窗口标签。

本发明实施例提供的装置，通过获取目标配送设施在历史配送过程中的环境数据以及行为数据，将环境数据以及行为数据映射至历史配送过程的时间窗口，计算时间窗口的可信度，并根据可信度，在时间窗口中确定到达时间窗口以及离开时间窗口，将到达时间窗口和离开时间窗口的时间间隔作为等待时间，利用配送人员在配送过程中的多元数据来计算配送人员的等待时间，解决了基于单一信号的地理围栏覆盖范围过大或者覆盖范围过小的问题，保证采用有效的信息化手段获取等待时间，提升了等待时间计算的准确性，使等待时间令人信服，推动了餐饮服务的智能化进程。

需要说明的是，本发明实施例提供的一种等待时间获取装置所涉及各功能单元的其他相应描述，可以参考图1和图2a至图2b中的对应描述，在此不再赘述。

在示例性实施例中，参见图4，还提供了一种设备，该设备400包括通信总线、处理器、存储器和通信接口，还可以包括、输入输出接口和显示设备，其中，各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序，处理器，用于执行存储器上所存放的程序，执行上述实施例中的等待时间获取方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的等待时间获取方法的步骤。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。

本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。

以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。