CN110874666A - 物品的配送方法、***、设备和存储介质 - Google Patents

Abstract

本发明公开了一种物品的配送方法、***、设备和存储介质，所述配送方法包括：获取与用户对应的历史配送时间；根据所述历史配送时间建立概率预测模型，所述概率预测模型用于预测用户在不同的时间段可以接收物品的概率；在配送物品时，向配送人员推荐超过设定阈值的所述概率对应的不同的时间段。本发明在配送物品时，向配送人员推荐超过设定阈值的所述概率对应的不同的时间段，并根据推荐不同的时间段确定物品的配送时间进行确定配送，从而提高了配送效率，缩短了每件物品的配送时间且减少了配送人员工作量。

Description

物品的配送方法、***、设备和存储介质

技术领域

本发明涉及物流管理技术领域，特别涉及一种物品的配送方法、***、设备和存储介质。

背景技术

目前，在配送快递环节中，对于配送的大件物品，配送人员一般会提前一天与用户沟通(如打电话或发短信等方式)，在确认合适的配送时间后再安排配送；对于一般大小的物品，配送人员一般在到达小区后，直接爬楼梯或等电梯上楼，到达目的地后敲门送货，如果多次敲门无人应答(家中可能没人)，配送人员再打电话给用户沟通下次合适的配送时间，因此会造成配送失败，同时配送人员上楼、下楼以及打电话确认等流程也浪费了很多配送时间，所以，现有的快递配送存在每件物品的配送时间较长、配送效率低且配送人员工作量等问题。

发明内容

本发明要解决的技术问题是现有技术中快递配送存在每件物品的配送时间较长、配送效率低且配送人员工作量等缺陷，目的在于提供一种物品的配送方法、***、设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种物品的配送方法，所述配送方法包括：

获取与用户对应的历史配送时间；

其中，所述历史配送时间包括物品配送成功的时间，以及物品配送失败的时间和/或用户反馈的不能接收物品的时间；

根据所述历史配送时间建立概率预测模型，所述概率预测模型用于预测用户在不同的时间段可以接收物品的概率；

在配送物品时，向配送人员推荐超过设定阈值的所述概率对应的不同的时间段。

较佳地，所述向配送人员推荐超过设定阈值的所述概率对应的不同的时间段的步骤之后包括：

根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间。

较佳地，所述在配送物品时，向配送人员推荐超过设定阈值的所述概率对应的不同的时间段的步骤包括：

当配送人员在配送点准备配送物品时，向用户发送配送通知；

判断是否接收到用户发送的反馈信息，若否，则获取配送人员到达与物品对应的配送目的地的预测时间段，并获取所述预测时间段对应的第一概率；

判断所述第一概率是否大于所述设定阈值，若所述第一概率大于所述设定阈值，则所述向配送人员推荐超过设定阈值的概率对应的不同的时间段步骤包括：

向配送人员推荐所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段；

所述根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间的步骤包括：

根据推荐的所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段，确定物品的配送时间；

若所述第一概率小于或者等于所述设定阈值，则所述向配送人员推荐超过设定阈值的概率对应的不同的时间段步骤包括：

向配送人员推荐超过设定阈值的所述概率对应的不同的时间段；

所述根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间的步骤包括：

根据推荐超过设定阈值的所述概率对应的不同的时间段与用户确定物品的配送时间。

较佳地，所述向用户发送配送通知的步骤之后还包括：

判断是否接收到用户发送的不能接收物品的反馈信息，若是，则与用户确定物品的配送时间。

较佳地，所述向用户发送配送通知的步骤之后还包括：

判断是否接收到用户发送的能够接收物品的反馈信息，若是，则根据与所述用户发送的能够接收物品的反馈信息对应的时间确定配送时间。

较佳地，所述根据所述历史配送时间建立概率预测模型的步骤之前还包括：

获取物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种；

所述根据所述历史配送时间建立概率预测模型的步骤还包括：

根据所述物品的配送地址、所述用户的位置信息和所述配送人员的配送路程花费时间中的至少一种，以及所述历史配送时间，建立所述概率预测模型。

本发明还提供一种物品的配送***，所述配送***包括配送时间获取模块、建立模型模块和推荐模块；

所述配送时间获取模块用于获取与用户对应的历史配送时间；

其中，所述历史配送时间包括物品配送成功的时间，以及物品配送失败的时间和/或用户反馈的不能接收物品的时间；

所述建立模型模块用于根据所述历史配送时间建立概率预测模型，所述概率预测模型用于预测用户在不同的时间段可以接收物品的概率；

所述推荐模块用于在配送物品时，向配送人员推荐超过设定阈值的所述概率对应的不同的时间段。

较佳地，所述配送***还包括配送时间确定模块；

所述配送时间确定模块用于根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间。

较佳地，所述配送***还包括配送通知发送模块、第一判断模块、第一获取模块和第二判断模块；

所述配送通知发送模块用于当配送人员在配送点准备配送物品时，向用户发送配送通知；

所述第一判断模块用于判断是否接收到用户发送的反馈信息，若否，则调用第一获取模块；

所述第一获取模块用于获取配送人员到达与物品对应的配送目的地的预测时间段，并获取所述预测时间段对应的第一概率；

所述第二判断模块用于判断所述第一概率是否大于所述设定阈值，若所述第一概率大于所述设定阈值，则调用所述推荐模块向配送人员推荐所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段；

所述配送时间确定模块还用于根据推荐的所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段，确定物品的配送时间；

在所述第二判断模块判断所述第一概率小于或者等于所述设定阈值时，调用所述推荐模块向配送人员推荐超过设定阈值的所述概率对应的不同的时间段；

所述配送时间确定模块还用于根据推荐超过设定阈值的所述概率对应的不同的时间段与用户确定物品的配送时间。

较佳地，所述第一判断模块还用于判断是否接收到用户发送的不能接收物品的反馈信息，若是，则与用户确定物品的配送时间。

较佳地，所述第一判断模块还用于判断是否接收到用户发送的能够接收物品的反馈信息，若是，则根据与所述用户发送的能够接收物品的反馈信息对应的时间确定配送时间。

较佳地，所述配送***还包括第二获取模块；

所述第二获取模块用于获取物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种；

所述建立模型模块还用于根据所述物品的配送地址、所述用户的位置信息和所述配送人员的配送路程花费时间中的至少一种，以及所述历史配送时间，建立所述概率预测模型。

本发明还提供一种电子设备，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，所述处理器执行计算机程序时实现上述的物品的配送方法。

本发明还提供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上述的物品的配送方法的步骤。

本发明的积极进步效果在于：

本发明中，基于用户的历史配送成功的时间、历史配送失败的时间以及用户反馈的不能接收物品的时间等数据，建立概率预测模型，获取用户在不同的时间段可以接收物品的概率；在配送物品时，向配送人员推荐超过设定阈值的概率对应的不同的时间段，并根据推荐不同的时间段确定物品的配送时间进行确定配送，从而提高了配送效率，缩短了每件物品的配送时间且减少了配送人员工作量。

附图说明

图1为本发明实施例1的物品的配送方法的流程图。

图2为本发明实施例2的物品的配送方法的流程图。

图3为本发明实施例3的物品的配送***的模块示意图。

图4为本发明实施例4的物品的配送***的模块示意图。

图5为本发明实施例5中的实现物品的配送方法的电子设备的结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

实施例1

如图1所示，本实施例的物品的配送方法包括：

S101、获取与用户对应的历史配送时间；

其中，历史配送时间包括物品配送成功的时间，以及物品配送失败的时间和/或用户反馈的不能接收物品的时间；

S102、根据历史配送时间建立概率预测模型；

其中，概率预测模型用于预测用户在不同的时间段可以接收物品的概率；

S103、在配送物品时，向配送人员推荐超过设定阈值的概率对应的不同的时间段。

一般设定阈值为80％，但是该设定阈值不局限于80％，也可以为其他值，具体可以根据实际情况适应性调整。

本实施例中，基于用户的历史配送成功的时间、历史配送失败的时间以及用户反馈的不能接收物品的时间等数据，建立概率预测模型，获取用户在不同的时间段可以接收物品的概率；在配送物品时，向配送人员推荐超过设定阈值的概率对应的不同的时间段，并根据推荐不同的时间段确定物品的配送时间进行确定配送，从而提高了配送效率，缩短了每件物品的配送时间且减少了配送人员工作量。

实施例2

如图2所示，本实施例的物品的配送方法是对实施例1的进一步改进，具体地：

步骤S102之前包括：

S1020、获取物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种；

其中，用户的位置信息为配送人员在之前配送物品时获取的用户当时所处的历史位置信息和用户当前的实时位置信息，且该位置信息需要事先得到用户的同意或授权才可以获取。

步骤S102包括：

S1021、根据物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种，以及历史配送时间，建立概率预测模型。

步骤S103之前包括：

S10301、当配送人员在配送点准备配送物品时，向用户发送配送通知；S10302、判断是否接收到用户发送的反馈信息，若否，则获取配送人员到达与物品对应的配送目的地的预测时间段，并获取预测时间段对应的第一概率；

S10303、判断第一概率是否大于设定阈值，若第一概率大于设定阈值，则继续步骤S1031；若第一概率小于或者等于设定阈值，则继续S1032；

S1031、向配送人员推荐预测时间段以及其他超过设定阈值的概率对应的不同的时间段；

S1032、向配送人员推荐超过设定阈值的概率对应的不同的时间段；

其中，步骤S103包括步骤S1031和步骤S1032。

另外，步骤S1021还包括：

根据物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种、历史配送时间、用户发送反馈信息的方式(如通过手机、电脑端或者电话等)、用户发送反馈信息的时间、配送人员的历史配送路线等数据，建立概率预测模型。

步骤S1031之后还包括：

S1041、根据推荐的预测时间段以及其他超过设定阈值的概率对应的不同的时间段，确定物品的配送时间；

步骤S1032之后还包括：

S1042、根据推荐超过设定阈值的概率对应的不同的时间段与用户确定物品的配送时间。

步骤S10301之后还包括：

S103011、判断是否接收到用户发送的不能接收物品的反馈信息，若是，则与用户确定物品的配送时间。

S103012、判断是否接收到用户发送的能够接收物品的反馈信息，若是，则根据与用户发送的能够接收物品的反馈信息对应的时间确定配送时间。

在确定配送时间后，配送人员按照确定的配送时间进行物品配送。

本实施例中，基于用户的历史配送成功的时间、历史配送失败的时间以及用户反馈的不能接收物品的时间等数据，建立概率预测模型，获取用户在不同的时间段可以接收物品的概率；在配送物品时，向用户发送配送通知并判断是否收到用户发送的反馈信息，若没有，则向配送人员推荐超过设定阈值的概率对应的不同的时间段，并根据推荐不同的时间段确定物品的配送时间；若收到用户发送的不能接收物品的反馈信息，则与用户确定物品的配送时间进行确定配送；若收到用户发送的能够接收物品的反馈信息，则根据与用户发送的能够接收物品的反馈信息对应的时间确定配送时间，从而提高了配送效率，缩短了每件物品的配送时间且减少了配送人员工作量。

实施例3

如图3所示，本实施例的物品的配送***包括配送时间获取模块1、建立模型模块2和推荐模块3。

配送时间获取模块1用于获取与用户对应的历史配送时间；

其中，历史配送时间包括物品配送成功的时间，以及物品配送失败的时间和/或用户反馈的不能接收物品的时间；

建立模型模块2用于根据历史配送时间建立概率预测模型，概率预测模型用于预测用户在不同的时间段可以接收物品的概率；

推荐模块3用于在配送物品时，向配送人员推荐超过设定阈值的概率对应的不同的时间段。

一般设定阈值为80％，但是该设定阈值不局限于80％，也可以为其他值，具体可以根据实际情况适应性调整。

本实施例中，基于用户的历史配送成功的时间、历史配送失败的时间以及用户反馈的不能接收物品的时间等数据，建立概率预测模型，获取用户在不同的时间段可以接收物品的概率；在配送物品时，向配送人员推荐超过设定阈值的概率对应的不同的时间段，并根据推荐不同的时间段确定物品的配送时间进行确定配送，从而提高了配送效率，缩短了每件物品的配送时间且减少了配送人员工作量。

实施例4

如图4所示，本实施例的物品的配送***是对实施例3的进一步改进，具体地：

本实施例的物品的配送***还包括配送时间确定模块4、配送通知发送模块5、第一判断模块6、第一获取模块7、第二判断模块8和第二获取模块9。

第二获取模块9用于获取物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种；

其中，用户的位置信息为配送人员在之前配送物品时获取的用户当时所处的历史位置信息和用户当前的实时位置信息，且该位置信息需要事先得到用户的同意或授权才可以获取。

建立模型模块2还用于根据物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种，以及历史配送时间，建立概率预测模型。

配送时间确定模块4用于根据推荐的超过设定阈值的概率对应的不同的时间段确定物品的配送时间。

配送通知发送模块5用于当配送人员在配送点准备配送物品时，向用户发送配送通知；

第一判断模块6用于判断是否接收到用户发送的反馈信息，若否，则调用第一获取模块7；

第一获取模块7用于获取配送人员到达与物品对应的配送目的地的预测时间段，并获取预测时间段对应的第一概率；

第二判断模块8用于判断第一概率是否大于设定阈值，若第一概率大于设定阈值，则调用推荐模块3向配送人员推荐预测时间段以及其他超过设定阈值的概率对应的不同的时间段；

另外，建立模型模块2还用于根据物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种、历史配送时间、用户发送反馈信息的方式(如通过手机、电脑端或者电话等)、用户发送反馈信息的时间、配送人员的历史配送路线等数据，建立概率预测模型。

配送时间确定模块4还用于根据推荐的预测时间段以及其他超过设定阈值的概率对应的不同的时间段，确定物品的配送时间；

在第二判断模块8判断第一概率小于或者等于设定阈值时，调用推荐模块向配送人员推荐超过设定阈值的概率对应的不同的时间段；

配送时间确定模块4还用于根据推荐超过设定阈值的概率对应的不同的时间段与用户确定物品的配送时间。

另外，第一判断模块6还用于判断是否接收到用户发送的不能接收物品的反馈信息，若是，则与用户确定物品的配送时间。

第一判断模块6还用于判断是否接收到用户发送的能够接收物品的反馈信息，若是，则根据与用户发送的能够接收物品的反馈信息对应的时间确定配送时间。

在确定配送时间后，配送人员按照确定的配送时间进行物品配送。

本实施例中，基于用户的历史配送成功的时间、历史配送失败的时间以及用户反馈的不能接收物品的时间等数据，建立概率预测模型，获取用户在不同的时间段可以接收物品的概率；在配送物品时，向用户发送配送通知并判断是否收到用户发送的反馈信息，若没有，则向配送人员推荐超过设定阈值的概率对应的不同的时间段，并根据推荐不同的时间段确定物品的配送时间；若收到用户发送的不能接收物品的反馈信息，则与用户确定物品的配送时间进行确定配送；若收到用户发送的能够接收物品的反馈信息，则根据与用户发送的能够接收物品的反馈信息对应的时间确定配送时间，从而提高了配送效率，缩短了每件物品的配送时间且减少了配送人员工作量。

实施例5

图5为本发明实施例5提供的一种电子设备的结构示意图。电子设备包括存储器、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，处理器执行程序时实现实施例1或2中任意一实施例中的物品的配送方法。图5显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同***组件(包括存储器32和处理器31)的总线33。

总线33包括数据总线、地址总线和控制总线。

存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。

存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或2中任意一实施例中的物品的配送方法。

电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)***、磁带驱动器以及数据备份存储***等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例6

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1或2中任意一实施例中的物品的配送方法中的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1或2中任意一实施例中的物品的配送方法中的步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式作出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (14)

1.一种物品的配送方法，其特征在于，所述配送方法包括：

获取与用户对应的历史配送时间；

其中，所述历史配送时间包括物品配送成功的时间，以及物品配送失败的时间和/或用户反馈的不能接收物品的时间；

根据所述历史配送时间建立概率预测模型，所述概率预测模型用于预测用户在不同的时间段可以接收物品的概率；

在配送物品时，向配送人员推荐超过设定阈值的所述概率对应的不同的时间段。

2.如权利要求1所述的物品的配送方法，其特征在于，所述向配送人员推荐超过设定阈值的所述概率对应的不同的时间段的步骤之后包括：

根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间。

3.如权利要求2所述的物品的配送方法，其特征在于，所述向配送人员推荐超过设定阈值的所述概率对应的不同的时间段的步骤之前包括：

当配送人员在配送点准备配送物品时，向用户发送配送通知；

判断是否接收到用户发送的反馈信息，若否，则获取配送人员到达与物品对应的配送目的地的预测时间段，并获取所述预测时间段对应的第一概率；

判断所述第一概率是否大于所述设定阈值，若所述第一概率大于所述设定阈值，则所述向配送人员推荐超过设定阈值的概率对应的不同的时间段步骤包括：

向配送人员推荐所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段；

所述根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间的步骤包括：

根据推荐的所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段，确定物品的配送时间；

若所述第一概率小于或者等于所述设定阈值，则所述向配送人员推荐超过设定阈值的概率对应的不同的时间段步骤包括：

向配送人员推荐超过设定阈值的所述概率对应的不同的时间段；

所述根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间的步骤包括：

根据推荐超过设定阈值的所述概率对应的不同的时间段与用户确定物品的配送时间。

4.如权利要求3所述的物品的配送方法，其特征在于，所述向用户发送配送通知的步骤之后还包括：

判断是否接收到用户发送的不能接收物品的反馈信息，若是，则与用户确定物品的配送时间。

5.如权利要求3所述的物品的配送方法，其特征在于，所述向用户发送配送通知的步骤之后还包括：

判断是否接收到用户发送的能够接收物品的反馈信息，若是，则根据与所述用户发送的能够接收物品的反馈信息对应的时间确定配送时间。

6.如权利要求1所述的物品的配送方法，其特征在于，所述根据所述历史配送时间建立概率预测模型的步骤之前还包括：

获取物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种；

所述根据所述历史配送时间建立概率预测模型的步骤还包括：

根据所述物品的配送地址、所述用户的位置信息和所述配送人员的配送路程花费时间中的至少一种，以及所述历史配送时间，建立所述概率预测模型。

7.一种物品的配送***，其特征在于，所述配送***包括配送时间获取模块、建立模型模块和推荐模块；

所述配送时间获取模块用于获取与用户对应的历史配送时间；

其中，所述历史配送时间包括物品配送成功的时间，以及物品配送失败的时间和/或用户反馈的不能接收物品的时间；

所述建立模型模块用于根据所述历史配送时间建立概率预测模型，所述概率预测模型用于预测用户在不同的时间段可以接收物品的概率；

所述推荐模块用于在配送物品时，向配送人员推荐超过设定阈值的所述概率对应的不同的时间段。

8.如权利要求7所述的物品的配送***，其特征在于，所述配送***还包括配送时间确定模块；

所述配送时间确定模块用于根据推荐的超过设定阈值的所述概率对应的不同的时间段确定物品的配送时间。

9.如权利要求8所述的物品的配送***，其特征在于，所述配送***还包括配送通知发送模块、第一判断模块、第一获取模块和第二判断模块；

所述配送通知发送模块用于当配送人员在配送点准备配送物品时，向用户发送配送通知；

所述第一判断模块用于判断是否接收到用户发送的反馈信息，若否，则调用第一获取模块；

所述第一获取模块用于获取配送人员到达与物品对应的配送目的地的预测时间段，并获取所述预测时间段对应的第一概率；

所述第二判断模块用于判断所述第一概率是否大于所述设定阈值，若所述第一概率大于所述设定阈值，则调用所述推荐模块向配送人员推荐所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段；

所述配送时间确定模块还用于根据推荐的所述预测时间段以及其他超过所述设定阈值的所述概率对应的不同的时间段，确定物品的配送时间；

在所述第二判断模块判断所述第一概率小于或者等于所述设定阈值时，调用所述推荐模块向配送人员推荐超过设定阈值的所述概率对应的不同的时间段；

所述配送时间确定模块还用于根据推荐超过设定阈值的所述概率对应的不同的时间段与用户确定物品的配送时间。

10.如权利要求9所述的物品的配送***，其特征在于，所述第一判断模块还用于判断是否接收到用户发送的不能接收物品的反馈信息，若是，则与用户确定物品的配送时间。

11.如权利要求9所述的物品的配送***，其特征在于，所述第一判断模块还用于判断是否接收到用户发送的能够接收物品的反馈信息，若是，则根据与所述用户发送的能够接收物品的反馈信息对应的时间确定配送时间。

12.如权利要求7所述的物品的配送***，其特征在于，所述配送***还包括第二获取模块；

所述第二获取模块用于获取物品的配送地址、用户的位置信息和配送人员的配送路程花费时间中的至少一种；

所述建立模型模块还用于根据所述物品的配送地址、所述用户的位置信息和所述配送人员的配送路程花费时间中的至少一种，以及所述历史配送时间，建立所述概率预测模型。

13.一种电子设备，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，其特征在于，所述处理器执行计算机程序时实现权利要求1-6中任一项所述的物品的配送方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的物品的配送方法的步骤。

Images