[发明专利]订单派发方法、装置、计算机设备及存储介质

说明书

本申请公开一种订单派发方法、装置、计算机设备及存储介质，涉及计算机技术领域，用于提高订单派发的效率。该订单派发方法包括：接收订单派发请求；订单派发请求包括订单目的地址；获取与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，确定目标取货点的权重值；若目标取货点的权重值满足预设条件，则向目标取货点和配送终端发送订单信息。

技术领域

本发明实施例涉及计算机技术领域，尤其是一种订单派发方法、装置、计算机设备及存储介质。

背景技术

派单系统是互联网医院处方外流环节不可或缺的部分。作为医院开处方到患者用药，派送时效是最影响用户体验的指标。而配送点的选择和订单的处理时间对该指标有着重要的影响。

传统的派单系统通常通过操作员手动选择派发订单，或者通过预置顺序自动派发订单。

然而，通过操作员手动选择的订单派发方法需要操作员实时监控派单系统。当操作员下班或者其他原因无法实时监控派单系统时，可能影响订单派发的时效性。而通过预置顺序自动派发订单可能导致人员密集区域附近的取货点忙的不可开交，而人员稀少区域附近的取货点不能得到充分利用的情形。

发明内容

本发明实施例提供一种能够提高订单派发效率的订单派发方法、装置、计算机设备及存储介质。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种订单派发方法，包括：接收订单派发请求；订单派发请求包括订单目的地址；获取与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，确定目标取货点的权重值；若目标取货点的权重值满足预设条件，则向目标取货点和配送终端发送订单信息。

在一些方式中，订单派发方法还包括：利用Hadoop开源软件和深度学习算法构建初始深度学习系统；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。

在一些方式中，每个深度自动编码器均包括编码器和解码器；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；将隐含层向量h作为解码器的输入量，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为隐含层向量h的权值向量，b_h为阈值，S_g为解码器的激活函数。

在一些方式中，利用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，以得到构建好的深度学习评分系统；第一个深度自动编码器为将至少一个取货点的特征信息输入到初始深度学习系统中，通过无监督训练得到的；下一个自动编码器为：与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。

在一些方式中，向目标取货点和配送终端发送订单信息之后，还包括：将地址信息和权重存储于分布式配置中心的存储设备中；读取存储设备中地址信息和权重存储的物理起始地址和结束地址；以起始地址和结束地址构建地址信息和权重的存储文件夹。

在一些方式中，以起始地址和结束地址构建地址信息和权重的存储文件夹之后，还包括：周期性的获取地址信息和权重的更新信息；将更新信息写入存储文件夹中，以使更新信息覆盖地址信息和权重进行存储。