分配模型建立方法、分配方法以及相关装置制造方法及图纸

本发明专利技术实施例提供一种分配模型建立方法、分配方法以及相关装置，涉及数据建模领域和快递领域。其中，所述分配模型建立方法包括：根据配送员的历史配送地址确定所述配送员的中心配送位置集；基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系，其中，所述各项特征包括订单的配送地址和所述中心配送位置集的位置关系；根据所述中心配送位置集、所述各项特征、所述各项特征的权重以及关联关系建立所述配送员的分配模型。本发明专利技术实施例提供的技术方案能够构建客观的分配模型，提高/优化配送结果，提高用户体验。

Distribution model building method, distribution method, and related device

The embodiment of the invention provides an allocation model, a method for establishing, a distribution method and a related device, relating to the field of data modeling and the field of express delivery. Among them, the distribution models include: according to the distribution center location determines the delivery history delivery address distribution members set; based on the characteristic values of the first sample orders each order and distribution results and the distribution center location for supervised learning, determine the feature weights and the relationship among them, the the features include position between the order and the delivery address distribution center location set; according to the distribution center location, the characteristics of the set, the weight and the distribution of the characteristics of the association established the model of distribution. The technical proposal provided by the embodiment of the invention can construct an objective distribution model to improve / optimize the distribution result and improve the user experience.

【技术实现步骤摘要】
分配模型建立方法、分配方法以及相关装置
本专利技术实施例涉及数据建模领域以及快递领域，尤其涉及一种分配模型建立方法、分配方法以及相关装置。
技术介绍
随着快递领域的不断发展，配送的配送件(例如，包裹)的种类、数量越来越大。现有的人工分拣已经不适合当前的状况。需要一个更加快捷、准确的分配配送件的技术。具体而言，现在的快递在到达分拣点后，需要通过人工分拣从而将包裹分配给配送员。这种方式存在以下缺陷：1、人工分拣适用于包裹数量低，种类少的情况。对于多种类，多数量的包裹，效率低，耗时长。2、人工分拣结果容易因人的主观因素产生偏差，同时无法估计到客观因素的影响，导致最终的配送结果不理想。
技术实现思路
本专利技术实施例提供一种分配模型建立方法、分配方法以及相关装置，用以解决现有技术中无法客观分配配送件、配送效果不佳的问题。第一方面，本专利技术实施例中提供了一种分配模型建立方法，包括：根据配送员的历史配送地址确定所述配送员的中心配送位置集；基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系，其中，所述各项特征包括订单的配送地址和所述中心配送位置集的位置关系；根据所述中心配送位置集、所述各项特征、所述各项特征的权重以及关联关系建立所述配送员的分配模型。第二方面，本专利技术实施例提供一种分配模型建立装置，包括：中心确定模块，用于根据配送员的历史配送地址确定所述配送员的中心配送位置集；权重及关系确定模块，用于基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系，其中，所述各项特征包括订单的配送地址和所述中心配送位置集的位置关系；模型建立模块，用于根据所述中心配送位置集、所述各项特征、所述各项特征的权重以及所述各项特征之间的关联关系建立所述配送员的分配模型。第三方面，本专利技术实施例提供一种配送件分配方法，该方法基于第一方面或其具体实现方式的分配模型而实现。所述方法包括：获取配送件的特征取值；将所述配送件的特征取值输入不同配送员的所述分配模型，得到所述不同配送员的预测配送结果；从所述不同配送员中选取预测配送结果满足设定条件的配送员作为所述配送件的配送员。第四方面，本专利技术实施例提供一种配送件分配装置，用于基于第一方面或其具体实现方式的分配模型分配配送件。所述装置包括：获取模块，用于获取配送件的特征取值；预测模块，用于将所述配送件的特征取值输入不同配送员的所述分配模型，得到所述不同配送员的预测配送结果；分配模块，用于从所述不同配送员中选取预测配送结果满足设定条件的配送员作为所述配送件的配送员。第五方面，本专利技术实施例提供一种分配模型建立装置，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供所述处理器调用执行；所述处理器用于执行所述计算机指令以实现前述第一方面所述的方法。第六方面，本专利技术实施例提供一种配送件分配装置，该分配装置基于前述第一方面或其具体实现方式所提供的分配模型分配配送件。所述装置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供所述处理器调用执行；所述处理器用于执行所述计算机指令以实现前述第一方面所述的方法。第七方面，本专利技术实施例提供一种计算机存储介质，所述计算机存储介质存储一条或多条计算及指令，所述计算机指令被执行时实现本专利技术实施例第一方面或第三方面的方法。本专利技术实施例能够构建客观的分配模型，提高/优化配送结果，提高用户体验。本专利技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了根据本专利技术一个实施例的分配模型建立方法的流程示意图；图2示出了根据本专利技术另一个实施例的分配模型建立方法的流程示意图；图3示出了根据本专利技术一个实施例的建模装置(分配模型建立装置)的框图；图4示出了根据本专利技术另一个实施例的建模装置(分配模型建立装置)的框图；图5示出了根据本专利技术一个实施例的配送件分配方法的流程示意图；图6示出了根据本专利技术一个实施例的配送件分配装置的框图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。在本专利技术的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。首先，对本专利技术涉及或可能涉及的名词进行解释。该解释意在以简洁的方式便于理解，而并不构成对本专利技术的限制。样本:对于某个对象的描述。特征:对象的某方便表现或特征。模型：把学习算法在给定数据和参数空间的实例化。监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。无监督学习：设计分类器时候，用于处理未被分类标记的样本集。图1是根据本专利技术实施例的一种分配模型建立方法的流程示意图。所述方法具体是为配送员(又称为“骑士”)建立分配模型的方法，所述分配模型用于预测配送员的配送结果。参照图1，所述方法包括:100：根据配送员的历史配送地址确定所述配送员的中心配送位置集。在本专利技术中，中心配送位置集可以包含至少一个中心配送位置。在本专利技术的一种实施例中，一个中心配送位置用于表示配送员的一个历史配送区域，所述中心配送位置可以坐标表示，也可以建筑或道路等表示(此时，在需要计算距离时可以通过查询处理获取具体坐标)。示例性地，可以随机取历史配送坐标的几个点，经过监督学习后聚类成几个点群，最终得到点群的中心点集合作为所述中心配送位置集。在本实施例，在本实施例中，历史配送地址可以根据配送员的历史配送订单确定。102：基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系。所述第一订单集用于进行模型训练。需要说明的是，在本专利技术中提及的“A中的各个B”或类似说法，除非特别说明，否则并不表示A一定包含多个B。换言之，除非特别说明，否则，“A中的各个B”也可能包含“A仅包含一个B”的情况。在本实施例中，所述各项特征至少包括订单的配送地址和所述中心配送位置集的位置关系。其中，所述位置关系通常可以相对距离表示。相应地，各订单的特征取值至本文档来自技高网...

【技术保护点】
一种分配模型建立方法，其特征在于，包括：根据配送员的历史配送地址确定所述配送员的中心配送位置集；基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系，其中，所述各项特征包括订单的配送地址和所述中心配送位置集的位置关系；根据所述中心配送位置集、所述各项特征、所述各项特征的权重以及关联关系建立所述配送员的分配模型。

【技术特征摘要】
1.一种分配模型建立方法，其特征在于，包括：根据配送员的历史配送地址确定所述配送员的中心配送位置集；基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系，其中，所述各项特征包括订单的配送地址和所述中心配送位置集的位置关系；根据所述中心配送位置集、所述各项特征、所述各项特征的权重以及关联关系建立所述配送员的分配模型。2.如权利要求1所述的方法，其特征在于，所述根据配送员的历史配送地址确定所述配送员的中心配送位置集，包括：根据所述历史配送地址的坐标进行聚合处理，得到至少一个中心配送位置。3.如权利要求1所述的方法，其特征在于，所述基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系，包括：按照所述第一样本订单集中各个订单的用户评价分类所述各个订单；基于所述各个订单的分类、所述各个订单的特征取值以及所述中心配送位置集进行分类学习，确定所述各项特征的权重以及所述各项特征之间的关联关系。4.如权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括：根据第二样本订单集中各订单的特征取值和所述分配模型，预测所述第二样本订单集中各订单的配送结果；对比预测的配送结果和实际配送结果，并根据对比结果优化所述分配模型。5.一种分配模型建立装置，其特征在于，所述装置包括：中心确定模块，用于根据配送员的历史配送地址确定所述配送员的中心配送位置集；权重及关系确定模块，用于基于第一样本订单集中各订单的特征取值和配送结果以及所述中心配送位置集进行监督学习，确定各项特征的权重以及关联关系，其中，所述各项特征包括订单的配送地址...

【专利技术属性】
技术研发人员：郑璐璐，
申请(专利权)人：北京小度信息科技有限公司，
类型：发明
国别省市：北京,11