【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种网格仓分拣业务的结算方法、装置及存储介质。
技术介绍
1、物流网格仓可以将一个区域内的所有门店的订单集中起来，由网格仓负责完成订单的拣选和打包，然后由加盟商将商品配送到各个门店。这种模式可以减少配送时间和成本，提高配送效率，同时也可以提高消费者对平台服务的满意度。物流网格仓的优点包括可以集中管理订单和配送，提高效率和准确性；可以减少配送时间和成本，提高消费者满意度；可以增加销售渠道和收益来源；可以获得更多的市场信息和支持。目前物流费用较为复杂采用手动结算造成了大量的人力物力财力的浪费。
技术实现思路
1、本专利技术提供了一种网格仓分拣业务的结算方法、装置及存储介质，可以提高物流订单的集中管理效率、分发效率以及费用结算准确率。
2、一方面，本专利技术提供了一种网格仓分拣业务的结算方法，所述方法包括：
3、获取预设区域内的多个物流网点各自对应的物流订单，得到物流订单集；
4、基于物流网格仓对所述物流订单集进行处理，得到网格仓对应的分拣属性信息；所述分拣属性信息包括分拣操作量、集配录入量、网格仓操作费率、网格仓分发费率中的至少一种；
5、根据所述分拣属性信息，计算所述物流订单集对应的分拣操作费用；
6、根据所述分拣操作费用，确定每个物流网点对应的分发费用；
7、获取每个物流网点对应的预付款费用；
8、根据每个物流网点对应的分发费用以及预付款费用，确定每个物流网点对应的待付
9、可选的，所述方法还包括：
10、获取所述网格仓中每个物流网点的支付成本以及省区支付成本；
11、根据所述网格仓中每个物流网点对应的支付成本、分发费用以及省区支付成本，确定所述网格仓的收入信息。
12、可选的，所述根据所述网格仓中每个物流网点对应的支付成本、分发费用以及省区支付成本，确定所述网格仓的收入信息，包括：
13、获取收入预测模型；所述收入预测模型为通过样本网格仓的样本支付特征对预设模型进行训练得到；
14、将所述网格仓中每个物流网点对应的支付成本、分发费用以及省区支付成本，输入所述收入预测模型，得到所述网格仓的收入信息；
15、其中，所述收入预测模型的训练方法包括：
16、获取样本网格仓中物流网点的样本支付成本、样本分发费用以及样本省区支付成本；所述样本网格仓标注了样本收入标签；
17、将所述样本支付成本、样本分发费用以及样本省区支付成本输入预设模型进行收入预测处理，得到样本收入预测结果；
18、基于所述样本收入预测结果与所述样本收入标签之间的差异，对所述预设模型进行训练，得到所述收入预测模型。
19、可选的，所述基于所述样本收入预测结果与所述样本收入标签之间的差异，对所述预设模型进行训练，得到所述收入预测模型，包括：
20、初始化设置损失函数极小化的常数值，并根据所述样本网格仓构建包括根节点的树结构；
21、基于所述样本收入预测结果与所述样本收入标签之间的差异，计算所述损失函数的负梯度，并根据所述负梯度确定残差预估值；
22、针对所述树结构中使损失函数最小的各个叶子节点的最佳拟合值求和，得到第t棵树模型对应的目标损失数据；
23、基于所述目标损失数据调节所述预设模型的模型参数直至满足训练结束条件，得到所述收入预测模型。
24、可选的，所述预设模型包括gbdt模型以及xgboost模型，所述将所述样本支付成本、样本分发费用以及样本省区支付成本输入预设模型进行收入预测处理，得到样本收入预测结果，包括：
25、将所述样本支付成本、样本分发费用以及样本省区支付成本输入gbdt模型进行收入特征提取处理，得到样本收入特征；
26、将所述样本收入特征输入所述xgboost模型进行收入预测处理，得到所述样本收入预测结果。
27、可选的，所述根据每个物流网点对应的分发费用以及预付款费用，确定每个物流网点对应的待付款费用之后，所述方法还包括：
28、获取区块链中区块对应的分组数量，将多个物流网点按照所述分组数量进行分组；
29、基于哈希算法确定每个分组对应的分组编号的哈希值；
30、根据每个分组对应的哈希值，将每个分组映射到哈希环上，确定每个分组对应的位置；
31、按照顺时针方向对各个物流网点分配对应的分组，并确定每个物流网点对应的目标区块链；
32、基于每个物流网点对应的目标区块链存储每个物流网点的待付款费用。
33、可选的，所述按照顺时针方向对各个物流网点分配对应的分组之前，所述方法还包括：
34、获取多个虚拟分组，通过多次哈希计算，确定各个分组在所述哈希环上的对应的虚拟分组位置；
35、根据每个物流网点对应节点进入系统的顺序，对各个节点进行编号；
36、根据每个节点对应的编号以及每个节点对应的哈希运算次数，确定哈希算法的输入参数；
37、基于所述哈希算法的输入参数，将各个物流网点映射至所述哈希环上。
38、另一方面提供了一种网格仓分拣业务的结算装置，所述装置包括：
39、物流订单集确定模块，用于获取预设区域内的多个物流网点各自对应的物流订单，得到物流订单集；
40、分拣属性信息确定模块，用于基于物流网格仓对所述物流订单集进行处理，得到网格仓对应的分拣属性信息；所述分拣属性信息包括分拣操作量、集配录入量、网格仓操作费率、网格仓分发费率中的至少一种；
41、操作费用确定模块，用于根据所述分拣属性信息，计算所述物流订单集对应的分拣操作费用；
42、分发费用确定模块，用于根据所述分拣操作费用，确定每个物流网点对应的分发费用；
43、预付款费用获取模块，用于获取每个物流网点对应的预付款费用；
44、待付费用确定模块，用于根据每个物流网点对应的分发费用以及预付款费用，确定每个物流网点对应的待付款费用。
45、可选的，所述装置还包括：
46、支付成本获取模块，用于获取所述网格仓中每个物流网点的支付成本以及省区支付成本；
47、收入确定模块，用于根据所述网格仓中每个物流网点对应的支付成本、分发费用以及省区支付成本，确定所述网格仓的收入信息。
48、可选的，所述收入确定模块包括：
49、模型获取单元，用于获取收入预测模型；所述收入预测模型为通过样本网格仓的样本支付特征对预设模型进行训练得到；
50、收入确定单元，用于将所述网格仓中每个物流网点对应的支付成本、分发费用以及省区支付成本，输入所述收入预测模型，得到所述网格仓的收入信息；
51、其中，还包括：
52、样本支付成本获取模块，用于获取样本网格仓中物流网点的样本支付成本、样本分发费本文档来自技高网...
【技术保护点】
1.一种网格仓分拣业务的结算方法，其特征在于，所述方法包括：
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：
3.根据权利要求2所述的方法，其特征在于，所述根据所述网格仓中每个物流网点对应的支付成本、分发费用以及省区支付成本，确定所述网格仓的收入信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述样本收入预测结果与所述样本收入标签之间的差异，对所述预设模型进行训练，得到所述收入预测模型，包括：
5.根据权利要求3所述的方法，其特征在于，所述预设模型包括GBDT模型以及XGBoost模型，所述将所述样本支付成本、样本分发费用以及样本省区支付成本输入预设模型进行收入预测处理，得到样本收入预测结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据每个物流网点对应的分发费用以及预付款费用，确定每个物流网点对应的待付款费用之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述按照顺时针方向对各个物流网点分配对应的分组之前，所述方法还包括：
8.一种网格仓
9.一种电子设备，其特征在于，所述设备包括：处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7任一所述的网格仓分拣业务的结算方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7任一所述的网格仓分拣业务的结算方法。
...【技术特征摘要】
1.一种网格仓分拣业务的结算方法，其特征在于，所述方法包括：
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：
3.根据权利要求2所述的方法，其特征在于，所述根据所述网格仓中每个物流网点对应的支付成本、分发费用以及省区支付成本，确定所述网格仓的收入信息，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述样本收入预测结果与所述样本收入标签之间的差异，对所述预设模型进行训练，得到所述收入预测模型，包括：
5.根据权利要求3所述的方法，其特征在于，所述预设模型包括gbdt模型以及xgboost模型，所述将所述样本支付成本、样本分发费用以及样本省区支付成本输入预设模型进行收入预测处理，得到样本收入预测结果，包括：
6.根据权利要求1所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：王震东，王建军，杨周龙，
申请(专利权)人：上海东普信息科技有限公司，
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。