本说明书公开了一种处理订单的方法、装置、电子设备及计算机存储介质，根据获取的当前订单的订单特征以及每种类型配送运力的运力特征，针对每种类型的配送运力，获得时间预估模型输出的由该类型的配送运力配送当前订单的送达时间，获得类型预估模型输出的由该类型的配送运力配送当前订单的配送概率。然后根据针对每种类型的配送运力获得的送达时间和配送概率，确定当前订单的预计送达时间以处理当前订单。通过类型预估模型预估每种类型的配送运力配送当前订单的配送概率，考虑了初始处理订单的配送运力类型与最终处理订单的配送运力类型不一致的情况，解决了预计送达时间不准确导致无法正确处理订单的问题，提高了订单处理的准确性。处理的准确性。处理的准确性。
【技术实现步骤摘要】
一种处理订单的方法、装置、电子设备及计算机存储介质
[0001]本说明书涉及计算机
，尤其涉及一种处理订单的方法、装置、电子设备及计算机存储介质。
技术介绍
[0002]目前随着线上下单线下配送业务(如外卖业务)的发展，为方便服务器(如外卖平台)和配送运力(如外卖骑手)处理订单，提高用户体验，服务器会在用户下单后预估订单的预计送达时间(Estimated Time of Arrival，ETA)，并根据预估的ETA对该订单进行处理。预估订单的ETA不仅可以为服务器和配送运力提供处理订单的依据，还可以为用户提供订单送达的参考时间，从一定程度上提高了用户体验。
[0003]现有技术中服务器通常根据订单特征决定配送运力的类型，通过与配送运力类型对应的机器学习模型确定ETA，然后根据订单的ETA对订单进行处理。然而，配送运力在处理订单时，由于实际情况复杂(如配送运力负担大)，会出现无法按时处理订单的问题。在这种情况下，通常采用改变配送运力类型的方法，即在一定情况下，将原本应该由A类型的配送运力处理的订单，交由B类型的配送运力处理。
[0004]然而，由于这一处理方法改变了配送运力类型，即初始处理订单的配送运力类型与最终处理订单的配送运力类型不一致，导致由初始配送运力类型决定的ETA与实际送达时间相差较远，从而根据错误的ETA无法正确的处理订单。
技术实现思路
[0005]本说明书实施例提供一种处理订单的方法、装置、电子设备及计算机存储介质，以部分的解决现有技术存在的上述问题。
[0006]本说明书实施例采用下述技术方案：
[0007]本说明书提供了一种处理订单的方法，包括：
[0008]获取当前订单的订单特征以及每种类型的配送运力的运力特征；
[0009]将所述订单特征以及所述每种类型的配送运力的运力特征作为输入特征，并将所述输入特征分别输入预先训练的时间预估模型和预先训练的类型预估模型；
[0010]针对每种类型的配送运力，获得所述时间预估模型输出的该类型的配送运力配送所述当前订单的送达时间，获得所述类型预估模型输出的由该类型的配送运力配送所述当前订单的配送概率；
[0011]根据针对每种类型的配送运力获得的送达时间和配送概率，确定所述当前订单的预计送达时间；
[0012]根据所述预计送达时间处理所述当前订单。
[0013]可选地，将所述输入特征分别输入预先训练的时间预估模型，具体包括：
[0014]针对每种类型的配送运力，将所述订单特征以及该类型的配送运力的运力特征，输入预先训练的与该类型的配送运力对应的时间预估模型。
[0015]可选地，根据针对每种类型的配送运力获得的送达时间和配送概率，确定所述当前订单的预计送达时间，具体包括：
[0016]针对每种类型的配送运力，以由该类型的配送运力配送所述当前订单的配送概率为权重，对该类型的配送运力配送所述当前运单的送达时间加权；
[0017]根据每种类型的配送运力的加权结果，确定所述当前订单的预计送达时间。
[0018]可选地，预先训练时间预估模型，具体包括：
[0019]预先获取历史订单的历史订单特征以及每种类型的历史配送运力的运力特征；在各类型的历史配送运力中，确定历史上实际配送所述历史订单的历史配送运力的类型，作为指定类型；
[0020]以所述历史订单特征以及每种类型的历史配送运力的运力特征为样本，输入待训练的时间预估模型，得到所述待训练的时间预估模型针对每种类型的历史配送运力输出的由该类型的历史配送运力配送所述历史订单的待优化送达时间；
[0021]以由所述指定类型的历史配送运力配送所述历史订单的待优化送达时间与所述历史订单的历史送达时间的差异最小化为训练目标，训练所述时间预估模型。
[0022]可选地，预先训练类型预估模型，具体包括：
[0023]预先获取历史订单的历史订单特征以及每种类型的历史配送运力的运力特征；并，在各类型的历史配送运力中，确定历史上实际配送所述历史订单的历史配送运力的类型，作为指定类型，将除所述指定类型的其他历史配送运力的类型作为非指定类型；
[0024]以所述历史订单特征以及所述每种类型的历史配送运力的运力特征为样本，输入待训练的类型预估模型，得到所述待训练的类型预估模型针对每种类型的历史配送运力输出的由该类型的历史配送运力配送所述历史订单的待优化配送概率；
[0025]以由所述指定类型的历史配送运力配送所述历史订单的待优化配送概率最大化、由所述非指定类型的历史配送运力配送所述历史订单的待优化配送概率最小化为训练目标，训练所述类型预估模型。
[0026]可选地，预先训练时间预估模型和类型预估模型，具体包括：
[0027]预先获取历史订单的历史订单特征以及每种类型的历史配送运力的运力特征；
[0028]以所述历史订单特征以及所述每种类型的历史配送运力的运力特征为样本，分别输入待训练的时间预估模型和待训练的类型预估模型；
[0029]针对每种类型的历史配送运力，获得所述待训练的时间预估模型输出的由该类型的配送运力配送所述历史订单的待优化送达时间，获得所述待训练的类型预估模型输出的由该类型的历史配送运力配送所述历史订单的待优化配送概率；
[0030]根据针对每种类型的历史配送运力获得的待优化送达时间和待优化配送概率，确定所述历史订单的待优化预计送达时间；
[0031]以所述历史订单的待优化预计送达时间与所述历史订单的历史送达时间的差异最小化为训练目标，训练所述时间预估模型和类型预估模型。
[0032]可选地，在以所述历史订单的待优化预计送达时间与所述历史订单的历史送达时间的差异最小化为训练目标，训练所述时间预估模型和类型预估模型之前，所述方法还包括：
[0033]确定所述待训练的类型预估模型的预估精度不低于设定阈值。
[0034]本说明书提供一种处理订单的装置，包括：
[0035]获取模块，用于获取当前订单的订单特征以及每种类型的配送运力的运力特征；
[0036]输入模块，用于将所述订单特征以及所述每种类型的配送运力的运力特征作为输入特征，并将所述输入特征分别输入预先训练的时间预估模型和预先训练的类型预估模型；
[0037]预估模块，用于针对每种类型的配送运力，获得所述时间预估模型输出的该类型的配送运力配送所述当前订单的送达时间，获得所述类型预估模型输出的由该类型的配送运力配送所述当前订单的配送概率；
[0038]预计送达时间确定模块，用于根据针对每种类型的配送运力获得的送达时间和配送概率，确定所述当前订单的预计送达时间；
[0039]订单处理模块，用于根据所述预计送达时间处理所述当前订单。
[0040]本说明书提供了一种处理订单的电子设备，包括存储器、处理器及存储在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程序时实现上述处理订单的方法。
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种处理订单的方法，其特征在于，包括：获取当前订单的订单特征以及每种类型的配送运力的运力特征；将所述订单特征以及所述每种类型的配送运力的运力特征作为输入特征，并将所述输入特征分别输入预先训练的时间预估模型和预先训练的类型预估模型；针对每种类型的配送运力，获得所述时间预估模型输出的该类型的配送运力配送所述当前订单的送达时间，获得所述类型预估模型输出的由该类型的配送运力配送所述当前订单的配送概率；根据针对每种类型的配送运力获得的送达时间和配送概率，确定所述当前订单的预计送达时间；根据所述预计送达时间处理所述当前订单。2.如权利要求1所述的方法，其特征在于，将所述输入特征分别输入预先训练的时间预估模型，具体包括：针对每种类型的配送运力，将所述订单特征以及该类型的配送运力的运力特征，输入预先训练的与该类型的配送运力对应的时间预估模型。3.如权利要求1所述的方法，其特征在于，根据针对每种类型的配送运力获得的送达时间和配送概率，确定所述当前订单的预计送达时间，具体包括：针对每种类型的配送运力，以由该类型的配送运力配送所述当前订单的配送概率为权重，对该类型的配送运力配送所述当前运单的送达时间加权；根据每种类型的配送运力的加权结果，确定所述当前订单的预计送达时间。4.如权利要求1～3任一所述的方法，其特征在于，预先训练时间预估模型，具体包括：预先获取历史订单的历史订单特征以及每种类型的历史配送运力的运力特征；在各类型的历史配送运力中，确定历史上实际配送所述历史订单的历史配送运力的类型，作为指定类型；以所述历史订单特征以及每种类型的历史配送运力的运力特征为样本，输入待训练的时间预估模型，得到所述待训练的时间预估模型针对每种类型的历史配送运力输出的由该类型的历史配送运力配送所述历史订单的待优化送达时间；以由所述指定类型的历史配送运力配送所述历史订单的待优化送达时间与所述历史订单的历史送达时间的差异最小化为训练目标，训练所述时间预估模型。5.如权利要求1～3任一所述的方法，其特征在于，预先训练类型预估模型，具体包括：预先获取历史订单的历史订单特征以及每种类型的历史配送运力的运力特征；并，在各类型的历史配送运力中，确定历史上实际配送所述历史订单的历史配送运力的类型，作为指定类型，将除所述指定类型的其他历史配送运力的类型作为非指定类型；以所述历史订单特征以及所述每种类型的历史配送运力的运力特征为样本，输入待训练的类型预估模型，得到所述待训练的类型预估模型针对每种类型的历史配送运力输出的由该类型的历史...
【专利技术属性】
技术研发人员：吴冠群，张智标，茹强，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。