基于司机偏好的电商物流订单分配方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种基于司机偏好的电商物流订单分配方法、装置、设备及存储介质，方法包括：根据承运车辆的反馈数据和物流订单数据生成输入至动机预测HMM模型的数据；动机预测HMM神经网络模型输出承运车辆的动机类型以及对应的发生概率值；将动机类型为主动抢单的承运车辆的车辆数据和物流订单的数据输入至对应的承运偏好判断神经网络模型；承运偏好判断神经网络模型输出匹配类型和对应的置信度；将物流订单派单至匹配类型为匹配偏好且置信度大于等于预设置信度阈值的承运车辆。本申请的有益之处在于提供了一种通过对司机承接物流订单的意图和偏好进行预测从而高效的实现以人为本的基于司机偏好的电商物流订单分配方法、装置、设备及存储介质。设备及存储介质。设备及存储介质。

【技术实现步骤摘要】
基于司机偏好的电商物流订单分配方法、装置、设备及存储介质


[0001]本申请涉及电商物流领域，具体而言，涉及一种基于司机偏好的电商物流订单分配方法、装置、设备及存储介质。

技术介绍

[0002]现有的中小型便利店往往通过自有渠道在供应商处进行线下商品采购，由于中小型便利店的特点，其无法大批量采购货物，从而无法与供应商进行有效的议价，同时又由于供应商批发对采购数量的要求，使得中小型便利店每次采购需要保证一定规模，从而导致库存问题。
[0003]而从供应商的角度而言，中小型便利店这种分散购买方式导致供应商仓储成本提高，从而使供应价格居高不下。
[0004]在相关技术中，如公开号为CN112801759A的中国专利文献公开的技术方案，其通过电商平台将买方、卖方和承运方整合在一起，使多个买方的订单可以“拼单”到一个物流订单中，从而实现集中采购、集中配送的方式，从而降低了中小型便利店的采购成本。
[0005]在另一相关技术中，为了实现技术物流最优配送，如公开号为CN112016876B的中国专利文件公开的技术方案，其提供了一种通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于司机偏好的电商物流订单分配方法，其特征在于：所述基于司机偏好的电商物流订单分配方法包括：获取新增的物流订单的数据；向预设范围内的承运车辆发送物流订单的数据；接收所述承运车辆是否接受所述物流订单的反馈数据；根据接受所述物流订单的承运车辆的反馈数据和物流订单的数据生成特征数据输入至对应该承运车辆的动机预测HMM模型；所述动机预测HMM模型输出所述承运车辆的动机类型以及对应的发生概率值，所述动机类型包括：主动抢单和随机抢单；将所述动机类型为主动抢单且所述发生概率值大于预设的发生概率阈值的承运车辆的车辆数据和所述物流订单的相关数据输入至对应的承运偏好判断神经网络模型；所述承运偏好判断神经网络模型输出匹配类型和对应的置信度，所述匹配类型包括：匹配偏好、偏离偏好和未知偏好；将所述物流订单派单至所述匹配类型为匹配偏好且置信度大于等于预设置信度阈值的承运车辆。2.根据权利要求1所述的基于司机偏好的电商物流订单分配方法，其特征在于：所述基于司机偏好的电商物流订单分配方法还包括：采集每个所述承运车辆的用户的历史动机特征数据训练对应每个所述承运车辆的所述动机类型预测HMM模型；其中，所述历史动机特征数据包括：取货地址、取货时间、送货地址、送货时间、单程耗时、派单时间、抢单时间、反应耗时、接单时间、响应耗时；其中，所述单程耗时等于所述送货时间与取货时间之间的时间差的绝对值；所述反应耗时等于所述派单时间与所述抢单时间之间的时间差的绝对值；所述响应耗时等于取货时间与所述接单时间的时间差的绝对值。3.根据权利要求2所述的基于司机偏好的电商物流订单分配方法，其特征在于：所述动机类型预测HMM模型的可观测序列为历史动机特征数据，所述动机类型预测HMM模型的隐状态为所述动机类型。4.根据权利要求3所述的基于司机偏好的电商物流订单分配方法，其特征在于：所述主动抢单类型的发生概率阈值的取值范围大于等于60%至100%。5.根据权利要求1所述的基于司机偏好的电商物流订单分配方法，其特征在于：所述基于司机偏好的电商物流订单分配方法还包括：采集每个所述承运车辆的用户的历史承运特征数据作为输入数据训练对应每个所述承运车辆的所述承运偏好判断神经网络模型；为每个所述承运车辆的用户的历史承运特征数据设置对应的偏...

【专利技术属性】
技术研发人员：李志鹏，丁方玉，
申请(专利权)人：杭州拼便宜网络科技有限公司，
类型：发明
国别省市：