配送订单排序方法、装置、电子设备与流程

1.本技术实施例涉及计算机技术领域，特别是涉及一种配送订单排序方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.配送订单调度系统中，对于每个候选运单，若能在调度时间内寻找到合适配送人员进行指派，则会以派单形式进行配送订单的分发，对于无法找到合适配送人员的订单，则会进入抢单池，展示给周边的配送人员，以抢单模式进行订单分发。在高峰时期，抢单池中存在大量的不同类型订单，配送人员可以通过刷新行为获取周边的候选订单列表。候选订单列表做为配送人员获取配送订单的入口，受限于抢单应用客户端单屏显示订单数量的限制，配送订单在候选列表中的位置直接影响配送订单被接起的效率。因此候选订单列表中的配送订单的排序结果对配送订单接受效率的影响十分重要。
3.现有技术中，通常会根据配送人员背负订单的取送餐位置与候选列表中候选运单的取送餐位置的向量夹角(即订单的顺路程度)和预设的不同类型的订单优先级对候选列表中候选运单进行展示排序的。现有技术中的订单排序方法由于考虑的排序因素不全面，导致排序结果对抢单效率的提升效果不明显。
4.可见，现有技术中的订单排序方法还有待改进。


技术实现要素：

5.本技术实施例提供一种配送订单排序方法，有助于提升抢单效率。
6.为了解决上述问题，第一方面，本技术实施例提供了一种配送订单排序方法，包括：
7.获取当前配送人员的候选运单和已背负运单；
8.对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分；
9.根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值；
10.以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果。
11.第二方面，本技术实施例提供了一种配送订单排序装置，包括：
12.运单信息获取模块，用于获取当前配送人员的候选运单和已背负运单；
13.抢单意愿得分预估模块，用于对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人
员的抢单意愿得分；
14.排序指标值确定模块，用于根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值；
15.排序模块，用于以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果。
16.第三方面，本技术实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本技术实施例所述的配送订单排序方法。
17.第四方面，本技术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，该程序被处理器执行时本技术实施例公开的配送订单排序方法的步骤。
18.本技术实施例公开的配送订单排序方法，通过获取当前配送人员的候选运单和已背负运单；对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分；根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值；以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果，有助于提升抢单效率。
19.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
20.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
21.图1是本技术实施例一的配送订单排序方法流程图；
22.图2是本技术实施例一的抢单意愿预估模型结构示意图；
23.图3是本技术实施例二的配送订单排序装置结构示意图之一；
24.图4是本技术实施例二的配送订单排序装置结构示意图之二；
25.图5示意性地示出了用于执行根据本技术的方法的电子设备的框图；以及
26.图6示意性地示出了用于保持或者携带实现根据本技术的方法的程序代码的存储单元。
具体实施方式
27.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
28.实施例一
29.本技术实施例公开的一种配送订单排序方法，如图1所示，所述方法包括：步骤110至步骤140。
30.步骤110，获取当前配送人员的候选运单和已背负运单。
31.本技术实施例中所述的配送订单排序方法应用于配送人员(如骑手)的客户端，用于对展示给配送人员的候选订单进行排序，以提升配送人员的抢单效率。其中，对于每个配送人员，通过配送人员客户端展示给不同配送人员的候选运单可能相同，也可能不同。
32.本技术的一些实施例中，获取当前配送人员的候选运单，包括：获取距离当前配送人员预设距离范围内的待配送运单，作为所述当前配送人员的候选运单。例如，针对每个配送人员，通过该配送人员登陆的客户端获取该配送人员的地理位置，之后，对网络平台中待配送的运单基于地理位置进行筛选，仅将该配送人员周边预设距离范围内(如该配送人员所在配送区域内、该配送人员10公里范围内)的待配送运单，作为该配送人员的候选运单展示给该配送人员。
33.进一步的，本技术的一些实施例中，还需要获取该配送人员当前已背负运单的信息，如该配送人员当前已背负运单的配送起始地址位置坐标(如商家地址)、商家名称、配送目的地位置坐标(如用户地址)、运单交付难度、运单准备时间等信息。
34.本技术的一些实施例中，可以通过网络订单管理系统获取各配送人员的已背负订单信息、配送区域等信息。
35.步骤120，对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分。
36.本技术的一些实施例中，通过预先训练的抢单意愿预估模型，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分。
37.本技术的一些实施例中，在通过所述抢单意愿预估模型预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分之前，首先需要训练所述抢单意愿预估模型。即，所述对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分之前，还包括：根据曝光给配送人员的运单列表中被抢单的运单数据构建正样本，根据曝光给配送人员且被点击的运单列表中，未被点击的运单数据构建负样本，得到若干训练样本；基于所述若干训练样本，训练基于注意力机制的所述抢单意愿预估模型。
38.以外卖骑手进行运单配送的应用场景为例，外卖骑手通过客户端可以浏览待配送运单，并执行抢单操作。本技术的一些实施例中，从外卖骑手的客户端展示的历史运单列表数据中选择历史运单，构建训练样本。例如，对于展示给某一外卖骑手的历史运单列表，如果该外卖骑手通过点击了所述历史运单列表中展示的运单，则说明该外卖骑手有抢单的意
愿，则可以选择该历史运单列表中的运单构建训练样本。具体的，例如可以选择该历史运单列表中被该外卖骑手抢单的运单数据构建正样本，选择该历史运单列表中未被该外卖骑手抢单的运单数据构建负样本。如果某一历史运单列表被展示后，该外卖骑手没有对该历史运单列表发生点击行为，说明该外卖骑手对任何运单均没有抢单的意愿，则该历史运单列表中展示的运单数据不能准确反映该外卖骑手对不同运单的抢单意愿差别，因此，不选择未发生点击行为的运单列表数据构建该外卖骑手的训练样本。
39.本技术的一些实施例中，每条训练样本的样本数据包括该历史运单对应的预设运单特征、排序位置特征、相应外卖骑手匹配的预设配送人员特征、预设环境特征、相应外卖骑手在点击该历史运单列表或抢单时各已背负运单匹配的预设运单特征，样本标签用于指示相应运单的抢单意愿(对于正样本，可以设置样本标签为1，标识抢单意愿概率最大；对于负样本，可以设置样本标签为0，标识抢单意愿概率为0)。其中，所述预设运单特征包括但不限于：配送起始地址位置坐标、配送目的地位置坐标、运单交付难度、运单准备时间；所述排序位置特征用于标识该运单在展示给相应外卖骑手的历史运单列表中的位置；所述预设骑手特征包括但不限于：入职天数、骑手等级、骑手配送满意率、骑手配送准时率；所述预设环境特征包括但不限于：城市标识、配送区域标识、区域订单密度，区域运力紧张程度。其中，城市标识可以为外卖骑手所在城市标识，所述配送区域标识可以为运单所在配送区域的标识，所述配送区域通常为配送系统预先设置的。
40.对于每个外卖骑手，按照上述方法可以得到根据向各个外卖骑手展示的历史运单数据构建的训练样本。本技术的一些实施例中，为了准确反映骑手的抢单意愿，根据每个骑手的历史运单数据生成的训练样本数量相同，以避免高活跃度的外卖骑手的历史运单数据对模型的学习过程产生较大的影响。
41.在抢单应用场景中(如外卖场景)，通常展示在运单列表中的运单数量很多，而外卖骑手抢单的运单通常只有一个，因此，根外卖骑手发生抢单行为的历史运单列表数据生成训练样本时，正负样本不均衡，根据未被抢单的运单数据生成的负样本数量较多。本技术的一些实施例中，通过对负样本进行采样，均衡正、负样本的比例，以构建均衡的训练样本。
42.在构建了若干训练样本之后，基于构建的训练样本训练抢单意愿预估模型。
43.本技术的一些实施例中，所述抢单意愿预估模型基于注意力机制神经网络模型构建。所述抢单意愿预估模型通过改进经典din(deep interest network)网络结构，并引入注意力机制，通过引入当前候选运单对已背负运单的影响，对已背负运单进行编码，以提升预估准确性。如图2所示，所述抢单意愿预估模型包括：多个单一特征编码单元210、至少一个催化单元220、聚合编码单元230、连接单元240和映射单元250。其中，单一特征编码单元210用于对输入的特征进行编码，得到相应的特征向量，例如对骑手特征、排序位置特征、环境特征、候选运单特征等输入特征分别进行编码，得到相应的编码向量；所述催化单元220用于根据输入的候选运单特征与各已背负运单特征的关联度确定各已背负运单在聚合编码时的权重；所述聚合编码单元230用于根据确定的权重对各已背负运单的运单特征进行聚合编码；所述连接单元240用于对各单一特征编码单元210和聚合编码单元230输出的编码向量进行拼接，之后，输入至所述映射单元250，由所述映射单元250对输入的编码进行特征映射和抽象，最终输出分类预估结果。
44.所述催化单元220根据输入的候选运单特征与各已背负运单特征的关联度确定各
已背负运单在聚合编码时的权重的具体实施方式参见下文中模型应用阶段的聚合编码方案的描述，此处不赘述。
45.所述映射单元250对输入的编码向量进行特征映射和抽象的具体实施方式参见现有技术中的分类神经网络，本技术实施例中不再赘述。
46.所述映射单元250根据各训练样本的分类结果预估值和真实值(即样本标签指示的是否抢单的概率)计算抢单意愿预估模型的模型误差，并以模型误差最小为目标优化模型参数，已完成抢单意愿预估模型的训练。
47.在线预估阶段，可以通过上述训练得到的抢单意愿预估模型预估各外卖骑手对每个待配送运单的抢单意愿。
48.本技术的一些实施例中，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分，包括：对于不同排序位置，分别确定表征所述排序位置的第一向量、表征所述候选运单匹配的所述预设运单特征的第二向量、表征所述当前配送人员匹配的预设配送人员特征的第三向量、表征所述当前配送人员匹配的预设环境特征的第四向量，以及，表征各所述已背负运单匹配的预设运单特征的第五向量；通过预先训练的抢单意愿预估模型对所述第二向量、所述第三向量、所述第四向量、所述第五向量，与不同排序位置对应的所述第一向量分别进行拼接和特征映射，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分。
49.对于同一个待配送运单，展示在候选运单列表的不同位置时，外卖骑手对该待配送运单的抢单意愿会有所不同，例如，外卖骑手总是最先看到候选订单列表顶部的待配送订单，则展示在候选订单列表顶部的待配送订单被抢单的概率会高于展示在候选订单列表中部或底部的候选运单。因此，本技术的一些实施例中，对于候选运单列表中的每个候选运单，首先预估各候选运单在不同排序位置进行展示时，该外卖骑手对各候选运单的抢单意愿得分。以候选运单列表中包括n个候选运单为例，对于候选运单i，分别预估候选运单i展示在n个排序位置时，该外卖骑手对候选运单i的抢单意愿得分,得到该外卖骑手对候选运单i的n个抢单意愿得分。n个候选运单将得到n组抢单意愿得分。
50.在预估候选运单i展示在排序位置j(例如，1≤j≤n)时，外卖骑手d对候选运单i的抢单意愿得分时，可以将排序位置j对应的排序位置特征值、候选运单i的预设运单特征(如候选运单i的配送起始地址位置坐标、配送目的地位置坐标、运单交付难度、运单准备时间)、外卖骑手d所处的环境特征(如外卖骑手d所在城市的城市标识，所在配送区域的配送区域标识、区域订单密度，区域运力紧张程度)、外卖骑手d的预设配送人员特征(如外卖骑手d入职天数、骑手等级、骑手配送满意率、骑手配送准时率)，以及，外卖骑手d当前已背负运单的所述预设运单特征(如外卖骑手d当前已背负所有运单各自的配送起始地址位置坐标、配送目的地位置坐标、运单交付难度、运单准备时间)输入至所述抢单意愿预估模型。
51.之后，所述抢单意愿预估模型通过各个编码单元对相应的输入特征分别进行编码。例如，通过单一特征编码单元210对排序位置j对应的排序位置特征值进行编码，得到第一向量；通过单一特征编码单元210对候选运单i的上述运单特征进行编码，得到第二向量；通过单一特征编码单元210对外卖骑手d的上述预设配送人员特征进行编码，得到第三向
量；通过单一特征编码单元210对上述环境特征进行编码，得到第四向量；通过聚合编码单元230对各所述已背负运单的上述预设运单特征进行融合编码，得到第五向量。
52.接下来，通过所述抢单意愿预估模型的连接单元对所述第一向量、所述第二向量、所述第三向量、所述第四向量和所述第五向量进行拼接，并将拼接后得到的向量输入至映射单元250，由映射单元250对输入的拼接向量进行特征映射，并输出抢单意愿得分。所述抢单意愿得分为候选运单i展示在排序位置j时外卖骑手d对候选运单i的抢单意愿得分。
53.按照上述方法，可以分别得到候选运单i展示在不同排序位置时外卖骑手d对候选运单i的抢单意愿得分，进一步得到每个候选运单展示在不同排序位置时外卖骑手d对该候选运单的抢单意愿得分。
54.本技术的一些实施例中，所述第五向量是通过预先训练的抢单意愿预估模型执行以下编码操作后得到的：对各所述已背负运单匹配的预设运单特征进行编码映射，确定各所述已背负运单各自对应的编码向量，以及，对所述候选运单匹配的所述预设运单特征进行编码映射，确定所述候选运单对应的编码向量；根据各所述已背负运单各自对应的编码向量和所述候选运单对应的编码向量之间的关联度，确定每个所述已背负运单对应的第一融合权重；以及，根据各所述已背负运单与所述候选运单之间的配送起始地址距离和/或目的地地址距离，确定每个所述已背负运单对应的第二融合权重；根据所述第一融合权重和所述第二融合权重，确定各所述已背负运单对应的总融合权重；根据各所述已背负运单对应的总融合权重，对各所述已背负运单对应的编码向量进行融合处理，得到表征各已背负运单信息的第五向量。
55.下面，以外卖骑手d当前已背负运单数为q(q为大于1的整数)为例，经过特征编码，可以得到m个已背负订单各自的编码向量，以下以符号x1、x2、
…
xq表示，候选运单i经过特征编码得到的编码向量以符号xi表示，第五向量的生成过程如下：首先根据q个已背负订单各自的编码向量和候选运单i的编码向量生成交叉向量，例如表示为[x
1-xi,x1 xi,x1*xi],[x
2-xi,x2 xi,x2*xi],
…
[x
q-xi,xq xi,xq*xi]，之后，通过催化单元220中的多层神经网络对交叉向量对候选运单和已背负运单的特征相似性进行特征映射和逻辑回归处理，得到每个交叉向量对应的权重，记为每个所述已背负运单对应的第一融合权重；同时，通过催化单元220中的路线相似性计算网络分别计算各已背负运单和候选运单i的路线间距离，之后，对路线间距离进行逻辑回归处理，得到每个所述已背负运单对应的第二融合权重。再之后，对与每个已背负运单，可以将该已背负运单的上述第一融合权重和第二融合权重的平均值，作为对已背负运单进行聚合编码时，该已背负运单对应的总融合权重。最后，聚合编码单元230根据各所述已背负运单对应的总融合权重，对各所述已背负运单对应的编码向量进行融合处理，得到表征各已背负运单信息的第五向量。
[0056]
通过第五向量的编码方法可以看出，候选运单特征直接影响到已背运单特征的融合权重，从而更准确的刻画外卖骑手的抢单意愿。
[0057]
本技术的一些实施例中，计算各已背负运单和候选运单i的路线间距离时，可以根据已背负运单和候选运单i的取餐点距离、或根据已背负运单和候选运单i的送餐点距离、或根据已背负运单和候选运单i的取餐点距离和送餐点距离，计算各已背负运单和候选运单i的路线间距离。
[0058]
本技术的一些实施例中，在进行特征编码时，对于离散特征(如排序位置、城市标
识、区域标识等)，可以进行one-hot编码(即独热编码)，对于数值特征(例如入职天数、骑手配送满意率、骑手配送准时率、地理位置坐标等)可以进行均值-方差标准化。本技术的另一些实施例中，还可以采用其他编码方法将输入特征编码为特征向量，本技术对此不做限定。
[0059]
步骤130，根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值。
[0060]
本技术的一些实施例中，候选运单列表的每个排序位置预先设置有相应的资源位权重值。例如，候选运单列表的顶部位置匹配较高的资源位权重值，候选运单列表的底部位置匹配较低的资源位权重值。可以认为，资源位权重值与抢单难易程度相关，资源位权重值越大，展示在相应资源位(即排序位置)的候选运单越容易被抢单。
[0061]
本技术的一些实施例中，根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值，包括：对于每个所述候选运单，分别执行以下操作：对于每个排序位置，将预估得到的该候选运单展示在该排序位置时所述当前配送人员的所述抢单意愿得分与该排序位置匹配的预设资源位权重值的乘积，确定为该候选运单在该排序位置的排序指标值。例如，候选运单列表中第j个位置的资源位权重可以表示为s(j)，对于候选运单i，其在第j个排序位置时外卖骑手d的抢单意愿得分可以表示为p(i,j)，则可以通过s(j)*p(i,j)表示候选运单i展示在第j个排序位置时的排序指标值。
[0062]
按照上述方法，可以确定每个候选运单展示在不同排序位置时的排序指标值。如果候选运单列表中有n个候选运单和q个展示位(即排序位置)将得到n*q个排序指标值。
[0063]
本技术的另一些实施例中，还可以通过其他方法根据候选运单展示在指定排序位置时所述当前配送人员的所述抢单意愿得分与该排序位置匹配的预设资源位权重值，确定为该候选运单在该排序位置的排序指标值，本技术实施例中不再一一例举。
[0064]
步骤140，以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果。
[0065]
在分别确定了每个候选运单展示在各个排序位置处时，各候选运单的排序指标值之后，可以以各候选运单的排序指标值之和作为约束，确定每个候选运单的排序位置。
[0066]
本技术的一些实施例中，以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果，包括：分别确定各所述候选运单分布在不同排序位置时的排序组合；对于每种所述排序组合，分别计算各所述候选运单在该种排序组合中对应的排序位置下的所述排序指标值的累加和；确定所述累加和的最大值对应的所述排序组合中各所述候选运单的排序位置，作为各所述候选运单的排序结果。例如，可以按照现有技术中的排列组合方法确定n个候选运单的n！种排列方式；然后，根据每种排列方式下各候选运单的排序指标值，分别计算每种排列方式下n个候选运单的排序指标值的累加和，得到n！个累加和；最后，取累加和最大的一种排列方式，作为n个候选运单的排序结果。
[0067]
本技术的一些实施例中，以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果，包括：根据每个候选运单展示在不同排序位置时的所述排序指标值构建排序指标
值矩阵，其中，所述排序指标值矩阵的行和列分别表示候选运单编号和排序位置序号，所述排序指标值矩阵的矩阵元素表示指定编号候选运单展示在指定序号的排序位置时的排序指标值；以各所述候选运单的所述排序指标值之和最大为目标，以每个候选运单只能在不同序号的排序位置展示一次为约束，求解所述目标，得到各所述候选运单的排序位置组合，作为各所述候选运单的排序结果。例如，以首先根据每个候选运单展示在不同排序位置时的所述排序指标值构建排序指标值的行列矩阵，其中，行标签为候选运单的编号，用字母i表示，1≤i≤n，列标签为排序位置的序号，用字母j表示，1≤j≤m，其中，m和n为大于1的整数，可以得到如下表所示的排序指标值的行列矩阵。
[0068] 第1个排序位置第2个排序位置
…
第n个排序位置候选运单1s(1)*p(1,1)s(1)*p(1,2)
…
s(1)*p(1,n)候选运单2s(2)*p(2,1)s(2)*p(2,2)
…
s(2)*p(2,n)
……………
候选运单ns(n)*p(n,1)s(n)*p(n,2)
…
s(n)*p(n,n)
[0069]
上表中所示行列矩阵的第i行第j列的矩阵元素表示为：s(i)*p(i,j)。由于同一时间每个候选运单只能在候选运单列表中的一个位置被展示，以x
i,j
表示候选运单i是否在第j个排序位置被展示，则各所述候选运单分布在不同排序位置时所述排序指标值之和最大的问题可以通过如下公式表示：
[0070][0071]
其中，z表示各所述候选运单分布在不同排序位置时所述排序指标值之和。
[0072]
使用线性规划求解使最大的x
i,j
组合，可以获得最优的候选运单排序组合。最后，按照最优的候选运单排序组合对候选运单列表中的候选运单进行排序，并展示给该外卖骑手。
[0073]
本技术实施例公开的配送订单排序方法，通过获取当前配送人员的候选运单和已背负运单；对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分；根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值；以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果，有助于提升抢单效率。
[0074]
本技术实施例公开的配送订单排序方法，通过针对待排序运单，根据配送人员的历史行为数据，以及，配送场景的环境等影响因素，使用机器学习的方法对候选运单在不同展示位置的抢单意愿进行预估，结合了更加全面的抢单行为影响因素，提升了抢单意愿预
估准确性。进一步的，通过结合排序指标优化排序结果，获取整体抢单概率最高的运单列表，展示在配送人员的客户端，进一步提升抢单效率。
[0075]
另一方面，在预估抢单意愿时，充分结合候选运单对配送人员已背负运单的相关性，根据候选运单与已背负运单赋予不同的权重，并结合候选运单、权重约束下的已背负运单预估配送人员的抢单意愿，进一步提升了抢单意愿的预估准确性，从而提升展示给配送人员的候选运单列表的整体抢单意愿，提升配送人员的抢单效率。
[0076]
实施例二
[0077]
本技术实施例公开的一种配送订单排序装置，如图3所示，所述装置包括：
[0078]
运单信息获取模块310，用于获取当前配送人员的候选运单和已背负运单；
[0079]
抢单意愿得分预估模块320，用于对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分；
[0080]
排序指标值确定模块330，用于根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值；
[0081]
排序模块340，用于以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果。
[0082]
本技术的一些实施例中，所述抢单意愿得分预估模块320，进一步用于：
[0083]
对于不同排序位置，分别确定表征所述排序位置的第一向量、表征所述候选运单匹配的所述预设运单特征的第二向量、表征所述当前配送人员匹配的预设配送人员特征的第三向量、表征所述当前配送人员匹配的预设环境特征的第四向量，以及，表征各所述已背负运单匹配的预设运单特征的第五向量；以及，
[0084]
通过预先训练的抢单意愿预估模型对所述第二向量、所述第三向量、所述第四向量、所述第五向量，与不同排序位置对应的所述第一向量分别进行拼接和特征映射，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分。
[0085]
本技术的一些实施例中，所述第五向量是通过预先训练的抢单意愿预估模型执行以下编码操作后得到的：
[0086]
对各所述已背负运单匹配的预设运单特征进行编码映射，确定各所述已背负运单各自对应的编码向量，以及，对所述候选运单匹配的所述预设运单特征进行编码映射，确定所述候选运单对应的编码向量；
[0087]
根据各所述已背负运单各自对应的编码向量和所述候选运单对应的编码向量之间的关联度，确定每个所述已背负运单对应的第一融合权重；以及，根据各所述已背负运单与所述候选运单之间的配送起始地址距离和/或目的地地址距离，确定每个所述已背负运单对应的第二融合权重；
[0088]
根据所述第一融合权重和所述第二融合权重，确定各所述已背负运单对应的总融合权重；
[0089]
根据各所述已背负运单对应的总融合权重，对各所述已背负运单对应的编码向量
进行融合处理，得到表征各已背负运单信息的第五向量。
[0090]
本技术的一些实施例中，如图4所示，所述装置还包括：
[0091]
抢单意愿预估模型训练模块350，用于根据曝光给配送人员的运单列表中被抢单的运单数据构建正样本，根据曝光给配送人员且被点击的运单列表中，未被点击的运单数据构建负样本，得到若干训练样本；以及，
[0092]
基于所述若干训练样本，训练基于注意力机制的所述抢单意愿预估模型。
[0093]
本技术的一些实施例中，所述获取当前配送人员的候选运单，包括：
[0094]
获取距离当前配送人员预设距离范围内的待配送运单，作为所述当前配送人员的候选运单。
[0095]
本技术的一些实施例中，所述排序指标值确定模块330，进一步用于：
[0096]
对于每个所述候选运单，分别执行以下操作：
[0097]
对于每个排序位置，将预估得到的该候选运单展示在该排序位置时所述当前配送人员的所述抢单意愿得分与该排序位置匹配的预设资源位权重值的乘积，确定为该候选运单在该排序位置的排序指标值。
[0098]
本技术的一些实施例中，所述排序模块340，进一步用于：
[0099]
根据每个候选运单展示在不同排序位置时的所述排序指标值构建排序指标值矩阵，其中，所述排序指标值矩阵的行和列分别表示候选运单编号和排序位置序号，所述排序指标值矩阵的矩阵元素表示指定编号候选运单展示在指定序号的排序位置时的排序指标值；以及，
[0100]
以各所述候选运单的所述排序指标值之和最大为目标，以每个候选运单只能在不同序号的排序位置展示一次为约束，求解所述目标，得到各所述候选运单的排序位置组合，作为各所述候选运单的排序结果。
[0101]
本技术实施例公开的配送订单排序装置，用于实现本技术实施例一中所述的配送订单排序方法，装置的各模块的具体实施方式不再赘述，可参见方法实施例相应步骤的具体实施方式。
[0102]
本技术实施例公开的配送订单排序装置，通过获取当前配送人员的候选运单和已背负运单；对于每个所述候选运单，基于所述候选运单匹配的预设运单特征、所述当前配送人员匹配的预设配送人员特征、预设环境特征、各所述已背负运单匹配的所述预设运单特征，预估所述候选运单展示在不同排序位置时所述当前配送人员的抢单意愿得分；根据预估得到的每个所述候选运单展示在不同排序位置时所述当前配送人员的所述抢单意愿得分，以及相应排序位置匹配的预设资源位权重值，确定每个所述候选运单在不同排序位置的排序指标值；以各所述候选运单分布在不同排序位置时所述排序指标值之和最大为目标，确定各所述候选运单分别分布的排序位置，得到各所述候选运单的排序结果，有助于提升抢单效率。
[0103]
本技术实施例公开的配送订单排序装置，通过针对待排序运单，根据配送人员的历史行为数据，以及，配送场景的环境等影响因素，使用机器学习的方法对候选运单在不同展示位置的抢单意愿进行预估，结合了更加全面的抢单行为影响因素，提升了抢单意愿预估准确性。进一步的，通过结合排序指标优化排序结果，获取整体抢单概率最高的运单列表，展示在配送人员的客户端，进一步提升抢单效率。
[0104]
另一方面，在预估抢单意愿时，充分结合候选运单对配送人员已背负运单的相关性，根据候选运单与已背负运单赋予不同的权重，并结合候选运单、权重约束下的已背负运单预估配送人员的抢单意愿，进一步提升了抢单意愿的预估准确性，从而提升展示给配送人员的候选运单列表的整体抢单意愿，提升配送人员的抢单效率。
[0105]
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0106]
以上对本技术提供的一种配送订单排序方法及装置进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其一种核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。
[0107]
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单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0108]
本技术的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本技术实施例的电子设备中的一些或者全部部件的一些或者全部功能。本技术还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本技术的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0109]
例如，图5示出了可以实现根据本技术的方法的电子设备。所述电子设备可以为pc机、移动终端、个人数字助理、平板电脑等。该电子设备传统上包括处理器510和存储器520及存储在所述存储器520上并可在处理器510上运行的程序代码530，所述处理器510执行所述程序代码530时实现上述实施例中所述的方法。所述存储器520可以为计算机程序产品或者计算机可读介质。存储器520可以是诸如闪存、eeprom(电可擦除可编程只读存储器)、eprom、硬盘或者rom之类的电子存储器。存储器520具有用于执行上述方法中的任何方法步骤的计算机程序的程序代码530的存储空间5201。例如，用于程序代码530的存储空间5201可以包括分别用于实现上面的方法中的各种步骤的各个计算机程序。所述程序代码530为计算机可读代码。这些计算机程序可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(cd)、存储卡或者软盘之类的程序代码载体。所述计算机程序包括计算机可读代码，当所述计算机可读代码在电子设备上运行时，导致所述电子设备执行根据上述实施例的方法。
[0110]
本技术实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术实施例一所述的配送订单排序方法的步骤。
[0111]
这样的计算机程序产品可以为计算机可读存储介质，该计算机可读存储介质可以具有与图5所示的电子设备中的存储器520类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩存储在所述计算机可读存储介质中。所述计算机可读存储介质通常为如参考图6所述的便携式或者固定存储单元。通常，存储单元包括计算机可读代码530’，所述计算机可读代码530’为由处理器读取的代码，这些代码被处理器执行时，实现上面所描述的方法中的各个步骤。
[0112]
本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本技术的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。
[0113]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本技术的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0114]
在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本技术可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0115]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。