配送员的逻辑定位方法及装置、电子设备、存储介质与流程

1.本说明书一个或多个实施例涉及导航技术领域，尤其涉及一种配送员的逻辑定位方法及装置、电子设备、存储介质。


背景技术：

2.在相关技术中，通常采用卫星定位技术来协助用户按照导航消息前往指定的地点。比如，使用北斗卫星导航系统、gps(global positioning system，全球定位系统)等等。然而，定位数据可能存在误差，比如受到天气、建筑物阻碍和同时在相应区域的定位卫星数量等因素影响，定位数据会出现漂移。
3.以室内环境为例，当用户需前往某个实体门店时，由于室内环境的卫星定位数据较弱，若用户使用手机的卫星定位数据进行导航，则将导致自身的位置定位不准确、位置漂移、路线规划不合理等问题。


技术实现要素：

4.有鉴于此，本说明书一个或多个实施例提供一种配送员的逻辑定位方法及装置、电子设备、存储介质。
5.为实现上述目的，本说明书一个或多个实施例提供技术方案如下：
6.根据本说明书一个或多个实施例的第一方面，提出了一种配送员的逻辑定位方法，包括：
7.获取目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息；
8.根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长；
9.确定所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长，并根据所述预估步行时长和所述已步行时长确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长，以根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位。
10.可选的，配送物品领取地点包括室内环境的实体门店，配送员包括前往所述实体门店领取待配送物品的骑手，所述骑手依次步行前往所述室内环境内的各个实体门店领取待配送物品以进行配送。
11.可选的，各个配送员的客户端设备被配置为分别广播和监听近距离通讯信号；所述方法还包括：
12.获取各个配送员的客户端设备上传的各自监听到的近距离通讯信号；
13.在确定出任意两个客户端设备互相监听到对方广播的近距离通讯信号的情况下，判定所述任意两个客户端设备相遇。
14.可选的，所述根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长，包括：
15.获取所述目标配送员在离开上一待配送物品领取地点时通过客户端设备上传的离开时间信息；
16.根据所述离开时间信息和所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长。
17.可选的，所述确定所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长，并根据所述预估步行时长和所述已步行时长确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长，包括：
18.获取所述目标配送员的行程相关信息和领取地点相关信息以输入至预估模型，根据所述预估模型的输出结果得到所述预估步行时长和所述剩余步行时长；
19.其中，训练所述预估模型的样本数据包括各个配送员的行程相关信息和领取地点相关信息，所述样本数据的标签包括各个配送员相遇后继续前往各自的下一待配送物品领取地点的实际剩余步行时长，行程相关信息包括配送员的相遇时间信息和配送员从上一待配送物品领取地点出发至相遇的步行时长，领取地点相关信息包括配送员在各个待配送物品领取地点之间的历史步行时长。
20.可选的，
21.所述预估模型的模型参数包括配送员图嵌入向量和领取地点图嵌入向量，所述配送员图嵌入向量通过根据行程相关信息在信号图谱中的图嵌入向量得到，所述领取地点图嵌入向量通过根据所述领取地点相关信息在信号图谱中的图嵌入向量得到，所述信号图谱通过分别以配送员为第一类节点、待配送物品领取地点为第二类节点创建得到，第一类节点之间连接的边用于表示相应的配送员之间相遇，第二类节点之间连接的边用于表示配送员在相应的待配送物品领取地点之间的历史步行时长，第一类节点和第二类节点之间连接的边用于表示相应的配送员在当前位置和相应的待配送物品领取地点之间的步行时长。
22.可选的，行程相关信息还包括配送员的配送环境信息和/或配送员的配送状态信息；领取地点相关信息还包括待配送物品领取地点的运营状态信息。
23.可选的，所述根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位，包括：
24.选取出相应的剩余步行时长在预设时长范围内的待配送物品领取地点作为目标地点；
25.根据所述目标地点的位置表征所述目标配送员的位置。
26.可选的，还包括：
27.向所述目标配送员的客户端设备发送所述目标配送员从与所述其他配送员相遇后继续前往下一待配送物品领取地点的剩余步行时长，以由该客户端设备向所述目标配送员展示接收到的剩余步行时长；和/或，
28.向所述目标配送员的下一待配送物品领取地点涉及的待配送物品的订单发起方发送该剩余步行时长，以由所述订单发起方展示接收到的剩余步行时长。
29.可选的，还包括：
30.根据确定出的剩余步行时长规划所述目标配送员的后续待配送物品领取地点。
31.根据本说明书一个或多个实施例的第二方面，提出了一种配送员的逻辑定位方法，包括：
32.向服务端发送目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息，以由所述服务端根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长，所述已步行时长和所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长被所述服务端用于确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长；
33.接收并展示所述服务端返回的逻辑定位结果，所述逻辑定位结果由所述服务端根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位得到。
34.根据本说明书一个或多个实施例的第三方面，提出了一种配送员的逻辑定位装置，包括：
35.获取单元，获取目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息；
36.确定单元，根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长；
37.定位单元，确定所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长，并根据所述预估步行时长和所述已步行时长确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长，以根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位。
38.可选的，配送物品领取地点包括室内环境的实体门店，配送员包括前往所述实体门店领取待配送物品的骑手，所述骑手依次步行前往所述室内环境内的各个实体门店领取待配送物品以进行配送。
39.可选的，各个配送员的客户端设备被配置为分别广播和监听近距离通讯信号；所述获取单元还用于：
40.获取各个配送员的客户端设备上传的各自监听到的近距离通讯信号；
41.在确定出任意两个客户端设备互相监听到对方广播的近距离通讯信号的情况下，判定所述任意两个客户端设备相遇。
42.可选的，所述确定单元具体用于：
43.获取所述目标配送员在离开上一待配送物品领取地点时通过客户端设备上传的离开时间信息；
44.根据所述离开时间信息和所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长。
45.可选的，所述定位单元具体用于：
46.获取所述目标配送员的行程相关信息和领取地点相关信息以输入至预估模型，根
据所述预估模型的输出结果得到所述预估步行时长和所述剩余步行时长；
47.其中，训练所述预估模型的样本数据包括各个配送员的行程相关信息和领取地点相关信息，所述样本数据的标签包括各个配送员相遇后继续前往各自的下一待配送物品领取地点的实际剩余步行时长，行程相关信息包括配送员的相遇时间信息和配送员从上一待配送物品领取地点出发至相遇的步行时长，领取地点相关信息包括配送员在各个待配送物品领取地点之间的历史步行时长。
48.可选的，
49.所述预估模型的模型参数包括配送员图嵌入向量和领取地点图嵌入向量，所述配送员图嵌入向量通过根据行程相关信息在信号图谱中的图嵌入向量得到，所述领取地点图嵌入向量通过根据所述领取地点相关信息在信号图谱中的图嵌入向量得到，所述信号图谱通过分别以配送员为第一类节点、待配送物品领取地点为第二类节点创建得到，第一类节点之间连接的边用于表示相应的配送员之间相遇，第二类节点之间连接的边用于表示配送员在相应的待配送物品领取地点之间的历史步行时长，第一类节点和第二类节点之间连接的边用于表示相应的配送员在当前位置和相应的待配送物品领取地点之间的步行时长。
50.可选的，行程相关信息还包括配送员的配送环境信息和/或配送员的配送状态信息；领取地点相关信息还包括待配送物品领取地点的运营状态信息。
51.可选的，所述定位单元具体用于：
52.选取出相应的剩余步行时长在预设时长范围内的待配送物品领取地点作为目标地点；
53.根据所述目标地点的位置表征所述目标配送员的位置。
54.可选的，所述定位单元还用于：
55.向所述目标配送员的客户端设备发送所述目标配送员从与所述其他配送员相遇后继续前往下一待配送物品领取地点的剩余步行时长，以由该客户端设备向所述目标配送员展示接收到的剩余步行时长；和/或，
56.向所述目标配送员的下一待配送物品领取地点涉及的待配送物品的订单发起方发送该剩余步行时长，以由所述订单发起方展示接收到的剩余步行时长。
57.可选的，所述定位单元还用于：
58.根据确定出的剩余步行时长规划所述目标配送员的后续待配送物品领取地点。
59.根据本说明书一个或多个实施例的第四方面，提出了一种配送员的逻辑定位装置，包括：
60.发送单元，向服务端发送目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息，以由所述服务端根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长，所述已步行时长和所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长被所述服务端用于确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长；
61.接收单元，接收并展示所述服务端返回的逻辑定位结果，所述逻辑定位结果由所述服务端根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配
送员进行逻辑定位得到。
62.根据本说明书一个或多个实施例的第五方面，提出了一种电子设备，包括：
63.处理器；
64.用于存储处理器可执行指令的存储器；
65.其中，所述处理器通过运行所述可执行指令以实现如上述任一实施例中所述的方法。
66.根据本说明书一个或多个实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如上述实施例中任一所述方法的步骤。
67.在配送场景下，配送员(比如快递员、骑手等)需要依次前往各个待配送物品领取地点以获取待配送物品，比如配送员可同时携带多个物品然后依次进行配送。当配送员步行前往待配送物品领取地点时，在某些情况下配送员的客户端设备无法获取准确的卫星定位数据，又无法获取自身所处环境的地图信息，导致无法根据导航信息顺利前往领取地点。
68.在同一环境包含多个待配送物品领取地点时，由于每个配送员均需要依次分别前往多个领取地点获得待配送物品，那么在该环境下配送员之间将频繁发生相遇事件。配送员在同一环境内的流动性是有规律的，因此配送员之间的相遇事件包含时空信息。例如，当两个配送员相遇时，可以将其中一个配送员在从上一领取地点出发至相遇这段时间作为该领取地点与配送员相遇时位置之间的步行行程时间(即步行时长)，因为在配送员的实际配送过程中，配送员为了提高效率，通常选取最短路径或者尽量避免绕道，那么各个配送员大概率将选取相同的路径，即配送员选取的路径具备普遍性，进而相应的步行行程时间也具备普遍性；当然，另一配送员的情况与此类似。进一步的，配送员在同一环境内的相遇密集，因此后续的相遇也是具有上述时空联系的特点，那么可以实时利用该特点来预估步行时长和进行逻辑定位。
69.对此，在本说明书提供的配送员的逻辑定位方案中，利用各个配送员在步行前往待配送物品领取地点的过程中和其他配送员发生的相遇事件来预估配送员在相遇的位置继续前往各个待配送物品领取地点(包括下一待配送物品领取地点)的剩余步行时长，而剩余步行时长和配送员与待配送物品领取地点之间的距离呈正相关，因此可利用得到的剩余步行时长确定出配送员与周围待配送物品领取地点的相对位置，比如哪些待配送物品领取地点位于配送员附近(即一定范围内)，与各个待配送物品领取地点之间的大致步行距离等等。而基于得出的这些相对位置关系，则可以完成对配送员进行逻辑定位。
70.由上述实施例可见，上述逻辑定位的方式可在无需依赖卫星定位数据和用户所处环境的地图数据的情况下确定出配送员与待配送物品领取地点之间的相对位置，成本较低。
附图说明
71.图1是一示例性实施例提供的一种配送员的逻辑定位方法的流程图。
72.图2是一示例性实施例提供的一种蓝牙进场感知的示意图。
73.图3是一示例性实施例提供的一种构建信号图谱的示意图。
74.图4是一示例性实施例提供的一种神经网络模型的框架示意图。
75.图5是一示例性实施例提供的另一种配送员的逻辑定位方法的流程图。
76.图6是一示例性实施例提供的一种设备的结构示意图。
77.图7是一示例性实施例提供的一种配送员的逻辑定位装置的框图。
78.图8是一示例性实施例提供的另一种配送员的逻辑定位装置的框图。
具体实施方式
79.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一个或多个实施例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、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
80.需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
81.在相关技术中，通常采用卫星定位技术来对用户进行定位。比如，使用北斗卫星导航系统、gps(global positioning system，全球定位系统)等等。然而，定位数据可能存在误差，比如受到天气、建筑物阻碍和同时在相应区域的定位卫星数量等因素影响，定位数据会出现漂移。
82.以室内环境为例，当用户需前往某个实体门店时，由于室内环境的卫星定位数据较弱，若用户使用手机的卫星定位数据进行定位，则将导致自身的位置定位不准确、位置漂移、路线规划不合理等问题。比如，大型室内商场中通常包含多家实体门店，这些实体门店都向用户提供线上下单的服务，用户通过线上下单后，骑手需前往相应的实体门店取餐然后再配送给用户。那么，在取餐过程中，存在骑手携带的手机等客户端设备卫星定位数据不准确、无法获取该商场地图等情况，导致骑手无法得知自身的当前位置。
83.本说明书提供的配送员的逻辑定位方案对相关技术中的定位方式予以了改进，以解决相关技术中存在的上述技术问题。下面结合图1-图5对本说明书的配送员的逻辑定位方案进行详细说明。
84.请参见图1，图1是一示例性实施例提供的一种配送员的逻辑定位方法的流程图。如图1所示，该方法可以包括以下步骤：
85.步骤102，获取目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息。
86.在配送场景下，实体门店在电商平台上注册有线上商店供客户线上下单，在客户完成线上下单之后，电商平台(或者配送平台)可向骑手分配相应的配送订单，由骑手前往实体门店领取待派送物品(即客户下单的商品，比如骑手取餐)，然后再将领取到的物品配送至客户指定的地点。其中，为了提高配送效率，通常针对同一配送员，平台会向其分配多个配送订单以由该配送员依次进行配送。比如，可将下单时间、要求送达的时间等相近、领取待配送物品的实体门店的位置相近、配送终点的位置相近等等的配送订单分配至同一配送员。
87.作为一示例性实施例，配送物品领取地点可以包括室内环境的实体门店，比如大型室内商场中包含多家实体门店，配送员可以包括前往实体门店领取待配送物品的骑手。以外卖为例，骑手背单数量为多个，那么骑手需要依次步行前往室内环境内的各个实体门店领取待配送物品以进行配送。
88.总结而言，本说明书涉及的应用场景为配送员(比如快递员、骑手等)需要依次前往各个待配送物品领取地点以获取待配送物品，比如配送员可同时携带多个物品然后依次进行配送。当配送员步行前往待配送物品领取地点时，在某些情况下配送员的客户端设备无法获取准确的卫星定位数据，又无法获取自身所处环境的地图信息，导致无法根据定位数据顺利前往领取地点。
89.针对上述应用场景，在同一环境包含多个待配送物品领取地点时，由于每个配送员均需要依次分别前往多个领取地点获得待配送物品，那么在该环境下配送员之间将频繁发生相遇事件。配送员在同一环境内的流动性是有规律的，因此配送员之间的相遇事件包含时空信息。例如，当两个配送员相遇时，可以将其中一个配送员在从上一领取地点出发至相遇这段时间作为该领取地点与配送员相遇时位置之间的步行行程时间(即步行时长)，因为在配送员的实际配送过程中，配送员为了提高效率，通常选取最短路径或者尽量避免绕道，那么各个配送员大概率将选取相同的路径，即配送员选取的路径具备普遍性，进而相应的步行行程时间也具备普遍性；当然，另一配送员的情况与此类似。进一步的，配送员在同一环境内的相遇密集，因此后续的相遇也是具有上述时空联系的特点，那么可以实时利用该特点来预估步行时长和进行逻辑定位。
90.因此，为了最终的逻辑定位，应当及时发现配送员之间的相遇事件。对此，可利用近距离通讯信号仅在较小空间范围内能够检测到的特点来感知配送员之间的相遇事件，即若存在两客户端设备能够互相监听到对方广播的近距离通讯信号，则说明这两客户端设备之间的距离足够近，那么可认为两者发生了相遇事件。具体而言，可在获得配送员授权的情况下，将各个配送员的客户端设备配置为分别广播和监听近距离通讯信号，比如客户端设备安装的客户端程序可配置指示客户端设备广播和监听信号的功能。并且，客户端设备可将监听到的近距离通讯信号上传至后台服务端以由后台来据此判断配送员之间是否相遇。基于上述配置，后台服务端(比如电商平台、配送平台等等)可获取各个配送员的客户端设备上传的各自监听到的近距离通讯信号，然后在确定出任意两个客户端设备互相监听到对方广播的近距离通讯信号的情况下，判定这两个客户端设备相遇。
91.其中，近距离通讯信号可采用蓝牙信号，还可采用其他任意近距离通讯技术，只要具备“近距离通讯”的特点即可。比如，还可采用wi-fi、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(ultra wideband，超宽频)、dect(digital enhanced cordless telecommunications，数字增强无绳通信)等通讯技术。
92.以蓝牙信号为例。请参见图2，图2是一示例性实施例提供的一种蓝牙进场感知的示意图。如图2所示，骑手a使用的手机21(在获得骑手a授权的情况下)实时广播和监听蓝牙信号，骑手b使用的手机22(在获得骑手b授权的情况下)也实时广播和监听蓝牙信号。同时，手机21和手机22将自身监听到的蓝牙信号上传至后台服务端23，比如上传蓝牙信号的标识(id)和信号强度(rssi)等参数。那么，后台服务端23可将互相监听到对方广播的蓝牙信号
的两个手机判定为发生相遇事件。比如，蓝牙信号的id相匹配，且信号强度超过预设的阈值(信号强度越强，说明距离越近)。
93.步骤104，根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长。
94.如前所述，根据配送员之前的相遇事件能够得出配送员从自身的上一待配送物品领取地点出发至与其他配送员相遇时的已步行时长。其中，得到已步行时长需要获取配送员从上一待配送物品领取地点离开以前往下一待配送物品领取地点的时间信息，即离开时间信息。作为一示例性实施例，离开时间信息可由配送员在离开上一待配送物品领取地点时通过客户端设备主动上传。
95.在一种情况下，可由配送员在离开时手动上传。以外卖场景为例，电商平台(配送平台)通常会要求骑手在到店和离店时分别上报到店时间和离店时间。在另一种情况下，可由领取地点和骑手的客户端设备配合来自动获取骑手到达实体门店和从实体门店离开的时间。举例而言，为了自动获取骑手到达商户的实体门店和从实体门店离开的时间，可在实体门店内部署beacon设备。基于实体门店内配备有beacon设备，beacon设备的id与商户id一一对应。beacon设备持续向外广播蓝牙信号，当骑手的智能手机靠近beacon设备时，能够检测到其发出的蓝牙信号。然后，骑手的智能手机会将监听到beacon设备的时间戳和该beacon设备id上传(在获得骑手授权的情况下)到服务器(即上报到达事件)，这就说明骑手此时在该beacon设备对应的实体门店周围，因此可自动地获取骑手到店和离店时间。或者，可在商家侧的配送客户端程序上部署虚拟beacon系统，该系统是应用程序的一部分，商家使用该应用程序来管理平台上收到的订单。在获得商户的同意后，虚拟beacon蓝牙广播模块已添加到商户的应用程序中。当骑手接近实体门店时，骑手的智能手机将收到商户的智能手机生成的虚拟beacon消息。收集机制与上述物理beacon设备相同。虚拟beacon消息不包含连续的gps跟踪以保护商家的隐私，而是依赖动态id与服务器上的商户id映射，从而对应商户，以进行虚拟beacon的到店离店检测。
96.基于配送员在离开待配送物品领取地点时上报离开事件的机制，可获取目标配送员在离开上一待配送物品领取地点时通过客户端设备上传的离开时间信息，然后根据该离开时间信息和相遇时间信息确定目标配送员从自身的上一待配送物品领取地点出发至与其他配送员相遇时的已步行时长。举例而言，骑手x需要依次前往某个大型室内商场中的实体门店a和实体门店b取餐，骑手x在实体门店a取餐后继续前往实体门店b取餐。假定骑手x离开实体门店a的时间为12:05:25，在步行前往实体门店b的过程中与骑手y相遇，相遇的时间为12:07:05；那么，可确定出骑手x自离开实体门店a之后的已步行时长为1分40秒。
97.步骤106，确定所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长，并根据所述预估步行时长和所述已步行时长确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长，以根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位。
98.如前所述，配送员之间的相遇事件所具备的时空特点能够帮助来预估剩余步行时长以进行逻辑定位，即配送员在相遇之后继续前往各个待配送物品领取地点的剩余步行时长，与相遇事件存在关联。举例而言，基于上述确定出的已步行时长，若进一步获得配送员
从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长，那么通过将各个预估步行时长分别减去已步行时长得到的时长，则可用于衡量配送员从相遇后继续前往各个待配送物品领取地点的剩余步行时长。由于配送员为了提高效率，通常选取最短路径或者尽量避免绕道，那么各个配送员大概率将选取相同(完全相同或者大部分相同)的路径，即配送员选取的路径具备普遍性，进而相应的步行行程时间也具备普遍性。因此，配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长，可根据各个配送员在执行历史配送订单的过程中，在相同的两个领取地点之间的历史步行时长来确定出。例如，针对两领取地点之间的预估步行时长，可根据多个配送员在该两个领取地点之间的历史步行时长的平均值得到。
99.除上述简单的预测方式之外，为了提高预测的准确率，可利用机器学习模型来挖掘配送员之间的相遇事件、领取地址之间的历史步行时长以及配送员相遇之后继续步行前往其他各个领取地点的剩余步行时长这三者之间的关联关系。那么，可利用有监督机器学习算法来训练预估模型。其中，训练预估模型的样本数据包括各个配送员的行程相关信息和领取地点相关信息，样本数据的标签包括(历史配送过程中)各个配送员相遇后继续前往各自的下一待配送物品领取地点的实际剩余步行时长。作为一示例性实施例，行程相关信息可以包括配送员的相遇时间信息和配送员从上一待配送物品领取地点出发至相遇的步行时长，领取地点相关信息可以包括配送员在各个待配送物品领取地点之间的历史步行时长。基于上述训练预估模型的方式，本说明书的逻辑定位方案旨在训练一个预估模型，以从配送员的历史步行时长(少量)和配送员的相遇事件(大量)中推断出配送员在相遇之后继续前往其他各个领取地点的剩余步行时长，从而基于剩余步行时长对配送员进行逻辑定位。
100.图嵌入(graph embedding，也叫network embedding)是一种将图数据(通常为高维稠密的矩阵)映射为低微稠密向量的过程。作为一示例性实施例，可基于配送员和待配送物品领取地点来构建信号图谱，从而采用图嵌入的方式来提取特征进而构建预估模型。
101.具体而言，预估模型的模型参数包括配送员图嵌入向量和领取地点图嵌入向量，配送员图嵌入向量通过根据行程相关信息在信号图谱中的图嵌入向量得到，领取地点图嵌入向量通过根据领取地点相关信息在信号图谱中的图嵌入向量得到，信号图谱通过分别以配送员为第一类节点、待配送物品领取地点为第二类节点创建得到，第一类节点之间连接的边用于表示相应的配送员之间相遇，第二类节点之间连接的边用于表示配送员在相应的待配送物品领取地点之间的历史步行时长，第一类节点和第二类节点之间连接的边用于表示相应的配送员在当前位置和相应的待配送物品领取地点之间的步行时长。
102.除此之外，为了提高训练得到的预估模型的预测准确率，可设定行程相关信息还包括配送员的配送环境信息和/或配送员的配送状态信息，以及领取地点相关信息还包括待配送物品领取地点的运营状态信息。举例而言，配送环境信息可以包括天气信息、室内环境的人流量等等；配送状态信息可以包括配送员的背单数量、剩余配送时间、当前位置等等；运营状态信息可以包括实体门店的接单状态，当前订单量，平均配送时长等等。当然，上述信息可根据实际情况灵活调整，本说明书并不对此进行限制。
103.为了便于理解，下面结合图3-4分别对构建信号图谱以及预估模型的网络框架进行详细说明。
104.请参见图3，图3是一示例性实施例提供的一种构建信号图谱的示意图。如图3所示，以外卖场景为例，信号图谱中的节点包括骑手和实体门店，骑手采用圆形节点表示，实体门店采用方形节点表示。比如，骑手c1和骑手c2，实体门店m1、实体门店m2和实体门店m3。对应于骑手的节点之间连接的边表示相应的骑手之间发生相遇事件，对应于实体门店之间连接的边表示骑手在相应的实体门店之间的历史步行时长，对应于骑手的节点和对应于实体门店的节点之间连接的边用于表示相应的骑手在当前位置(即相遇时的位置)和相应的实体门店之间的步行时长。
105.例如，骑手c1和骑手c2之间的双实线表示骑手c1和骑手c2之间发生的相遇事件，骑手c1和实体门店m1之间的单实线表示骑手c1从实体门店m1到相遇时的已知步行时长(known travel time)，骑手c2和实体门店m2之间的单实线表示骑手c2从实体门店m2到相遇时的已知步行时长，上述信息属于预估模型的输入参数。模型的输出为骑手和实体门店之间的步行时间(unknown travel time)，比如，骑手c1和实体门店m2之间的虚线、骑手c1和实体门店m3之间的虚线、骑手/2和实体门店m1之间的虚线以及骑手c2和实体门店m2之间的虚线。
106.而对于训练预估模型的有监督学习算法，可采用逻辑回归、神经网络、决策树、支持向量机、贝叶斯分类器等等。以神经网络为例，上述图嵌入学习的过程可采用gnn(graph neural network，图神经网络)来完成。gnn可以把神经网络用在图结构(graph)中，gnn包括多种类型，比如gcn(graph convolutional network，图卷积网络)、gat(graph attention network，图注意力网络)、gae(graph auto-encoder，图自编码器)等。当然，也可以采用其他任意神经网络算法，比如graph rnn(recurrent neural network，循环神经网络)算法、graph rl(reinforcement learning，图强化学习)算法等等，本说明书并不对此进行限制。
107.请参见图4，图4是一示例性实施例提供的一种神经网络模型的框架示意图。如图4所示，预估模型可采用神经网络模型，旨在通过gnn利用连接预测的思想从稀疏的报告事件(报告配送员在实体门店之间的历史步行时长)和大量的相遇事件中推断出骑手与所有室内实体门店的相对位置(采用步行时长来表征)。
108.整个框架分为“输入数据(input data)”，“模型(model)”，和“输出(output)”三大部分。
109.其中，输入数据包括：
110.(1)骑手-商户特征(courier-merchant features)，骑手与部分商户的距离(采用已步行时长衡量)；
111.(2)骑手的相遇特征(encounter feature)，包括骑手之间相遇事件的时间、蓝牙信号强度等；
112.(3)商户特征(merchants feature)和骑手特征(couriers feature)，商户特征包含商户的实体门店的接单状态，当前订单量，平均配送时长等等，骑手特征包含骑手的背单数量、剩余配送时间、当前位置等等；
113.(4)商户-商户特征(merchants-merchant features)，即商户实体门店间的距离(采用步行时长衡量)，来自骑手在历史配送过程中在实体门店之间的历史步行时长(实际步行时长)，比如根据骑手在上一实体门店的离店时刻和下一实体门店的到店时刻确定出；
114.(5)环境特征(environment context)，包括天气，订单高峰期时间等。
115.模型包括：
116.(1)商户的图嵌入向量(embedding)，即merchants embedding，用来得到商户拓扑关系的embedding，基于将商户特征和商户-商户特征转换为图嵌入向量得到；
117.(2)环境特征的embdedding，即context embedding；
118.(3)实时骑手向量(recurrent courier embdedding)，即recurrent的骑手embedding，基于骑手-商户向量(courier-merchant embdedding)和相遇向量(encounter embdedding)得到，骑手-商户向量可通过将骑手-商户特征和骑手特征转换为相应的图嵌入向量得到，相遇向量可通过将相遇特征转换为相应的图嵌入向量得到。
119.(4)全连接网络。
120.输出数据包括：骑手-商户，courier-merchant(full)，即相遇的两个骑手到所有商户的实体门店的距离(采用剩余步行时长衡量)，而在训练过程中，可将骑手相遇之后到达下一个实体门店的时间作为标签(label)，比如根据骑手相遇的时刻和下一个实体门店的到店时刻得到。
121.在得到骑手在相遇后继续步行前往其他各个门店的剩余步行时长之后，可根据确定出的剩余步行时长和各个待配送物品领取地点对目标配送员进行逻辑定位。其中，该逻辑定位的含义可以理解为不需要知道骑手在室内的具体物理位置，只需要知道骑手相对于各个商户的距离即可，该距离采用步行时长来衡量。比如，可从各个待配送物品领取地点中确定出距离目标配送员与其他配送员相遇时的位置在预设距离范围内的目标地点，而距离可通过剩余步行时长来表征(呈正相关)，因此可选取出相应的剩余步行时长在预设时长范围内的待配送物品领取地点作为目标地点，然后跟据目标地点的位置表征目标配送员的位置。例如，为了使得定位足够准确，可以将预设时长范围设定得足够小，比如10s、15s等等。举例而言，最终的逻辑定位结果可以表示为骑手当前距离门店a还有5s的步行时长，距离门店b还有25s的步行时长等等。或者，可以表示为骑手当前在门店a附近，正在靠近门店a等等。当然，本说明书并不对逻辑定位结果的具体形式进行限制。
122.由于确定出的剩余步行时长包括配送员相遇后继续前往的下一待配送物品领取地点的剩余步行时长，可向配送员或者相应的配送订单发起方提供该剩余步行时长，从而使得配送员能够及时了解自身当前与下一待配送物品领取地点的距离，以及使得订单发起方能够及时了解配送进度。具体而言，可向目标配送员的客户端设备发送目标配送员从与其他配送员相遇后继续前往下一待配送物品领取地点的剩余步行时长，以由该客户端设备向目标配送员展示接收到的剩余步行时长；和/或，向目标配送员的下一待配送物品领取地点涉及的待配送物品的订单发起方发送该剩余步行时长，以由订单发起方展示接收到的剩余步行时长。
123.在确定出各个剩余步行时长之后，由于还存在目标配送员当前仍然可以承接更多配送任务的情况，即可以指定该配送员后续前往更多的领取地点以领取待配送物品进行配送。由于可获得配送员从与其他配送员相遇后继续前往其他所有待配送物品领取地点(比如模型的输入数据能够覆盖的所有实体门店)的剩余步行时长，可根据确定出的剩余步行时长规划配送员的后续待配送物品领取地点，以使得该配送员的后续待配送物品领取地点距离该配送员足够近，从而可以提高配送效率，使得配送任务的分配更为合理。例如，确定出的剩余步行时长包括：距离实体门店a还有60s的步行时长、距离实体门店b还有120s的步
行时长、距离实体门店c还有600s的步行时长。那么，可继续为骑手分配对应于实体门店a和实体门店b的配送任务，即骑手后续的待配送物品领取地点还包括实体门店a和实体门店b，而由于骑手距离实体门店c相对较远，为了不影响骑手的配送效率，应当避免将对应于实体门店c的配送任务分配给该骑手。
124.在本说明书提供的配送员的逻辑定位方案中，利用各个配送员在步行前往待配送物品领取地点的过程中和其他配送员发生的相遇事件来预估配送员在相遇的位置继续前往各个待配送物品领取地点(包括下一待配送物品领取地点)的剩余步行时长，而剩余步行时长和配送员与待配送物品领取地点之间的距离呈正相关，因此可利用得到的剩余步行时长确定出配送员与周围待配送物品领取地点的相对位置，比如哪些待配送物品领取地点位于配送员附近(即一定范围内)，与各个待配送物品领取地点之间的大致步行距离等等。而基于得出的这些相对位置关系，则可以完成对配送员进行逻辑定位。尤其是在同一室内环境包括多个领取地点的情况，可利用配送员之间发生相遇事件较为频繁的特点，实时利用频繁的相遇事件进行逻辑定位。
125.并且，上述逻辑定位的方式可在无需依赖卫星定位数据和用户所处环境的地图数据的情况下确定出配送员与待配送物品领取地点之间的相对位置，成本较低，尤其是在配送外卖的场景下，骑手到店和离店的时刻为平台已有的数据，无需额外进行收集。
126.请参见图5，图5是一示例性实施例提供的另一种配送员的逻辑定位方法的流程图。如图5所示，该方法应用于配送员的客户端设备，可以包括以下步骤：
127.步骤502，向服务端发送目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息，以由所述服务端根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长，所述已步行时长和所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长被所述服务端用于确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长。
128.步骤504，接收并展示所述服务端返回的逻辑定位结果，所述逻辑定位结果由所述服务端根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位得到。
129.需要说明的是，图5所示实施例的具体实施过程可参考上述图4所示实施例中的相关描述，在此不再赘述。
130.与上述方法实施例相对应，本说明书还提供了相应的装置实施例。
131.图6是一示例性实施例提供的一种设备的示意结构图。请参考图6，在硬件层面，该设备包括处理器602、内部总线604、网络接口606、内存608以及非易失性存储器610，当然还可能包括其他业务所需要的硬件。本说明书一个或多个实施例可以基于软件方式来实现，比如由处理器602从非易失性存储器610中读取对应的计算机程序到内存608中然后运行。当然，除了软件实现方式之外，本说明书一个或多个实施例并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
132.请参考图7，一种配送员的逻辑定位装置可以应用于如图6所示的设备中，以实现
本说明书的技术方案。其中，该装置可以包括：
133.获取单元71，获取目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息；
134.确定单元72，根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长；
135.定位单元73，确定所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长，并根据所述预估步行时长和所述已步行时长确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长，以根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位。
136.可选的，配送物品领取地点包括室内环境的实体门店，配送员包括前往所述实体门店领取待配送物品的骑手，所述骑手依次步行前往所述室内环境内的各个实体门店领取待配送物品以进行配送。
137.可选的，各个配送员的客户端设备被配置为分别广播和监听近距离通讯信号；所述获取单元71还用于：
138.获取各个配送员的客户端设备上传的各自监听到的近距离通讯信号；
139.在确定出任意两个客户端设备互相监听到对方广播的近距离通讯信号的情况下，判定所述任意两个客户端设备相遇。
140.可选的，所述确定单元72具体用于：
141.获取所述目标配送员在离开上一待配送物品领取地点时通过客户端设备上传的离开时间信息；
142.根据所述离开时间信息和所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长。
143.可选的，所述定位单元73具体用于：
144.获取所述目标配送员的行程相关信息和领取地点相关信息以输入至预估模型，根据所述预估模型的输出结果得到所述预估步行时长和所述剩余步行时长；
145.其中，训练所述预估模型的样本数据包括各个配送员的行程相关信息和领取地点相关信息，所述样本数据的标签包括各个配送员相遇后继续前往各自的下一待配送物品领取地点的实际剩余步行时长，行程相关信息包括配送员的相遇时间信息和配送员从上一待配送物品领取地点出发至相遇的步行时长，领取地点相关信息包括配送员在各个待配送物品领取地点之间的历史步行时长。
146.可选的，
147.所述预估模型的模型参数包括配送员图嵌入向量和领取地点图嵌入向量，所述配送员图嵌入向量通过根据行程相关信息在信号图谱中的图嵌入向量得到，所述领取地点图嵌入向量通过根据所述领取地点相关信息在信号图谱中的图嵌入向量得到，所述信号图谱通过分别以配送员为第一类节点、待配送物品领取地点为第二类节点创建得到，第一类节点之间连接的边用于表示相应的配送员之间相遇，第二类节点之间连接的边用于表示配送员在相应的待配送物品领取地点之间的历史步行时长，第一类节点和第二类节点之间连接的边用于表示相应的配送员在当前位置和相应的待配送物品领取地点之间的步行时长。
148.可选的，行程相关信息还包括配送员的配送环境信息和/或配送员的配送状态信息；领取地点相关信息还包括待配送物品领取地点的运营状态信息。
149.可选的，所述定位单元73具体用于：
150.选取出相应的剩余步行时长在预设时长范围内的待配送物品领取地点作为目标地点；
151.根据所述目标地点的位置表征所述目标配送员的位置。
152.可选的，所述定位单元73还用于：
153.向所述目标配送员的客户端设备发送所述目标配送员从与所述其他配送员相遇后继续前往下一待配送物品领取地点的剩余步行时长，以由该客户端设备向所述目标配送员展示接收到的剩余步行时长；和/或，
154.向所述目标配送员的下一待配送物品领取地点涉及的待配送物品的订单发起方发送该剩余步行时长，以由所述订单发起方展示接收到的剩余步行时长。
155.可选的，所述定位单元73还用于：
156.根据确定出的剩余步行时长规划所述目标配送员的后续待配送物品领取地点。
157.请参考图8，另一种配送员的逻辑定位装置可以应用于如图6所示的设备中，以实现本说明书的技术方案。其中，该装置可以包括：
158.发送单元81，向服务端发送目标配送员与其他配送员在从各自的上一待配送物品领取地点步行前往下一待配送物品领取地点的过程中相遇时的相遇时间信息，以由所述服务端根据所述相遇时间信息确定所述目标配送员从自身的上一待配送物品领取地点出发至与所述其他配送员相遇时的已步行时长，所述已步行时长和所述目标配送员从上一待配送物品领取地点前往其他各个待配送物品领取地点的预估步行时长被所述服务端用于确定所述目标配送员从与所述其他配送员相遇后继续前往所述其他各个待配送物品领取地点的剩余步行时长；
159.接收单元82，接收并展示所述服务端返回的逻辑定位结果，所述逻辑定位结果由所述服务端根据确定出的剩余步行时长和所述其他各个待配送物品领取地点对所述目标配送员进行逻辑定位得到。
160.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
161.在一个典型的配置中，计算机包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
162.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
163.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动
态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
164.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
165.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。
166.在本说明书一个或多个实施例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一个或多个实施例。在本说明书一个或多个实施例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。
167.应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、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，在不脱离本说明书一个或多个实施例范围的情况下，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”。
168.以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。