订单出餐时间预测方法和装置，电子设备及存储介质制造方法及图纸

本公开涉及一种订单出餐时间预测方法和装置，电子设备及存储介质，以解决相关技术中订单出餐时间的预测结果不准确的问题。所述订单出餐时间预测方法包括：获取待配送订单的配送员的实际到店时间和实际取餐时间；将所述实际到店时间和所述实际取餐时间输入出餐时间预测模型，得到所述待配送订单的预测出餐时间；其中，针对预测出餐时间、配送员的实际到店时间和实际取餐时间三者之间的大小关系不同的样本订单，训练所述出餐时间预测模型所使用的损失函数不同。

【技术实现步骤摘要】
订单出餐时间预测方法和装置，电子设备及存储介质
本公开涉及网络
，具体地，涉及一种订单出餐时间预测方法和装置，电子设备及存储介质。
技术介绍
订单出餐时间是指从商家接订单到商家准备好餐品的时间。订单出餐时间表征了订单出餐的难易程度，可作为订单配送调度系统的重要参数，直接影响压单和派单结果，因此提高订单出餐时间预测的准确性至关重要。相关技术，通常是基于订单配送员的取餐时间进行订单出餐时间的预测。然而，在实际配送中，配送员的取餐时间与订单出餐时间可能并不相等，比如在配送员未取餐之前订单已出餐，因而该方法预测的订单出餐时间并不准确。
技术实现思路
本公开的目的是提供一种订单出餐时间预测方法和装置，电子设备及存储介质，以解决相关技术中存在的问题。为了实现上述目的，根据本公开实施例的第一方面，提供一种订单出餐时间预测方法，包括：获取待配送订单的配送员的实际到店时间和实际取餐时间；将所述实际到店时间和所述实际取餐时间输入出餐时间预测模型，得到所述待配送订单的预测出餐时间；其中，针对预测出餐时间、配送员的实际到店时间和实际取餐时间三者之间的大小关系不同的样本订单，训练所述出餐时间预测模型所使用的损失函数不同。可选地，所述损失函数用于表征所述出餐时间预测模型预测的损失量与样本订单的预测出餐时间、实际到店时间以及实际取餐时间之间的映射关系；在样本订单的预测出餐时间晚于该样本订单的配送员的实际取餐时间的情况下，所述损失函数为第一关系函数；在样本订单的预测出餐时间位于该样本订单的配送员的实际到店时间和实际取餐时间之间的情况下，所述损失函数为第二关系函数；在样本订单的预测出餐时间早于该样本订单的配送员的实际到店时间的情况下，所述损失函数为第三关系函数。可选地，针对同一样本订单，所述第二关系函数计算出的损失量小于所述第一关系函数计算出的损失量以及所述第三关系函数计算出的损失量。可选地，所述出餐时间预测模型是根据以下方式训练的：获取样本数据集，所述样本数据集包括不同样本订单的配送员的实际到店时间和实际取餐时间；针对所述样本数据集的每一样本订单，根据该样本订单的预测出餐时间、配送员的实际到店时间以及实际取餐时间之间的大小关系，确定该样本订单对应的损失函数；根据所述样本数据集中各个样本订单的损失函数构造总损失函数；以最小化所述总损失函数为目标，采用优化算法训练所述出餐时间预测模型。可选地，所述方法还包括：从预置的对应损失函数表达式的多组系数组合中，选择目标系数组合；根据所述目标系数组合和所述损失函数表达式，确定所述损失函数。可选地，所述从预置的对应损失函数表达式的多组系数组合中，选择目标系数组合，包括：将所述多组系数组合中的每一系数组合带入所述损失函数表达式，得到待选损失函数；针对每一所述待选损失函数，执行以下操作：通过该待选损失函数以及预先设置的训练集训练得到候选预测模型；利用预先设置的验证集评价该候选预测模型的效果；从获得的所有候选预测模型中，将所述效果最优的候选预测模型所对应的系数组合，作为所述目标系数组合。可选地，所述损失函数表达式为：其中，为对样本订单i预测的损失量；为所述样本订单i的预测取餐时间；arrivetimei为所述样本订单i的配送员的实际到店时间；taketimei为所述样本订单i的配送员的实际取餐时间；α和β为所述损失函数表达式的一系数组合，且β>α>1。根据本公开实施例的第二方面，提供一种订单出餐时间预测装置，包括：获取模块，用于获取待配送订单的配送员的实际到店时间和实际取餐时间；预测模块，用于将所述实际到店时间和所述实际取餐时间输入出餐时间预测模型，得到所述待配送订单的预测出餐时间；其中，针对预测出餐时间、配送员的实际到店时间和实际取餐时间三者之间的大小关系不同的样本订单，训练所述出餐时间预测模型所使用的损失函数不同。可选地，所述损失函数用于表征所述出餐时间预测模型预测的损失量与样本订单的预测出餐时间、实际到店时间以及实际取餐时间之间的映射关系；在样本订单的预测出餐时间晚于该样本订单的配送员的实际取餐时间的情况下，所述损失函数为第一关系函数；在样本订单的预测出餐时间位于该样本订单的配送员的实际到店时间和实际取餐时间之间的情况下，所述损失函数为第二关系函数；在样本订单的预测出餐时间早于该样本订单的配送员的实际到店时间的情况下，所述损失函数为第三关系函数。可选地，针对同一样本订单，所述第二关系函数计算出的损失量小于所述第一关系函数计算出的损失量以及所述第三关系函数计算出的损失量。可选地，所述装置还包括训练模块，所述训练模块用于根据以下方式训练所述出餐时间预测模型：获取样本数据集，所述样本数据集包括不同样本订单的配送员的实际到店时间和实际取餐时间；针对所述样本数据集的每一样本订单，根据该样本订单的预测出餐时间、配送员的实际到店时间以及实际取餐时间之间的大小关系，确定该样本订单对应的损失函数；根据所述样本数据集中各个样本订单的损失函数构造总损失函数；以最小化所述总损失函数为目标，采用优化算法训练所述出餐时间预测模型。可选地，所述装置还包括：选择模块，用于从预置的对应损失函数表达式的多组系数组合中，选择目标系数组合；确定模块，用于根据所述目标系数组合和所述损失函数表达式，确定所述损失函数。可选地，所述选择模块包括：第一确定子模块，用于将所述多组系数组合中的每一系数组合带入所述损失函数表达式，得到待选损失函数；循环子模块，用于针对每一所述待选损失函数，执行以下操作：通过该待选损失函数以及预先设置的训练集训练得到候选预测模型；利用预先设置的验证集评价该候选预测模型的效果；第二确定子模块，用于从获得的所有候选预测模型中，将所述效果最优的候选预测模型所对应的系数组合，作为所述目标系数组合。可选地，所述损失函数表达式为：其中，为对样本订单i预测的损失量；为所述样本订单i的预测取餐时间；arrivetimei为所述样本订单i的配送员的实际到店时间；taketimei为所述样本订单i的配送员的实际取餐时间；α和β为所述损失函数表达式的一系数组合，且β>α>1。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，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。根据本公开实施例的第四方面，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，以实现第一方面所述方法的步骤。通过上述技术方案，至少能够达到如下技术效果：对于出餐时间预测模型的训练，综合考虑订单的出餐时间与配送员的实际到店时间和实际取餐时本文档来自技高网...

【技术保护点】
1.一种订单出餐时间预测方法，其特征在于，包括：/n获取待配送订单的配送员的实际到店时间和实际取餐时间；/n将所述实际到店时间和所述实际取餐时间输入出餐时间预测模型，得到所述待配送订单的预测出餐时间；/n其中，针对预测出餐时间、配送员的实际到店时间和实际取餐时间三者之间的大小关系不同的样本订单，训练所述出餐时间预测模型所使用的损失函数不同。/n

【技术特征摘要】
1.一种订单出餐时间预测方法，其特征在于，包括：
获取待配送订单的配送员的实际到店时间和实际取餐时间；
将所述实际到店时间和所述实际取餐时间输入出餐时间预测模型，得到所述待配送订单的预测出餐时间；
其中，针对预测出餐时间、配送员的实际到店时间和实际取餐时间三者之间的大小关系不同的样本订单，训练所述出餐时间预测模型所使用的损失函数不同。


2.根据权利要求1所述的方法，其特征在于，所述损失函数用于表征所述出餐时间预测模型预测的损失量与样本订单的预测出餐时间、实际到店时间以及实际取餐时间之间的映射关系；
在样本订单的预测出餐时间晚于该样本订单的配送员的实际取餐时间的情况下，所述损失函数为第一关系函数；
在样本订单的预测出餐时间位于该样本订单的配送员的实际到店时间和实际取餐时间之间的情况下，所述损失函数为第二关系函数；
在样本订单的预测出餐时间早于该样本订单的配送员的实际到店时间的情况下，所述损失函数为第三关系函数。


3.根据权利要求2所述的方法，其特征在于，针对同一样本订单，所述第二关系函数计算出的损失量小于所述第一关系函数计算出的损失量以及所述第三关系函数计算出的损失量。


4.根据权利要求1所述的方法，其特征在于，所述出餐时间预测模型是根据以下方式训练的：
获取样本数据集，所述样本数据集包括不同样本订单的配送员的实际到店时间和实际取餐时间；
针对所述样本数据集的每一样本订单，根据该样本订单的预测出餐时间、配送员的实际到店时间以及实际取餐时间之间的大小关系，确定该样本订单对应的损失函数；
根据所述样本数据集中各个样本订单的损失函数构造总损失函数；
以最小化所述总损失函数为目标，采用优化算法训练所述出餐时间预测模型。


5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：
从预置的对应损失函数表达式的多组系数组合中...

【专利技术属性】
技术研发人员：周越，李春苗，潘基泽，
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