一种任务时长确定方法及装置和电子设备制造方法及图纸

本申请提供一种任务时长确定方法及装置、电子设备和计算机可读存储介质。其中，任务时长确定方法包括：基于当前配送员的第一特征信息、当前任务第一特征信息和当前任务第一相关历史数据，使用预先建立的任务时长计算模型确定当前任务时长。本申请通过基于当前配送员的第一特征信息、当前任务第一特征信息和当前任务第一相关历史数据，使用预先建立的任务时长计算模型确定当前任务时长，使得确定的当前任务时长更准确。

【技术实现步骤摘要】
一种任务时长确定方法及装置和电子设备
本申请涉及即时配送领域，尤其涉及一种任务时长确定方法及装置、电子设备和计算机可读存储介质。
技术介绍
随着网络技术的逐步发展，即时配送类业务日益普及，其方便、快捷等优势已获得用户的认可。即时配送的智能配送调度系统的目标是：在合适的时刻将运单分配给合适的配送员，以保障用户体验、提高配送员效率。为了做出合理的决策，需要准确预估配送员执行配送任务所花费的时长。其中，配送员执行配送任务所花费的时长包括配送员的取货时长、中间运输时长和送货时长，其中，取货时长、中间运输时长和送货时长之间无重叠，每一个时长预估的准确度对调度结果的影响都很大，是调度系统的关键指标。现有技术中，根据定位、电子地图、行动速度或者历史送货时长进行送货时长的预估，但是，通过上述送货时长预估方法获得的送货时长准确度差。
技术实现思路
有鉴于此，本申请提供一种任务时长确定方法及装置、电子设备和计算机可读存储介质。具体地，本申请是通过如下技术方案实现的：根据本公开实施例的第一方面，提供一种任务时长确定方法，所述方法包括：基于当前配送员的第一特征信息、当前任务第一特征信息和当前任务第一相关历史数据，使用预先建立的任务时长计算模型确定当前任务时长。在一实施例中，所述方法还包括：基于所述当前配送员的第二特征信息、当前任务第二特征信息和当前任务第二相关历史数据，建立任务时长初始计算模型；基于训练样本数据，采用预设算法对所述任务时长初始计算模型中的多个待确定参数进行训练，以得到所述多个待确定参数的最优值；将所述最优值作为所述任务时长初始计算模型中对应待确定参数的参数值后得到所述任务时长计算模型。在一实施例中，所述基于所述当前配送员的第二特征信息、当前任务第二特征信息和当前任务第二相关历史数据，建立任务时长初始计算模型，包括：基于所述当前配送员的第一子特征信息和预设时间段内完成当前交付地任务的历史平均耗时，得到第一指标，所述第一子特征信息用于表示根据所述当前配送员在所述预设时间段内是否到达过所述当前交付地而增加的额外交付时长，所述第一指标用于表示所述当前配送员完成当前任务需要的理论时长；基于所述第一指标、与所述当前交付地和上一个任务执行地之间距离相关的距离特征和所述当前配送员的第二子特征信息，得到第二指标，所述第二子特征信息用于表示所述配送员完成所述当前任务需要的最小时长，所述第二指标用于表示根据所述当前交付地和上一个任务执行地之间距离对所述理论时长进行修正；基于所述第二指标、所述配送员的第三子特征信息和所述当前配送员到达当前交付地的时刻，建立所述任务时长初始计算模型，所述第三子特征信息用于表示所述当前配送员的配送能力；其中，所述第一子特征信息、所述第二子特征信息、所述第三子特征信息和所述距离特征中的至少一项包括所述多个待确定参数。在一实施例中，所述预设算法包括差分进化算法。在一实施例中，所述基于训练样本数据，采用预设算法对所述任务时长初始计算模型中的多个待确定参数进行训练，以得到所述多个待确定参数的最优值，包括：生成所述任务时长模型的目标函数，所述目标函数是目标向量的函数，所述目标向量包括基向量；基于所述训练样本数据，对每个基向量进行差分变异和校正处理，得到多个第一向量；对任意两个所述第一向量中任意两个位置的元素进行互换，得到多个第二向量；基于所述目标函数对所述多个第二向量进行保留或删除，得到至少一个第三向量，并记录训练信息；若根据当前训练信息确认当前训练终止，则将所述至少一个第三向量中的最优第三向量作为所述多个待确定参数的最优值；若根据当前训练信息确认当前训练未终止，则将所述第三向量作为所述基向量，并重复执行所述对每个基向量进行差分变异和校正处理的操作，直至根据当前训练信息确认当前训练终止。在一实施例中，所述基于所述训练样本数据，对每个基向量进行差分变异和校正处理，得到多个第一向量，包括：基于所述训练样本数据和所述目标函数确定出当前最优基向量；对所述当前最优基向量进行差分变异，得到多个变异向量；根据预设的取值范围对所述多个变异向量进行校正，得到所述多个第一向量。在一实施例中，所述目标向量还包括所述第三向量，所述将所述至少一个第三向量中的最优第三向量作为所述多个待确定参数的最优值，包括：将每个第三向量输入所述目标函数，得到对应的函数值；确定所有函数值中的最小函数值，并将所述最小函数值对应的第三向量作为所述最优第三向量。根据本公开实施例的第二方面，提供一种任务时长确定装置，所述装置包括：确定模块，用于基于当前配送员的第一特征信息、当前任务第一特征信息和当前任务第一相关历史数据，使用预先建立的任务时长计算模型确定当前任务时长。在一实施例中，所述装置还包括：建立模块，用于基于所述当前配送员的第二特征信息、当前任务第二特征信息和当前任务第二相关历史数据，建立任务时长初始计算模型；训练模块，用于基于训练样本数据，采用预设算法对所述建立模块建立的所述任务时长初始计算模型中的多个待确定参数进行训练，以得到所述多个待确定参数的最优值；替换获得模块，用于将所述训练模块得到的所述最优值作为所述任务时长初始计算模型中对应待确定参数的参数值后得到所述任务时长计算模型。根据本公开实施例的第三方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任务时长确定方法。根据本公开实施例的第四方面，提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任务时长确定方法。本申请通过基于当前配送员的第一特征信息、当前任务第一特征信息和当前任务第一相关历史数据，使用预先建立的任务时长计算模型确定当前任务时长，使得确定的当前任务时长更准确。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。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本申请一示例性实施例示出的一种任务时长计算模型的建立方法的流程图；图2是本申请一示例性实施例示出的一种任务时长初始计算模型的建立方法的流程图；图3是本申请一示例性实施例示出的一种对任务时长初始计算模型中的多个待确定参数进行训练的流程图；图4是本申请一示例性实施例示出的一种任务时长确定装置所在电子设备的一种硬件结构图；图5是本申请一示例性实施例示出的一种任务时长确定装置的框图；图6是本申请一示例性实施例示出的另一种任务时长确定装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可本文档来自技高网...

【技术保护点】
1.一种任务时长确定方法，其特征在于，所述方法包括：基于当前配送员的第一特征信息、当前任务第一特征信息和当前任务第一相关历史数据，使用预先建立的任务时长计算模型确定当前任务时长。

【技术特征摘要】
1.一种任务时长确定方法，其特征在于，所述方法包括：基于当前配送员的第一特征信息、当前任务第一特征信息和当前任务第一相关历史数据，使用预先建立的任务时长计算模型确定当前任务时长。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述当前配送员的第二特征信息、当前任务第二特征信息和当前任务第二相关历史数据，建立任务时长初始计算模型；基于训练样本数据，采用预设算法对所述任务时长初始计算模型中的多个待确定参数进行训练，以得到所述多个待确定参数的最优值；将所述最优值作为所述任务时长初始计算模型中对应待确定参数的参数值后得到所述任务时长计算模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述当前配送员的第二特征信息、当前任务第二特征信息和当前任务第二相关历史数据，建立任务时长初始计算模型，包括：基于所述当前配送员的第一子特征信息和预设时间段内完成当前交付地任务的历史平均耗时，得到第一指标，所述第一子特征信息用于表示根据所述当前配送员在所述预设时间段内是否到达过所述当前交付地而增加的额外交付时长，所述第一指标用于表示所述当前配送员完成当前任务需要的理论时长；基于所述第一指标、与所述当前交付地和上一个任务执行地之间距离相关的距离特征和所述当前配送员的第二子特征信息，得到第二指标，所述第二子特征信息用于表示所述当前配送员完成所述当前任务需要的最小时长，所述第二指标用于表示根据所述当前交付地和上一个任务执行地之间距离对所述理论时长进行修正；基于所述第二指标、所述当前配送员的第三子特征信息和所述当前配送员到达当前交付地的时刻，建立所述任务时长初始计算模型，所述第三子特征信息用于表示所述当前配送员的配送能力；其中，所述第一子特征信息、所述第二子特征信息、所述第三子特征信息和所述距离特征中的至少一项包括所述多个待确定参数。4.根据权利要求2或3所述的方法，其特征在于，所述预设算法包括差分进化算法。5.根据权利要求4所述的方法，其特征在于，所述基于训练样本数据，采用预设算法对所述任务时长初始计算模型中的多个待确定参数进行训练，以得到所述多个待确定参数的最优值，包括：生成所述任务时长模型的目标函数，所述目标函数是目标向量的函数，所述目标向量包括基向量；基于所述训练样本数据，对每个基向量进行差分变异和校正处理，得到多个第一向量；对任意两个所述第一向...

【专利技术属性】
技术研发人员：郑海娟，张嘉琦，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11