[发明专利]基于大数据与人工智能的智能配送方法及云平台系统

权利要求书

1.一种基于大数据与人工智能的智能配送方法，其特征在于，应用于食材配送监控平台，所述基于大数据与人工智能的智能配送方法包括：

确定通信连接的用户终端设备发送的订单信息对应的目标食材从离开送货箱至到达该订单信息中的收货地址信息对应的收货位置所需的目标时间信息，其中，该订单信息基于该用户终端设备响应用户操作生成；

基于所述目标时间信息和所述订单信息中的用餐温度信息确定所述目标食材离开送货箱时需要具有的目标温度信息；

基于所述目标温度信息和所述目标食材在所述送货箱中的当前温度信息，生成温度控制信息，其中，该当前温度信息基于设置于该送货箱中的温度检测设备生成并发送给所述食材配送监控平台；

将所述温度控制信息发送给通信连接的目标加热设备，其中，该目标加热设备设置于所述送货箱内部，且该目标加热设备用于基于该温度控制信息对所述目标食材的温度进行调节。

2.根据权利要求1所述的基于大数据与人工智能的智能配送方法，其特征在于，所述基于所述目标时间信息和所述订单信息中的用餐温度信息确定所述目标食材离开送货箱时需要具有的目标温度信息的步骤，包括：

获得当前的环境温度信息；

在预先建立的多种时间-温度对应关系中，基于所述环境温度信息确定一种时间-温度对应关系，作为目标时间-温度对应关系，其中，该目标时间-温度对应关系基于该环境温度信息对应的历史时间信息和历史温度下降信息确定，该历史时间信息用于表征历史上在该环境温度信息下食材从离开送货箱至到达收货位置所需的时间，该历史温度下降信息用于表征历史上在该环境温度信息下食材从离开送货箱至到达收货位置下降的温度；

基于所述目标时间信息和所述目标时间-温度对应关系，确定该目标时间信息对应的温度下降信息；

基于所述温度下降信息和所述订单信息中的用餐温度信息进行求和计算，得到所述目标食材离开送货箱时需要具有的目标温度信息。

3.根据权利要求2所述的基于大数据与人工智能的智能配送方法，其特征在于，还包括建立所述目标时间-温度对应关系的步骤，该步骤包括：

获取所述环境温度信息下的多个历史时间温度信息组，其中，每一个历史时间温度信息组包括一条历史时间信息和一条历史温度下降信息；

基于每一个所述历史时间温度信息组的生成时间信息，按照时间从前到后的顺序，对所述多个历史时间温度信息组进行排序处理，形成时间温度信息组序列；

针对所述时间温度信息组序列包括的多个历史时间温度信息组，以第一个历史时间温度信息组为起点、以最后一个历史时间温度信息组为终点，按照预设数量长度进行滑窗处理，得到多个时间温度信息组子序列，其中，每一个所述时间温度信息组子序列包括的历史时间温度信息组的数量长度为该预设数量长度，每相邻两个该时间温度信息组子序列之间在对应排序位置的历史时间温度信息组在所述时间温度信息组序列中相邻；

针对每一个所述时间温度信息组子序列，基于该时间温度信息组子序列包括的多个历史时间温度信息组中的历史时间信息和历史温度下降信息进行曲线拟合处理，得到该时间温度信息组子序列对应的历史时间-历史温度对应关系；

针对每一个所述历史时间-历史温度对应关系，基于该历史时间-历史温度对应关系，对该历史时间-历史温度对应关系对应的时间温度信息组子序列的后一个时间温度信息组子序列中的最后一个历史时间温度信息组中的历史时间信息进行预测计算处理，得到该历史时间信息对应的预测温度下降信息；

针对每一个所述预测温度下降信息，计算该预测温度下降信息与该预测温度下降信息对应的历史时间信息所在的历史时间温度信息组中的历史温度下降信息之间的预测温度误差值；

针对每一个所述预测温度误差值，基于预设的权重系数计算规则对该预测温度误差值的权重系数进行计算处理，得到该预测温度误差值的权重系数，其中，该权重系数计算规则包括相邻两个时间温度信息组子序列中前一个时间温度信息组子序列对应的预测温度误差值的权重系数小于后一个时间温度信息组子序列对应的预测温度误差值的权重系数，且全部的该权重系数的和为1；

基于每一个所述预测温度误差值和对应的每一个所述权重系数，进行加权求和计算处理，得到对应的预测温度总误差值；

判断所述预测温度总误差值是否大于预设的误差阈值；

若所述预测温度总误差值小于或等于所述误差阈值，则基于所述时间温度信息组序列包括的多个历史时间温度信息组中的历史时间信息和历史温度下降信息进行曲线拟合处理，得到该时间温度信息组序列对应的历史时间-历史温度对应关系，并将该历史时间-历史温度对应关系作为所述目标时间-温度对应关系。