CN115330022A - 预计送达时间的确定方法、装置及设备 - Google Patents

Abstract

本申请公开了一种预计送达时间的确定方法、装置及设备，属于计算机技术领域。该方法包括：获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取目标订单对应的预计配送时长；基于预计发单时长下限、预计配送时长和目标订单的产生时间，确定预计送达时间下限；基于预计发单时长上限、预计配送时长和产生时间，确定预计送达时间上限；基于预计送达时间下限和预计送达时间上限，确定区间化的预计送达时间。此种方式，能够提高预计送达时间的可靠性，降低实际送达时间与预计送达时间的偏差，提高准时率，降低差评率，提升用户体验，且适用场景较为广泛。

Description

预计送达时间的确定方法、装置及设备

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种预计送达时间的确定方法、装置及设备。

背景技术

随着配送业务的发展，确定订单的预计送达时间的应用场景越来越多。在确定订单的预计送达时间后，可以向用户反馈该预计送达时间。

其中，订单包括需要由商家手动向配送平台发单(也即非自动发单)的订单，针对此种订单，通常由人工设置预计送达时间，预计送达时间的可靠性较低，容易出现实际送达时间与预计送达时间偏差较大的问题，难以保障准时率，容易提高差评率，降低用户体验。

发明内容

本申请实施例提供了一种预计送达时间的确定方法、装置及设备，可用于解决相关技术中预计送达时间的可靠性较低的问题。所述技术方案如下：

一方面，本申请实施例提供了一种预计送达时间的确定方法，所述方法包括：

获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取所述目标订单对应的预计配送时长；

基于所述预计发单时长下限、所述预计配送时长和所述目标订单的产生时间，确定预计送达时间下限；基于所述预计发单时长上限、所述预计配送时长和所述产生时间，确定预计送达时间上限；

基于所述预计送达时间下限和所述预计送达时间上限，确定区间化的预计送达时间。

在一种可能实现方式中，所述获取目标订单对应的预计发单时长下限和预计发单时长上限，包括：

获取所述目标订单对应的用于预估发单时长概率分布的第一目标信息；

将所述第一目标信息输入第一预估模型，得到所述第一预估模型输出的参考发单时长概率分布；

根据所述参考发单时长概率分布，确定满足目标置信度的发单时长区间；基于所述发单时长区间，获取所述预计发单时长下限和所述预计发单时长上限。

在一种可能实现方式中，所述基于所述发单时长区间，获取所述预计发单时长下限和所述预计发单时长上限，包括：

获取发单时长下限阈值和发单时长上限阈值，所述发单时长下限阈值小于所述发单时长上限阈值；

将所述发单时长区间的区间下限和所述发单时长下限阈值中的最大值，作为所述预计发单时长下限；将所述发单时长区间的区间上限和所述发单时长上限阈值中的最小值，作为所述预计发单时长上限。

在一种可能实现方式中，所述获取发单时长下限阈值和发单时长上限阈值，包括：

获取多个参考订单对应的多个实际发单时长，所述参考订单为已完成发单的订单；

基于所述多个实际发单时长和第一数量，确定所述发单时长下限阈值，所述第一数量为所述多个实际发单时长中小于所述发单时长下限阈值的实际发单时长的数量；

基于所述多个实际发单时长和第二数量，确定所述发单时长上限阈值，所述第二数量为所述多个实际发单时长中小于所述发单时长上限阈值的实际发单时长的数量，所述第二数量大于所述第一数量。

在一种可能实现方式中，所述获取所述目标订单对应的预计配送时长，包括：

获取所述目标订单对应的用于预估配送时长的第二目标信息；

将所述第二目标信息输入第二预估模型，得到所述第二预估模型输出的参考配送时长；

基于所述参考配送时长，获取所述预计配送时长。

在一种可能实现方式中，所述获取所述目标订单对应的预计配送时长之后，所述方法还包括：

基于所述预计配送时长确定承接所述目标订单的目标配送对象的考核时长；

向所述目标配送对象的终端反馈所述考核时长，所述目标配送对象的终端用于显示所述考核时长。

在一种可能实现方式中，所述基于所述预计配送时长确定承接所述目标订单的目标配送对象的考核时长，包括：

将所述预计配送时长与配送缓冲时长的和，作为所述考核时长。

在一种可能实现方式中，所述确定区间化的预计送达时间之后，所述方法还包括：

向产生所述目标订单的第一对象的终端反馈所述区间化的预计送达时间，所述第一对象的终端用于显示所述区间化的预计送达时间；

响应于所述目标订单已发单，基于所述目标订单的实际发单时间和所述预计配送时长，确定更新后的送达时间；

向所述第一对象的终端反馈所述更新后的送达时间，所述第一对象的终端用于将显示的所述区间化的预计送达时间更新为所述更新后的送达时间。

另一方面，提供了一种预计送达时间的确定装置，所述装置包括：

获取模块，用于获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取所述目标订单对应的预计配送时长；

确定模块，用于基于所述预计发单时长下限、所述预计配送时长和所述目标订单的产生时间，确定预计送达时间下限；基于所述预计发单时长上限、所述预计配送时长和所述产生时间，确定预计送达时间上限；

所述确定模块，还用于基于所述预计送达时间下限和所述预计送达时间上限，确定区间化的预计送达时间。

在一种可能实现方式中，所述获取模块，用于获取所述目标订单对应的用于预估发单时长概率分布的第一目标信息；将所述第一目标信息输入第一预估模型，得到所述第一预估模型输出的参考发单时长概率分布；根据所述参考发单时长概率分布，确定满足目标置信度的发单时长区间；基于所述发单时长区间，获取所述预计发单时长下限和所述预计发单时长上限。

在一种可能实现方式中，所述获取模块，用于获取发单时长下限阈值和发单时长上限阈值，所述发单时长下限阈值小于所述发单时长上限阈值；将所述发单时长区间的区间下限和所述发单时长下限阈值中的最大值，作为所述预计发单时长下限；将所述发单时长区间的区间上限和所述发单时长上限阈值中的最小值，作为所述预计发单时长上限。

在一种可能实现方式中，所述获取模块，用于获取多个参考订单对应的多个实际发单时长，所述参考订单为已完成发单的订单；基于所述多个实际发单时长和第一数量，确定所述发单时长下限阈值，所述第一数量为所述多个实际发单时长中小于所述发单时长下限阈值的实际发单时长的数量；基于所述多个实际发单时长和第二数量，确定所述发单时长上限阈值，所述第二数量为所述多个实际发单时长中小于所述发单时长上限阈值的实际发单时长的数量，所述第二数量大于所述第一数量。

在一种可能实现方式中，所述获取模块，用于获取所述目标订单对应的用于预估配送时长的第二目标信息；将所述第二目标信息输入第二预估模型，得到所述第二预估模型输出的参考配送时长；基于所述参考配送时长，获取所述预计配送时长。

在一种可能实现方式中，所述确定模块，还用于基于所述预计配送时长确定承接所述目标订单的目标配送对象的考核时长；

所述装置还包括：

反馈模块，用于向所述目标配送对象的终端反馈所述考核时长，所述目标配送对象的终端用于显示所述考核时长。

在一种可能实现方式中，所述确定模块，还用于将所述预计配送时长与配送缓冲时长的和，作为所述考核时长。

在一种可能实现方式中，所述反馈模块，还用于向产生所述目标订单的第一对象的终端反馈所述区间化的预计送达时间，所述第一对象的终端用于显示所述区间化的预计送达时间；

所述确定模块，还用于响应于所述目标订单已发单，基于所述目标订单的实际发单时间和所述预计配送时长，确定更新后的送达时间；

所述反馈模块，还用于向所述第一对象的终端反馈所述更新后的送达时间，所述第一对象的终端用于将显示的所述区间化的预计送达时间更新为所述更新后的送达时间。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现上述任一所述的预计送达时间的确定方法。

另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条计算机程序，所述至少一条计算机程序由处理器加载并执行，以使计算机实现上述任一所述的预计送达时间的确定方法。

另一方面，还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序或计算机指令，所述计算机程序或所述计算机指令由处理器加载并执行，以使计算机实现上述任一所述的预计送达时间的确定方法。

本申请实施例提供的技术方案至少带来如下有益效果：

本申请实施例提供的技术方案，预计送达时间的确定过程综合考虑了发单方面的预计时长以及配送方面的预计时长，能够提高预计送达时间的可靠性，降低实际送达时间与预计送达时间的偏差，提高准时率，降低差评率，提升用户体验。此外，发单方面的预计时长包括预计发单时长下限和预计发单时长上限，从而使得预计送达时间为区间化的时间，该区间化的预计送达时间能够一定程度上规避非自动发单带来的不确定性，对非自动发单的订单同样适用，适用场景较为广泛。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种预计送达时间的确定方法的实施环境的示意图；

图2是本申请实施例提供的一种预计送达时间的确定方法的流程图；

图3是本申请实施例提供的一种预计送达时间的确定过程的示意图；

图4是本申请实施例提供的一种计算机设备的整体处理过程的示意图；

图5是本申请实施例提供的一种交互过程的示意图；

图6是本申请实施例提供的一种预计送达时间的确定装置的示意图；

图7是本申请实施例提供的一种服务器的结构示意图；

图8是本申请实施例提供的一种终端的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

需要说明的是，本申请中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请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、本申请的一些方面相一致的装置和方法的例子。

本申请实施例提供了一种预计送达时间的确定方法，请参考图1，其示出了本申请实施例提供的预计送达时间的确定方法的实施环境的示意图。该实施环境可以包括：计算机设备11。

计算机设备11为能够确定目标订单的预计送达时间(ETA，Estimated Time ofArrival)的任一设备。示例性地，计算机设备11可以为终端，如，目标订单对应的商家的终端；计算机设备11也可以为服务器，如，目标订单的产生平台对应的服务器。

可选地，终端可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品，例如PC(Personal Computer，个人计算机)、手机、智能手机、PDA(Personal Digital Assistant，个人数字助手)、可穿戴设备、PPC(Pocket PC，掌上电脑)、平板电脑、智能车机、智能电视、智能音箱、车载终端等。服务器可以是一台服务器，也可以是由多台服务器组成的服务器集群，或者是一个云计算服务中心。

本领域技术人员应能理解上述计算机设备11仅为举例，其他现有的或今后可能出现的计算机设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

基于上述图1所示的实施环境，本申请实施例提供一种预计送达时间的确定方法，以该方法应用于计算机设备11为例，该计算机设备11可以为终端，也可以为服务器，本申请实施例对此不加以限定。如图2所示，本申请实施例提供的预计送达时间的确定方法可以包括如下步骤201至步骤203。

在步骤201中，获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取目标订单对应的预计配送时长。

目标订单是待确定预计送达时间的任一订单。本申请实施例对目标订单所需购买的物品的类型不加以限定，可以包括但不限于食品、药品、服装、电器等。示例性地，将产生目标订单的对象称为第一对象，示例性地，第一对象可以是指任一用户。

示例性地，目标订单是一种非自动向配送平台发单的订单，也就是说，目标订单是一种需要由商家手动向配送平台发单的订单。向配送平台发单是指将需要配送的订单的情况接入配送平台，以由配送平台自动指定配送对象或者由配送对象自行选择是否承接该订单。示例性地，针对目标订单，商家可以手动向一个或多个配送平台发单，该一个或多个配送平台可以由商家自行选择，本申请实施例对此不加以限定。示例性地，不同的配送平台对应的配送对象可能相同，也可能不同。当然，在一些实施例中，目标订单也可以是一种自动向配送平台发单的订单。

本申请实施例中，计算机设备分别获取目标订单对应的预计发单时长下限、预计发单时长上限以及预计配送时长，进而在综合考虑预计发单时长下限、预计发单时长上限以及预计配送时长的基础上来获取预计送达时间。预计发单时长下限为预计的从目标订单的产生时间到目标订单对应的商家针对该目标订单向配送平台发单的时间之间的最小时长；预计发单时长上限为预计的从目标订单的产生时间到目标订单对应的商家针对该目标订单向配送平台发单的时间之间的最大时长；预计配送时长为预计的从目标订单对应的商家针对该目标订单向配送平台发单的时间到目标订单的实际送达时间之间的时长。

预计发单时长下限和预计发单时长上限可以构成预计发单时长区间，预计发单时长下限和预计发单时长上限能够一定程度规避商家手动发单的不确定性，对商家发单的时长随机性较大的实际场景同样适用。通过综合考虑预计发单时长下限、预计发单时长上限以及预计配送时长来确定预计送达时间，有利于提高预计送达时间的可靠性，降低实际送达时间与预计送达时间之间的偏差，提高目标订单的送达准时率，降低第一对象产生差评的可能性，从而降低差评率，提升第一对象的体验。

示例性地，计算机设备为能够确定目标订单的预计送达时间的任一设备，例如，计算机设备可以为目标订单对应的商家的终端，也可以为目标订单的产生平台对应的服务器。

示例性地，获取目标订单对应的预计发单时长下限和预计发单时长上限的过程可视为预估发单阶段的相关时长的过程，获取目标订单对应的预计配送时长的过程可视为预估配送段的相关时长的过程。通过获取目标订单对应的预计发单时长下限和预计发单时长上限以及获取目标订单对应的预计配送时长，能够分别预估两个阶段的相关时长，该两个阶段为订单从产生到送达的过程中所需考虑的阶段，从而能够保证预计送达时间的可靠性以及准确性。

在一种可能实现方式中，获取目标订单对应的预计发单时长下限和预计发单时长上限的过程包括以下步骤1至步骤3。

步骤1：获取目标订单对应的用于预估发单时长概率分布的第一目标信息。

发单时长概率分布用于指示发单时长这一随机变量取值的概率规律，根据发单时长概率分布，能够计算出发单时长这一随机变量取值落在某一区间内的概率。每个订单均对应有用于预估发单时长概率分布的信息，不同订单对应的用于预估发单时长概率分布的信息可能不同，将目标订单对应的用于预估发单时长概率分布的信息作为第一目标信息。

第一目标信息包括的内容可以根据经验设置，也可以根据实际的应用场景灵活调整，本申请实施例对此不加以限定。在示例性实施例中，第一目标信息包括目标订单对应的第一商家信息以及目标订单对应的第一环境信息。第一商家信息是指与目标订单对应的商家相关的用于预估发单时长概率分布的信息，第一环境信息是指与目标订单的产生时间对应的环境相关的用于预估发单时长概率分布的信息。

示例性地，第一商家的信息可以包括目标订单对应的商家的历史平均发单时长，以使第一预估模型通过参考该历史平均发单时长来预估目标订单对应的发单时长概率分布，提高预估准确性。示例性地，第一商家信息还可以包括目标订单对应的商家的历史平均出餐时长、目标订单对应的商家所处的地理位置、目标订单对应的商家的历史平均配送时长、目标订单对应的商家所出售的物品的类型、目标订单对应的商家的资质中的至少一种信息等。

示例性地，第一环境信息可以包括目标订单的产生时间对应的配送对象分布情况、目标订单的产生时间对应的配送对象整体负载情况、目标订单的产生时间对应的天气情况、目标订单的产生时间对应的道路拥挤情况中的至少一种。示例性地，目标订单的产生时间对应的配送对象分布情况、目标订单的产生时间对应的配送对象整体负载情况能够反映出目标订单的产生时间对应的整体供需情况。

目标订单对应的第一目标信息可以由计算机设备根据目标订单自行分析得到，或者由计算机设备与其他设备进行通信得到，再或者从网络上获取得到等，本申请实施例对此不加以限定。

步骤2：将第一目标信息输入第一预估模型，得到第一预估模型输出的参考发单时长概率分布。

第一预估模型为训练得到的能够根据输入的信息输出相应的发单时长概率分布的模型，本申请实施例对第一预估模型的模型结构不加以限定，可以为神经网络模型。示例性地，第一预估模型还可以称为发单时长概率分布预估模型。

在将第一目标信息输入第一预估模型后，第一预估模型能够根据第一目标信息进行预估，然后输出目标订单对应的发单时长概率分布，将第一预估模型输出的目标订单对应的发单时长概率分布称为参考发单时长概率分布。参考发单时长概率分布用于是指在目标订单的约束下，发单时长这一随机变量取值的概率规律。本申请实施例对参考发单时长概率分布的表示方式不加以限定，示例性地，参考发单时长概率分布可以利用分布函数(如，正态分布函数等)表示。

在利用第一预估模型预估目标订单对应的参考发单时长概率分布之前，需要先训练得到第一预估模型。在示例性实施例中，第一预估模型基于第一样本订单对应的用于预估发单时长概率分布的第一样本信息以及第一样本订单对应的实际发单时长训练得到。示例性地，训练得到第一预估模型的过程包括：获取第一样本订单对应的用于预估发单时长概率分布的第一样本信息以及第一样本订单对应的实际发单时长；将第一样本信息输入第一初始预估模型，得到第一初始预估模型输出的样本发单时长概率分布；基于样本发单时长概率分布和第一样本订单对应的实际发单时长，确定第一损失；利用第一损失更新第一初始预估模型的模型参数，得到第一预估模型。

第一样本订单是指已知实际发单时长的订单，示例性地，第一样本订单的类型为非自动向配送平台发单的类型，第一样本订单对应的实际发单时长为第一样本订单对应的商家手动向配送平台发单所耗费的时长。第一样本订单的数量可以为一个，也可以为多个，本申请实施例对此不加以限定。

第一样本订单对应的实际发单时长用于为第一初始预估模型输出的样本发单时长概率分布提供监督信息，在示例性实施例中，基于样本发单时长概率分布和第一样本订单对应的实际发单时长，确定第一损失的过程包括：确定以第一样本订单对应的实际发单时长为中心点的参考区间；基于样本发单时长概率分布确定发单时长这一随机变量落在参考区间内的概率；基于发单时长这一随机变量落在参考区间内的概率与概率1之间的第一差异，获取第一损失。示例性地，第一损失与第一差异呈正相关关系。

示例性地，以第一样本订单对应的实际发单时长为中心点的参考区间可以是指区间下限为第一样本订单对应的实际发单时长与参考时长的差值、区间上限为第一样本订单对应的实际发单时长与参考时长的和的区间。参考时长根据经验设置，或者根据应用场景灵活调整。示例性地，参考时长为一个比较小的时长，以保证模型训练效果。

利用此种第一损失更新第一初始预估模型的模型参数，能够使得第一初始预估模型的模型参数朝着缩小第一差异的方向更新，通过缩小第一差异，能够使根据输出的发单时长概率分布确定的发单时长这一随机变量落在参考区间内的概率接近1，从而提高输出的发单时长概率分布的可靠性，提高模型训练效果。

示例性地，利用第一损失更新第一初始预估模型的模型参数，得到第一预估模型的过程为迭代过程，每利用第一损失更新一次第一初始预估模型的模型参数，判断一次当前训练过程是否满足第一训练终止条件，若当前训练过程满足第一训练终止条件，则将当前训练得到的预估模型作为第一预估模型；若当前训练过程不满足第一训练终止条件，则继续进行训练，直至当前训练过程满足第一训练终止条件，将满足第一训练终止条件时得到的预估模型作为第一预估模型。

当前训练过程满足第一训练终止条件根据经验设置，或者根据应用场景灵活调整，本申请实施例对此不加以限定。示例性地，当前训练过程满足第一训练终止条件可以包括但不限于以下任一条件：当前训练过程获取的第一损失收敛、当前训练过程获取的第一损失小于第一损失阈值、当前训练过程对应的总迭代次数达到第一次数阈值。第一损失阈值和第一次数阈值根据经验设置，或者根据应用场景灵活调整，本申请实施例对此不加以限定。

步骤3：根据参考发单时长概率分布，确定满足目标置信度的发单时长区间；基于发单时长区间的区间下限和区间上限，获取预计发单时长下限和预计发单时长上限。

满足目标置信度的发单时长区间是指发单时长这一随机变量的真实值有目标置信度的可能性所处的区间。目标置信度根据经验设置，或者根据应用场景灵活调整，本申请实施例对此不加以限定。例如，目标置信度可以为0.95，或者，目标置信度可以为0.98等。目标置信度越大，发单时长区间的范围越大。

在示例性实施例中，根据参考发单时长概率分布，确定满足目标置信度的发单时长区间的方式包括：根据参考发单时长概率分布，确定发单时长这一随机变量取值落在的概率为目标置信度的区间，根据该区间，确定满足目标置信度的发单时长区间。示例性地，若发单时长这一随机变量取值落在的概率为目标置信度的区间为一个，则可以将该一个区间作为满足目标置信度的发单时长区间。若发单时长这一随机变量取值落在的概率为目标置信度的区间为多个，则可以从该多个区间中选取一个区间作为满足目标置信度的发单时长区间。

本申请实施例对从该多个区间中选取一个区间作为满足目标置信度的发单时长区间的实现方式不加以限定，示例性地，从该多个区间中随机选取一个区间作为满足目标置信度的发单时长区间。示例性地，从该多个区间中选取一个区间长度最小或最大的区间作为满足目标置信度的发单时长区间等。

在确定满足目标置信度发单时长区间后，基于发单时长区间，获取预计发单时长下限和预计发单时长上限。在示例性实施例中，基于发单时长区间，获取预计发单时长下限和预计发单时长上限的实现方式可以为：将发单时长区间的区间下限作为预计发单时长下限；将发单时长区间的区间上限作为预计发单时长上限。示例性地，发单时长区间对应一个发单时长范围，发单时长区间的区间下限为发单时长区间对应的发单时长范围中的最小发单时长，发单时长区间的区间上限为发单时长区间对应的发单时长范围中的最大发单时长。例如，若发单时长区间为[1,5](单位为分钟)，则发单时长区间对应的发单时长范围为从1分钟到5分钟的范围，发单时长区间的区间下限为1分钟，发单时长区间的区间上限为5分钟。

在示例性实施例中，基于发单时长区间，获取预计发单时长下限和预计发单时长上限的实现方式还可以为：获取发单时长下限阈值和发单时长上限阈值，发单时长下限阈值小于发单时长上限阈值；将发单时长区间的区间下限和发单时长下限阈值中的最大值，作为预计发单时长下限；将发单时长区间的区间下限和发单时长上限阈值中的最小值，作为预计发单时长下限。

发单时长下限阈值用于约束预计发单时长下限的最小值，发单时长上限阈值用于约束预计发单时长上限的最大值。通过将发单时长区间的区间下限和发单时长下限阈值中的最大值，作为预计发单时长下限，且将发单时长区间的区间下限和发单时长上限阈值中的最小值，作为预计发单时长下限，能够利用发单时长下限阈值对预计发单时长下限进行兜底，以避免预计发单时长下限过小，且能够利用发单时长上限阈值对预计发单时长上限进行兜底，以避免预计发单时长上限过大，从而避免极端情况、异常情况的发生，提高预计发单时长下限和预计发单时长上限的可靠性，进而提高预计送达时间的可靠性。

在示例性实施例中，发单时长下限阈值和发单时长上限阈值可以根据经验设置，或者根据应用场景灵活调整。

在示例性实施例中，发单时长下限阈值和发单时长上限阈值可以根据参考订单对应的实际发单时长确定。示例性地，根据参考订单对应的实际发单时长获取发单时长下限阈值和发单时长上限阈值的实现过程包括：获取多个参考订单对应的多个实际发单时长；基于多个实际发单时长和第一数量，确定发单时长下限阈值；基于多个实际发单时长和第二数量，确定发单时长上限阈值。

其中，参考订单为已完成发单的订单。由于参考订单为已完成发单的订单，所以每个参考订单均对应有一个实际发单时长。获取多个参考订单分别对应的实际发单时长，得到多个实际发单时长。本申请实施例对多个参考订单的数量不加以限定，只要保证每个参考订单均为已完成发单的订单即可。

示例性地，若计算机设备为目标订单对应的商家的终端，则多个参考订单可以为目标订单对应的商家的终端历史接收到的订单，此种情况下，多个参考订单对应的商家与目标订单对应的商家相同，但是，多个参考订单的产生平台与目标订单的产生平台可能相同，也可能不同。

示例性地，若计算机设备为目标订单的产生平台对应的服务器，则多个参考订单可以为目标订单的产生平台对应的服务器历史接收到的订单，此种情况，多个参考订单的产生平台与目标订单的产生平台相同，但是，多个参考订单对应的商家与目标订单对应的商家可能相同，也可能不同。

第一数量小于多个实际发单时长的数量，第一数量可以根据经验设置，也可以根据应用场景灵活调整，本申请实施例对此不加以限定。示例性地，第一数量通过对多个实际发单时长的数量与第一比例的乘积进行取整得到。第一比例根据经验设置，或者根据应用场景灵活调整，例如，第一比例为20％，或者，第一比例为25％等。示例性地，对多个实际发单时长的数量与第一比例的乘积进行取整的方式可以为向下取整，也可以为向上取整，还可以为四舍五入取整等，本申请实施例对此不加以限定。

在确定第一数量后，可以基于多个实际发单时长和第一数量确定发单时长下限阈值。本申请实施例对基于多个实际发单时长和第一数量确定发单时长下限阈值的实现方式不加以限定，只要保证多个实际发单时长、第一数量和发单时长下限阈值具有第一关系即可，该第一关系是指：第一数量为多个实际发单时长中小于发单时长下限阈值的实际发单时长的数量。

在示例性实施例中，基于多个实际发单时长和第一数量，确定发单时长下限阈值的实现过程可以为：对多个实际发单时长按照从小到大的顺序排列，将排在第一位置的第一实际发单时长作为发单时长下限阈值，其中，第一位置为前边存在第一数量个实际发单时长的位置。

在示例性实施例中，基于多个实际发单时长和第一数量，确定发单时长下限阈值的实现过程还可以为：对多个实际发单时长按照从小到大的顺序排列，基于排在第一位置的第一实际发单时长以及位于第一实际发单时长前一位的第二实际发单时长，确定发单时长下限阈值。

本申请实施例对基于第一实际发单时长以及第二实际发单时长，确定发单时长下限阈值的实现方式不加以限定，只要保证发单时长下限阈值不小于第二实际发单时长且不大于第一实际发单时长即可，以保证多个实际发单时长中小于发单时长下限阈值的实际发单时长的数量为第一数量。

示例性地，对第一实际发单时长和第二实际发单时长进行加权求和，得到发单时长下限阈值。在对第一实际发单时长和第二实际发单时长进行加权求和的过程中，第一实际发单时长对应的权重以及第二实际发单时长对应的权重可以根据经验设置，或者根据应用场景灵活调整，只要保证加权求和得到的发单时长下限阈值不小于第二实际发单时长且不大于第一实际发单时长即可。示例性地，第一实际发单时长对应的权重以及第二实际发单时长对应的权重均为0～1之间的数值，且第一实际发单时长对应的权重与第二实际发单时长对应的权重之和为1。例如，第一实际发单时长对应的权重以及第二实际发单时长对应的权重均为0.5，此种情况下，发单时长下限阈值为第一实际发单时长和第二实际发单时长的平均值。

示例性地，将第二实际发单时长与第一实际发单时长的差值作为第一时长差值，计算第一时长差值与参考权重的乘积，计算得到的乘积与第一实际发单时长之和作为发单时长下限阈值。第一参考权重根据经验设置，或者根据应用场景灵活调整，示例性地，第一参考权重为0～1之间的数值，以保证发单时长下限阈值不小于第二实际发单时长且不大于第一实际发单时长。

示例性地，以第一数量基于第一比例确定、第一比例为20％为例，基于多个实际发单时长和第一数量确定出的发单时长下限阈值可以认为是多个实际发单时长的2分位点对应的时长。

第二数量大于第一数量且小于多个实际发单时长的数量，第二数量可以根据经验设置，也可以根据应用场景灵活调整，本申请实施例对此不加以限定。示例性地，第二数量通过对多个实际发单时长的数量与第二比例的乘积进行取整得到。第二比例大于第一比例，第二比例根据经验设置，或者根据应用场景灵活调整，例如，第二比例为80％，或者，第二比例为85％等。示例性地，对多个实际发单时长的数量与第二比例的乘积进行取整的方式可以为向下取整，也可以为向上取整，还可以为四舍五入取整等，本申请实施例对此不加以限定。

在确定第二数量后，可以基于多个实际发单时长和第二数量确定发单时长上限阈值。本申请实施例对基于多个实际发单时长和第二数量确定发单时长上限阈值的实现方式不加以限定，只要保证多个实际发单时长、第二数量和发单时长上限阈值具有第二关系即可，该第二关系是指：第二数量为多个实际发单时长中小于发单时长上限阈值的实际发单时长的数量。

在示例性实施例中，基于多个实际发单时长和第二数量，确定发单时长上限阈值的实现过程可以为：对多个实际发单时长按照从小到大的顺序排列，将排在第二位置的第三实际发单时长作为发单时长上限阈值，其中，第二位置为前边存在第二数量个实际发单时长的位置。

在示例性实施例中，基于多个实际发单时长和第二数量，确定发单时长上限阈值的实现过程还可以为：对多个实际发单时长按照从小到大的顺序排列，基于排在第二位置的第三实际发单时长以及位于第三实际发单时长前一位的第四实际发单时长，确定发单时长上限阈值。

本申请实施例对基于第三实际发单时长以及第四实际发单时长，确定发单时长上限阈值的实现方式不加以限定，只要保证发单时长上限阈值不小于第四实际发单时长且不大于第三实际发单时长即可，以保证多个实际发单时长中小于发单时长上限阈值的实际发单时长的数量为第二数量。

示例性地，对第三实际发单时长和第四实际发单时长进行加权求和，得到发单时长上限阈值。在对第三实际发单时长和第四实际发单时长进行加权求和的过程中，第三实际发单时长对应的权重以及第四实际发单时长对应的权重可以根据经验设置，或者根据应用场景灵活调整，只要保证加权求和得到的发单时长上限阈值不小于第四实际发单时长且不大于第三实际发单时长即可。示例性地，第三实际发单时长对应的权重以及第四实际发单时长对应的权重均为0～1之间的数值，且第三实际发单时长对应的权重与第四实际发单时长对应的权重之和为1。例如，第三实际发单时长对应的权重以及第四实际发单时长对应的权重均为0.5，此种情况下，发单时长上限阈值为第三实际发单时长和第四实际发单时长的平均值。

示例性地，将第四实际发单时长与第三实际发单时长的差值作为第二时长差值，计算第二时长差值与第二参考权重的乘积，计算得到的乘积与第三实际发单时长之和作为发单时长上限阈值。第二参考权重根据经验设置，或者根据应用场景灵活调整，示例性地，第二参考权重为0～1之间的数值，以保证发单时长上限阈值不小于第四实际发单时长且不大于第三实际发单时长。需要说明的是，第二参考权重可以与第一参考权重相同，也可以与第一参考权重不同。

示例性地，以第二数量基于第二比例确定、第二比例为20％为例，基于多个实际发单时长和第二数量确定出的发单时长上限阈值可以认为是多个实际发单时长的8分位点对应的时长。

在一种可能实现方式中，获取目标订单对应的预计配送时长的过程包括以下步骤A至步骤C。

步骤A：获取目标订单对应的用于预估配送时长的第二目标信息。

配送时长是指从实际发单时间到实际送达时间之间的时长。每个订单均对应有用于预估配送时长的信息，不同订单对应的用于预估配送时长的信息可能不同，将目标订单对应的用于预估配送时长的信息作为第二目标信息。

第二目标信息包括的内容可以根据经验设置，也可以根据实际的应用场景灵活调整，本申请实施例对此不加以限定。在示例性实施例中，第二目标信息包括目标订单对应的第二商家信息、目标订单对应的目标配送地址信息、目标订单对应的第二环境信息。第二商家信息是指与目标订单对应的商家相关的用于预估配送时长的信息，第二商家信息可以与第一商家信息相同，也可以与第一商家信息不同。第二环境信息是指与目标订单的产生时间对应的环境相关的用于预估配送时长的信息，第二环境信息可以与第一环境信息相同，也可以与第一环境信息不同。目标配送地址信息是指与目标订单的配送地址相关的用于预估配送时长的信息，示例性地，目标订单的配送地址还可以称为目标订单的交付地。

示例性地，第二商家信息可以包括目标订单对应的商家的历史平均配送时长，以使第二预估模型通过参考该历史平均配送时长来预估目标订单对应的配送时长，提高预估准确性。示例性地，第二商家信息还可以包括目标订单对应的商家的历史平均出餐时长、目标订单对应的商家所处的地理位置、目标订单对应的商家的历史平均发单时长、目标订单对应的商家所出售的物品的类型、目标订单对应的商家的资质中的至少一种信息等。

示例性地，第二环境信息可以包括目标订单的产生时间对应的配送对象分布情况、目标订单的产生时间对应的配送对象整体负载情况、目标订单的产生时间对应的天气情况、目标订单的产生时间对应的道路拥挤情况中的至少一种。

示例性地，目标配送地址信息可以包括目标订单的配送地址与目标订单对应的商家的位置之间的距离、目标订单的配送地址的楼层信息、目标订单的配送地址周围的道路复杂情况中的至少一种。

目标订单对应的第二目标信息可以由计算机设备根据目标订单自行分析得到，或者由计算机设备与其他设备进行通信得到，再或者从网络上获取得到等，本申请实施例对此不加以限定。

步骤B：将第二目标信息输入第二预估模型，得到第二预估模型输出的参数配送时长。

第二预估模型为训练得到的能够根据输入的信息输出相应的配送时长的模型，本申请实施例对第二预估模型的模型结构不加以限定，可以为神经网络模型。示例性地，第二预估模型还可以称为配送时长预估模型。

在将第二目标信息输入第二预估模型后，第二预估模型能够根据第二目标信息进行预估，然后输出目标订单对应的配送时长，将第二预估模型输出的目标订单对应的配送时长称为参考配送时长。

在利用第二预估模型预估目标订单对应的参考配送时长之前，需要先训练得到第二预估模型。在示例性实施例中，第二预估模型基于第二样本订单对应的用于预估配送时长的第二样本信息以及第二样本订单对应的实际配送时长训练得到。示例性地，训练得到第二预估模型的过程包括：获取第二样本订单对应的用于预估配送时长的第二样本信息以及第二样本订单对应的实际配送时长；将第二样本信息输入第二初始预估模型，得到第二初始预估模型输出的样本配送时长；基于样本配送时长和第二样本订单对应的实际配送时长之间的第二差异，确定第二损失；利用第二损失更新第二初始预估模型的模型参数，得到第二预估模型。

第二样本订单是指已知实际配送时长的订单，示例性地，第二样本订单的类型可以为自动向配送平台发单的类型，也可以为非自动向配送平台发单的类型。第二样本订单的数量可以为一个，也可以为多个，本申请实施例对此不加以限定。

第二样本订单对应的实际配送时长用于为第二初始预估模型输出的样本配送时长提供监督信息。示例性地，第二损失与第二差异呈正相关关系，利用此种第二损失更新第二初始预估模型的模型参数，能够使得第二初始预估模型的模型参数朝着缩小第二差异的方向更新，通过缩小第二差异，能够使输出的配送时长接近实际配送时长，从而提高输出的配送时长的可靠性，提高模型训练效果。

示例性地，利用第二损失更新第二初始预估模型的模型参数，得到第二预估模型的过程为迭代过程，每利用第二损失更新一次第二初始预估模型的模型参数，判断一次当前训练过程是否满足第二训练终止条件，若当前训练过程满足第二训练终止条件，则将当前训练得到的预估模型作为第二预估模型；若当前训练过程不满足第二训练终止条件，则继续进行训练，直至当前训练过程满足第二训练终止条件，将满足第二训练终止条件时得到的预估模型作为第二预估模型。

当前训练过程满足第二训练终止条件根据经验设置，或者根据应用场景灵活调整，本申请实施例对此不加以限定。示例性地，当前训练过程满足第二训练终止条件可以包括但不限于以下任一条件：当前训练过程获取的第二损失收敛、当前训练过程获取的第二损失小于第二损失阈值、当前训练过程对应的总迭代次数达到第二次数阈值。第二损失阈值和第二次数阈值根据经验设置，或者根据应用场景灵活调整，本申请实施例对此不加以限定。

步骤C：基于参考配送时长，获取预计配送时长。

在获取参考配送时长后，基于参考配送时长，获取预计配送时长。参考配送时长为第二预估模型预估的目标订单对应的较为准确的配送时长，基于参考配送时长获取预计配送时长，有利于保证预计配送时长的可靠性。

在示例性实施例中，基于参考配送时长，获取预计配送时长的实现方式包括：将参考配送时长作为预计配送时长。

在示例性实施例中，基于参考配送时长，获取预计配送时长的实现方式包括：对参考配送时长进行补时调整，得到预计配送时长。对参考配送时长进行补时调整提高可靠性，从而更好地应对异常情况。对参考配送时长进行补时调整的过程可以根据经验设置，或者根据实际的应用场景灵活调整，本申请实施例对此不加以限定。示例性地，若从目标订单对应的商家的位置到目标订单的配送地址的导航路线的拥挤程度较高，则可以在参考配送时长的基础上增加第一补时时长，第一补时时长可以根据经验设置，或者根据导航路线的拥挤程度进行灵活调整。

示例性地，若目标订单的产生时间的天气情况较为恶劣(如，雨雪天气、大风天气等)，则可以在参考配送时长的基础上增加第二补时时长，第二补时时长可以根据经验设置，或者根据实际的天气情况进行灵活调整。

在示例性实施例中，在获取目标订单对应的预计配送时长之后，计算机设备还可以基于预计配送时长确定承接目标订单的目标配送对象的考核时长；向目标配送对象的终端反馈该考核时长。目标配送对象的终端用于显示该考核时长。

目标配送对象为承接目标订单的配送对象，也即目标配送对象为将该目标订单配送给第一对象的配送对象。目标配送对象的考核时长是指从目标配送对象承接目标订单的时间到目标配送对象将目标订单送达目标订单的配送地址的时间之间的最大时长。考核时长与预计配送时长关联，有利于降低第一对象侧判断是否准时所依据的时间与目标配送对象判断是否准时所依据的时间不一致的问题，降低第一对象因目标订单未准时送达进行差评的可能性，降低差评率。

示例性地，基于预计配送时长确定目标配送对象的考核时长的实现方式可以为：将预计配送时长作为目标配送对象的考核时长。

示例性地，基于预计配送时长确定目标配送对象的考核时长的实现方式还可以为：将预计配送时长与配送缓冲时长的和，作为考核时长。配送缓冲时长根据经验设置，或者根据应用场景灵活调整，本申请实施例对此不加以限定。例如，配送缓冲时长可以为8分钟，也可以为10分钟等。通过设置配送缓冲时长，可以为目标配送对象的配送过程提供一定的buffer(缓冲)时间，提高目标配送对象的配送体验。

示例性地，计算机设备向目标配送对象的终端反馈考核时长的方式可以为直接向目标配送对象的终端反馈考核时长，也可以为向目标配送对象的终端反馈考核时长对应的考核时间，本申请实施例对此不加以限定。考核时长对应的考核时间是指从目标配送对象承接目标订单的时间向后推考核时长后得到的时间。

示例性地，对于计算机设备直接向目标配送对象的终端反馈考核时长的情况，目标配送对象的终端用于直接显示考核时长，在配送过程中，该考核时长实时减小。对于计算机设备向目标配送对象的终端反馈考核时长对应的考核时间的情况，目标配送对象的终端用于显示考核时长对应的考核时间，在配送过程中，该考核时间对应的考核时长不变。

示例性地，计算机设备可以通过短信提醒和应用程序提醒中的至少一种方式向目标配送对象的终端反馈该考核时长。目标配送对象的终端可以在短信显示界面和应用程序显示界面中的至少一个显示界面中显示该考核时长。示例性地，此处涉及的应用程序可以是指目标配送对象的终端安装的用于供目标配送对象承接订单的应用程序。

在步骤202中，基于预计发单时长下限、预计配送时长和目标订单的产生时间，确定预计送达时间下限；基于预计发单时长上限、预计配送时长和产生时间，确定预计送达时间上限。

预计送达时间下限为预计的目标订单对应的最早送达时间，预计送达时间上限为预计的目标订单对应的最晚送达时间。目标订单的产生时间为第一对象产生目标订单的时间。

示例性地，基于预计发单时长下限、预计配送时长和目标订单的产生时间，确定预计送达时间下限的实现方式包括：将预计发单时长下限与预计配送时长之和作为第一时长，将从目标订单的产生时间向后推第一时长后得到的时间作为预计送达时间上限。

示例性地，基于预计发单时长上限、预计配送时长和目标订单的产生时间，确定预计送达时间上限的实现方式包括：将预计发单时长上限与预计配送时长之和作为第二时长，将从目标订单的产生时间向后推第二时长后得到的时间作为预计送达时间上限。

例如，以预计发单时长下限为2分钟，预计发单时长上限为4分钟，预计配送时长为20分钟，目标订单的产生时间为9:00为例，则第一时长为22分钟，第二时长为24分钟，预计送达时间下限为9:22，预计送达时间上限为9:24。

在步骤203中，基于预计送达时间下限和预计送达时间上限，确定区间化的预计送达时间。

区间化的预计送达时间是一个利用时间范围(或者称为时间段)表示的预计送达时间。区间化的预计送达时间是通过综合考虑预计发单时长下限、预计发单时长上限以及配送时长确定的，能够一定程度上规避非自动发单带来的不确定性，可靠性较高，能够降低实际送达时间与预计送达时间的偏差，提高准时率，降低差评率。此种区间化的预计送达时间既适用于自动发单的场景，也适用于非自动发单的场景，适用场景较为广泛。

在示例性实施例中，基于预计送达时间下限和预计送达时间上限，确定区间化的预计送达时间的实现方式包括：将预计送达时间下限和预计送达时间上限构成的区间作为区间化的预计送达时间。

在示例性实施例中，基于预计送达时间下限和预计送达时间上限，确定区间化的预计送达时间的实现方式包括：将预计送达时间下限和预计送达时间上限构成的区间作为第一区间，对第一区间进行扩展，得到区间化的预计送达时间。示例性地，对第一区间进行扩展可以是指将第一区间的区间下限减小第一调整时长，且将第一区间的区间上限增大第二调整时长。第一调整时长和第二调整时长根据经验设置，或者根据应用场景灵活调整，本申请实施例对此不加以限定。通过此种方式确定的预计送达时间的范围更大，有利于进一步提高实际送达时间落入区间化的预计送达时间中的概率，提高准时率。

示例性地，预计送达时间的确定过程可以如图3所示。在发单时长预估阶段，获取第一商家信息和第一环境信息；将第一商家信息和第一环境信息输入第一预估模型，得到目标订单对应的参考发单时长概率分布；根据参考发单时长概率分布，确定满足目标置信度的发单时长区间；利用根据多个实际发单时长确定的发单时长下限阈值和发单时长上限阈值对发单时长区间的区间下限和区间上限进行兜底，得到预计发单时长下限和预计发单时长上限。

在配送时长预估阶段，获取第二商家信息、目标配送地址信息和第二环境信息；将第二商家信息、目标配送地址信息和第二环境信息输入第二预估模型，得到目标订单对应的参考配送时长；对参考配送时长进行补时调整，得到预计配送时长。基于预计发单时长下限、预计发单时长上限、预计配送时长以及目标订单的产生时间，确定区间化的预计送达时间。

在一种可能实现方式中，在确定区间化的预计送达时间之后，计算机设备还可以向产生目标订单的第一对象的终端反馈该区间化的预计送达时间，第一对象的终端用于显示区间化的预计送达时间。示例性地，计算机设备可以通过短信提醒和应用程序提醒中的至少一种方式向第一对象的终端反馈该区间化的预计送达时间。示例性地，第一对象的终端可以在短信显示界面和应用程序显示界面中的至少一个显示界面显示区间化的预计送达时间。示例性地，此处涉及的应用程序可以是指第一对象的终端安装的用于供第一对象产生目标订单的应用程序。

在一种可能实现方式中，在向第一对象的终端反馈区间化的预计送达时间之后，计算机设备还可以响应于目标订单已发单，基于目标订单的实际发单时间和预计配送时长，确定更新后的送达时间；向第一对象的终端反馈更新后的送达时间，第一对象的终端用于将显示的区间化的预计送达时间更新为该更新后的送达时间。

由于区间化的预计送达时间是根据预计的发单时长上下限确定的，而更新后的送达时间是根据实际发单时间确定的，实际发单时间是在实际发单时长下确定的，所以更新后的送达时间比区间化的预计送达时间更为精准，此种过程能够更好的管理第一对象的预期，提高第一对象的体验。示例性地，更新后的送达时间较大概率为区间化的预计送达时间中的一个时间。在发单后利用更加精准的送达时间与第一对象进行交互，能够更进一步地避免第一对象端和目标配送对象端考核不一致的问题。

示例性地，基于目标订单的实际发单时间和预计配送时长，确定更新后的送达时间的实现方式可以为：将从实际发单时间向后推预计配送时长后得到的时间作为更新后的送达时间。计算机设备可以通过短信提醒和应用程序提醒中的至少一种方式向第一对象的终端反馈该更新后的送达时间。

示例性地，在本申请实施例提供的预计送达时间的确定方法下，计算机设备的整体处理过程如图4所示。计算机设备在第一对象产生目标订单后，获取目标订单对应的区间化的预计送达时间；在目标订单发单后，根据目标订单的实际发单时间和预计配送时长，确定更新后的送达时间；在目标配送对象承接目标订单后，基于预计配送时长确定目标配送对象的考核时长；向第一对象的终端反馈更新后的送达时间；向目标配送对象的终端反馈考核时长。

本申请实施例提供的预计送达时间的确定方法能够应用于跑腿业务，跑腿业务是一种在快速发展阶段的业务，日均单量可以达到100W(万)单以上，峰值单量可以达到200W单以上。跑腿业务的商家很多是自配送商家，商家可以选择发多个配送平台，发单时间的不确定性较大。本申请实施例通过对发单时长进行预估，并采用区间化的预计送达时间规避发单时间不确定性，同时通过发单后的推送提醒更新实际预计送达时间，来达到管理用户预期，能够减少预计送达时间以及考核时间设定困难，导致用户端和配送对象端考核时间不一致的问题，减少用户、配送对象(或者称为骑手)之间的矛盾，从而降低催单率、差评率等。

基于本申请实施例提供的方法确定的预计送达时间和考核时长(或考核时间)更加合理，能够将跑腿业务的准时率提升至91.4％。此外，用户端和骑手端考核不一致问题得到明显缓解，用户催单率降低14.82％，用户差评率降低50.66％，骑手罚单率降低32.65％，用户客诉率降低27.66％。

本申请实施例提供的预计送达时间的确定方法，预计送达时间的确定过程综合考虑了发单方面的预计时长以及配送方面的预计时长，能够提高预计送达时间的可靠性，降低实际送达时间与预计送达时间的偏差，提高准时率，降低差评率，提升用户体验。此外，发单方面的预计时长包括预计发单时长下限和预计发单时长上限，从而使得预计送达时间为区间化的时间，该区间化的预计送达时间能够一定程度上规避非自动发单带来的不确定性，对非自动发单的订单同样适用，适用场景较为广泛。

在示例性实施例中，在本申请实施例提供的预计送达时间的确定方法下，计算机设备、第一对象的终端、目标配送对象的终端之间的交互过程如图5中的步骤501至步骤508所示。

步骤501：计算机设备获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取目标订单对应的预计配送时长。

步骤502：计算机设备基于预计发单时长下限、预计发单时长上限、预计配送时长和目标订单的产生时间，确定区间化的预计送达时间。

步骤503：计算机设备向第一对象的终端反馈区间化的预计送达时间。

其中，第一对象为产生目标订单的对象。

步骤504：第一对象的终端显示区间化的预计送达时间。

步骤505：计算机设备响应于目标订单已发单，基于目标订单的实际发单时间和预计配送时长，确定更新后的送达时间；向第一对象的终端反馈更新后的送达时间。

步骤506：第一对象的终将显示的区间化的预计送达时间更新为更新后的送达时间。

步骤507：计算机设备基于预计配送时长确定目标配送对象的考核时长；向目标配送对象的终端反馈考核时长。

其中，目标配送对象为承接目标订单的配送对象。

步骤508：目标配送对象的终端显示考核时长。

参见图6，本申请实施例提供了一种预计送达时间的确定装置，该装置包括：

获取模块601，用于获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取目标订单对应的预计配送时长；

确定模块602，用于基于预计发单时长下限、预计配送时长和目标订单的产生时间，确定预计送达时间下限；基于预计发单时长上限、预计配送时长和产生时间，确定预计送达时间上限；

确定模块602，还用于基于预计送达时间下限和预计送达时间上限，确定区间化的预计送达时间。

在一种可能实现方式中，获取模块601，用于获取目标订单对应的用于预估发单时长概率分布的第一目标信息；将第一目标信息输入第一预估模型，得到第一预估模型输出的参考发单时长概率分布；根据参考发单时长概率分布，确定满足目标置信度的发单时长区间；基于发单时长区间，获取预计发单时长下限和预计发单时长上限。

在一种可能实现方式中，获取模块601，用于获取发单时长下限阈值和发单时长上限阈值，发单时长下限阈值小于发单时长上限阈值；将发单时长区间的区间下限和发单时长下限阈值中的最大值，作为预计发单时长下限；将发单时长区间的区间上限和发单时长上限阈值中的最小值，作为预计发单时长上限。

在一种可能实现方式中，获取模块601，用于获取多个参考订单对应的多个实际发单时长，参考订单为已完成发单的订单；基于多个实际发单时长和第一数量，确定发单时长下限阈值，第一数量为多个实际发单时长中小于发单时长下限阈值的实际发单时长的数量；基于多个实际发单时长和第二数量，确定发单时长上限阈值，第二数量为多个实际发单时长中小于发单时长上限阈值的实际发单时长的数量，第二数量大于第一数量。

在一种可能实现方式中，获取模块601，用于获取目标订单对应的用于预估配送时长的第二目标信息；将第二目标信息输入第二预估模型，得到第二预估模型输出的参考配送时长；基于参考配送时长，获取预计配送时长。

在一种可能实现方式中，确定模块602，还用于基于预计配送时长确定承接目标订单的目标配送对象的考核时长；

该装置还包括：

反馈模块，用于向目标配送对象的终端反馈考核时长，目标配送对象的终端用于显示考核时长。

在一种可能实现方式中，确定模块602，还用于将预计配送时长与配送缓冲时长的和，作为考核时长。

在一种可能实现方式中，反馈模块，还用于向产生目标订单的第一对象的终端反馈区间化的预计送达时间，第一对象的终端用于显示区间化的预计送达时间；

确定模块602，还用于响应于目标订单已发单，基于目标订单的实际发单时间和预计配送时长，确定更新后的送达时间；

反馈模块，还用于向第一对象的终端反馈更新后的送达时间，第一对象的终端用于将显示的区间化的预计送达时间更新为更新后的送达时间。

本申请实施例提供的预计送达时间的确定装置，预计送达时间的确定过程综合考虑了发单方面的预计时长以及配送方面的预计时长，能够提高预计送达时间的可靠性，降低实际送达时间与预计送达时间的偏差，提高准时率，降低差评率，提升用户体验。此外，发单方面的预计时长包括预计发单时长下限和预计发单时长上限，从而使得预计送达时间为区间化的时间，该区间化的预计送达时间能够一定程度上规避非自动发单带来的不确定性，对非自动发单的订单同样适用，适用场景较为广泛。

需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

在示例性实施例中，还提供了一种计算机设备，该计算机设备包括处理器和存储器，该存储器中存储有至少一条计算机程序。该至少一条计算机程序由一个或者一个以上处理器加载并执行，以使该计算机设备实现上述任一种预计送达时间的确定方法。该计算机设备可以为服务器，也可以为终端。接下来，对服务器和终端的结构分别进行介绍。

图7是本申请实施例提供的一种服务器的结构示意图，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或多个处理器(Central Processing Units，CPU)701和一个或多个存储器702，其中，该一个或多个存储器702中存储有至少一条计算机程序，该至少一条计算机程序由该一个或多个处理器701加载并执行，以使该服务器实现上述各个方法实施例提供的预计送达时间的确定方法。当然，该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该服务器还可以包括其他用于实现设备功能的部件，在此不做赘述。

图8是本申请实施例提供的一种终端的结构示意图。该终端可以是：PC、手机、智能手机、PDA、可穿戴设备、手持便携式游戏设备、PPC、平板电脑、智能车机、智能电视、智能音箱、车载终端。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。

通常，终端包括有：处理器1201和存储器1202。

处理器1201可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1201可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1201也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1201可以集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1201还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

存储器1202可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1202还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器1202中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器1201所执行，以使该终端实现本申请中方法实施例提供的预计送达时间的确定方法。

在一些实施例中，终端还可选包括有：***设备接口1203和至少一个***设备。处理器1201、存储器1202和***设备接口1203之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口1203相连。具体地，***设备包括：射频电路1204、显示屏1205、摄像头组件1206、音频电路1207、定位组件1208和电源1209中的至少一种。

***设备接口1203可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器1201和存储器1202。在一些实施例中，处理器1201、存储器1202和***设备接口1203被集成在同一芯片或电路板上；在一些其他实施例中，处理器1201、存储器1202和***设备接口1203中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路1204用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路1204通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1204将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。

显示屏1205用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1205是触摸显示屏时，显示屏1205还具有采集在显示屏1205的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1201进行处理。此时，显示屏1205还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。

摄像头组件1206用于采集图像或视频。可选地，摄像头组件1206包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。

音频电路1207可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器1201进行处理，或者输入至射频电路1204以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1201或射频电路1204的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。

定位组件1208用于定位终端的当前地理位置，以实现导航或LBS(Location BasedService，基于位置的服务)。定位组件1208可以是基于美国的GPS(Global PositioningSystem，全球定位***)、中国的北斗***、俄罗斯的格雷纳斯***或欧盟的伽利略***的定位组件。

电源1209用于为终端中的各个组件进行供电。电源1209可以是交流电、直流电、一次性电池或可充电电池。当电源1209包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

在一些实施例中，终端还包括有一个或多个传感器1210。该一个或多个传感器1210包括但不限于：加速度传感器1211、陀螺仪传感器1212、压力传感器1213、指纹传感器1214、光学传感器1215以及接近传感器1216。

加速度传感器1211可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器1211可以用于检测重力加速度在三个坐标轴上的分量。处理器1201可以根据加速度传感器1211采集的重力加速度信号，控制显示屏1205以横向视图或纵向视图进行用户界面的显示。加速度传感器1211还可以用于游戏或者用户的运动数据的采集。

陀螺仪传感器1212可以检测终端的机体方向及转动角度，陀螺仪传感器1212可以与加速度传感器1211协同采集用户对终端的3D动作。处理器1201根据陀螺仪传感器1212采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。

压力传感器1213可以设置在终端的侧边框和/或显示屏1205的下层。当压力传感器1213设置在终端的侧边框时，可以检测用户对终端的握持信号，由处理器1201根据压力传感器1213采集的握持信号进行左右手识别或快捷操作。当压力传感器1213设置在显示屏1205的下层时，由处理器1201根据用户对显示屏1205的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。

指纹传感器1214用于采集用户的指纹，由处理器1201根据指纹传感器1214采集到的指纹识别用户的身份，或者，由指纹传感器1214根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器1201授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1214可以被设置在终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo(商标)时，指纹传感器1214可以与物理按键或厂商Logo集成在一起。

光学传感器1215用于采集环境光强度。在一个实施例中，处理器1201可以根据光学传感器1215采集的环境光强度，控制显示屏1205的显示亮度。具体地，当环境光强度较高时，调高显示屏1205的显示亮度；当环境光强度较低时，调低显示屏1205的显示亮度。在另一个实施例中，处理器1201还可以根据光学传感器1215采集的环境光强度，动态调整摄像头组件1206的拍摄参数。

接近传感器1216，也称距离传感器，通常设置在终端的前面板。接近传感器1216用于采集用户与终端的正面之间的距离。在一个实施例中，当接近传感器1216检测到用户与终端的正面之间的距离逐渐变小时，由处理器1201控制显示屏1205从亮屏状态切换为息屏状态；当接近传感器1216检测到用户与终端的正面之间的距离逐渐变大时，由处理器1201控制显示屏1205从息屏状态切换为亮屏状态。

本领域技术人员可以理解，图8中示出的结构并不构成对终端的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。

在示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条计算机程序，该至少一条计算机程序由计算机设备的处理器加载并执行，以使计算机实现上述任一种预计送达时间的确定方法。

在一种可能实现方式中，上述计算机可读存储介质可以是只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、只读光盘(Compact DiscRead-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。

在示例性实施例中，还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或计算机指令，该计算机程序或计算机指令由处理器加载并执行，以使计算机实现上述任一种预计送达时间的确定方法。

需要说明的是，本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。例如，本申请中涉及到的第一对象产生的目标订单、第一目标信息、第二目标信息等都是在充分授权的情况下获取的。

应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种预计送达时间的确定方法，其特征在于，所述方法包括：

获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取所述目标订单对应的预计配送时长；

基于所述预计发单时长下限、所述预计配送时长和所述目标订单的产生时间，确定预计送达时间下限；基于所述预计发单时长上限、所述预计配送时长和所述产生时间，确定预计送达时间上限；

基于所述预计送达时间下限和所述预计送达时间上限，确定区间化的预计送达时间。

2.根据权利要求1所述的方法，其特征在于，所述获取目标订单对应的预计发单时长下限和预计发单时长上限，包括：

获取所述目标订单对应的用于预估发单时长概率分布的第一目标信息；

将所述第一目标信息输入第一预估模型，得到所述第一预估模型输出的参考发单时长概率分布；

根据所述参考发单时长概率分布，确定满足目标置信度的发单时长区间；基于所述发单时长区间，获取所述预计发单时长下限和所述预计发单时长上限。

3.根据权利要求2所述的方法，其特征在于，所述基于所述发单时长区间，获取所述预计发单时长下限和所述预计发单时长上限，包括：

获取发单时长下限阈值和发单时长上限阈值，所述发单时长下限阈值小于所述发单时长上限阈值；

将所述发单时长区间的区间下限和所述发单时长下限阈值中的最大值，作为所述预计发单时长下限；将所述发单时长区间的区间上限和所述发单时长上限阈值中的最小值，作为所述预计发单时长上限。

4.根据权利要求3所述的方法，其特征在于，所述获取发单时长下限阈值和发单时长上限阈值，包括：

获取多个参考订单对应的多个实际发单时长，所述参考订单为已完成发单的订单；

基于所述多个实际发单时长和第一数量，确定所述发单时长下限阈值，所述第一数量为所述多个实际发单时长中小于所述发单时长下限阈值的实际发单时长的数量；

基于所述多个实际发单时长和第二数量，确定所述发单时长上限阈值，所述第二数量为所述多个实际发单时长中小于所述发单时长上限阈值的实际发单时长的数量，所述第二数量大于所述第一数量。

5.根据权利要求1所述的方法，其特征在于，所述获取所述目标订单对应的预计配送时长，包括：

获取所述目标订单对应的用于预估配送时长的第二目标信息；

将所述第二目标信息输入第二预估模型，得到所述第二预估模型输出的参考配送时长；

基于所述参考配送时长，获取所述预计配送时长。

6.根据权利要求1-5任一所述的方法，其特征在于，所述获取所述目标订单对应的预计配送时长之后，所述方法还包括：

基于所述预计配送时长确定承接所述目标订单的目标配送对象的考核时长；

向所述目标配送对象的终端反馈所述考核时长，所述目标配送对象的终端用于显示所述考核时长。

7.根据权利要求6所述的方法，其特征在于，所述基于所述预计配送时长确定承接所述目标订单的目标配送对象的考核时长，包括：

将所述预计配送时长与配送缓冲时长的和，作为所述考核时长。

8.根据权利要求1-5任一所述的方法，其特征在于，所述确定区间化的预计送达时间之后，所述方法还包括：

向产生所述目标订单的第一对象的终端反馈所述区间化的预计送达时间，所述第一对象的终端用于显示所述区间化的预计送达时间；

响应于所述目标订单已发单，基于所述目标订单的实际发单时间和所述预计配送时长，确定更新后的送达时间；

向所述第一对象的终端反馈所述更新后的送达时间，所述第一对象的终端用于将显示的所述区间化的预计送达时间更新为所述更新后的送达时间。

9.一种预计送达时间的确定装置，其特征在于，所述装置包括：

获取模块，用于获取目标订单对应的预计发单时长下限和预计发单时长上限，以及获取所述目标订单对应的预计配送时长；

确定模块，用于基于所述预计发单时长下限、所述预计配送时长和所述目标订单的产生时间，确定预计送达时间下限；基于所述预计发单时长上限、所述预计配送时长和所述产生时间，确定预计送达时间上限；

所述确定模块，还用于基于所述预计送达时间下限和所述预计送达时间上限，确定区间化的预计送达时间。

10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条计算机程序，所述至少一条计算机程序由所述处理器加载并执行，以使所述计算机设备实现如权利要求1至8任一所述的预计送达时间的确定方法。

Images