一种基于机器学习的外卖订单预计送达时间预测方法与流程
本发明涉及智能配送预测,尤其涉及一种基于机器学习的外卖订单预计送达时间预测方法。
背景技术:
1、随着外卖配送业务规模扩大,预计送达时间已成为订单调度、履约管理和用户时间预期的重要依据。现有方法通常根据骑手位置、配送距离、历史订单、商家出餐时间及交通状态等信息,利用机器学习模型直接预测订单送达时间,或者按照取餐、配送等阶段分别估计耗时后进行累加。然而,在骑手同时承接多个订单时,前一取送动作产生的时间偏差并不会必然等量传递至后续订单。例如,骑手提前到达商家后仍需等待餐品制作完成,前序时间变化可能被等待过程部分或全部吸收;而当实际取餐或送达时刻发生变化时,原有剩余配送时间也需要重新计算。现有预测方法难以在模型结构中区分可被取餐等待吸收的时间变化与实际继续传递的延误,容易造成前序偏差持续累积,进而降低多订单连续配送条件下预计送达时间的准确性和稳定性。
2、因此,如何提供一种基于机器学习的外卖订单预计送达时间预测方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于机器学习的外卖订单预计送达时间预测方法,本发明通过按照骑手取送次序将随机向量函数链接网络划分为多个网络单元,并在未完成取餐位置设置取餐节点,使取餐节点前形成的状态不能跨接至取餐节点后的随机增强节点;通过比较骑手到店时刻与餐品预计就绪时刻,以较晚时刻形成离店起算状态,使被餐品等待时间吸收的前序时间变化不继续向剩余配送过程传递;同时结合实际取餐或送达完成时刻重新计算尚未完成取送位置,并根据取餐节点新旧离店起算时刻是否发生变化决定是否继续更新,从而减少前序配送偏差的无效累积,提高多订单配送条件下预计送达时间预测与实际履约过程的一致性和准确性。
2、根据本发明实施例的一种基于机器学习的外卖订单预计送达时间预测方法,包括如下步骤:
3、s1、获取目标订单对应骑手的当前位置、当前承接订单的取餐位置、送达位置和取送次序,并获取各未取餐订单的餐品预计就绪时刻;
4、s2、建立改进随机向量函数链接网络,将连续直连替换为沿所述取送次序、以取餐节点分隔的多段直连,各段直连连接随机增强节点,取餐节点前的状态不跨接至所述取餐节点后的随机增强节点;
5、s3、沿所述多段直连及随机增强节点预测骑手到达各取送位置的时刻,在各未取餐订单的取餐节点对应的取餐位置,取骑手到店时刻与对应餐品预计就绪时刻中的较晚时刻作为离店起算时刻,并以所述离店起算时刻进入对应直连及随机增强节点;
6、s4、任一取餐或送达动作产生实际完成时刻时,以所述实际完成时刻替换对应预测时刻,并从所述取餐或送达位置重新计算尚未完成取送位置的到达时刻;
7、s5、重新计算至未完成取餐位置时,再次以骑手到店时刻与对应餐品预计就绪时刻中的较晚时刻确定离店起算时刻,并以所述离店起算时刻进入对应直连及随机增强节点;
8、s6、将目标订单送达位置对应的到达时刻确定为预计送达时间。
9、可选的,所述s1包括:
10、s11、获取目标订单对应骑手的当前位置及当前承接订单;
11、s12、从所述当前承接订单中确定尚未完成的取餐动作和送达动作,并分别确定对应取餐位置和送达位置;
12、s13、按照骑手当前配送安排排列所述取餐动作和送达动作,形成所述取送次序;
13、s14、获取各未完成取餐订单对应的餐品预计就绪时刻。
14、可选的,所述s13包括:
15、s131、获取骑手当前配送安排中各尚未完成取餐动作和送达动作的排列位置;
16、s132、按照同一订单的取餐动作位于对应送达动作之前的关系,对所述取餐动作和送达动作按照所述排列位置进行顺序整理;
17、s133、以顺序整理后的取餐动作和送达动作形成所述取送次序。
18、可选的,所述s14包括:
19、s141、获取各未完成取餐订单的商家接单时刻、对应商家的订单制作次序、排列在当前订单之前的未完成订单剩余制作时长以及当前订单预计制作时长;
20、s142、按照所述订单制作次序,根据排列在当前订单之前的未完成订单剩余制作时长确定当前订单的等待时长;
21、s143、将所述商家接单时刻、等待时长和当前订单预计制作时长相加,形成对应未完成取餐订单的餐品预计就绪时刻。
22、可选的,所述s2包括:
23、s21、在随机向量函数链接网络中设置输入节点、随机增强节点和输出节点,输入节点分别通过直连以及随机增强节点连接输出节点;
24、s22、按照所述取送次序,将骑手当前位置至首个取送位置以及相邻取送位置之间分别对应一个网络单元,每一网络单元设置区间输入节点和区间输出节点,所述区间输入节点分别通过对应直连以及随机增强节点连接所述区间输出节点;
25、s23、区间输出节点对应未完成取餐位置时,在所述区间输出节点与离开所述取餐位置的网络单元区间输入节点之间设置取餐节点;区间输出节点对应送达位置且存在下一取送位置时,将所述区间输出节点连接离开所述送达位置的网络单元区间输入节点;
26、s24、进入取餐节点的网络单元区间输入节点及随机增强节点不连接离开所述取餐节点的网络单元随机增强节点,由按照所述取送次序排列的网络单元和取餐节点组成所述改进随机向量函数链接网络。
27、可选的,所述沿所述多段直连及随机增强节点预测骑手到达各取送位置的时刻,包括:
28、将骑手当前位置或前一取送位置与对应时刻组成当前网络单元的区间输入状态,并将所述时刻作为区间起始时刻;
29、所述区间输入状态分别沿直连传入区间输出节点以及经随机增强节点映射后传入所述区间输出节点;
30、由所述区间输出节点根据区间输入状态和随机增强节点输出形成当前骑手执行区间的执行时长,将所述执行时长与区间起始时刻叠加,形成对应取送位置的到达时刻;
31、取餐位置的到达时刻记为骑手到店时刻,送达位置的到达时刻记为对应送达动作的预测完成时刻。
32、可选的,所述经随机增强节点映射后传入所述区间输出节点,包括:
33、为随机增强节点设置随机输入权重和随机偏置,并在网络训练过程中保持所述随机输入权重和随机偏置不变;
34、将历史骑手执行区间的区间输入状态按照所述随机输入权重和随机偏置进行组合并经激活函数映射,形成随机增强状态,将所述区间输入状态和随机增强状态组成训练矩阵;
35、以对应历史骑手执行区间的实际执行时长作为目标值,采用正则化最小二乘根据所述训练矩阵求取区间输出权重;
36、将当前区间输入状态和对应随机增强状态按照所述区间输出权重组合,形成当前骑手执行区间的执行时长。
37、可选的,所述取骑手到店时刻与对应餐品预计就绪时刻中的较晚时刻作为离店起算时刻,包括:
38、比较当前未取餐订单的骑手到店时刻与对应餐品预计就绪时刻,将较晚时刻确定为离店起算时刻;
39、将所述离店起算时刻写入对应取餐节点,更新所述取餐节点状态;
40、将更新后的取餐节点状态写入离开所述取餐位置的网络单元区间输入节点,并将所述离店起算时刻作为对应骑手执行区间的区间起始时刻。
41、可选的,所述s4包括:
42、s41、确定产生实际完成时刻的取餐动作或送达动作对应的取餐位置或送达位置,并确定所述位置对应的预测时刻;
43、s42、以所述实际完成时刻替换所述预测时刻,存在尚未完成取送位置时,将所述实际完成时刻作为离开所述取餐位置或送达位置的骑手执行区间起始时刻;
44、s43、将对应区间输入状态写入网络单元的区间输入节点,按照所述取送次序逐段形成尚未完成取送位置的到达时刻。
45、可选的,所述s5包括:
46、s51、重新计算至未完成取餐位置时,取重新形成的骑手到店时刻与对应餐品预计就绪时刻中的较晚时刻,形成新的离店起算时刻;
47、s52、将所述新的离店起算时刻与对应取餐节点中原离店起算时刻进行比较;
48、s53、两个离店起算时刻相同时,保持所述取餐节点状态及离开所述取餐位置的网络单元区间输入状态不变;
49、s54、两个离店起算时刻不同时,以新的离店起算时刻更新所述取餐节点,将更新后的取餐节点状态写入离开所述取餐位置的网络单元区间输入节点,并沿所述取送次序重新形成目标订单送达位置对应的到达时刻。
50、本发明的有益效果是:
51、1、本发明保留随机向量函数链接网络中输入状态经直连和随机增强节点共同参与输出计算的基本结构,将连续预测结构按照骑手取送次序划分为多个网络单元,并在未完成取餐位置设置取餐节点,使进入取餐节点之前的区间输入状态和随机增强状态不能绕过取餐节点直接作用于取餐节点之后的随机增强节点,从结构上限制前序配送状态跨取餐位置连续传递,降低无效时间偏差向剩余配送区间扩散的影响。
52、2、本发明分别形成骑手到店时刻和餐品预计就绪时刻,并以两者中的较晚时刻作为离店起算时刻写入取餐节点,使骑手提前到店产生的时间变化能够由餐品等待过程吸收,仅在骑手到店时刻变化导致离店起算时刻发生改变时继续影响下一骑手执行区间,从而使预计送达时间预测同时反映骑手行程和商家出餐两个独立时间过程。
53、3、本发明在任一取餐或送达动作产生实际完成时刻后,以实际完成时刻替换对应预测状态,并从实际完成位置重新计算尚未完成取送位置;重新计算至未完成取餐位置时,将新的离店起算时刻与取餐节点原离店起算时刻比较,在两者相同时保持取餐节点及下一网络单元输入状态不变,在两者不同时继续更新剩余配送过程,从而避免已经被等待时间吸收的偏差重复传播,提高预计送达时间的稳定性和预测精度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com