[发明专利]配送运单的信息处理方法、装置、产品、存储介质及设备

权利要求书

1.一种配送运单的信息处理方法，包括：

获取当前处于配送状态的配送运单在当前时刻的运单信息；

将所述当前时刻的运单信息输入至机器学习模型中，获取所述机器学习模型预测的当前时刻的剩余配送时长均值和剩余配送时长方差；其中，所述机器学习模型是基于当前时刻的剩余配送时长服从正态分布训练得到的；

根据所述预测的当前时刻的剩余配送时长均值和剩余时长方差，确定当前时刻的剩余配送时长的正态分布；

获取当前时刻的剩余承诺用户时长，利用所述正态分布确定当前时刻下所述配送运单的超时概率。

2.根据权利要求1所述的方法，所述机器学习模型在训练时，评价函数的优化目标包括：机器学习模型对配送运单样本预估的当前时刻的剩余配送时长均值和剩余配送时长方差，与所述配送运单样本中作为真实值的剩余配送时长的差异。

3.根据权利要求1所述的方法，所述利用所述正态分布确定当前时刻下所述配送运单的超时概率，包括：

计算所述正态分布的曲线在所述当前时刻的剩余承诺时长之后的横轴区间的面积，得到所述超时概率。

4.根据权利要求1所述的方法，所述机器学习模型的训练数据包括：历史配送运单数据，所述历史配送运单数据包括有历史配送运单的承诺用户时长、实际配送时长和历史配送运单的运单信息；其中，历史配送运单数据包括按照设定时间间隔确定出的多个样本。

5.根据权利要求1或4所述的方法，所述运单信息，包括如下一种或多种订信息：

配送运力所处的地理位置信息、配送运力所处位置的交通信息、配送运力承接的配送运单的数量、配送运力承接的每一配送运单的配送物品的领取状态信息、配送运力承接的每一配送运单的配送物品的属性信息或配送运力的历史配送信息。

6.根据权利要求1所述的方法，所述方法还包括如下一个或多个步骤：

将所述机器学习模型预测的当前时刻的剩余配送时长均值和所述配送运单的超时概率展示给用户；

根据所述超时概率确定是否触发执行预设的超时预警流程；或，

根据所述当前时刻的剩余配送时长的正态分布，确定所述配送运单在当前时刻的其他信息。

7.一种配送运单的信息处理装置，包括：

运单信息获取模块，用于：获取当前处于配送状态的配送运单在当前时刻的运单信息；

模型预测模块，用于：将所述当前时刻的运单信息输入至机器学习模型中，获取所述机器学习模型预测的当前时刻的剩余配送时长均值和剩余配送时长方差；其中，所述机器学习模型是基于当前时刻的剩余配送时长服从正态分布训练得到的；

正态分布确定模块，用于：根据所述预测的当前时刻的剩余配送时长均值和剩余时长方差，确定当前时刻的剩余配送时长的正态分布；

超时确定模块，用于：获取当前时刻的剩余承诺用户时长，利用所述正态分布确定当前时刻下所述配送运单的超时概率。

8.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法的步骤。