[发明专利]物流订单匹配方法、装置以及电子设备在审

专利信息
申请号: 201811020289.8 申请日: 2018-09-03
公开(公告)号: CN110874700A 公开(公告)日: 2020-03-10
发明(设计)人: 王兵;张晓梦 申请(专利权)人: 菜鸟智能物流控股有限公司
主分类号: G06Q10/08 分类号: G06Q10/08;G06K9/62
代理公司: 北京清源汇知识产权代理事务所(特殊普通合伙) 11644 代理人: 冯德魁;窦晓慧
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 物流 订单 匹配 方法 装置 以及 电子设备
【权利要求书】:

1.一种物流订单匹配方法,其特征在于,包括:

获取物流订单的订单请求信息中携带的物流地址,确定物流对象收发范围覆盖所述物流地址的配送端;

将所述订单请求信息和所述配送端的特征信息输入物流匹配评价模型进行匹配,获得所述配送端对物流订单的匹配度;其中,所述物流匹配评价模型基于历史物流订单的物流订单数据、与所述物流订单数据对应的揽收特征获得;

从所述配送端中筛选出匹配度满足设定匹配阈值的候选配送端集合。

2.根据权利要求1所述的物流订单匹配方法,其特征在于,包括:

基于所述匹配度向所述候选配送端集合中配送端推送所述物流订单。

3.根据权利要求2所述的物流订单匹配方法,其特征在于,所述基于所述匹配度向所述候选配送端集合中配送端推送所述物流订单,包括:

根据所述候选配送端集合中配送端对所述物流订单的匹配度从高到低的顺序,对所述候选配送端集合中配送端进行分层;每个分层对应各自的推送优先级,且推送优先级越高的分层的配送端对所述物流订单的匹配度越高;

按照推送优先级从高到底的顺序依次向每个分层的配送端推送所述物流订单。

4.根据权利要求2所述的物流订单匹配方法,其特征在于,所述基于所述匹配度向所述候选配送端集合中配送端推送所述物流订单,包括:

向所述候选配送端集合中对所述物流订单的匹配度最高的配送端推送所述物流订单。

5.根据权利要求1所述的物流订单匹配方法,其特征在于,所述物流匹配评价模型,包括:分类子模型和融合子模型;

其中,所述分类子模型,用于根据输入的物流订单的订单请求信息和配送端的特征信息,对物流订单和配送端二者进行匹配计算,输出配送端对物流订单的初始匹配度;

所述融合子模型,用于根据输入的配送端的离线服务特征、实时揽件特征以及所述分类子模型获得的所述初始匹配度,对物流订单和配送端二者进行匹配计算,输出配送端对物流订单的匹配度。

6.根据权利要求5所述的物流订单匹配方法,其特征在于,所述融合子模型中,所述离线服务特征、所述实时揽件特征和所述初始匹配度设有各自对应的匹配权重,且所述匹配权重基于所述物流订单所处的业务场景进行配置。

7.根据权利要求1所述的物流订单匹配方法,其特征在于,所述物流对象收发范围覆盖所述物流地址的配送端,包括下述至少一项:

所处地理位置与所述物流地址的距离小于设定揽收距离的所有配送端,揽收的历史物流订单的物流地址与所述物流地址二者属于同一最小物流网格单元的配送端,实时地理位置与所述物流地址的距离小于设定阈值的配送端。

8.根据权利要求1至7任意一项所述的物流订单匹配方法,其特征在于,所述物流匹配评价模型的训练方式包括:

收集历史物流订单的物流订单数据;

对所述物流订单数据进行数据过滤,和/或,在至少一个特征维度对所述物流订单数据进行量化;

对量化后的物流订单数据在至少一个特征维度进行特征构建,生成所述物流订单数据对应的揽收特征;

将构建好所述揽收特征作为模型训练的输入,训练成功后获得所述物流匹配评价模型的模型特征参数。

9.根据权利要求8所述的物流订单匹配方法,其特征在于,所述物流订单数据,包括下述至少一项:

物流订单的寄件人信息、配送端的特征信息、物流订单状态属性信息和物流订单状态变化时间节点信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于菜鸟智能物流控股有限公司,未经菜鸟智能物流控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811020289.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top