[发明专利]快递员派送顺序推荐方法及系统

说明书

本发明公开了一种快递员派送顺序推荐方法，包括如下步骤：S1.获取快递员的历史派送数据；S2.将快递员的历史派送顺序数据转化为模型的训练集，使用训练集训练分类器，得到预测模型；S3.针对一个希望得到推荐派送顺序的派件过程，将该派件过程的相关信息转化为预测模型的输入向量，调用预测模型得到派送顺序推荐列表。本发明的有益效果：本发明所述的快递员派送顺序推荐方法和系统，通过使用老员工的历史派送数据来训练分类器得到顺序模型，模型完全基于数据，无需提前从员工处搜集信息。根据该顺序模型为快递员提供派送顺序推荐列表，使快递员的工作目标更加清晰简单，同时节省学习成本和时间成本。

技术领域

本发明涉及物流信息处理技术领域，具体来说，涉及一种快递员派送顺序推荐方法和系统。

背景技术

在现有技术中，快件的派送顺序是快递员依据自己的业务经验人工选择的，业务经验主要来源于快递员对派送区域地理信息的熟悉程度，以及当天快递件量的分布。依靠人工分配任务的缺点在于，对于新员工友好程度欠佳，新员工不熟悉单元区域的地理信息，在规划派送顺序的过程中需要一定的学习成本。另一方面，依靠人工分配时，具体的派送顺序只存在于快递员心中，无法获取该数据来提供给客户更精准的时效服务。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题，本发明提出一种快递员派送顺序推荐方法和系统，根据老员工的历史派送数据还原出高效率的派送顺序，让新员工能更快地寻找出最有利的派送顺序。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种快递员派送顺序推荐方法，包括如下步骤：

S1.获取快递员的历史派送数据；

S2.将快递员的历史派送顺序数据转化为模型的训练集，使用训练集训练分类器，得到预测模型；

S3.针对一个希望得到推荐派送顺序的派件过程，将该派件过程的相关信息转化为预测模型的输入向量，调用预测模型得到派送顺序推荐列表。

优选地，所述步骤S1中的历史派送数据包括若干个派件过程的相关信息，每个派件过程的相关信息至少包括执行若干个派送任务所涉及的派送地址和派送顺序。

优选地，步骤S2中所述的将快递员的历史派送顺序数据转化为模型的训练集进一步包括如下步骤：

S2.1.从若干个派件过程选取一个，将该派件过程中涉及的派送地址转化为兴趣点判定模型的输入向量；

S2.2.调用兴趣点判定模型获取兴趣点；

S2.3.根据该派件过程中涉及的派送顺序排列获取的兴趣点，得到兴趣点顺序列表；

S2.4.从兴趣点顺序列表中提取输入向量和输出向量作为训练数据；

S2.5.重复步骤S2.1～S2.4，直到所有的派件过程均转化为训练数据，即为所述训练集。

优选地，在所述步骤S2.1中，兴趣点判定模型的输入向量是将派送地址转化为关键词向量与经纬度信息组成的联合向量。

优选地，在所述步骤S2.4中，输入向量是由在一个具体的派件过程中，快递员执行其中一个具体的派送任务之前，各个兴趣点的件量与快递员当前位置所组成的联合向量，所述输出向量是快递员实际执行该具体的派送任务时所去往的兴趣点。

优选地，所述步骤S3进一步包括如下步骤：

S3.1.将一个派件过程开始进行时的当前状态信息转化为预测模型的输入向量，调用预测模型得到推荐第一步去往的兴趣点；