技术特征：
1.一种配送路径预测网络训练方法，其特征在于，包括：获得待处理的订单数据及配送信息；使用旋转矩阵对待处理的订单数据及配送信息进行旋转处理，得到旋转处理后的目标增强数据；使用目标增强数据训练基于多头注意力机制的配送路径预测网络，得到目标配送路径预测网络。2.根据权利要求1所述的方法，其特征在于，还包括：获得随机生成的均匀分布矩阵；对所述均匀分布矩阵进行svd奇异值分解，得到随机的矩阵，作为所述旋转矩阵。3.根据权利要求1所述的方法，其特征在于，所述使用旋转矩阵对待处理的订单数据及配送信息进行旋转处理，得到旋转处理后的目标增强数据，包括：对待处理的订单数据及配送信息加入均匀分布的噪声，得到第一增强数据；对第一增强数据进行旋转处理，得到旋转处理后的第二增强数据，将第二增强数据作为目标增强数据。4.根据权利要求1所述的方法，其特征在于，所述使用旋转矩阵对待处理的订单数据及配送信息进行旋转处理，包括：根据待处理的订单数据及配送信息，生成输入向量；所述输入向量包括下述信息：订单数据的配送对象的提取位置及目的位置，配送资源的起始位置；使用旋转矩阵对输入向量进行旋转处理。5.根据权利要求4所述的方法，其特征在于，所述输入向量还包括下述至少一种信息：配送资源与提取位置之间的距离信息，配送资源与目的位置之间的距离信息，配送对象的配备时间信息。6.根据权利要求1所述的方法，其特征在于，所述配送路径预测网络包括：编码网络；以及解码网络；所述使用目标增强数据训练基于多头注意力机制的配送路径预测网络，得到目标配送路径预测网络，包括：将目标增强数据输入所述编码网络，得到嵌入向量；对所述嵌入向量取平均值，得到图嵌入向量；将嵌入向量及图嵌入向量输入所述解码网络，得到订单数据对应的提取配送顺序；根据提取配送顺序训练配送路径预测网络，得到目标配送路径预测网络。7.根据权利要求1所述的方法，其特征在于，还包括：在配送路径预测网络的至少一个多头注意力层进行实例归一化处理。8.根据权利要求1所述的方法，其特征在于，还包括：在配送路径预测网络中使用掩码机制剔除配送路径预测网络的当前一次训练中异常数据；所述异常数据包括：与未提取过的提取位置对应的配送中或已送达的目的位置。9.一种配送资源调度方法，其特征在于，包括：将待分派的订单数据及配送资源信息输入配送路径预测网络，预测将所述订单数据分派给配送资源后配送资源的提取配送顺序；根据配送资源的提取配送顺序，将所述订单数据分派给目标配送资源；
其中，所述配送路径预测网络为权利要求1至8中任一所述的配送路径预测网络。10.根据权利要求9所述的方法，其特征在于，所述将待分派的订单数据及配送资源信息输入配送路径预测网络，包括：将待分派的订单数据及配送资源信息加入均匀分布的噪声后输入配送路径预测网络。