[发明专利]时间概率分布模型训练方法、配送时间获取方法及装置

权利要求书

1.一种时间概率分布模型训练方法，其特征在于，包括：

获取训练样本；所述训练样本是由历史配送订单的订单信息，及与所述历史配送订单关联的配送人员的配送人员信息形成的，所述训练样本对应于一个第一送达时间；

获取为所述训练样本设置的多个初始送达时间；

将所述训练样本和所述多个初始送达时间输入至初始时间概率分布模型，并获取由所述初始时间概率分布模型输出的所述多个初始送达时间对应的送达概率；

根据所述送达概率，确定所述多个初始送达时间中的第二送达时间；

在所述第二送达时间与所述第一送达时间相匹配的情况下，将训练后的所述初始时间概率分布模型作为目标时间概率分布模型。

2.根据权利要求1所述的方法，其特征在于，所述获取训练样本，包括：

获取所述历史配送订单的订单基础信息，及所述历史配送订单关联的业务方的业务方信息，并将所述订单基础信息和所述业务方信息作为所述订单信息；

获取距离所述业务方的业务方位置在预设距离范围内的配送人员的配送人员信息；

其中，所述订单基础信息包括下单时间、所述下单时间所处时段、配送距离、订单价格和收单人位置信息；所述业务方信息包括业务方位置信息和出单时间信息；所述配送人员信息包括配送人员的位置信息、配送人员持有订单的配送信息、配送准时信息和配送能力信息。

3.根据权利要求1所述的方法，其特征在于，所述将所述训练样本和所述多个初始送达时间输入至初始时间概率分布模型，并获取由所述初始时间概率分布模型输出的所述多个初始送达时间对应的送达概率，包括：

将所述训练样本和所述多个初始送达时间输入至所述初始时间概率分布模型；

基于所述初始时间概率分布模型，确定所述订单信息对应的订单编码向量，及所述配送人员信息对应的配送人员编码向量；

基于所述初始时间概率分布模型根据所述订单编码向量和所述配送人员编码向量，预测得到所述多个初始送达时间对应的送达概率。

4.根据权利要求1所述的方法，其特征在于，所述根据所述送达概率，确定所述多个初始送达时间中的第二送达时间，包括：

根据所述多个初始送达时间和所述第一送达时间的时间差值，获取时间差值位于预设时间范围内的至少一个初始送达时间；

获取所述至少一个初始送达时间中送达概率最大的初始送达时间，并将送达概率最大的初始送达时间作为所述第二送达时间。

5.一种配送时间获取方法，其特征在于，包括：

在接收到目标订单之后，获取所述目标订单关联的目标订单信息，及所述目标订单所处目标业务方的预设距离范围的目标配送人员的目标配送信息；

获取为所述目标订单设置的多个第三送达时间；

将所述目标订单信息、所述目标配送信息和所述多个第三送达时间输入至目标时间概率分布模型，并获取由所述目标时间概率分布模型输出的所述多个第三送达时间对应的目标送达概率；

根据所述目标送达概率，从所述多个第三送达时间中筛选得到所述目标订单对应的目标配送时间；

其中，所述目标时间概率分布模型是通过权利要求1至4任一项所述的时间概率分布模型训练方法训练得到的。

6.根据权利要求5所述的方法，其特征在于，所述根据所述目标送达概率，从所述多个第三送达时间中筛选得到所述目标订单对应的目标配送时间，包括：

获取所述多个第三送达时间中位于预设时间范围内的至少一个第四送达时间；

根据所述目标送达概率，从所述至少一个第四送达时间中筛选出送达概率最大的送达时间，并将所述送达概率最大的送达时间作为所述目标配送时间。