[发明专利]订单派发方法、装置、计算机设备及存储介质

权利要求书

1.一种订单派发方法，其特征在于，包括：

接收订单派发请求；所述订单派发请求包括订单目的地址；

获取与所述目的地址对应的目标区域内的目标取货点的特征信息；

根据所述目标取货点的特征信息以及预先构建好的深度学习评分系统，确定所述目标取货点的权重值；

若所述目标取货点的权重值满足预设条件，则向所述目标取货点和配送终端发送订单信息。

2.根据权利要求1所述的订单派发方法，其特征在于，还包括：

利用Hadoop开源软件和深度学习算法构建初始深度学习系统；所述深度学习算法包括在Hadoop数据库中建立的多个深度自动编码器、隐含层和反向传播神经网络BP；一个隐含层对应一个深度自动编码器；

利用所述深度学习算法和至少一个取货点的特征信息对每个所述深度自动编码器进行训练，以得到构建好的深度学习评分系统。

3.根据权利要求2所述的订单派发方法，其特征在于，所述每个深度自动编码器均包括编码器和解码器；

所述编码器采用如下关系式进行编码：

h＝f(x)＝S_f(Wx+b_j)；

其中，x为所述至少一个取货点的特征信息所构成的特征向量；W为输入向量的权值，b_j表示第j个神经元的阈值，h是得到的隐含层向量；

将所述隐含层向量h作为所述解码器的输入量，所述解码器采用如下关系式进行解码：

y＝g(h)＝S_g(Qh+b_h)；

其中，Q为所述隐含层向量h的权值向量，b_h为阈值，S_g为所述解码器的激活函数。

4.根据权利要求3所述的订单派发方法，其特征在于，所述利用所述深度学习算法和至少一个取货点的特征信息对每个深度自动编码器进行训练，以得到构建好的深度学习评分系统，包括：

将当前深度自动编码器的输出作为下一个深度自动编码器的输入，训练出第二个深度自动编码器，直到完成预设数量隐含层的训练为止，以得到所述构建好的深度学习评分系统；第一个深度自动编码器为将所述至少一个取货点的特征信息输入到所述初始深度学习系统中，通过无监督训练得到的；所述下一个自动编码器为：与所述当前自动编码器对应的隐含层相邻的下一个隐含层中的自动编码器。

5.根据权利要求1所述的订单派发方法，其特征在于，所述向所述目标取货点和配送终端发送订单信息之后，还包括：

将所述地址信息和权重存储于分布式配置中心的存储设备中；

读取所述存储设备中所述地址信息和权重存储的物理起始地址和结束地址；

以所述起始地址和结束地址构建所述地址信息和权重的存储文件夹。

6.根据权利要求5所述的订单派发方法，其特征在于，所述以所述起始地址和结束地址构建所述地址信息和权重的存储文件夹之后，还包括：

周期性的获取所述地址信息和权重的更新信息；

将所述更新信息写入所述存储文件夹中，以使所述更新信息覆盖所述地址信息和权重进行存储。

7.根据权利要求6所述的订单派发方法，其特征在于，所述将所述更新信息写入所述存储文件夹中，以使所述更新信息覆盖所述地址信息和权重进行存储之后，还包括：

读取采集所述地址信息和权重的调用请求；

根据所述调用请求读取所述存储文件夹的存储数据，并依据所述存储数据对所述调用请求进行响应。

8.一种订单派发装置，其特征在于，包括：

接收模块，用于接收订单派发请求；所述订单派发请求包括订单目的地址；

获取模块，用于获取与所述目的地址对应的目标区域内的目标取货点的特征信息；

处理模块，用于根据所述目标取货点的特征信息以及预先构建好的深度学习评分系统，确定所述目标取货点的权重值；

发送模块，用于若所述目标取货点的权重值满足预设条件，则向所述目标取货点和配送终端发送订单信息。