[发明专利]订单处理方法、装置、计算机设备及存储介质

权利要求书

1.一种订单处理方法，其特征在于，所述方法包括：

将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源，所述推荐模型用于为所述至少一个订单推荐派单概率符合预设条件的运力资源；

根据所述特征数据，获取所述多个目标运力资源对所述至少一个订单进行派送的多个预计派送路径，得到与所述多个预计派送路径对应的多个目标函数增量，所述目标函数增量用于指示运力资源基于所规划的派送路径派送所述至少一个订单时预计增加的目标函数损失；

根据所述多个目标函数增量，对所述至少一个订单进行处理。

2.根据权利要求1所述的方法，其特征在于，所述将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源包括：

所述推荐模型为多个弱学习器所集成的强学习器，将所述特征数据输入所述多个弱学习器，通过对所述多个弱学习器的输出进行加权处理，得到多个运力资源对所述至少一个订单进行派送的派单概率；

将派单概率大于第一目标阈值的运力资源获取为所述多个目标运力资源。

3.根据权利要求1所述的方法，其特征在于，所述将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源之前，所述方法还包括：

获取所述目标区域内的至少一个历史订单的历史特征数据，所述历史特征数据为距离当前时刻之前预设时长内的至少一个特征数据；

根据所述历史特征数据，对初始模型进行训练，得到所述推荐模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述历史特征数据，对初始模型进行训练，得到所述推荐模型包括：

将所述历史特征数据输入所述初始模型，输出多个样本运力资源对所述至少一个历史订单进行派送的派单概率；

当所述派单概率的损失函数值大于第一目标数值时，通过决策树算法对所述初始模型内的多个约束条件的阈值参数进行修改，所述损失函数值用于指示所述派单概率与所述多个样本运力资源的实际派单结果之间的误差；

直到所述损失函数值小于或等于所述第一目标数值或者迭代次数达到预设次数，得到所述推荐模型。

5.根据权利要求4所述的方法，其特征在于，所述将所述历史特征数据输入所述初始模型，输出多个样本运力资源对所述至少一个历史订单进行派送的派单概率包括：

将所述历史特征数据输入所述初始模型，通过所述初始模型，获取所述多个样本运力资源对所述至少一个历史订单进行派送的多个预计派送路径，得到与所述多个预计派送路径对应的多个目标函数增量；

根据所述多个目标函数增量，对所述至少一个历史订单进行处理，输出所述多个样本运力资源对所述至少一个历史订单进行派送的派单概率。

6.根据权利要求2或4所述的方法，其特征在于，所述得到所述推荐模型之后，所述方法还包括：

根据所述实际派单结果和所述派单概率，获取当召回率大于第二目标数值时的概率阈值，所述召回率用于指示所述派单概率大于所述概率阈值且实际派单结果为真的运力资源数与实际派单结果为真的运力资源数的比值；

将所述概率阈值确定为所述第一目标阈值。

7.根据权利要求3所述的方法，其特征在于，所述根据所述历史特征数据，对初始模型进行训练，得到所述推荐模型包括：

根据所述历史特征数据，获取多个运力资源对所述至少一个历史订单进行派送的多个预计派送路径，得到与所述多个预计派送路径对应的多个目标函数增量；

根据所述多个目标函数增量，对所述至少一个历史订单进行处理，得到所述多个运力资源的理论派单结果；

根据将所述理论派单结果，对所述初始模型进行训练，得到所述推荐模型。

8.根据权利要求1所述的方法，其特征在于，所述将目标区域内的至少一个订单的特征数据输入推荐模型，输出多个目标运力资源之前，所述方法还包括：

获取压单数据，所述压单数据为当前时刻处于压单状态的订单；

将所述压单数据添加到多个运力资源的待处理订单中，获取所述特征数据。