[发明专利]快件拦截处理方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种快件拦截处理方法、装置、设备及存储介质。方法包括：获取待拦截快件的信息表，所述待拦截快件的信息表用于指示所述待拦截快件的物流轨迹信息；将所述物流轨迹信息输入预置拦截站点分配模型进行拦截站点分配，确定目标拦截站点；对所述目标拦截站点进行类型匹配，确定与所述目标拦截站点匹配的目标站点类型；将所述待拦截快件的信息发送至所述目标拦截站点以进行快件拦截处理，并通过所述目标站点类型对所述目标拦截站点的快件拦截信息进行更新，得到目标拦截信息。本发明还涉及区块链技术，待拦截快件的信息表可存储于区块链中。

技术领域

本发明涉及人工智能领域，尤其涉及一种快件拦截处理方法、装置、设备及存储介质。

背景技术

随着互联网技术的不断发展，越来越多的人逐渐将网购作为平时日常生活的主要购物方式，进而促进了物流行业的发展，物流是物品从供应地向接收地的流动过程中，根据实际需要，将运输、储存、装卸、搬运、包装、流通加工、配送、信息处理等功能有机结合起来实现用户要求的过程。互联网的发展使得网络购物成为人们生活的一部分，例如快递、外卖、跑腿、到家等配送上门的服务更是使人可以足不出户而享受到各种便利。

在快件从寄件地址运送到收件地址的过程中，如果发生寄件物品错误或者用户中途想要取消快件投递的情况，就需要及时拦截快件，如果不拦截成功就难以满足消费者的需求，降低了消费者的用户体验，但是由于数据庞大，在物流运输过程中会经过始发网点、分拨中心和末端网点，业务人员无法直观地知道需要返款的站点，从而无法及时获取快件拦截站点以进行快件拦截。

发明内容

本发明的主要目的在于解决获取快件拦截站点时效率较低的问题。

本发明第一方面提供了一种快件拦截处理方法，包括：获取待拦截快件的信息表，所述待拦截快件的信息表用于指示所述待拦截快件的物流轨迹信息；将所述物流轨迹信息输入预置拦截站点分配模型进行拦截站点分配，确定拦截站点；对所述拦截站点进行类型匹配，确定与所述拦截站点匹配的站点类型；将所述待拦截快件的信息发送至所述目标拦截站点以进行快件拦截处理，并通过所述与所述拦截站点匹配的站点类型对所述拦截站点进行返款处理。

可选的，在本发明第一方面的第一种实现方式中，在所述获取待拦截快件的信息表之前，还包括：从预置业务系统获取隐私脱敏后的历史数据，所述历史数据是指已成功拦截快件的历史物流轨迹信息；对所述历史数据进行数据转换，得到时序数据；对所述时序数据进行标准化处理，得到训练样本；将训练样本输入预置的差分整合移动平均自回归模型进行模型训练，得到拦截站点分配模型。

可选的，在本发明第一方面的第二种实现方式中，所述对所述历史数据进行数据转换，得到时序数据包括：对所述历史数据进行属性提取，得到属性信息数据；将所述属性信息数据进行数据清洗，得到标准属性信息数据；将所述标准属性信息数据进行数据聚合，得到数据标量值；调用数据转换函数将所述数据标量值进行数据转换，生成时序数据。

可选的，在本发明第一方面的第三种实现方式中，所述对所述时序数据进行标准化处理，得到训练样本包括：判断所述时序数据是否为平稳时间序列；若是，则将所述时序数据作为训练样本；若否，则对所述时序数据进行时间序列的差分，使所述时序数据成为平稳时间序列并作为训练样本。

可选的，在本发明第一方面的第四种实现方式中，所述将训练样本输入预置的差分整合移动平均自回归模型进行模型训练，得到拦截站点分配模型包括：获取与所述训练样本对应的预设标签；将所述训练样本对应的预设标签输入到预置的差分整合移动平均自回归模型中进行基础训练，得到基础分配模型；对所述基础分配模型对所述训练样本对应的训练样本权重进行迭代更新，直至满足预设终止条件，得到更新后的基础分配模型并作为所述拦截站点分配模型。