[发明专利]一种外卖配送时间预测方法和装置

权利要求书

1.一种外卖配送时长预测方法，其特征在于，包括：

获取外卖订单的订单信息；

根据所述订单信息确定所述外卖订单对应的历史影响因素和当前影响因素，所述历史影响因素是根据历史外卖配送数据确定的；

根据所述外卖订单的历史影响因素、当前影响因素以及非线性预测模型确定所述外卖订单的配送时长，所述非线性预测模型是以所述历史外卖配送数据中的历史影响因素和当前影响因素为自变量，外卖配送时长为因变量确定的；所述非线性预测模型包括第一非线性预测模型和第二非线性预测模型；其中，根据所述外卖订单的历史影响因素、当前影响因素以及所述第一非线性预测模型预测所述外卖订单的第一配送时长；根据所述外卖订单的历史影响因素、当前影响因素以及所述第二非线性预测模型预测所述外卖订单的第二配送时长；根据所述外卖订单的第一配送时长和所述外卖订单的第二配送时长确定所述外卖订单的配送时长；

其中，根据历史外卖配送数据确定历史影响因素，包括：

所述历史外卖配送数据包括历史订单信息和历史配送数据；

根据所述历史订单信息确定所述历史配送数据的统计维度，所述统计维度具体为时间与订单信息中其它属性特征的结合；

按照历史订单信息中的订单创建时间确定历史订单所属的统计周期，获取同一统计周期内的历史订单信息及历史订单信息对应的历史配送数据；

针对任意一个统计维度，对各个统计周期的历史订单信息对应的历史配送数据进行统计，确定外卖订单在所述统计维度的历史影响因素。

2.如权利要求1所述的方法，其特征在于，所述第一非线性预测模型为随机森林模型，所述第二非线性预测模型为梯度提升树模型。

3.如权利要求1所述的方法，其特征在于，所述历史订单信息包括以下任意一项或多项：订单创建时间、餐厅、站点、网格、客户位置；

所述历史影响因素包括以下任意一项或多项：统计周期历史配送时长、餐厅历史配送时长、餐厅历史出餐时长、网格历史配送范围、站点历史压单时长、客户位置的配送难易程度；

所述当前影响因素包括以下任意一项或多项：天气、当前时间、订单距离、站点当前骑手数量、餐厅最近时段的出餐时长、餐厅附近骑手等级。

4.一种外卖配送时长预测装置，其特征在于，包括：

获取模块，用于获取外卖订单的订单信息；

处理模块，用于根据所述订单信息确定所述外卖订单对应的历史影响因素和当前影响因素，所述历史影响因素是根据历史外卖配送数据确定的；根据所述外卖订单的历史影响因素、当前影响因素以及非线性预测模型确定所述外卖订单的配送时长，所述非线性预测模型是以所述历史外卖配送数据中的历史影响因素和当前影响因素为自变量，外卖配送时长为因变量确定的；所述非线性预测模型包括第一非线性预测模型和第二非线性预测模型；其中，根据所述外卖订单的历史影响因素、当前影响因素以及所述第一非线性预测模型预测所述外卖订单的第一配送时长；根据所述外卖订单的历史影响因素、当前影响因素以及所述第二非线性预测模型预测所述外卖订单的第二配送时长；根据所述外卖订单的第一配送时长和所述外卖订单的第二配送时长确定所述外卖订单的配送时长；

所述处理模块具体用于：

所述历史外卖配送数据包括历史订单信息和历史配送数据；

根据所述历史订单信息确定所述历史配送数据的统计维度，所述统计维度具体为时间与订单信息中其它属性特征的结合；

按照历史订单信息中的订单创建时间确定历史订单所属的统计周期，获取同一统计周期内的历史订单信息及历史订单信息对应的历史配送数据；

针对任意一个统计维度，对各个统计周期的历史订单信息对应的历史配送数据进行统计，确定外卖订单在所述统计维度的历史影响因素。

5.如权利要求4所述的装置，其特征在于，所述第一非线性预测模型为随机森林模型，所述第二非线性预测模型为梯度提升树模型。

6.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行如权利要求1至3任一项所述的方法。

7.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至3任一项所述的方法。