一种供需等级确定方法及装置与流程

1.本技术涉及计算机技术领域，尤其涉及一种供需等级确定方法及装置。


背景技术：

2.目前，随着即时配送业务的发展，即时配送订单大量增加，为了提升配送各方的体验，需要通过合适的调度决策，合理调度配送员执行配送任务。
3.现有技术中，一般会综合各类指标，通过线性加权的多目标评价方式，确定各配送员的评价分数，然后将订单分配给评价最好的配送员。例如，针对每笔订单进行分配时，可综合各骑手对于该订单的配送准时率，以及配送顺路程度两类指标，根据预设的对应权重对该两类指标进行加权并求和，确定各配送员的评价分数。以将该订单分配给评价最好的配送员。
4.但是，在实际情况中，运力和订单量之间的关系与评价时对各类指标的侧重程度是相关联的。例如，在运力不变的情况下，随着订单量的增加，需要尽可能的保证订单能够准时送达以保证用户体验，此时应该侧重于配送准时率指标。然而，当订单量极大时，则需要提高配送员的配送效率以保证所有订单能够配送完成，此时应该侧重于配送顺路程度。
5.目前的多目标评价方式未将供需状态与对各类指标的侧重程度相关联，仅通过相同的权重确定各指标的加权和，调度决策的鲁棒性较低。


技术实现要素：

6.本说明书实施例提供的一种供需等级确定方法及装置，用于至少部分的解决现有技术中存在的问题。
7.本说明书采用下述技术方案：
8.本说明书提供了一种供需等级确定方法，包括：
9.确定当前时刻用于表征供需状态的各特征维度的特征值，以及各特征维度对应的分类；
10.针对每个特征维度，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量；
11.对各特征维度的分类进行排列组合得到各分类组合，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度；
12.根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。
13.可选地，确定各特征维度对应的分类，具体包括：
14.针对每个特征维度，当该特征维度为连续变量时，获取预设历史天数中该特征维度的历史特征值，并对各历史特征值进行排序；
15.根据预设的各百分位数以及所述排序，确定各百分位数指标对应的历史特征值，作为该特征维度对应的分类阈值；
16.根据该特征维度对应的分类阈值，确定该特征维度对应的各分类阈值区间，所述分类阈值区间之间至少部分分类阈值区间重叠；
17.根据该特征维度对应的各分类阈值区间，确定该特征维度对应的分类；
18.当该特征维度为离散变量时，根据预设分类阈值，确定该特征维度对应的分类。
19.可选地，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量，具体包括：
20.根据该特征维度对应的分类，确定该特征维度的特征值属于各分类的隶属度，作为粗分类结果；
21.判断该特征维度是否为预设的需要进行细分类的特征维度；
22.若是，则根据该特征维度对应的至少部分细分类阈值，对该特征维度进行再次分类，根据该特征维度经细分类后确定出的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量；
23.若否，则根据粗分类结果，确定该特征维度对应的隶属度向量。
24.可选地，对各特征维度的分类进行排列组合得到各分类组合，具体包括：
25.针对每个特征维度对应的隶属度向量，确定满足预设条件的隶属度对应的分类，作为该特征维度的有效分类；
26.对各特征维度的有效分类进行排列组合得到各分类组合。
27.可选地，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，具体包括：
28.针对每个分类组合，根据各特征维度对应的隶属度向量，确定各特征维度的特征值属于该分类组合中对应分类的隶属度；
29.根据各特征维度的特征值属于该分类组合中对应分类的隶属度的乘积，确定当前时刻的供需状态属于该分类组合的隶属度；
30.根据所述当前时刻的供需状态属于各其他分类组合的隶属度与所述当前时刻的供需状态属于该分类组合的隶属度的差距的第一累加和，与所述当前时刻的供需状态属于各分类组合的隶属度的第二累加和的比值，确定所述当前时刻的供需状态属于该分类组合的不确定测度。
31.可选地，根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，具体包括：
32.根据所述当前时刻的供需状态属于各分类组合的隶属度和不确定测度的乘积，确定当所述乘积取到最大时，所述乘积对应的分类组合；
33.根据所述分类组合以及预设的各分类组合与供需等级的对应关系，确定所述分类组合对应的供需等级，作为所述当前时刻的供需状态对应的供需等级。
34.可选地，根据得到的供需等级确定业务调度策略，具体包括：
35.根据获取的各用户的运动信息和订单信息，以及待分配的订单信息，确定各用户配送所述待分配的订单时的配送路径；
36.针对每个用户，根据该用户的配送路径，确定各订单完成时刻的概率分布，并对每个订单的完成时刻进行若干采样，确定各采样对应的订单超时情况；
37.根据各采样对应的订单超时情况以及预设的超时评价函数，确定该用户完成配送的期望超时评价以及条件风险超时评价；
38.根据得到的供需等级、预设的供需等级与所述期望超时评价对应的第一权重之间的关系以及供需等级与所述条件风险超时评价对应的第二权重之间的关系，确定所述第一权重以及所述第二权重；
39.根据所述第一权重以及所述第二权重对各用户对应的所述期望超时评价以及所述条件风险超时评价进行加权求和，将所述待分配的订单分配给所述加权和取到最小时对应的用户。
40.本说明书提供了一种供需等级确定装置，包括：
41.分类模块，用于确定当前时刻用于表征供需状态的各特征维度的特征值，以及各特征维度对应的分类；
42.隶属度确定模块，用于针对每个特征维度，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量；
43.分类组合确定模块，用于对各特征维度的分类进行排列组合得到各分类组合，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度；
44.供需等级确定模块，用于根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。
45.本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述供需等级确定方法。
46.本说明书提供了一种电子设备，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，所述处理器执行所述程序时实现上述供需等级确定方法。
47.本说明书采用的上述至少一个技术方案能够达到以下有益效果：
48.在本说明书提供的供需等级确定方法，先确定当前时刻用于表征供需状态的各特征维度的特征值以及各特征维度对应的分类，然后确定每个特征维度属于各分类的隶属度。接着对各特征维度的分类进行排列组合得到各分类组合，然后根据各特征维度分别属于各分类的隶属度，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，并根据预设的各分类组合与供需等级的对应关系、确定当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。通过根据表征当前供需状态的各特征维度的特征值，确定当前的供需状态对应的供需等级，以根据当前的供需等级调整业务调度策略，提高了业务调度的鲁棒性。
附图说明
49.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
50.图1为本说明书提供的一种供需等级确定方法的流程示意图；
51.图2为本说明书提供的一种隶属函数示意图；
52.图3为本说明书提供的一种各分类组合与供需等级的对应关系示意图；
53.图4为本说明书提供的一种细分类后隶属函数示意图；
54.图5为本说明书提供的一种供需等级确定装置的示意图；
55.图6为本说明书提供的一种实现供需等级确定方法的电子设备示意图。
具体实施方式
56.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于说明书中的实施例，本领域普通技术人员在没有做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。
57.目前，在即时配送领域中，确定订单的调度策略时，一般会综合各类评价指标，通过线性加权的多目标评价方式，将订单分配给评价最好的配送员。但是，在实际情况中，供需状态与进行评价时对各类指标的侧重程度应该是相关联的。
58.例如，对于某区域，在总配送运力保持不变的情况下，随着订单量的增加，需要尽可能的保证订单能够准时送达以保证用户体验，此时，应该在决策评价时侧重考虑配送员的配送准时率。然而，当订单量极大时，则需要提高配送员的配送效率，缓解配送压力，从而尽可能保证所有订单能够配送完成，此时，应该在决策评价时侧重考虑配送员的配送顺路程度。
59.但目前的多目标评价方式并未将供需状态与对各类指标的侧重程度相关联，即使处于不同的供需状态，仍旧通过相同的权重对各类评价指标进行线性加权，确定对各配送员的评价，以确定调度策略，使得调度策略的适应性与鲁棒性较低。
60.以下结合附图，详细说明本技术各实施例提供的技术方案。
61.图1为本说明书中一种供需等级确定方法的流程示意图，具体包括以下步骤：
62.s100：确定当前时刻用于表征供需状态的各特征维度的特征值，以及各特征维度对应的分类。
63.目前，在即时配送领域中，配送员通常会在预先划分好的区域内执行配送任务。因此，针对每个区域来说，业务平台的服务器可通过定期采集该区域内与供需状态相关联的特征维度对应的特征值，通过分析得到该区域当前供需状态对应的供需等级，以及时根据当前的供需状态，调整订单的分配策略。
64.基于此，在本说明书一个或多个实施例中，业务平台的服务器可以按照预设的时间间隔，确定某区域当前时刻用于表征供需状态的各特征维度的特征值，以及各特征维度对应的分类阈值。
65.其中，具体采集何种特征维度的特征值，可以根据需要确定，本说明书对此不做限制。例如，可以为该区域中各配送员已接单量的均值(简称负载，x
load
)、该区域采集时刻前10分钟内产生的订单量(简称接单量，x
wb
)、该区域采集时刻的天气(x
wth
)等等。
66.业务平台的服务器在确定各特征维度对应的分类时，针对每个特征维度，若该特征维度为连续变量，业务平台的服务器可先获取预设历史天数中该特征维度的历史特征值，并对各历史特征值进行排序。
67.然后，根据预设的各百分位数以及上述排序，确定各百分位数指标对应的历史特征值，作为该特征维度对应的分类阈值。
68.其次，根据该特征维度对应的分类阈值，确定该特征维度对应的各分类阈值区间，各分类阈值区间之间至少部分分类阈值区间重叠。
69.最后，根据该特征维度对应的各分类阈值区间，确定该特征维度对应的分类。
70.其中，特征维度为连续变量是指该特征维度的特征值是连续变化的，如上述负载以及接单量两种特征维度皆为连续变量。百分位数指标是指排序后处于所有数据中的百分位数对应位置的值。至少部分分类阈值区间重叠是为了对特征维度的特征值进行模糊分类，从而避免阈值边界的相近特征值被归为不同的分类。当然了，若该特征维度为连续变量的情况下，且该特征维度对应的各分类阈值区间互不重叠，则与后续特征维度为离散变量的情况一致。
71.例如，假设预设历史天数为10天，业务平台的服务器每10分钟采集一次各特征维度的特征值，预设的各百分位数为50％、80％、95％，则各百分位数指标为tp50、tp80、tp95。以负载这一特征维度为例，可获取历史中10天的负载特征维度的历史特征值共1440个数据，对该1440个数据按从小到大的顺序进行排序，则排序后，第720个历史特征值(简称load
50
)、第1152个历史特征值(简称load
80
)以及第1368个历史特征值(简称load
95
)，即为负载对应的预设历史分类阈值。然后，可以根据确定出的分类阈值，确定低负载阈值区间为[0，load
80
]，中负载阈值区间为[load
50
，load
95
]，高负载阈值区间为[load
80
，+∞]。显然可以确定该负载特征维度对应的分类为低负载、中负载、高负载。
[0072]
对于特征维度为离散变量的情况，业务平台的服务器可根据预设分类阈值，确定该特征维度对应的分类。例如，一般的可对天气进行评价，预设分类阈值为10的天气为好天气，分类阈值为20的为一般天气，分类阈值为30的为恶劣天气。显然可以确定该天气特征维度对应的分类为好天气、一般天气以及恶劣天气。
[0073]
本说明书中提到的服务器可以是指设置于业务平台的服务器，或能够执行本说明书方案的诸如台式机、笔记本电脑等设备。为了方便说明，下面仅以服务器为执行主体进行说明。
[0074]
s102：针对每个特征维度，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量。
[0075]
通过上述得到当前时刻表征供需状态的各特征维度的特征值，以及各特征维度对应的分类后，服务器可确定每个特征维度的特征值分别属于各分类的隶属度，后续可进一步确定当前供需状态对应不同分类组合的隶属度。
[0076]
具体地，在本说明书一个或多个实施例中，服务器可针对每个特征维度，根据该特征维度对应的分类以及预设的隶属函数，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量。
[0077]
其中，隶属函数可为任何能够将特征值映射到单位实数区间[0，1]的函数，如，三角形隶属函数、梯形隶属函数等。本说明书对具体为何种隶属函数不做限制。
[0078]
例如，继续以步骤s100中负载这一特征维度为例，假设该服务器确定负载特征维度对应的分类为低负载、中负载以及高负载，不同分类对应的隶属函数如图2所示。
[0079]
图2为本说明书提供的一种隶属函数示意图。图2中，以负载这一特征维度为例，展
示了根据确定出的负载特征维度的三个分类阈值，将负载特征维度分为三类，分别为细实线表示的属于低负载分类的隶属函数、较粗实线表示的属于中负载分类的隶属函数以及最粗实线表示的属于高负载分类的隶属函数。则各分类分别对应的隶属函数如下：
[0080][0081][0082][0083]
该服务器可根据各分类的隶属函数，确定负载特征维度的特征值分别属于低负载、中负载以及高负载的隶属度，并将该3个隶属度组成的向量作为负载特征维度对应的隶属度向量。
[0084]
对于特征维度为离散变量的情况，继续以步骤s100中天气这一特征维度为例，服务器可根据预先设定的评价方法，确定对当前采集时刻天气的评价。则好天气这一分类对应的隶属函数为：其他分类对应的隶属函数与此同理，此处不再一一赘述。该服务器可根据各分类的隶属函数，确定天气特征维度的特征值分别属于好天气、一般天气以及恶劣天气的隶属度，并将该3个隶属度组成的向量作为天气特征维度对应的隶属度向量。
[0085]
s104：对各特征维度的分类进行排列组合得到各分类组合，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度。
[0086]
通过步骤s100得到各特征维度对应的分类，以及步骤s102得到各特征维度对应的隶属度向量后，在本说明书一个或多个实施例中，服务器可先根据各特征维度的分类进行排列组合得到各分类组合，然后根据各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度。
[0087]
其中，这里所说的分类组合由各特征维度的分类进行排列组合得到，即为从每个特征维度的分类中取一种分类，再进行组合得到组合分类。
[0088]
例如，以特征维度包含前述负载和天气两种特征维度为例，各特征维度对应的分类可参考相应内容，此处不再赘述。则各特征维度的分类进行排列组合后，可得到(低负载，好天气)、(低负载，一般天气)、(低负载，恶劣天气)、(中负载，好天气)、(中负载，一般天
气)、(中负载，恶劣天气)、(高负载，好天气)、(高负载，一般天气)、(高负载，恶劣天气)这九种分类组合。
[0089]
在确定出各分类组合后，服务器可进一步确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度。
[0090]
具体地，在本说明书一个或多个实施例中，对于当前时刻的供需状态属于该分类组合的隶属度，服务器可先针对每个分类组合，根据各特征维度对应的隶属度向量，确定各特征维度的特征值属于该分类组合中对应分类的隶属度。
[0091]
然后，根据各特征维度的特征值属于该分类组合中对应分类的隶属度的乘积，确定当前时刻的供需状态属于该分类组合的隶属度。
[0092]
可采用下述公式计算当前时刻的供需状态属于各分类组合的隶属度：
[0093]ui，j，k，...
(x)＝ui(x1)
×
uj(x2)
×
uk(x3)
×
...
[0094]
s.t.i，j，k，...＝1，2，3，...
[0095]
式中，x表示当前时刻的供需状态，x1、x2、x3表示步骤s100中确定出的各特征维度的特征值。当然，此处为了方便描述，只具体给出了3个特征值，对其余的特征值进行了省略。i表示特征值x1的一种分类的序号，后续j、k等与此同理。ui(x1)表示特征值x1在对应的特征维度的分类中属于i的分类的隶属度，后续uj(x2)、uk(x3)等与此同理。i，j，k，...表示序号为i的分类、序号为j的分类等分类组合得到的一种分类组合。u
i，j，k，..
.(x)表示当前时刻的供需状态属于分类组合i，j，k，...的隶属度。
[0096]
例如，以上述(低负载，好天气)这一分类组合为例，设低负载的分类序号为1，好天气的分类序号为1，则u
1，1
(x)＝u1(x
load
)
×
u1(x
wth
)＝u(x
load
低负载)
×
u(x
wth
好天气)。
[0097]
当然，对于特征维度为离散变量的情况，针对该特征维度对应的分类，服务器可直接确定当前供需状态属于确定的某分类。例如，天气特征维度为离散变量，服务器可直接根据天气特征维度的特征值，确定当前供需状态属于确定的某天气分类，属于其他天气分类的隶属度则皆为零。因此，确定分类组合并进一步确定当前供需状态属于各分类组合的隶属度时，对于特征维度为离散变量的情况，服务器可只确定当前供需状态属于该特征维度不为零的分类参与组合得到的分类组合的隶属度。
[0098]
对于当前时刻的供需状态属于该分类组合的不确定测度，服务器可根据当前时刻的供需状态属于各其他分类组合的隶属度与当前时刻的供需状态属于该分类组合的隶属度的差距的第一累加和，与当前时刻的供需状态属于各分类组合的隶属度的第二累加和的比值，确定当前时刻的供需状态属于该分类组合的不确定测度。
[0099]
可采用下述公式计算当前时刻的供需状态属于该分类组合的不确定测度：
[0100][0101]
s.t.i，j，k，...＝1，2，3，...
[0102]
式中，p
i，j，k，...
(x)表示当前时刻的供需状态属于分类组合i，j，k，...的不确定测度。ω∈ω\{i，j，k，...}表示所有分类组合中除分类组合i，j，k，...之外的各其他分类组合，因此，u
ω
(x)表示当前时刻的供需状态属于各其他分类组合的隶属度，∑
ω∈ω\{i，j，k，...}
|u
ω
(x)-u
i，j，k，...
(x)|表示当前时刻的供需状态属于各其他分类组合的隶属度与当前时刻的
供需状态属于分类组合i，j，k，...的隶属度的差距的绝对值的第一累加和。∑u
i，j，k，...
(x)表示第二累加和。
[0103]
对于特征维度为离散变量的情况，与隶属度同理，服务器可只确定当前供需状态属于该特征维度不为零的分类参与组合得到的分类组合的不确定测度。
[0104]
s106：根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。
[0105]
通过上述得到各分类组合，以及当前时刻的供需状态属于各分类组合的隶属度以及不确定测度后，服务器可以根据预设的各分类组合与供需等级的对应关系，确定当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。
[0106]
具体地，在本说明书一个或多个实施例中，服务器可以先根据当前时刻的供需状态属于各分类组合的隶属度和不确定测度的乘积，确定当该乘积取到最大时，该乘积对应的分类组合，然后再根据预设的各分类组合与供需等级的对应关系，确定该分类组合对应的供需等级，作为当前时刻的供需状态对应的供需等级。
[0107]
其中，各分类组合与供需等级的对应关系可以根据需要设置，如图3所示。
[0108]
图3为本说明书提供的一种各分类组合与供需等级的对应关系示意图，图3中，以进单量、负载以及天气3种特征维度为例，每种特征维度分别对应3个分类。其中，进单量对应低单量、中单量以及高单量3种分类，负载以及天气两特征维度的分类可参考步骤s100中的相应描述。因此，该3个特征维度的分类经步骤s104排列组合后，可得27个分类组合，即图3中的27个小方框。为了方便描述，该27个小方框根据天气分为了三大类，即各包含9个小方框的3个大方框。每个大方框的各行对应进单量维度特征的各分类，各列对应负载特征维度的各分类。各小方框内的数字表示各分类对应的供需等级。以粗实线小方框表示的分类组合为例，该小方框对应的分类组合为(低负载、中单量、一般天气)，对应的供需等级为2。
[0109]
经步骤s104得到当前时刻的供需状态属于各分类组合的隶属度以及不确定测度后，服务器可根据如下公式，确定当前时刻的供需状态最终属于何种分类组合：
[0110]
y＝argmax(u
i，j，k，...
(x)
×
p
i，j，k，...
(x))
[0111]
s.t.i，j，k，...＝1，2，3，...
[0112]
式中，u
i，j，k，...
(x)表示当前时刻的供需状态属于各分类组合的隶属度，p
i，j，k，...
(x)表示对应的不确定测度。argmax(u
i，j，k，...
(x)
×
p
i，j，k，...
(x))表示当前时刻的供需状态属于各分类组合的隶属度和不确定测度的乘积取到最大时(i，g，k，...)的取值，即该乘积取到最大时所对应的分类组合。
[0113]
例如，假设天气特征维度对应的隶属度向量为[0，1，0]，由步骤s104可确定出当前时刻的供需状态属于图3中一般天气所对应的9种分类组合的隶属度和不确定测度。针对每个分类组合，确定该分类组合对应的隶属度和不确定测度的乘积，然后确定9个乘积中最大值对应的分类组合。
[0114]
然后，可以根据预设的各分类组合与供需等级的对应关系，确定得到的分类组合对应的供需等级，即为当前时刻的供需状态对应的供需等级。
[0115]
基于图1所示的供需等级确定方法，先确定当前时刻用于表征供需状态的各特征维度的特征值以及各特征维度对应的分类，然后确定每个特征维度属于对应各分类的隶属
度，得到每个特征维度对应的隶属度向量。接着对各特征维度的分类进行排列组合得到各分类组合，并根据各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度。最后根据预设的各分类组合与供需等级的对应关系、当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。通过。
[0116]
此外，在本说明书一个或多个实施例中，步骤s102中，为了更准确的确定当前时刻的供需状态对应的供需等级，服务器在根据每个特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量时，还可以根据至少部分特征维度进行细分类。
[0117]
具体地，服务器先可根据该特征维度对应的分类，确定该特征维度的特征值属于各分类的隶属度，作为粗分类结果。
[0118]
然后，判断该特征维度是否为预设的需要进行细分类的特征维度。
[0119]
若是，则根据该特征维度对应的至少部分细分类阈值，对该特征维度进行再次分类，根据该特征维度经细分类后确定出的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量。
[0120]
若否，则根据粗分类结果，确定该特征维度对应的隶属度向量。
[0121]
其中，粗分类的内容可参考步骤s102中的相应说明，此处不再赘述。需要进行细分类的特征维度可以根据需要预设，本说明书对此不做限制。当然了，对于特征维度为离散变量的情况，该特征维度属于各分类的隶属度不具有模糊不确定性，因此，通常不根据对应离散变量的特征维度进行细分类。这里提到的根据该特征维度对应的至少部分细分类阈值，对该特征维度进行再次分类，可以理解为，根据该特征维度对应的至少部分细分类阈值，再确定新增的细分类阈值区间，然后根据确定出的细分类阈值区间，确定该特征维度新增的细分类。后续确定该特征维度对应的隶属度向量可参考步骤s102中的相应说明，只要根据该特征维度对应的所有分类，确定该特征维度分别属于各分类的隶属度，即可得到该特征维度对应的隶属度向量。根据粗分类结果，确定该特征维度对应的隶属度向量可参考步骤s102中的相应说明。
[0122]
例如，以步骤s102中的负载这一特征维度为例，假设服务器判断后确定需要根据负载特征维度进行细分类，则该服务器可根据已确定出的分类阈值，确定中低负载细分类阈值区间为[load
50
，load
80
]，中高负载细分类阈值区间为[load
80
，load
95
]。显然，可以确定该负载特征维度对应的细分类为中低负载、中高负载。然后服务器可根据该负载特征维度预设的各分类对应的隶属函数，确定该负载特征维度的特征值分别属于各分类的隶属度，得到该负载特征维度对应的隶属度向量。
[0123]
本说明书提供了一种细分类后隶属函数示意图。如图4所示。
[0124]
图4中，与图2相同的部分可参考图2对应的说明，此处不再赘述。相比图2多出的两条不同虚线，表示负载特征维度经细分类后得到的中低负载以及中高负载两种细分类对应的隶属函数。其中，点虚线表示属于中低负载分类的隶属函数，线段和点相间的虚线表示属于中高负载分类的隶属函数。则中低负载分类以及中高负载分类分别对应的隶属函数如下：
[0125][0126][0127]
结合步骤s102中的负载特征维度对应各分类的隶属函数，该服务器可确定负载特征维度的特征值分别属于低负载、中低负载、中负载、中高负载、以及高负载的隶属度，并将该5个隶属度组成的向量作为负载特征维度对应的隶属度向量。
[0128]
进一步的，在本说明书一个或多个实施例中，步骤s104中，对应于上述根据至少部分特征维度进行细分类后，考虑到各特征维度对应的分类可能较多，服务器对各特征维度的分类进行排列组合得到各分类组合也会相应更多，为了降低计算量，该服务器在确定分类组合时，该服务器可先针对每个特征维度对应的隶属度向量，确定满足预设条件的隶属度对应的分类，作为该特征维度的有效分类。然后对各特征维度的有效分类进行排列组合得到各分类组合。
[0129]
其中，满足预设条件的分类可以为属于该分类的隶属度大于预设阈值，通过只针对各特征维度的有效分类进行排列组合得到分类组合，大大降低后续的计算量，节省计算资源。
[0130]
例如，继续以上述的负载这一特征维度为例，假设load
50
《x
load
《load
80
，预设条件为该分类的隶属度大于零，则根据负载特征维度各分类对应的隶属度向量可得u(x
load
高负载)＝0、u(x
load
中高负载)＝0。负载特征维度的特征值属于其他3种分类的隶属度皆大于零，因此，服务器可确定低负载、中低负载以及中负载为有效分类。对于排列组合得到各分类组合的内容可参考步骤s104中的相应说明，此处不再赘述。
[0131]
另外，在本说明书一个或多个实施例中，步骤s106中，服务器可具体通过后述步骤根据得到的供需等级确定业务调度策略。
[0132]
步骤1：服务器根据获取的各用户的运动信息和订单信息，以及待分配的订单信息，确定各用户配送该待分配的订单时的配送路径。
[0133]
步骤2：服务器针对每个用户，根据该用户的配送路径，确定各订单完成时刻的概率分布，并对每个订单的完成时刻进行若干采样，确定各采样对应的订单超时情况。
[0134]
其中，对每个订单的完成时刻进行若干采样时，可以根据需要确定具体以何种方式进行采样，本说明书不做限制。例如，假设采样数为10，针对某一订单，假设确定该订单完成时刻符合高斯分布，则采样时可将概率大于5％的分布区间作为采样区间，然后从采样区间内通过均匀采样的方式进行采样。
[0135]
步骤3：服务器根据各采样对应的订单超时情况以及预设的超时评价函数，确定该用户完成配送的期望超时评价以及条件风险超时评价。
[0136]
其中，超时评价函数函数可以根据需要确定，本说明书对此不做限制。期望超时评
价表征各采样对应的订单超时评价的均值。条件风险超时评价表征各采样对应的订单超时评价的条件风险价值(conditional value at risk，cvar)。
[0137]
继续以上述采样为例，假设某用户包括待分配的订单在内共3个订单。对每个订单进行10次采样，则样本集合的超时分钟数为x＝{x1，x2，...，x
10
}。其中x1表示对3个订单各自第一次采样对应的超时情况总和，x2表示对3个订单各自第二次采样对应的超时情况总和，其余同理。
[0138]
可采用下述公式计算期望超时评价：
[0139][0140]
式中，he(x)、en[h(xn)]表示期望超时评价。n表示样本数，h(xn)表示超时评价函数。
[0141]
可采用下述公式计算条件风险超时评价：
[0142][0143]
式中，hr(x)、cvar
1-β
[h(xn)]表示条件风险超时评价。由采样过程可知，对于每个订单，采样次数越大，该订单的超时情况越严重。条件风险超时评价即计算超时评价最严重的β％的样本的超时评价均值，即，的含义。
[0144]
当然，步骤1至步骤3已经是成熟的技术，本说明书对此不再进行详细说明。
[0145]
步骤4：服务器根据得到的供需等级、预设的供需等级与该期望超时评价对应的第一权重之间的关系以及供需等级与该条件风险超时评价对应的第二权重之间的关系，确定该第一权重以及该第二权重。
[0146]
其中，供需等级可通过上述步骤s100～步骤s106的内容确定得到。供需等级与第一权重的关系可以根据需要设置，本说明书对此不做限制。
[0147]
例如，本说明书提供了一种供需等级与第一权重之间的关系，如下所示：
[0148][0149]
式中，α表示第一权重，x表示当前供需状态对应的供需等级。当得到的供需等级为3时，服务器可确定第一权重为0.4。
[0150]
同理，服务器可根据得到的供需等级以及预设的供需等级与第二权重之间的关系，确定第二权重，此处不再赘述。
[0151]
步骤5：根据该第一权重以及该第二权重对各用户对应的该期望超时评价以及该条件风险超时评价进行加权求和，将该待分配的订单分配给该加权和取到最小时对应的用户。
[0152]
通过步骤3确定出每个用户完成配送的期望超时评价以及条件风险超时评价，并
通过步骤4确定出第一权重以及第二权重后，服务器可根据该第一权重以及该第二权重对各用户对应的该期望超时评价以及该条件风险超时评价进行加权求和，当该加权和取到最小时，则说明对该最小加权和对应的用户评价最好，服务器可将该待分配的订单分配该用户。
[0153]
可采用下述公式计算加权和：
[0154]
s＝αhe(x)+γhr(x)
[0155]
式中，s表示加权和，α表示第一权重，hr(x)表示期望超时评价，γ表示第二权重，hr(x)表示条件风险超时评价。
[0156]
当然了，上述步骤1～步骤5只是本说明书提供的一种根据得到的供需等级确定业务调度策略的示例，本说明书对具体如何根据得到的供需等级确定业务调度策略不做限制。例如，步骤4中，服务器还可根据得到的供需等级、预设的供需等级与期望耗时评价对应的第三权重之间的关系以及供需等级与条件风险耗时评价对应的第四权重之间的关系，确定该第三权重以及该第四权重。则后续步骤5中，可根据各权重对相应的评价进行加权求和，将该待分配的订单分配给该加权和取到最小时对应的用户。
[0157]
需要说明的是，本技术中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
[0158]
本说明书提供的供需等级确定方法，可应用于将订单分配给配送员的订单分配过程中，如，通过配送员对快递、外卖等进行即时配送的场景中。当应用于即时配送领域时，可通过本说明书供需等级确定方法，判断当前时刻的供需状态对应的供需等级，并根据供需等级确定合理的业务调度策略，提高调度决策系统的鲁棒性。
[0159]
以上为本说明书的一个或多个实施例提供的供需等级确定方法，基于同样的思路，本说明书还提供了相应的供需等级确定装置，如图5所示。
[0160]
图5为本说明书提供的一种供需等级确定装置示意图，包括：
[0161]
分类模块500，用于确定当前时刻用于表征供需状态的各特征维度的特征值，以及各特征维度对应的分类；
[0162]
隶属度确定模块502，用于针对每个特征维度，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量；
[0163]
分类组合确定模块504，用于对各特征维度的分类进行排列组合得到各分类组合，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度；
[0164]
供需等级确定模块506，用于根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。
[0165]
可选地，所述分类模块500，针对每个特征维度，当该特征维度为连续变量时，获取预设历史天数中该特征维度的历史特征值，并对各历史特征值进行排序，根据预设的各百分位数以及所述排序，确定各百分位数指标对应的历史特征值，作为该特征维度对应的分类阈值，根据该特征维度对应的分类阈值，确定该特征维度对应的各分类阈值区间，所述分类阈值区间之间至少部分分类阈值区间重叠，根据该特征维度对应的各分类阈值区间，确
定该特征维度对应的分类，当该特征维度为离散变量时，根据预设分类阈值，确定该特征维度对应的分类。
[0166]
可选地，所述隶属度确定模块502，根据该特征维度对应的分类，确定该特征维度的特征值属于各分类的隶属度，作为粗分类结果，判断该特征维度是否为预设的需要进行细分类的特征维度，若是，则根据该特征维度对应的至少部分细分类阈值，对该特征维度进行再次分类，根据该特征维度经细分类后确定出的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量，若否，则根据粗分类结果，确定该特征维度对应的隶属度向量。
[0167]
可选地，所述分类组合确定模块504，针对每个特征维度对应的隶属度向量，确定满足预设条件的隶属度对应的分类，作为该特征维度的有效分类，对各特征维度的有效分类进行排列组合得到各分类组合。
[0168]
可选地，所述分类组合确定模块504，针对每个分类组合，根据各特征维度对应的隶属度向量，确定各特征维度的特征值属于该分类组合中对应分类的隶属度，根据各特征维度的特征值属于该分类组合中对应分类的隶属度的乘积，确定当前时刻的供需状态属于该分类组合的隶属度，根据所述当前时刻的供需状态属于各其他分类组合的隶属度与所述当前时刻的供需状态属于该分类组合的隶属度的差距的第一累加和，与所述当前时刻的供需状态属于各分类组合的隶属度的第二累加和的比值，确定所述当前时刻的供需状态属于该分类组合的不确定测度。
[0169]
可选地，所述供需等级确定模块506，根据所述当前时刻的供需状态属于各分类组合的隶属度和不确定测度的乘积，确定当所述乘积取到最大时，所述乘积对应的分类组合，根据所述分类组合以及预设的各分类组合与供需等级的对应关系，确定所述分类组合对应的供需等级，作为所述当前时刻的供需状态对应的供需等级。
[0170]
可选地，所述供需等级确定模块506，根据获取的各用户的运动信息和订单信息，以及待分配的订单信息，确定各用户配送所述待分配的订单时的配送路径，针对每个用户，根据该用户的配送路径，确定各订单完成时刻的概率分布，并对每个订单的完成时刻进行若干采样，确定各采样对应的订单超时情况，根据各采样对应的订单超时情况以及预设的超时评价函数，确定该用户完成配送的期望超时评价以及条件风险超时评价，根据得到的供需等级、预设的供需等级与所述期望超时评价对应的第一权重之间的关系以及供需等级与所述条件风险超时评价对应的第二权重之间的关系，确定所述第一权重以及所述第二权重，根据所述第一权重以及所述第二权重对各用户对应的所述期望超时评价以及所述条件风险超时评价进行加权求和，将所述待分配的订单分配给所述加权和取到最小时对应的用户。
[0171]
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的供需等级确定方法。
[0172]
本说明书还提供了图6所示的电子设备的结构示意图。如图6所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的供需等级确定方法。
[0173]
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件异
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。
[0174]
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmable logic device,pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(altera hardware description language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
[0175]
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0176]
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。具体的，计算机例如可以为个人计算机、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何设备的组合。
[0177]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0178]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0179]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0180]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0181]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0182]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0183]
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。
[0184]
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，磁带磁磁盘存储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。
[0185]
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。
[0186]
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施
例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0187]
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0188]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。
[0189]
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

技术特征：
1.一种供需等级确定方法，其特征在于，包括：确定当前时刻用于表征供需状态的各特征维度的特征值，以及各特征维度对应的分类；针对每个特征维度，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量；对各特征维度的分类进行排列组合得到各分类组合，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度；根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。2.如权利要求1所述的方法，其特征在于，确定各特征维度对应的分类，具体包括：针对每个特征维度，当该特征维度为连续变量时，获取预设历史天数中该特征维度的历史特征值，并对各历史特征值进行排序；根据预设的各百分位数以及所述排序，确定各百分位数指标对应的历史特征值，作为该特征维度对应的分类阈值；根据该特征维度对应的分类阈值，确定该特征维度对应的各分类阈值区间，所述分类阈值区间之间至少部分分类阈值区间重叠；根据该特征维度对应的各分类阈值区间，确定该特征维度对应的分类；当该特征维度为离散变量时，根据预设分类阈值，确定该特征维度对应的分类。3.如权利要求2所述的方法，其特征在于，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量，具体包括：根据该特征维度对应的分类，确定该特征维度的特征值属于各分类的隶属度，作为粗分类结果；判断该特征维度是否为预设的需要进行细分类的特征维度；若是，则根据该特征维度对应的至少部分细分类阈值，对该特征维度进行再次分类，根据该特征维度经细分类后确定出的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量；若否，则根据粗分类结果，确定该特征维度对应的隶属度向量。4.如权利要求3所述的方法，其特征在于，对各特征维度的分类进行排列组合得到各分类组合，具体包括：针对每个特征维度对应的隶属度向量，确定满足预设条件的隶属度对应的分类，作为该特征维度的有效分类；对各特征维度的有效分类进行排列组合得到各分类组合。5.如权利要求1所述的方法，其特征在于，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，具体包括：针对每个分类组合，根据各特征维度对应的隶属度向量，确定各特征维度的特征值属于该分类组合中对应分类的隶属度；
根据各特征维度的特征值属于该分类组合中对应分类的隶属度的乘积，确定当前时刻的供需状态属于该分类组合的隶属度；根据所述当前时刻的供需状态属于各其他分类组合的隶属度与所述当前时刻的供需状态属于该分类组合的隶属度的差距的第一累加和，与所述当前时刻的供需状态属于各分类组合的隶属度的第二累加和的比值，确定所述当前时刻的供需状态属于该分类组合的不确定测度。6.如权利要求1所述的方法，其特征在于，根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，具体包括：根据所述当前时刻的供需状态属于各分类组合的隶属度和不确定测度的乘积，确定当所述乘积取到最大时，所述乘积对应的分类组合；根据所述分类组合以及预设的各分类组合与供需等级的对应关系，确定所述分类组合对应的供需等级，作为所述当前时刻的供需状态对应的供需等级。7.如权利要求1所述的方法，其特征在于，根据得到的供需等级确定业务调度策略，具体包括：根据获取的各用户的运动信息和订单信息，以及待分配的订单信息，确定各用户配送所述待分配的订单时的配送路径；针对每个用户，根据该用户的配送路径，确定各订单完成时刻的概率分布，并对每个订单的完成时刻进行若干采样，确定各采样对应的订单超时情况；根据各采样对应的订单超时情况以及预设的超时评价函数，确定该用户完成配送的期望超时评价以及条件风险超时评价；根据得到的供需等级、预设的供需等级与所述期望超时评价对应的第一权重之间的关系以及供需等级与所述条件风险超时评价对应的第二权重之间的关系，确定所述第一权重以及所述第二权重；根据所述第一权重以及所述第二权重对各用户对应的所述期望超时评价以及所述条件风险超时评价进行加权求和，将所述待分配的订单分配给所述加权和取到最小时对应的用户。8.一种供需等级确定装置，其特征在于，包括：分类模块，用于确定当前时刻用于表征供需状态的各特征维度的特征值，以及各特征维度对应的分类；隶属度确定模块，用于针对每个特征维度，根据该特征维度对应的分类，确定该特征维度的特征值分别属于各分类的隶属度，得到该特征维度对应的隶属度向量；分类组合确定模块，用于对各特征维度的分类进行排列组合得到各分类组合，根据所述各分类组合以及各特征维度分别对应的隶属度向量，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度；供需等级确定模块，用于根据预设的各分类组合与供需等级的对应关系、所述当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，确定所述当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算
机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。10.一种电子设备，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，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7任一所述的方法。

技术总结
本说明书公开了一种供需等级确定方法及装置，先确定当前时刻用于表征供需状态的各特征维度的特征值以及各特征维度对应的分类，然后确定每个特征维度属于各分类的隶属度。接着对各特征维度的分类进行排列组合得到各分类组合，然后根据各特征维度分别属于各分类的隶属度，确定当前时刻的供需状态属于各分类组合的隶属度以及不确定测度，并根据预设的各分类组合与供需等级的对应关系、确定当前时刻的供需状态对应的供需等级，以根据得到的供需等级确定业务调度策略。通过根据表征当前供需状态的各特征维度的特征值，确定当前的供需状态对应的供需等级，以根据当前的供需等级调整业务调度策略，提高了业务调度的鲁棒性。提高了业务调度的鲁棒性。提高了业务调度的鲁棒性。


技术研发人员：段海宁 梁易乐 王凌 郑洁 丁雪涛
受保护的技术使用者：北京三快在线科技有限公司
技术研发日：2022.03.09
技术公布日：2023/9/23