[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

说明书

本公开提供了一种时间概率分布模型训练方法、配送时间获取方法及装置。所述训练方法包括：获取训练样本；训练样本是由历史配送订单的订单信息，及与历史配送订单关联的配送人员的配送人员信息形成的，训练样本对应于一个第一送达时间；获取为训练样本设置的多个初始送达时间；将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。本公开可以提高预估配送时间的准确度。

技术领域

本公开的实施例涉及互联网技术领域，尤其涉及一种时间概率分布模型训练方法、配送时间获取方法及装置。

背景技术

在即时配送业务场景中，用户下单时平台会为用户展示当前运单的预计送达时间(Estimated Time of Arrival，ETA)。ETA在整个业务中占有很重要的地位，作为平台对用户的履约承诺，ETA会影响到用户的体验。同时，调度系统使用ETA作为调度约束，ETA影响调度系统的派单和整体的配送效率。除此之外，配送人员的考核时间也与ETA强相关，会影响配送人员的配送体验。整体来看，ETA作为配送业务的第一环，对体验和效率有直接的影响。业务上有通过ETA调整配送时间偏差(ETA-实际送达时间)的分布，进而优化体验和效率的诉求。不同配送时间偏差下，用户体验、配送人员压力和系统效率是不同的，当偏差过大时，用户体验不好。但是当偏差过小时，用户体验不好，配送人员压力大，而且会影响到调度系统给配送人员派更多的顺路单，系统整体效率低。

发明内容

本公开的实施例提供一种时间概率分布模型训练方法、配送时间获取方法及装置，用以提高配送时间的预估准确度，提高用户和配送人员体验的同时，提高了系统的整体效率。

根据本公开的实施例的第一方面，提供了一种时间概率分布模型训练方法，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。

可选地，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。

可选地，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；