[发明专利]一种基于多源数据的即时配送路径预测方法

说明书

本发明涉及一种基于多源数据的即时配送路径预测方法，包括预测系统，其中预测系统包括个多源特征提取模块，实现特征层面的数据融合；以及一个基于深度神经网络的路径预测模块，基于多源特征预测骑手路径，完成模型层面的特征融合；该技术首先关联多源异构数据——骑手相遇数据、骑手打点上报数据、骑手GPS数据提取得到多源特征，然后将多源特征进一步进行特征组合。得到的一系列组合特征通过基于包含特征转换层的深度神经网络，输出得到一系列预测分数，最终通过分数排序得到分数最高的即时配送骑手的下一目的地，即路径预测结果。该技术利用了包含丰富时空信息的多源数据，消除了单一数据源低质量的影响，可以有效提高路径预测的准确率。

技术领域

本发明涉及一种基于多源数据的即时配送路径预测方法，属于计算机数据处理技术领域。

背景技术

即时配送服务为了确保服务质量，有严格的订单交付时限。然而，由于交通、天气和时空等因素的影响，难以避免订单超期。准确预测即时配送场景下的骑手配送路径有利于将新订单分配给最合适的骑手，提高配送效率，降低订单超时率。

现有的路径预测算法大多基于单源数据，比如GPS轨迹数据或订单物流信息。这些方法不能应对实际情况中多种复杂因素，例如即时配送中的多个目的地和骑手个体差异。此外，现有的大多数研究往往使用启发式算法优化骑手的配送路径，并将优化的配送路径推荐给骑手。这些研究假设骑手的实际路径与推荐路径一致。然而，在现实中，骑手可能更愿意根据自己的经验来规划路径，而不是严格遵循建议。根据研究，至少有20％骑手的决定与推荐路径不同。这样的问题导致订单分派算法性能的下降。

由此可知，现有的技术无法实现准确的骑手路径预测，以准确率较低的骑手路径预测结果作为数据基础进行的订单分派，配送效率低，影响了即时配送服务的服务质量，因此，迫切的需要一种新的方案解决上述技术问题。

发明内容

本发明正是针对现有技术中存在的问题，提供一种基于多源数据的即时配送路径预测方法，该技术方案通过融合多源异构数据，使用深度神经网络模型准确预测骑手配送路径。

为了实现上述目的，本发明的技术方案如下，基于多源数据的即时配送路径预测方法，其特征在于，包括预测系统，其中预测系统包括个多源特征提取模块，实现特征层面的数据融合；以及一个基于深度神经网络的路径预测模块，基于多源特征预测骑手路径，完成模型层面的特征融合；

所述方法包括以下步骤：

S1.从即时配送平台提取骑手打点上报数据、骑手相遇数据、骑手GPS数据；

S2.考虑多源数据的独立性与关联性，对多源数据进行多源特征提取与融合；

S3.使用特征转换层提炼多源特征的高维特征表达，基于深度神经网络预测即时配送路径。

作为本发明的一种改进，S1.从即时配送平台提取骑手打点上报数据、骑手相遇数据、骑手GPS数据，具体如下：平台要求骑手在接受订单、到达商家、领取订单、交付订单时主动在手机应用程序上报告订单进度，平台通过骑手的打点上报数据获得订单、骑手的实时状态；平台使用Beacon技术收集骑手相遇信息，其原理如下：通过手机应用程序，使骑手手机在其工作时间内通过BLE 5.0(蓝牙5.0)协议持续广播一个ID tupes并进行持续扫描以感知蓝牙信号，再通过网络连接实时将扫描接收到的ID tupes上传到后端服务器，服务器接收到骑手ID和骑手接收到的ID tupes后，提取得到骑手相遇数据；平台通过骑手手机GPS定位获取骑手GPS数据。

作为本发明的一种改进，步骤S2的多源特征提取与融合工作，从多源数据中提取了目标骑手目的地与目标骑手的相遇骑手的目的地的多源组合特征，实现了特征层面的数据融合，具体工作如下：