CN115243197A - 配送数据处理方法、装置、设备及存储介质 - Google Patents

Abstract

本说明书提供一种配送数据处理方法、装置、设备及存储介质，其中，获取历史序列集，其中每个历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签；根据各个历史序列的各个数据点之间无线信号信息的相似度，获取多个聚簇；获取每个所述聚簇的聚簇标签，所述每个所述聚簇的聚簇标签根据归属该聚簇的各个数据点携带的标签得到；根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇后，根据每个商户的与其匹配的聚簇中各个数据点的无线信号信息，确定每个所述商户的无线信号特征。

Description

配送数据处理方法、装置、设备及存储介质

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及配送数据处理方法、装置、设备及存储介质。

背景技术

目前，配送服务广泛应用于餐饮外卖、跑腿代购等场景中。在此场景中，需要配送运力前往实体商户的位置领取物品后，配送至用户指定地点。实际业务中，往往需要对配送运力所处位置进行定位，特别是定位配送运力是否达到实体商户的位置。一些店铺或仓库处于室内，室内的卫星信号会产生很大的漂移，难以利用卫星信号准确地定位配送运力的位置。在室内时可以采用无线信号来解决定位问题，但如何实现低成本的解决方案，是亟待解决的技术问题。

发明内容

为克服相关技术中存在的问题，本说明书提供了配送数据处理方法、装置、设备及存储介质。

根据本说明书实施例的第一方面，提供一种配送数据处理方法，包括：

获取历史序列集，所述历史序列集中每个历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签；

根据各个历史序列的各个数据点之间无线信号信息的相似度，获取多个聚簇；

获取每个所述聚簇的聚簇标签，所述每个所述聚簇的聚簇标签根据归属该聚簇的各个数据点携带的标签得到；

根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇后，根据每个商户的与其匹配的聚簇中各个数据点的无线信号信息，确定每个所述商户的无线信号特征。

在一些例子中，所述数据点携带的标签包括如下任一：

表征该数据点采集时所述配送运力处于相对静止状态的静止标签；或，

表征该数据点采集时所述配送运力的每个第一运单的运单信息标签；所述第一运单包括：在该数据点采集时未完成的、且商户位置位于所述设定地理范围内的配送运单。

在一些例子中，所述方法还包括：针对每个所述历史序列的每个数据点，若该数据点与时间邻近的多个数据点的无线信号信息相似度满足相似度条件，为该数据点配置表征该数据点采集时所述配送运力处于相对静止状态的标签；

和/或，

所述运单信息包括如下任一：第一运单标识、第一运单对应的商户标识或第一运单的出货时间。

在一些例子中，所述获取每个所述聚簇的聚簇标签，包括：

根据所述聚簇中携带所述静止标签的数据点的数量与所述聚簇中数据点的总量的比例，得到指示所述比例的比例标签；

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的订单数量，得到指示每个商户的订单数量的数量标签；和/或，

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的运单平均出货时间，得到指示每个商户的运单平均出货时间标签。

在一些例子中，所述根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇，包括：

针对所述设定地理范围内多个商户中的第一商户，根据所述运单信息标签，从所述多个类簇中选取包括有所述第一商户的第一运单信息标签的一个或多个类簇；

确定选取出的各个类簇与所述第一商户的匹配程度；其中，所述匹配程度与所述比例标签正相关、与指示所述第一商户的订单数量的数量标签正相关，且与指示所述第一商户的运单平均出货时间标签与携带有静止状态标签的数据点的时间戳的相似度正相关。

在一些例子中，所述商户匹配的聚簇有多个，所述确定所述商户的无线信号特征，包括：

获取与所述商户匹配的多个聚簇中每个所述聚簇的无线信号特征，得到所述商户的多个无线信号特征。

在一些例子中，所述获取多个聚簇，包括：

以每个历史序列中的数据点为聚类对象，利用聚类算法获取多个聚簇；或，

以每个历史序列中的每个数据点为节点建立网络，其中，连接有边的两个节点表示所述两个节点分别对应的两个数据点的相似度满足预设数据点相似条件；利用社团检测算法对所述网络进行检测，根据检测到的多个社团确定多个聚簇。

在一些例子中，所述方法还包括：

确定配送运力位于所述设定地理范围内后，响应于所述配送运力的当前时刻采集的无线信号信息，将当前时刻采集的无线信号信息分别与所述设定地理范围内各个商户的无线信号特征进行匹配，根据匹配结果确定所述配送运力所处的位置。

根据本说明书实施例的第二方面，提供一种配送数据处理装置，所述装置包括：

序列获取模块，用于：获取历史序列集，所述历史序列集中每个历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签；

聚簇获取模块，用于：根据各个历史序列的各个数据点之间无线信号信息的相似度，获取多个聚簇；

标签获取模块，用于：获取每个所述聚簇的聚簇标签，所述每个所述聚簇的聚簇标签根据归属该聚簇的各个数据点携带的标签得到；

匹配模块，用于：根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇后，根据每个商户的与其匹配的聚簇中各个数据点的无线信号信息，确定每个所述商户的无线信号特征。

根据本说明书实施例的第三方面，提供一种计算机设备，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前述第一方面所述方法实施例的步骤。

根据本说明书实施例的第四方面，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前述第一方面所述方法实施例的步骤。

本说明书的实施例提供的技术方案可以包括以下有益效果：

本说明书实施例中，设计了利用配送运力的历史序列来分析挖掘出一个地理范围内多个商户中每个商户的无线信号特征；其中，历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签。通过聚簇，若有多个配送运力都停留在商户处取货，这些配送运力的历史配送数据中，停留在商户处时采集的那些数据点具有高度的相似性，即可以被聚为一个聚簇。一个聚簇的聚簇标签可以根据归属该聚簇的各个数据点携带的标签得到，因此本实施例的一次执行过程中，可以确定出设定地理范围内每个商户匹配的聚簇，进而确定每个商户的无线信号特征，因此计算效率较快。本实施例通过聚簇，且结合数据点携带的标签可以实现无监督的处理方式，降低了数据处理的成本，提升了数据处理效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本说明书根据一示例性实施例示出的一种配送场景示意图。

图2是本说明书根据一示例性实施例示出的一种配送数据处理方法的流程图。

图3是本说明书根据一示例性实施例示出的一种配送数据处理装置所在计算机设备的结构框图。

图4是本说明书根据一示例性实施例示出的一种配送数据处理装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。

在本说明书使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，是本说明书根据一示例性实施例示出的配送场景示意图，其中，服务方搭建有服务端111，向用户121提供有客户端122，用户121可通过客户端122使用服务方提供的服务；服务方还向商户方131提供有供商户131使用的客户端132，商户131可通过该客户端132使用服务方提供的服务。其中，各个用户均可通过客户端与商户方交易，服务方可以基于该交易生成交易订单以及配送运单，为该配送运单分配配送运力，本实施例的配送运力是指具有配送能力的一方，包括但不限于配送人员，例如俗称的骑手；例如，图1中示出的配送运力141及其客户端142；在其他例子中配送运力还可以包括无人配送电子设备，例如无人机、无人车等等，这些设备可以运行有与服务端通信的客户端。

示例性的，用户下单后，需要配送运力前往实体商户的位置领取物品后，配送至用户指定地点。因此，需要服务端(比如为电商平台或者其他与之合作的配送平台)针对配送物品生成相应的配送运单，并向配送运力分配该配送运单。配送运力在承接该配送运单后，前往配送物品的领取地点(比如为上述实体门店或者仓库)领取该配送物品，并在领取成功后将配送物品配送至用户指定地点。

比如，在外卖场景下，由用户通过客户端向外卖平台上的某一实体门店下单，由外卖平台生成相应的外卖订单后向配送运力(例如骑手使用的客户端设备)分配外卖订单，从而由骑手前往该实体门店(即配送物品的领取地点)领取外卖，并配送至用户指定的地点。

可见，配送订单的执行过程包括前往配送物品的领取地点的阶段、到达领取地点后领取配送物品的阶段(即物品领取阶段)和离开领取地点后对配送物品实施配送的阶段。

实际业务中，往往需要对配送运力所处位置进行定位。例如，确定配送运力是否实际到达商户的位置，或者准确确定配送运力到达商户端的时间等。而很多商户的位置处于室内，室内的卫星信号会产生很大的漂移，难以利用卫星信号进行准确的室内定位。因此，可以考虑利用无线信号的室内定位解决方案。

领取地点存在对应的无线信号。比如领取地点配有AP(Wireless Access Point，无线访问接入点)，配送运力持有的移动终端配置有Wi-Fi模块，那么移动终端上运行的客户端可以获取到Wi-Fi模块在一定范围内检测到从领取地点发射的Wi-Fi信号。因此，配送运力在执行配送订单的过程中检测无线信号的信号特征，结合无线信号在信号范围上的限制(超出一定范围则无法被检测到)的特点可以确定配送运力所处的位置。例如，在配送运力前往领取地点的阶段和离开领取地点后的阶段，配送运力未处于该领取地点的信号覆盖范围内，其移动终端无法检测到无线信号或者检测到其他地点的无线信号。而配送运力在物品领取阶段则处于领取地点，能够检测到对应于领取地点的无线信号。也因此，在物品领取阶段内配送方检测到的无线信号的特征，可以作为确定对应于领取地点的无线信号的信号特征的依据。

当然，除了上述Wi-Fi信号的例子，还可采用其他任意近距离通信技术，只要具备“范围限制”的特点即可。比如，还可采用如IrDA(Infrared Data Association，红外数据组织)红外数据传输、ZigBee、NFC(Near Field Communication，近场通信)、UWB(UltraWideBand，超宽频)、DECT(数字增强无绳通信，Digital Enhanced CordlessTelecommunications)等通信技术。

因此，在配送场景下，如何准确地确定领取地点的无线信号的信号特征具有重要业务意义。一些解决方案是人工采集室内各个位置的无线信号数据后分析各个位置的无线信号特征，但这种方法成本高，覆盖率低。

基于此，本说明书实施例提供了一种实现成本低的解决方案。本实施例设计了利用配送运力的历史序列来分析挖掘出一个地理范围内多个商户中每个商户的无线信号特征；其中，历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签。通过聚簇，若有多个配送运力都停留在商户处取货，这些配送运力的历史配送数据中，停留在商户处时采集的那些数据点具有高度的相似性，即可以被聚为一个聚簇。一个聚簇的聚簇标签可以根据归属该聚簇的各个数据点携带的标签得到，因此本实施例的一次执行过程中，可以确定出设定地理范围内每个商户匹配的聚簇，进而确定每个商户的无线信号特征，因此计算效率较快。本实施例通过聚簇，且结合数据点携带的标签可以实现无监督的处理方式，降低了数据处理的成本，提升了数据处理效率。接下来对该实施例进行详细说明。

如图2所示，图2是本说明书根据一示例性实施例示出的一种配送数据处理方法的流程图，本实施例方案可应用于服务端，包括以下步骤：

在步骤202、获取历史序列集。

其中，所述历史序列集中每个历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签。

在步骤204、根据各个历史序列的各个数据点之间无线信号信息的相似度，获取多个聚簇。

在步骤206、获取每个所述聚簇的聚簇标签，所述每个所述聚簇的聚簇标签根据归属该聚簇的各个数据点携带的标签得到。

在步骤208、根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇后，根据每个商户的与其匹配的聚簇中各个数据点的无线信号信息，确定每个所述商户的无线信号特征。

为了实现低成本的解决方案，本实施例设计了利用配送运力的历史配送数据来分析挖掘出商户的无线信号特征。其中，配送运力在配送过程中客户端可以持续采集信息；本实施例中涉及的任何信息的采集，均是在用户授权同意的情况下采集的，客户端可以在本地通过隐私计算等方式进行信息脱敏及信息保护。

示例性的，客户端可以在确定配送运力接单后开始采集配送数据直至配送运力停止接单；客户端可以按照设定方式将采集的配送数据发送至服务端。其中，客户端持续采集的配送数据是一个时间有序的数据点序列，每个所述数据点携带的信息包括：时间信息，以及地理位置信息或无线信号信息中至少之一。实际应用中，某些数据点可能同时携带有地理位置信息和无线信号信息，某些数据点中的地理位置信息为空(可能由于配送运力处于室内未能确定出地理位置信息)，某些数据点的无线信号信息(表示配送运力当前所处位置未检测到无线信号)为空。

如前所述，配送运力处于室内时定位信息会有漂移，并且，一个配送运单会从开始配送至结束配送会持续一定时间，在此期间配送运力是在哪个时间段在商户处领取物品是未知的。本实施例方案中，考虑到配送运力在整个配送过程中，有一些阶段处于移动状态，如前往商户的过程，以及领取好物品后离开商户的过程；但配送运力需要停留在商户处领取需配送的物品，当配送运力处于商户的无线信号范围内时配送运力处于相对静止状态。

实际应用中，服务端可以获取到大量的来自于配送运力的客户端采集的历史配送数据。本实施例在确定商户的无线信号特征时，所需分析的商户需限制在设定地理范围内，一次分析的商户数量可以是一个或多个。实际应用中，该设定地理范围根据需要可以灵活配置，本实施例对此不进行限制。例如设定较大的地理范围，可以包括数量较多的商户，可以更高效地确定出多个商户的无线信号特征；设定较小的商圈地理范围，商圈内包括的商户数量较少，可以更准确地确定出每个商户的无线信号特征。示例性的，设定地理范围可以是一个商场的地理范围，商场内包括有一定数量的处于室内的商户。

确定了设定地理范围后，可确定该范围内的商户，这些商户即是本实施例的需要确定无线信号特征的商户。示例性的，在配送场景下，服务端具有多个商户的商户信息，例如商户的名称和地理位置信息等，结合已有的地图数据，可以确定出设定地理范围内的商户。示例性的，配送运力配送的每一历史配送运单中均对应有商户信息，服务端可以从已有的大量历史配送数据中获取到所述设定地理范围内的商户的历史配送数据。示例性的，每个商户可以对应有多条历史配送数据。

在一些例子中，可以从每条所述历史配送数据中获取一个或多个历史序列，例如，根据数据点携带的地理位置信息以及所述设定地理范围的距离，从所述历史配送数据中确定出所述配送运力处于所述设定地理范围内采集的多个数据点作为所述历史序列。

在一些例子中，所述数据点携带的标签包括如下任一：

表征该数据点采集时所述配送运力处于相对静止状态的静止标签；或，

表征该数据点采集时所述配送运力的每个第一运单的运单信息标签；所述第一运单包括：在该数据点采集时未完成的、且商户位置位于所述设定地理范围内的配送运单。

其中，本实施例的相对静止状态是指配送运力在整个配送过程中，某些时间段中相对于其他时间段相对静止，而并非局限于绝对静止的状态。本实施例基于此从历史配送数据中确定出配送运力处于相对静止的状态下的数据点，而这些数据点中有一些数据点必然是配送运力处于商户的无线信号范围内的情况下采集的。然而，历史配送数据中还包括噪声点，以及其他的也满足相对静止状态特点的数据点，但这些数据点并非是配送运力在商户处采集的，例如配送运力在等待电梯等情况下采集。因此，本实施例设计了通过聚类的方式来解决，若有多个配送运力都停留在商户处领取需配送的物品，这些配送运力的历史配送数据中，停留在商户处时采集的那些数据点具有高度的相似性，利用聚类处理即可以被聚为一类，被聚为一类的数据点中无线信号的信息即可以用来分析出该商户的无线信号特征。

在一些例子中，配送运力在户外时可以利用如卫星定位或基站定位等方式确定可靠性较高的地理位置信息，即在户外时采集到的数据点携带有地理位置信息，可以将历史配送数据中的数据点携带的地理位置信息与所述设定地理范围进行匹配，以确定配送运力靠近或进入所述设定地理范围。

本实施例的每个历史序列可以包括设定时间段内采集的多个数据点。其中，该设定时间段根据需要可以灵活确定，例如可以根据历史配送数据分析出配送运力通常会在商户停留的时长来确定，或者是根据业务需要自定义。示例性的，该设定时间段的取值可以是5分钟至10分钟之间的数值等，实际应用中可以根据需要确定，本实施例对此不进行限定。

可选的，可以为历史序列中表示配送运力处于相对静止状态的数据点配置静止状态标签，历史序列中未处于静止状态的数据表未对应有静止状态标签。其中，本实施例的静止状态是相对概念，即相对于配送运力在配送运单的整个配送过程的相对静止，而并非仅仅是指配送运力处于绝对静止的状态。

确定表示配送运力处于相对静止状态的数据点的方式，可以有多种。作为例子，还可以通过获取其他信息来确定，例如，若配送运力处于静止状态，则配送运力不会走动，大多数电子设备配置有惯性测量单元(Inertial Measurement Unit，IMU)，电子设备可以通过IMU采集的数据，确定出配送运力的姿态信息和配送运力的行走时的步数信息等，电子设备还提供了步数信息的接口可供客户端调用，因此，在电子设备支持以及客户端具有获取步数信息的权限下，客户端可以获取所述电子设备采集的配送运力的步数信息，根据所述步数信息识别所述配送运力是否处于静止状态。例如，在一定时间内步数信息变化非常小或者未变化，可以确定配送运力在该时间段处于静止状态。

在另一些例子中，数据点的标签还包括运单信息标签，所述第一运单包括：在该数据点采集时未完成的、且商户位置位于所述设定地理范围内的配送运单。所述运单信息可以包括如下任一：第一运单标识、第一运单对应的商户标识或第一运单的出货时间。实际应用中根据需要还可以包括其他运单信息，本实施例对此不进行限定。

在一些例子中，针对每个所述历史序列的每个数据点，若该数据点与时间邻近的多个数据点的无线信号信息相似度满足相似度条件，为该数据点配置表征该数据点采集时所述配送运力处于相对静止状态的标签。例如，当配送运力处于静止状态时，数据点与周围数据点的相似度较高，因此可以计算多个数据点之间的相似度来确定出表示配送运力处于相对静止状态的数据点。例如，相对静止状态下，配送运力处于商户的无线信号范围内，在此过程中采集到的多个数据点的无线信号信息都高度相似，并未发生较多变化。因此，可以计算各个数据点的距离来确定相似度。例如，每个数据点采集的无线信号信息可以包括一个或多个无线信号的名称和强度，可以基于数据点的无线信号的名称和无线信号的强度，计算各个数据点的相似度来确定。

其中，对于步骤204，每个聚簇中包括多个数据点，一个聚簇下的数据点之间无线信号信息的相似度满足设定相似度条件。示例性的，可以采用聚类算法或社团检测算法获取多个聚簇。

以聚类算法为例，可以以每个历史序列中的数据点为聚类对象，利用聚类算法获取多个聚簇；对所有历史序列进行聚类可以得到多个聚簇；实际应用中可以采用多种聚类算法，例如k-means算法等。聚类处理可以得到多个聚簇，进而可以为所述商户确定与其匹配的聚簇。被聚为一类的历史序列，有较大概率都是骑手处于一个商户位置处时采集到的数据点构成的序列。

以社团检测算法为例，可以以每个历史序列中的每个数据点为节点建立网络，其中，连接有边的两个节点表示所述两个节点分别对应的两个数据点的相似度满足预设数据点相似条件；利用社团检测算法对所述网络进行检测，根据检测到的多个社团确定多个聚簇。

一个聚簇表征了多个配送运单均来自于一个商户，由于聚簇下的多个数据点携带有标签，本实施例通过根据归属该聚簇的各个数据点携带的标签得到每个所述聚簇的聚簇标签得到，从而可以根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇。

实际应用中，客户端在采集信息生成数据点时，配送运力此时可能对应有多个未完成配送运单，即配送运力有多个背单，而多个未完成配送运单可能涉及到多个商户，也即是产生一个数据点时，由于多个商户的多个未完成配送运单，需要准确地确定这个数据点是对应哪个商户。在前述实施例中通过地理位置信息能一定程度上解决该问题。例如，一些实施例中可以对设定地理位置范围内的商户进行无线信号特征的获取，针对一个数据点，通过配送运力身背的多个运单中商户的地理位置信息，可以确定该数据点可能对应哪些商户。例如，采集数据点时配送运力的多个背单涉及商户1、商户2和商户3，而本实施例针对设定地理位置范围内的商户，可以确定商户1、商户2和商户3的位置是否位于设定地理位置范围内，若商户3并未处于该设定地理位置范围内，可以确定数据点可能是配送运力位于商户1也可能是位于商户2时采集的。

当然，还可能存在数据点采集时，配送运力的多个背单的多个商户均处于设定地理位置范围内，因此，本实施例在将商户与每个聚簇匹配时，采用聚簇中数据点携带的标签的信息，来提升商户与聚簇匹配结果的准确性。

在一些例子中，所述获取每个所述聚簇的聚簇标签，可以包括：

根据所述聚簇中携带所述静止标签的数据点的数量与所述聚簇中数据点的总量的比例，得到指示所述比例的比例标签；例如，聚簇中，携带所述静止标签的数据点的数量越多，表示配送运力位于商户附件处于静止状态(即等货状态)的概率就越高，此时配送运力采集的数据点用于表征商户的无线信号特征的可靠性就越高。示例性的，若聚簇中有N个数据点，携带有静止标签的数据点为M个，则比例标签指示的比例为M/N，N和M为正整数，N大于或等于M。

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的订单数量，得到指示每个商户的订单数量的数量标签；例如，聚簇中有N个数据点，其中数据点A携带有表示订单标识的标签，其中，采集数据点A时配送运力的背单(即处于取货阶段的运单)包括有订单编号1、订单编号2和订单编号3，可以通过3个订单标识，确定三个运单分别对应商户1、商户2和商户3；由前述实施例可知，这三个商户均位于设定地理范围内。同理，根据聚簇中其他数据点携带有表示订单标识的标签，统计该聚簇中出现的商户，例如，统计到聚簇中共出现K个商户，对K个商户中每个商户对应的运单数量进行统计，例如聚簇中商户1的运单数量为3、商户2的运单数量为8，以此类推。由此可知，聚簇中，商户的运单数量越多，该聚簇与商户的匹配度越高。

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的运单平均出货时间，得到指示每个商户的运单平均出货时间标签。例如，聚簇中有N个数据点，其中数据点A携带有表示订单标识的标签，其中，采集数据点A时配送运力的背单(即处于取货阶段的运单)包括有订单编号1、订单编号2和订单编号3，可以通过3个订单标识，确定三个运单分别对应商户1的出货时间1、商户2的出货时间2和商户3的出货时间3；由前述实施例可知，这三个商户均位于设定地理范围内。其中，出货时间可以通过订单编号获取该订单对应的业务信息确定，例如，一些商户在出货后会向服务端发送实际出货时间；若商户未提供出货时间，可以利用机器学***均出货时间标签与数据点的时间戳的相似度正相关；考虑到配送运力在取货时处于相对静止状态，匹配度也与指示所述第一商户的运单平均出货时间标签与携带有静止状态标签的数据点的时间戳的相似度正相关。

聚簇中各个数据点携带有表示订单标识的标签，如前所述可以统计该聚簇中出现的商户，例如，统计到聚簇中共出现K个商户，K个商户中每个商户有多个运单；假设聚簇中商户1的运单数量为3，可以获取该商户的每个运单的出货时间标签，例如运单A1的出货时间标签、运单A2的出货时间标签运单A3的出货时间标签，统计携带有运单A1的出货时间标签的数据点的时间戳，与运单A1的出货时间标签的相似度、统计携带有运单A2的出货时间标签的数据点的时间戳，与运单A2的出货时间标签的相似度、统计携带有运单A3的出货时间标签的数据点的时间戳，与运单A3的出货时间标签的相似度，根据统计到的三个相似度，可以确定该聚簇与商户1的匹配度；同理，对聚簇中的其他商户也采用相同的方式，可以确定聚簇与出现的K个商户的匹配度。

示例性的，可以将所述商户分别与每个聚簇进行匹配，确定与所述商户匹配度最高的聚簇。例如，设定地理位置范围内有商户1至商户n共n个商户，得到m个聚簇。可以遍历商户1至商户n，例如，对于商户1，将商户1与m个聚簇一一匹配，确定商户1与每个聚簇的匹配度。同理，其他商户均可以得到其与每个聚簇的匹配度。作为例子，可以预设匹配度条件，满足匹配度条件的，即表示该聚簇与商户匹配。基于此，可以确定与商户匹配的一个或多个聚簇。实际应用中，存在商户店铺较大、取货位置有两个或更多的情况，因此，与商户匹配的聚簇存在1个以上的情况。

示例性的，所述商户与每个聚簇的匹配度，至少可以根据所述聚簇中所有数据点的标签所指示的信息。可选的，所述配送业务信息可以根据需要灵活选择，例如可以包括数据点采集时配送运力的一个或多个未完成订单的订单信息或商户信息等，在确定商户与聚簇是否匹配时，可以结合需要匹配的商户的信息，与聚簇中所有数据点的标签的信息确定匹配度。

示例性的，所述根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇，可以包括：

针对所述设定地理范围内多个商户中的第一商户，根据所述运单信息标签，从所述各个类簇中包括有所述第一商户的第一运单信息标签的一个或多个类簇；

确定选取出的各个类簇与所述第一商户的匹配程度；其中，所述匹配程度与所述比例标签正相关、与指示所述第一商户的订单数量的数量标签正相关，且与指示所述第一商户的运单平均出货时间标签与携带有静止状态标签的数据点的时间戳的相似度正相关。

实际应用中还可以采用其他方式来确定匹配度。示例性的，可以根据每个所述数据点采集时配送运力的一个或多个未完成运单，获取每个未完成运单的商户，以及每个未完成运单的商户出货时间或配送运力提交的取货时间中之一；可以针对每个数据点，根据所述数据点的采集时间分别与所述每个未完成订单的出餐时间的差异，和/或，根据所述数据点的采集时间分别与所述配送运力提交的取货时间的差异，确定所述数据点匹配所述每个未完成运单的商户的概率；可以针对所述商户与每个聚簇，根据所述聚簇中数据点的数量以及所述数据点匹配所述每个未完成运单的商户的概率，确定所述商户与所述聚簇的匹配度。

示例性的，本实施例从多个维度来考虑商户与聚簇的匹配度。聚簇中包括有多个历史序列，每个历史序列又包括多个数据点，每个数据点携带的信息包括有数据点采集时的时间信息，通过每个数据点采集时的时间，服务端可以获取到数据点采集时配送运力的一个或多个未完成运单，进而获取到每个未完成运单的商户，每个未完成运单的商户出货时间或配送运力提交的取货时间。

在一些例子中，每个未完成运单的商户出货时间是由商户通过客户端提交的，通过对实际业务场景的研究，配送运力在执行某个运单并处于商户位置取货的时间，与商户提交的配送运单的出货时间的间隔不会距离太远。例如，数据点A的采集时间是T，采集时配送运力的背单有运单1和运单2，分别对应商户1和商户2，商户1对运单1提交的出货时间是t1，商户2对运单2提交的出货时间是t2。基于此，T与t1的差异，以及T与t2的差异，可以确定数据点匹配商户1的概率，以及数据点匹配商户2的概率。示例性的，确定概率的方式可以根据需要进行配置，例如，对比T与t1的间隔以及对比T与t2的间隔，根据两个间隔值可以确定数据点匹配商户1与商户2的概率高低，或者，还可以结合间隔阈值来确定，例如大于间隔阈值的，概率较低。或者，还可以设定间隔值与概率值的对应关系等等。

在另一些例子中，每个未完成运单的配送运力提交的取货时间，是配送运力到达商户处时通过客户端提交的，通过对实际业务场景的研究，配送运力提交取货时间与配送运力处于商户位置的时间通常会比较接近，例如，配送运力通常会在即将靠近商户位置、到达商户位置或取货后离开商户位置时提交取货时间。因此，配送运力位于某个商户位置时采集的数据点，与配送运力提交的取货时间的间隔不会距离太远。例如，数据点A的采集时间是T，采集时配送运力的背单有运单1和运单2，分别对应商户1和商户2，配送运力对运单1提交的取货时间是t1，配送运力对运单2提交的取货时间是t2。基于此，T与t1的差异，以及T与t2的差异，可以确定数据点匹配商户1的概率，以及数据点匹配商户2的概率。示例性的，确定概率的方式可以根据需要进行配置，例如，对比T与t1的间隔以及对比T与t2的间隔，根据两个间隔值可以确定数据点匹配商户1与商户2的概率高低，或者，还可以结合间隔阈值来确定，例如大于间隔阈值的，概率较低。或者，还可以设定间隔值与概率值的对应关系等等。

实际应用中可以任选上述一种方式实施，也可以结合多种方式实施。例如，结合两种方式实施时，可以是根据所述数据点的采集时间分别与所述每个未完成订单的商户出货时间的差异，以及根据所述数据点的采集时间与所述配送运力取货时间的差异，根据权重来确定出概率，数据点的采集时间与商户出货时间的差异的权重，以及数据点的采集时间与配送运力取货时间的差异的权重，可以根据实际需要确定。

示例性的，通过对实际业务场景的研究，配送运力提交的取货时间相对主观，由于配送运力可能未严格按照其在商户位置取货的时刻来提交取货时间，可能提前也可能延后等等，因此，其可靠度低于商户出货时间。因此，在结合两种方式实施时，数据点的采集时间与商户出货时间的差异的权重，可以大于数据点的采集时间与配送运力取货时间的差异的权重。

或者，结合两种方式实施时，还可以是先基于商户出货时间确定的概率进行匹配，在发现商户有多个匹配度相同的聚簇时，再结合基于配送运力取货时间的概率，再次进行匹配度的调整。

示例性的，针对所述商户与每个聚簇确定匹配度时，还可以结合每个所述聚簇中数据点的数量以及所述数据点匹配所述每个未完成运单的商户的概率来综合确定。示例性的，商户1与聚簇1的匹配度，与聚簇1中数据点匹配商户1的概率高低以及数据点的数量正相关。例如，可以设定一概率阈值，确定聚簇中，数据点匹配商户1的概率高于概率阈值的数据点的数量，以及数据点匹配商户1的概率低于概率阈值的数据点的数量，以及各个数据点匹配商户1的概率值，综合确定商户1与聚簇1的匹配度。

在得到设定地理位置范围内每个商户与每个聚簇的匹配度后，针对每个商户，可以根据该商户与各个聚簇的匹配度的高低，确定商户对应的聚簇。确定商户对应的聚簇可以有多种方式，例如，选取匹配度最高的聚簇；或者结合预设匹配度阈值确定，选取匹配度大于预设匹配度阈值、且最高匹配度最高的聚簇；若某个商户与所有聚簇的匹配度均低于预设匹配度阈值，可以根据需要进一步确定，例如可以考虑重新利用其它历史配送数据再次进行聚类，或者确定该商户未能匹配到合适的聚簇等等。

示例性的，对于每一个聚簇，可以确定与其匹配度最高的商户，或者结合计算出的聚簇与商户的匹配分数来确定，若匹配分数大于设定阈值，即表示该聚簇与商户匹配，聚簇中的所有历史序列的所有数据点的无线信号信息，可以基于此提取无线信号特征。

如果利用上述方式，存在某个商户未匹配到任何一个聚簇，也可以选取与其匹配度最高的聚簇，进而确定该商户的无线信号特征。

利用上述方式，即可确定商圈内多个商户的无线信号特征，基于此可以用于定位配送运力是否到达商户处。在一些例子中，所述方法还可包括：确定配送运力处于所述设定地理范围内后，获取当前时刻采集的无线信号信息；将当前时刻采集的无线信号信息，分别与所述设定地理范围内一个或多个商户的无线信号特征进行匹配，根据匹配结果确定配送运力所处的商户位置。例如，若配送运力当前所处位置的无线信号特征，与预先确定的某个商户的无线信号特征匹配上，即可确定配送运力位于该商户的位置。

本实施例设计了利用配送运力的历史配送数据来分析挖掘出商户的无线信号特征；其中，配送运力的客户端持续采集的配送数据是一个时间有序的数据点序列，每个所述数据点携带的信息包括：时间信息，以及地理位置信息或无线信号信息中至少之一。通过从历史配送数据中获取历史序列，该历史序列是配送运力处于所述商圈内且在设定时间段持续处于静止状态时采集的多个数据点，因此，其中就包括了配送运力处于商户的无线信号范围内时采集的数据点。进一步的，设计聚类处理，若有多个配送运力都停留在商户处领取需配送的物品，这些配送运力的历史配送数据中，停留在商户处时采集的那些数据点具有高度的相似性，利用聚类处理即可以被聚为一类，被聚为一类的数据点中无线信号的信息即可以用来分析出该商户的无线信号特征。本实施例方案无需专门的人工打点，可以利用已有配送运力采集的数据实现，因此实现成本较低；并且，本实施例的一次执行过程中，可以确定出设定地理范围内多个商户的无线信号特征，因此计算效率较快。并且，历史配送数据中配送运力在哪个时刻到达商户位置是未知的，本实施例通过聚簇处理，也即是采用无监督的方式实现，因此也降低了数据处理的成本，提升了数据处理效率。

与前述配送数据处理方法的实施例相对应，本说明书还提供了配送数据处理装置及其所应用的计算机设备的实施例。

本说明书配送数据处理装置的实施例可以应用在计算机设备上，例如服务器或终端设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在文件处理的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本说明书配送数据处理装置所在计算机设备的一种硬件结构图，除了图3所示的处理器310、内存330、网络接口320、以及非易失性存储器340之外，实施例中配送数据处理装置331所在的计算机设备，通常根据该计算机设备的实际功能，还可以包括其他硬件，对此不再赘述。

如图4所示，图4是本说明书根据一示例性实施例示出的一种配送数据处理装置的框图，所述装置包括：

序列获取模块41，用于：获取历史序列集，所述历史序列集中每个历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签；

聚簇获取模块42，用于：根据各个历史序列的各个数据点之间无线信号信息的相似度，获取多个聚簇；

标签获取模块43，用于：获取每个所述聚簇的聚簇标签，所述每个所述聚簇的聚簇标签根据归属该聚簇的各个数据点携带的标签得到；

匹配模块44，用于：根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇后，根据每个商户的与其匹配的聚簇中各个数据点的无线信号信息，确定每个所述商户的无线信号特征。

在一些例子中，所述数据点携带的标签包括如下任一：

表征该数据点采集时所述配送运力处于相对静止状态的静止标签；或，

表征该数据点采集时所述配送运力的每个第一运单的运单信息标签；所述第一运单包括：在该数据点采集时未完成的、且商户位置位于所述设定地理范围内的配送运单。

在一些例子中，所述标签获取模块，还用于：针对每个所述历史序列的每个数据点，若该数据点与时间邻近的多个数据点的无线信号信息相似度满足相似度条件，为该数据点配置表征该数据点采集时所述配送运力处于相对静止状态的标签；

和/或，

所述运单信息包括如下任一：第一运单标识、第一运单对应的商户标识或第一运单的出货时间。

在一些例子中，所述标签获取模块，还用于：

根据所述聚簇中携带所述静止标签的数据点的数量与所述聚簇中数据点的总量的比例，得到指示所述比例的比例标签；

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的订单数量，得到指示每个商户的订单数量的数量标签；和/或，

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的运单平均出货时间，得到指示每个商户的运单平均出货时间标签。

在一些例子中，所述匹配模块，还用于：

针对所述设定地理范围内多个商户中的第一商户，根据所述运单信息标签，从所述多个类簇中选取包括有所述第一商户的第一运单信息标签的一个或多个类簇；

确定选取出的各个类簇与所述第一商户的匹配程度；其中，所述匹配程度与所述比例标签正相关、与指示所述第一商户的订单数量的数量标签正相关，且与指示所述第一商户的运单平均出货时间标签与携带有静止状态标签的数据点的时间戳的相似度正相关。

在一些例子中，所述匹配模块，还用于：获取与所述商户匹配的多个聚簇中每个所述聚簇的无线信号特征，得到所述商户的多个无线信号特征。

在一些例子中，所述聚簇获取模块，还用于：

以每个历史序列中的数据点为聚类对象，利用聚类算法获取多个聚簇；或，

以每个历史序列中的每个数据点为节点建立网络，其中，连接有边的两个节点表示所述两个节点分别对应的两个数据点的相似度满足预设数据点相似条件；利用社团检测算法对所述网络进行检测，根据检测到的多个社团确定多个聚簇。

在一些例子中，所述装置位置确定模块，用于：

确定配送运力位于所述设定地理范围内后，响应于所述配送运力的当前时刻采集的无线信号信息，将当前时刻采集的无线信号信息分别与所述设定地理范围内各个商户的无线信号特征进行匹配，根据匹配结果确定所述配送运力所处的位置。

相应的，本说明书实施例还提供一种计算机设备，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前述所述配送数据处理方法实施例的步骤。

相应的，本说明书实施例还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前述所述配送数据处理方法实施例的步骤。

上述装置中各个模块的功能和作用的实现过程具体详见上述配送数据处理方法中对应步骤的实现过程，在此不再赘述。

相应的，本说明书实施例还提供了一种计算机设备，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程序时实现配送数据处理方法实施例的步骤。

相应的，本说明书实施例还提供了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配送数据处理方法实施例的步骤。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该申请的保护范围内。

其中，“具体示例”、或“一些示例”等的描述意指结合所述实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。

应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。

以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (10)

1.一种配送数据处理方法，包括：

获取历史序列集，所述历史序列集中每个历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签；

根据各个历史序列的各个数据点之间无线信号信息的相似度，获取多个聚簇；

获取每个所述聚簇的聚簇标签，所述每个所述聚簇的聚簇标签根据归属该聚簇的各个数据点携带的标签得到；

根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇后，根据每个商户的与其匹配的聚簇中各个数据点的无线信号信息，确定每个所述商户的无线信号特征。

2.根据权利要求1所述的方法，所述数据点携带的标签包括如下任一：

表征该数据点采集时所述配送运力处于相对静止状态的静止标签；或，

表征该数据点采集时所述配送运力的每个第一运单的运单信息标签；所述第一运单包括：在该数据点采集时未完成的、且商户位置位于所述设定地理范围内的配送运单。

3.根据权利要求2所述的方法，所述方法还包括：针对每个所述历史序列的每个数据点，若该数据点与时间邻近的多个数据点的无线信号信息相似度满足相似度条件，为该数据点配置表征该数据点采集时所述配送运力处于相对静止状态的标签；

和/或，

所述运单信息包括如下任一：第一运单标识、第一运单对应的商户标识或第一运单的出货时间。

4.根据权利要求3所述的方法，所述获取每个所述聚簇的聚簇标签，包括：

根据所述聚簇中携带所述静止标签的数据点的数量与所述聚簇中数据点的总量的比例，得到指示所述比例的比例标签；

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的订单数量，得到指示每个商户的订单数量的数量标签；和/或，

根据所述聚簇中数据点的运单信息标签，确定所述聚簇中所包含的各个商户的运单平均出货时间，得到指示每个商户的运单平均出货时间标签。

5.根据权利要求4所述的方法，所述根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇，包括：

针对所述设定地理范围内多个商户中的第一商户，根据所述运单信息标签，从所述多个类簇中选取包括有所述第一商户的第一运单信息标签的一个或多个类簇；

确定选取出的各个类簇与所述第一商户的匹配程度；其中，所述匹配程度与所述比例标签正相关、与指示所述第一商户的订单数量的数量标签正相关，且与指示所述第一商户的运单平均出货时间标签与携带有静止状态标签的数据点的时间戳的相似度正相关。

6.根据权利要求4所述的方法，所述商户匹配的聚簇有多个，所述确定所述商户的无线信号特征，包括：

获取与所述商户匹配的多个聚簇中每个所述聚簇的无线信号特征，得到所述商户的多个无线信号特征。

7.根据权利要求1所述的方法，所述获取多个聚簇，包括：

以每个历史序列中的数据点为聚类对象，利用聚类算法获取多个聚簇；或，

以每个历史序列中的每个数据点为节点建立网络，其中，连接有边的两个节点表示所述两个节点分别对应的两个数据点的相似度满足预设数据点相似条件；利用社团检测算法对所述网络进行检测，根据检测到的多个社团确定多个聚簇。

8.一种配送数据处理装置，所述装置包括：

序列获取模块，用于：获取历史序列集，所述历史序列集中每个历史序列包括：配送运力执行位于设定地理范围内的商户的配送运单时采集的多个数据点，每个数据点携带无线信号信息以及一个或多个指示所述配送运力或所述配送运单相关信息的标签；

聚簇获取模块，用于：根据各个历史序列的各个数据点之间无线信号信息的相似度，获取多个聚簇；

标签获取模块，用于：获取每个所述聚簇的聚簇标签，所述每个所述聚簇的聚簇标签根据归属该聚簇的各个数据点携带的标签得到；

匹配模块，用于：根据每个聚簇的聚簇标签，为所述设定地理范围内的每个所述商户确定与其匹配的聚簇后，根据每个商户的与其匹配的聚簇中各个数据点的无线信号信息，确定每个所述商户的无线信号特征。

9.一种计算机设备，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7任一所述方法的步骤。

10.一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7任一所述方法的步骤。

Images