订单处理方法及装置与流程

本发明实施例涉及计算机应用技术领域，尤其涉及一种订单处理方法及装置。

背景技术：

电子商务时代的到来，带动了物流服务的飞速发展，使得配送订单不断增长，因此配送调度也变得越来越重要。

配送调度，也即是指将配送订单分配至配送人员，由配送人员根据配送订单完成取件或派件等配送操作。

现有技术中，通常采用抢单模式完成订单分配，也即服务端将配送订推送至附近任意的若干配送人员对应的客户端，再由客户端将配送人员的抢单请求提交至服务端，以请求接起该配送订单，服务端根据抢单时间，再将配送订单分配给最先抢单的配送人员。但是这种方式会导致有些配送订单无人接单的情况出现，从而就会影响配送质量。

技术实现要素：

本发明实施例提供一种订单处理方法及装置，用以解决现有技术中配送质量较低的技术问题。

本发明实施例的第一方面提供了一种订单处理方法，包括：

确定基于历史分配订单训练获得的第一接起意愿模型；

基于影响订单被接起概率的订单主观属性，利用所述第一接起意愿模型计算待分配订单的接起意愿值；

基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

可选地，所述第一接起意愿模型按照如下方式预先训练获得：

确定影响订单被接起概率的订单主观属性以及订单客观属性；

利用所述订单主观属性，构建第一接起意愿模型；

利用所述订单客观属性，构建第二接起意愿模型；

基于历史分配订单的订单主观属性值以及订单客观属性值，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

可选地，所述第一接起意愿模型的构建步骤包括：

将所述订单主观属性的加权求和公式作为所述第一接起意愿模型；

所述第二接起意愿模型构建步骤包括：

将所述订单客观属性的加权求和公式作为所述第二接起意愿模型。

可选地，所述第一接起意愿模型以及所述第二接起意愿模型的关联训练步骤包括：

根据所述第一接起意愿模型以及所述第二接起意愿模型计算结果相等的关联关系，将所述历史分配订单对应的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，以分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

可选地，所述分配步骤包括：

确定匹配所述接起意愿值的任一个调度类型；

基于所述任一个调度类型对应的配送人员，分配所述待分配订单。

第二方面提供了一种订单处理装置，包括：

确定模块，用于确定基于历史分配订单训练获得的第一接起意愿模型；

计算模块，用于基于影响订单被接起概率的订单主观属性，利用所述第一接起意愿模型计算待分配订单的接起意愿值；

分配模块，用于基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

可选地，还包括：

属性确定模块，用于确定影响订单被接起概率的订单主观属性以及订单客观属性；

第一构建模块，用于利用所述订单主观属性，构建第一接起意愿模型；

第二构建模块，用于利用所述订单客观属性，构建第二接起意愿模型；

第一模型训练模块，用于基于历史分配订单的订单主观属性值以及订单客观属性值，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

可选地，所述第一构建模块具体用于：将所述订单主观属性的加权求和公式作为所述第一接起意愿模型；

所述第二构建模块具体用于：将所述订单客观属性的加权求和公式作为所述第二接起意愿模型。

可选地，所述第一模型训练模块具体用于：根据所述第一接起意愿模型以及所述第二接起意愿模型计算结果相等的关联关系，将所述历史分配订单对应的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，以分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

可选地，所述分配模块包括：

确定单元，确定匹配所述接起意愿值的任一个调度类型；

分配单元，用于基于所述任一个调度类型对应的配送人员，分配所述待分配订单。

本发明实施例中，确定基于历史分配订单训练获得的第一接起意愿模型，基于影响订单被接起概率的订单主观属性，利用该第一接起意愿模型计算待分配订单的接起意愿值，从而可以基于匹配该接起意愿值的配送人员，分配该待分配订单，其中，匹配接起意愿值的配送人员接起该待分配订单的可能性更大，因此可以减少无人接单情况的发生，提高订单接起成功率，提高配送质量。

本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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示出了本发明实施例一种订单处理方法一个实施例的流程图；

图2示出了本发明实施例一种订单处理方法又一个实施例的流程图；

图3示出了本发明实施例一种订单处理方法又一个实施例的流程图；

图4示出了本发明实施例一种订单处理装置一个实施例的结构示意图；

图5示出了本发明实施例一种订单处理装置又一个实施例的结构示意图；

图6示出了本发明实施例一种订单处理装置又一个实施例的结构示意图；

图7示出了本发明实施例一种服务器一个实施例的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

本发明实施例的技术方案主要应用于涉及物流配送的业务场景中，特别是基于o2o(onlinetooffline，线上到线下))实现的电子商务场景中，例如外卖场景，配送订单通常根据网上交易订单生成，用于指导配送人员完成取件和/或派件等配送操作。因此需要配送调度，将配送订单分配至配送人员。

由于现有技术是采用抢单模式完成订单分配，但是每一个配送订单带来配送收入以及配送距离等等会有不同，配送人员会根据个人需求来决定是否参与抢单，而服务端并未考虑配送人员，直接进行订单推送，这就会导致有些配送订单会出现无人接单的情况，导致配送订单一直未被接起而最终取消。

为了提高配送质量，发明人经过一系列研究发现，如果可以预判待分配订单是否可以被配送人员接起，从而将待分配订单分配给接起可能性较大的配送人员，那么将大大提高待分配订单的接起成功率，提高配送质量，据此，发明人提出了本发明实施例的技术方案，在本发明实施例中，首先根据影响订单被接起概率的订单主观属性，利用第一接起意愿模型计算待分配订单的接起意愿值，该第一接起意愿模型基于历史分配订单训练获得，该接起意愿值可以表示该待分配订单的被接起概率，从而可以基于与接起意愿值匹配的配送人员，完成待分配订单的分配，不同配送人员对应的接起意愿值可以不同，与接起意愿值匹配的配送人员，接起该待分配订单的可能性更大，本发明实施例利用第一接起意愿模型计算接起意愿值，可以根据历史分配订单的接起情况，指导待分配订单的分配，基于匹配所述接起意愿值的配送人员，而不是任意配送人员，来实现待分配订单的分配，可以降低待分配订单无人接单的情况，保证每一配送订单的配送质量。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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，都属于本发明保护的范围。

图1是本发明实施例提供的一种订单处理方法一个实施例的流程图，该方法可以包括以下几个步骤：

101：确定基于历史分配订单训练获得的第一接起意愿模型。

第一接起意愿模型根据历史分配订单训练获得，使得可以根据历史分配订单的接起情况，指导待分配订单的分配，以提高待分配订单的接起成功率，保证配送质量。其中，历史分配订单即是指历史分配至配送人员的配送订单。

102：基于影响订单被接起概率的订单主观属性，利用所述第一接起意愿模型计算待分配订单的接起意愿值。

其中，待分配订单即是指未进行分配的配送订单。

需要说明的是，如果待分配订单成功分配至任一个配送人员且由该任一个配送人员完成该待分配订单的配送操作，即表明待分配订单被成功接起。例如，在抢单模式下，任一个配送人员可以通过客户端发送抢单请求，以请求接起该待分配订单，待分配订单分配至抢单成功的配送人员，由抢单成功的配送人员完成该待待分配订单的配送操作，即表明该待分配订单被成功接起。

可选地，该订单主观属性至少可以包括配送收入、配送距离等，此外还可以包括配送人员等级等。

配送收入是指配送人员配送完成配送订单之后获得的收入，不同配送订单对应的配送收入可能不同，可以理解的是，配送收入越高，配送订单的被接起的可能性越大。

配送距离可以是指配送订单中起点地址到终点地址之间的距离，可以理解的是，配送距离越短，配送订单的被接起可能性越大。

而不同配送人员等级的配送人员对于每一配送订单获得的配送奖励等不同，因此配送人员等级越高的配送人员，配送订单的被接起可能性越大。

由上述描述可知，计算获得的待分配订单的接起意愿值，可以表示该待分配订单的被接起概率，可以是接起意愿值越大，被接起概率越大，反之，被接起概率则越小。

可选地，基于影响订单被接起概率的订单主观属性，可以首先确定待分配订单的订单主观属性值，从而根据待分配订单的订单主观属性值，计算获得待分配订单的接起意愿值。

其中，配送订单具有起点地址以及终点地址，配送订单的配送操作即包括配送人员从起点地址提取配送对象，以及将配送对象送达至终点地址。以外卖场景为例，起点地址即可以是指商家地址，而终点地址即可以是指顾客地址。对于落地配业务场景，起点地址可以是指集散点地址，终点地址为接收方地址，或者起点地址为寄送方地址，终点地址为集散点地址等等。

待分配订单的配送距离可以根据配送订单的起点地址以及终点地址计算获得；

待分配订单的配送收入由生成该分配订单时系统设置获得

而待分配订单的配送人员等级可以按照如下方式确定：

根据所述待分配订单的起点地址，确定位于所述起点地址对应区域范围内的配送人员；

将所述区域范围内的配送人员的平均配送人员等级作为所述待分配订单的配送人员等级。

103：基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

不同配送人员的主观接起意愿不同，也即对于任意一个配送订单，有的配送人员的主观接起意愿较大，而有的配送人员的主观接起意愿较小，据此，可以设置不同配送人员与不同接起意愿值的对应关系，主观接起意愿较大的配送人员可以对应较小的接起意愿值，从而可以保证被接起概率小的待分配订单，分配至主观接起意愿大的配送人员，以提高该待分配订单的接起成功率，来保证配送质量。

可选地，可以是基于匹配所述接起意愿值且当前配送位置与所述待分配订单的起点地址匹配的配送人员，分配所述待分配订单。

当前配送位置可以是指配送人员所在位置或者配送完成已分配订单时所在位置，该配送完成已分配订单时所在位置也即可以是指该已分配订单的终点地址。已分配订单是指已经分配至配送人员的配送订单。

可选地，匹配接起意愿值的配送人员可以包括多个，基于匹配所述接起意愿值的配送人员，可以按照抢单模式分配所述分配订单，当然也可以采用其他分配模式分配所述分配订单，例如直接分配至其中任一个配送人员等，在下面实施例中会详细进行介绍。

其中，不同配送人员的主观接起意愿可以预先设定，当然由于参与订单分配的配送人员非常多，为了降低算法复杂度，可选地，本发明实施例中，可以设置多个调度类型，每一个调度类型可以对应配置至少一个配送人员，可选地，一个配送人员可以属于一个或多个调度类型。

同一个调度类型中的配送人员的主观接起意愿相同，每一个调度类型可以对应一个主观接起意愿，因此具体可以是设置不同调度类型与不同接起意愿值的对应关系，主观接起意愿较大的调度类型的配送人员对应较小的接起意愿值，从而可以保证被接起概率小的待分配订单，分配至主观接起意愿大的调度类型的配送人员。

因此，在某些实施例中，基于匹配所述接起意愿值的配送人员，分配所述待分配订单可以包括：

确定匹配所述接起意愿值的任一个调度类型；

基于所述任一个调度类型对应的配送人员，分配所述待分配订单。

可选地，可以是基于所述任一调度类型对应的，且当前配送位置与所述待分配订单的起点地址匹配的配送人员，分配所述待分配订单。

此外，由于现有技术中的配送人员仅参与抢单模式下的订单分配，而由于抢单模式下可能仍然会存在无人接单情况的发生，为了进一步保证配送质量，本发明实施例中，不同调度类型对应的分配模式可以包括多个，例如至少可以包括抢单模式，其与现有技术相同，还可以包括指派模式，也即将待分配订单直接分配至任一个配送人员，由该任一个配送人员完成配送操作，以避免接起意愿值小的待分配订单，即便分配至主观接起意愿大的配送人员，也有可能接起失败的情况。

因此，可选地，在某些实施例中，如果所述任一个调度类型对应指派模式，所述基于所述任一个调度类型对应的配送人员，分配所述待分配订单可以包括：

确定所述任一个调度类型对应的任一个配送人员；

分配所述待分配订单至所述任一个配送人员。

待分配订单分配至该任一个配送人员，即由该配送人员完成配送操作，以实现该待分配订单被接起。

其中，具体可以是确定所述任一调度类型对应的且当前配送位置与所述待分配订单的起点地址匹配的任一配送人员。

如果所述任一个调度类型对应抢单模式，所述基于所述任一个调度类型对应的配送人员，分配所述待分配订单包括：

确定所述任一个调度类型对应的至少一个配送人员；

推送所述待分配订单的抢单信息至所述至少一个配送人员对应的客户端；

根据所述至少一个配送人员对应的客户端发送的抢单请求，确定抢单成功的配送人员；

分配所述待分配订单至所述抢单成功的配送人员。即由该抢单成功的配送人员完成配送操作，以实现待分配订单被接起。

其中，可以是确定所述任一调度类型对应的且当前配送位置与所述待分配订单的起点地址匹配的至少一个配送人员。

在某些实施例中，可以根据不同调度类型对应的判断阈值范围，确定与所述接起意愿值匹配的任一个调度类型；

也即接起意愿值所处的判断阈值范围对应的调度类型，即是指与该接起意愿值匹配的调度类型。

下面以多个调度类型至少包括第一类型、第二类型以及第三类型为例进行介绍，其中，所述第一类型的主观接起意愿小于所述第二类型的主观接起意愿；所述第二类型的主观接起意愿小于所述第三类型的主观接起意愿；

图2为本发明实施例提供的一种订单处理方法又一个实施例的流程图，该方法可以包括以下几个步骤：

201：确定基于历史分配订单训练获得的第一接起意愿模型。

202：基于影响订单被接起概率的订单主观属性，计算待分配订单的接起意愿值。

203：判断所述接起意愿值是否大于第一判断阈值，如果是，执行步骤204，如果否，执行步骤205。

204：基于第一类型的配送人员，分配所述待分配订单。

也即如果接起意愿值大于第一判断阈值，与所述接起意愿值匹配的调度类型为第一类型。

205：判断所述接起意愿值是否大于第二判断阈值，如果是，执行步骤206，如果否，执行步骤207。

206：基于第二类型的配送人员，分配所述待分配订单。

也即如果接起意愿值小于第一判断阈值且大于第二判断阈值，则可以确定匹配所述接起意愿值的调度类型为第二类型。

其中，可选地，如果接起意愿值等于所述第一判断阈值，可以确定接起意愿值匹配第一类型或者第二类型。

207：基于第三类型的配送人员，分配所述待分配订单。

也即如果所述接起意愿值小于第二判断阈值，则可以确定匹配所述接起意愿值的调度类型为第三类型。

其中，可选地，如果接起意愿值等于所述第二判断阈值，可以确定该接起意愿值匹配第二类型或者第三类型。

此外，本发明实施例中，第一类型可以为主要的调度类型，其对应的配送人员数量最多，为了进一步提高配送质量，可选地：

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值大于第三判断阈值，可以基于第一类型对应的且配送人员等级大于预设等级的配送人员；分配所述待分配订单；

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值小于所述第三判断阈值，可以基于第一类型对应的且配送人员等级小于所述预设等级的配送人员，分配所述待分配订单。

可选地，由于抢单模式是目前订单分配的主流模式，其配送人员的维护成本不高，在实际应用中，该第一类型可以对应抢单模式，从而接起意愿值大的待分配订单分配至第一类型的配送人员，可以保证被接起。

而第三类型可以对应指派模式，以确保接起意愿值小的待分配订单可以被接起，第三类型的配送人员由于无法自主选择配送订单，因此维护第三类型的配送人员的成本也会相对较高。

该第二类型可以对应抢单模式或者指派模式，可选地该第二类型可以对应抢单模式，且第二类型的主观接起意愿大于第一类型的主观接起意愿，以确保可以花费较少成本以保证订单可以被接起。

在实际应用中，第一类型的配送人员可以即是指现有技术中按照抢单模式进行订单分配时采用的配送人员，通常是利用社会闲散的运力人员进行订单配送，特别是外卖场景中，这类运力人员也被称为众包人员。

为了避免众包人员无人接单的情况发生，可以配置第二类型的配送人员，该第二类型对于实际应用的指导意义在于，该第二类型可以是自建专送类型，也即利用自建的运力人员进行订单配送，专送类型的配送人员相较于众包人员，主观接起意愿大。

第三类型对于实际应用的指导意义在于，该第三类型可以是自建指派类型，该第三类型只能采用指派模式进行订单分配，也即属于指派类型的配送人员只能接受系统分配的订单，而无法自主选择配送订单。

因此，基于第一类型的配送人员，按照抢单模式分配待分配订单；基于第二类型配送人员，按照抢单模式分配待分配订单；基于第三类型的配送人员，按照指派模式分配待分配订单，按照抢单模式分配待分配订单的具体过程以及按照指派模式分配待分配订单的具体过程可以参见上文中所述，在此不再赘述。

第三类型的配送人员主观接起意愿大于第二类型的配送人员，第二类型的配送人员主观接起意愿大于第一类型的配送人员，相应的第三类型的配送人员维护成本高于第二类型的配送人员，而第二类型的配送人员的维护成本高于第一类型的配送人员，因此通过本发明实施例中，基于待分配订单的接起意愿值，确定待分配订单分配至哪一个调度类型的配送人员，可以在保证降低成本的情况下，提高配送质量。

由于基于第一类型的配送人员是按照抢单模式分配待分配订单，仍然有可能存在无人接单的情况，为了进一步保证配送质量，如图3所示，为本发实施例提供的一种订单处理方法又一个实施例的流程图，该方法可以包括以下几个步骤：

301：确定基于历史分配订单训练获得的第一接起意愿模型。

302：基于影响订单被接起概率的订单主观属性，计算待分配订单的接起意愿值。

303：判断所述接起意愿值是否大于第一判断阈值，如果是，执行步骤304，如果否，执行步骤306。

304：基于第一类型的配送人员，分配所述待分配订单。

305：判断经过第一预设时长之后，所述待分配订单是否被接起，如果否，执行步骤307；如果是则结束流程。

306：判断所述接起意愿值是否大于第二判断阈值，如果是，执行步骤307，如果否，执行步骤309。

307：基于第二类型的配送人员，分配所述待分配订单。

如果基于第二类型的配送人员也是按照抢单模式分配所述待分配订单，仍然有可能存在无人接单的情况，因此所述方法还可以包括：

308：判断经过第二预设时长之后，所述待分配订单是否被接起；如果否，执行步骤309，如果是结束流程。

309：基于第三类型的配送人员，分配所述待分配订单。

其中，基于第三类型的配送人员具体是按照指派模式分配所述待分配订单，因此可以保证待分配订单一定会被接起，以保证待分配订单的接起成功率，提高配送质量。

在上述某些实施例中，第一接起意愿模型根据历史分配订单训练获得，在包括多个调度类型时，该历史分配订单可以具体是指按照抢单模式分配的配送订单。

由于第一接起意愿模型可以根据历史分配订单训练获得，可选地，在某些实施例中，所述第一接起意愿模型可以按照如下方式预先训练获得：

确定影响订单被接起概率的订单主观属性以及订单客观属性；

利用所述订单主观属性，构建第一接起意愿模型；

利用所述订单客观属性，构建第二接起意愿模型；

基于历史分配订单对应的订单主观属性值以及订单客观属性值，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

其中，该订单主观属性可以包括配送收入、配送距离以及配送人员等级等，该订单客观属性可以包括订单读单率以及订单接起等待时间等等。

其中，订单读单率可以按照如下方式确定：

进行订单分配时，服务端首先将配送订单的订单提示信息推送至客户端中，由客户端输出订单提示信息，该订单提示信息例如可以包括配送订单的配送收入和/或配送距离等等，客户端检测到配送人员针对该订单提示信息的触发请求，再向客户端发送订单信息获取请求，以求获取该配送订单的相关详细信息并输出等等。其中，服务端接收到的针对该配送订单的订单信息获取请求的数量，即可以作为订单读单量，而订单读单量与订单推送量的比值，即为订单读单率。

订单接起等待时间，可以是指每一配送订单从分配至任一配送人员到被接起时的等待时长，而若该配送订单无人接起而被取消，即可以是指从分配至任一配送人员至被取消时的等待时长。

订单读单率越大，如果订单读单率越大，表明配送人员对该配送订单的接起意愿越低；订单接起等待时间越长，表明配送人员对该配送订单的接起意愿越低。

可选地，所述第一接起意愿模型的构建步骤可以包括：

将所述订单主观属性的加权求和公式作为所述第一接起意愿模型；

所述第二接起意愿模型构建步骤可以包括：

将所述订单客观属性的加权求和公式作为所述第二接起意愿模型。

例如假设订单主观属性包括订单收入i、配送距离m以及配送人员等级s，则第一接起意愿模型可以为：

a*i+b*m+c*s；

其中，a、b、c为权重系数，也即为第一接起意愿模型的模型系数，训练第一接起意愿模型的过程，也即计算该模型系数的过程。

假设订单客观属性包括订单读单率r以及订单等待时长t，则第二接起意愿模型可以为：

d*r+e*t

其中，d、e为权重系数，也即为第二接起意愿模型的模型系数。

由于订单主观属性以及订单客观属性均是影响订单被接起概率的影响因子，因此可以令第一接起意愿模型与第二接起意愿模型相等，获得一个多元一次方程：a*i+b*m+c*s＝d*r+e*t

将历史分配订单作为训练样本，即可以求解获得第一接起意愿模型以及第二接起意愿模型的模型系数。

因此，在某些实施例中，所述第一接起意愿模型以及所述第二接起意愿模型的关联训练步骤可以包括：

根据所述第一接起意愿模型以及所述第二接起意愿模型计算结果相等的关联关系，将所述历史分配订单对应的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，以分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

训练获得第一接起意愿模型之后，即可利用该第一接起意愿模型计算待分配订单的接起意愿值；因此，所述接起意愿值的计算步骤可以包括：

确定待分配订单的对应订单主观属性值；

基于所述待分配订单对应的订单主观属性值，利用所述第一接起意愿模型计算接起意愿值。

在多个调度类型包括第一类型、第二类型以及第三类型时，由于可以通过判断阈值范围，确定与接起意愿值匹配的任一个调度类型。

用于训练第一接起意愿模型以及第二接起意愿模型的历史分类订单可以具体是指历史记录的接起订单。接起订单即是指被配送人员成功接起的配送订单。

该判断阈值范围中的第一判断阈值以及第二判断阈值可以按照如下方式预先确定：

基于所述订单主观属性，构建第一未接起意愿模型；

基于所述订单客观属性，构建第二未接起意愿模型；

基于历史记录的未接起订单的订单主观属性值以及订单客观属性值，关联地训练所述第一未接起意愿模型以及所述第二未接起意愿模型，分别获得所述第一未接起意愿模型以及所述第二未接起意愿模型的模型系数；

基于所述第一接起意愿模型或者所述第二接起意愿模型，计算所述接起订单的参考意愿值；

计算所述接起订单的参考意愿值的平均值，获得第一参考值；

基于所述第一未接起意愿模型或者所述第二未接起意愿模型，计算所述未接起订单的参考意愿值；

计算所述未接起订单的参考意愿值的平均值，获得第二参考值；

基于所述第一参考值和/或所述第二参考值，确定所述第一判断阈值以及所述第二判断阈值。

可选地，可以是将所述订单主观属性的加权求和公式作为所述第一未接起意愿模型；将所述订单客观属性的加权求和公式作为所述第二接起未意愿模型。

根据所述第一未接起意愿模型以及所述第二未接起意愿模型计算结果相等的关联关系，将所述历史记录的未接起订单的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一未接起意愿模型以及所述第二未接起意愿模型，以分别获得所述第一未接起意愿模型以及所述第二未接起意愿模型的模型系数。

也即第一接起意愿模型与第二未接起意愿模型的模型公式相同，只是训练获得的模型系数不同；第二接起意愿模型与第二未接起意愿模型的模型公式相同，只是训练获得的模型系数不同。

作为一种可能的实现方式，假设第一参数值表示为g1、第二参数值表示为g2；

第一判断阈值可以为：0.8*g2；

第二判断阈值可以为：0.5*g2。

由于第一类型的配送人员可以按照配送人员等级进行划分，根据接起意愿值与第三判断阈值的比较，可以选择相应配送人员等级的配送人员进行待分配订单的分配。

可选地，该第三判断阈值也可以是基于所述第一参考值和/或所述第二参考值确定的

作为一种可能的实现方式，该第三判断阈值可以为：(g1+g2)*0.5。

由上述描述可知，第一类型为主要的调度类型，对应抢单模式，其配置的配送人员可以最多，且第一类型的配送人员可以即为现有技术中参与按照抢单模式进行订单分配的配送人员。可以仅根据分配至第一类型的配送人员的历史分配订单进行模型训练。

因此上述训练第一接起意愿模型以及第二接起意愿模型的历史记录的接起订单可以是历史分配至第一类型的配送人员的接起订单。

训练第一未接起意愿模型以及第二未接起意愿模型的历史记录的未接起订单可以是历史分配至第一类型的配送人员的未接起订单。该未接起订单也即分配至第一类型的配送人员时，任意配送人员均未参与抢单。此时该未接起订单的配送人员等级也即可以是指接收到抢单信息的配送人员的平均配送人员等级。

按照上文描述的逻辑过程，第一类型的配送人员的未接起订单可能会被第二类型的配送人员或者第三类型的配送人员接起，因此未接起订单的订单等待时长可以是指该未接起订单从开始分配到最终被接起的等待时长。当然也可以是指该未接起订单从开始分配至取消分配给被第一类型的配送人员的等待时长，也即上述的第一预设时长。

此外，训练第一接起意愿模型以及第二接起意愿模型的接起订单可以是指历史分配至所述第一类型的配送人员的接起订单；而训练第一未接起意愿模型以及第二未接起意愿模型的未接起订单可以是历史分配至所述第一类型的配送人员的未接起订单；

因此，可选地，在某些实施例中，利用第一接起意愿模型计算待分配订单的接起意愿值时，待分配订单的订单主观属性的配送人员等级可以具体按照如下方式确定：

根据所述待分配订单起点地址，确定位于所述起点地址对应区域范围内的属于第一类型的配送人员或者对应抢单模式的配置人员；

之后，再将所述区域范围内的配送人员的平均配送人员等级作为所述待分配订单对应的配送人员等级。

图4为本发明实施例提供的一种订单处理装置一个实施例的结构示意图，该装置可以包括：

确定模块401，用于确定基于历史分配订单训练获得的第一接起意愿模型。

计算模块402，用于基于影响订单被接起概率的订单主观属性，利用所述第一接起意愿模型计算待分配订单的接起意愿值。

其中，该订单主观属性可以包括配送收入、配送距离等，此外还可以包括配送人员等级等。

可选地，该计算模块可以是基于影响订单被接起概率的订单主观属性，可确定待分配订单的订单主观属性值；根据待分配订单的订单主观属性值，计算获得待分配订单的接起意愿值。

在订单主观属性包括配送人员等级时，该装置还可以包括：

等级确定模块，用于根据所述待分配订单的起点地址，确定位于所述起点地址对应区域范围内的配送人员；将所述区域范围内的配送人员的平均配人员送等级作为所述待分配订单的配送人员等级。

分配模块403，用于基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

可选地，该分配模块可以是基于匹配所述接起意愿值且当前配送位置与所述待分配订单的起点地址匹配的配送人员，分配所述待分配订单。

为了降低算法复杂度，可选地，本发明实施例中，可以设置多个调度类型，每一个调度类型可以对应配置至少一个配送人员，可选地，一个配送人员可以属于一个或多个调度类型。

因此，作为又一个实施例，如图5中所示，与图4所示实施例不同之处在于，所述分配模块403可以包括：

确定单元501，确定匹配所述接起意愿值的任一个调度类型；

分配单元502，用于基于所述任一个调度类型对应的配送人员，分配所述待分配订单。

可选地，确定单元可以是基于所述任一调度类型对应的，且当前配送位置与所述待分配订单的起点地址匹配的配送人员，分配所述待分配订单。

在某些实施例中，所述分配单元可以具体用于：

如果所述任一个调度类型对应指派模式，确定所述任一个调度类型对应的任一个配送人员；

分配所述待分配订单至所述任一个配送人员。

所述分配单元可以具体用于：

如果所述任一个调度类型对应抢单模式，确定所述任一个调度类型对应的至少一个配送人员；

推送所述待分配订单的抢单信息至所述至少一个配送人员对应的客户端；

根据所述至少一个配送人员对应的客户端发送的抢单请求，确定抢单成功的配送人员；

分配所述待分配订单至所述抢单成功的配送人员。

其中，可以是确定所述任一调度类型对应的且当前配送位置与所述待分配订单的起点地址匹配的至少一个配送人员。

在某些实施例中，该确定单元可以具体用于：

根据不同调度类型对应的判断阈值范围，确定与所述接起意愿值匹配的任一个调度类型；

也即接起意愿值所处的判断阈值范围对应的调度类型，即是指与该接起意愿值匹配的调度类型。

在某些实施例中，多个调度类型至少包括第一类型、第二类型以及第三类型，所述第一类型的主观接起意愿小于所述第二类型的主观接起意愿；所述第二类型的主观接起意愿小于所述第三类型的主观接起意愿。

因此，该确定单元可以具体用于：

如果所述接起意愿值大于第一判断阈值，确定与接起意愿值匹配的任一个调度类型为第一类型；

如果所述接起意愿值小于第一判断阈值且大于第二判断阈值，确定与接起意愿值匹配的任一个调度类型为第二类型；

如果所述接起意愿值小于第二判断阈值，确定与接起意愿值匹配的任一个调度类型为第三类型，

则该分配单元可以具体用于：

如果所述接起意愿值大于第一判断阈值，基于第一类型的配送人员分配所述待分配订单；

如果所述接起意愿值小于第一判断阈值且大于第二判断阈值，基于第二类型的配送人员，配所述待分配订单；

如果所述接起意愿值小于第二判断阈值，基于第三类型的配送人员分配所述待分配订单。

此外，本发明实施例中，第一类型可以为主要的调度类型，其对应的配送人员数量最多，为了进一步提高配送质量，在某些实施例中，该分配单元如果所述接起意愿值大于第一判断阈值，基于第一类型的配送人员，分配所述待分配订单可以具体是：

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值大于第三判断阈值，基于第一类型对应的且配送人员等级大于预设等级的配送人员；分配所述待分配订单；

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值小于所述第三判断阈值，基于第一类型对应的且配送人员等级小于所述预设等级的配送人员，分配所述待分配订单。

可选地，由于抢单模式是目前订单分配的主流模式，其配送人员的维护成本不高，在实际应用中，该第一类型以及第二类型可以对应抢单模式，第三类型对应指派模式。

由于按照抢单模式分配待分配订单，仍然有可能存在无人接单的情况，为了进一步保证配送质量，因此，作为又一个实施例，如图6中所述，所述装置还包括：

第一判断模块503，用于在基于第一类型的配送人员分配所述待分配订单之后，判断经过第一预设时长之后，所述待分配订单是否被接起；

第一重配模块504，用于在所述第一判断模块判断结果为是时，基于第二类型的配送人员分配所述待分配订单；

第二判断模块505，用于在基于第二类型的配送人员分配所述待分配订单之后，经过第二预设时长之后，所述待分配订单是否被接起。

第二重配模块506，用于在所述第二判断模块判断结果为是时，基于第三类型的配送人员分配所述待分配订单。

在上述某些实施例中，第一接起意愿模型根据历史分配订单训练获得，使得可以根据历史分配订单的接起情况，指导待分配订单的分配，以提高待分配订单的接起成功率，保证配送质量。其中，历史分配订单即是指历史分配至配送人员的配送订单。

在包括多个调度类型时，该历史分配订单可以具体是指按照抢单模式分配的配送订单。

其中，该第一接起意愿模型可以预先训练获得，因此确定模块即是用于确定基于抢单模式对应的历史分配订单预先训练获得的第一接起意愿模型。

因此作为又一个实施例，与图4所示实施例不同之处在于，该装置还包括：

属性确定模块，用于确定影响订单被接起概率的订单主观属性以及订单客观属性；

第一构建模块，用于利用所述订单主观属性，构建第一接起意愿模型；

第二构建模块，用于利用所述订单客观属性，构建第二接起意愿模型；

第一模型训练模块，用于基于历史分配订单的订单主观属性值以及订单客观属性值，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

可选地，所述第一构建模块可以具体用于：将所述订单主观属性的加权求和公式作为所述第一接起意愿模型；

所述第二构建模块可以具体用于：将所述订单客观属性的加权求和公式作为所述第二接起意愿模型。

可选地，所述第一模型训练模块可以具体用于：根据所述第一接起意愿模型以及所述第二接起意愿模型计算结果相等的关联关系，将所述历史分配订单对应的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，以分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

训练获得第一接起意愿模型之后，即可利用该第一接起意愿模型计算待分配订单的接起意愿值；因此，所述计算模块可以具体用于确定待分配订单的对应订单主观属性值；基于所述待分配订单对应的订单主观属性值，利用所述第一接起意愿模型计算接起意愿值。

在多个调度类型包括第一类型、第二类型以及第三类型时，由于可以通过判断阈值范围，确定与接起意愿值匹配的任一个调度类型。

用于训练第一接起意愿模型以及第二接起意愿模型的历史分类订单可以具体是指历史记录的接起订单。接起订单即是指被配送人员成功接起的配送订单。

作为又一个实施例，该装置还可以包括：

第三构建模块，用于基于所述订单主观属性，构建第一未接起意愿模型；

第四构建模块，用于基于所述订单客观属性，构建第二未接起意愿模型；

第二模型训练模块，用于基于历史记录的未接起订单的订单主观属性值以及订单客观属性值，关联地训练所述第一未接起意愿模型以及所述第二未接起意愿模型，分别获得所述第一未接起意愿模型以及所述第二未接起意愿模型的模型系数；

阈值确定模块，用于基于所述第一接起意愿模型或者所述第二接起意愿模型，计算所述接起订单的参考意愿值；计算所述接起订单的参考意愿值的平均值，获得第一参考值；基于所述第一未接起意愿模型或者所述第二未接起意愿模型，计算所述未接起订单的参考意愿值；计算所述未接起订单的参考意愿值的平均值，获得第二参考值；基于所述第一参考值和/或所述第二参考值，确定所述第一判断阈值以及所述第二判断阈值。

可选地，第三构建模块可以是将所述订单主观属性的加权求和公式作为所述第一未接起意愿模型；第四构建模块可以是将所述订单客观属性的加权求和公式作为所述第二接起未意愿模型。

第二模型训练模块可以具体根据所述第一未接起意愿模型以及所述第二未接起意愿模型计算结果相等的关联关系，将所述历史记录的未接起订单的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一未接起意愿模型以及所述第二未接起意愿模型，以分别获得所述第一未接起意愿模型以及所述第二未接起意愿模型的模型系数。

由上述描述可知，第一类型为主要的调度类型，对应抢单模式，其配置的配送人员可以最多，且第一类型的配送人员可以即为现有技术中参与按照抢单模式进行订单分配的配送人员。可以仅根据分配至第一类型的配送人员的历史分配订单进行模型训练。

因此上述训练第一接起意愿模型以及第二接起意愿模型的历史记录的接起订单可以是历史分配至第一类型的配送人员的接起订单。

所述历史记录的未接起订单为历史分配至所述第一类型的配送人员的未接起订单。

在一个可能的设计中，上述实施例所述的订单处理装置可以配置在服务器中，因此本发明实施例还提供了一种服务器，如图7所示，该服务器可以包括处理器701以及存储器702；

所述存储器702用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器701调用执行。

所述处理器701用于：

确定基于历史分配订单训练获得的第一接起意愿模型；

基于影响订单被接起概率的订单主观属性，利用所述第一接起意愿模型计算待分配订单的接起意愿值；

基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

此外该处理器还用于执行上述任一实施例所述订单处理方法。

本发明实施例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存储有计算机程序，所述计算机程序使计算机执行时可以实现上述任一实施例所述的订单处理方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

本发明公开了a1、一种订单处理方法，包括：

确定基于历史分配订单训练获得的第一接起意愿模型；

基于影响订单被接起概率的订单主观属性，利用所述第一接起意愿模型计算待分配订单的接起意愿值；

基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

a2、根据a1所述的方法，所述第一接起意愿模型按照如下方式预先训练获得：

确定影响订单被接起概率的订单主观属性以及订单客观属性；

利用所述订单主观属性，构建第一接起意愿模型；

利用所述订单客观属性，构建第二接起意愿模型；

基于历史分配订单的订单主观属性值以及订单客观属性值，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

a3、根据a2所述的方法，所述第一接起意愿模型的构建步骤包括：

将所述订单主观属性的加权求和公式作为所述第一接起意愿模型；

所述第二接起意愿模型构建步骤包括：

将所述订单客观属性的加权求和公式作为所述第二接起意愿模型。

a4、根据a2所述的方法，所述第一接起意愿模型以及所述第二接起意愿模型的关联训练步骤包括：

根据所述第一接起意愿模型以及所述第二接起意愿模型计算结果相等的关联关系，将所述历史分配订单对应的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，以分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

a5、根据a1～a4任一项所述的方法，所述分配步骤包括：

确定匹配所述接起意愿值的任一个调度类型；

基于所述任一个调度类型对应的配送人员，分配所述待分配订单。

a6、根据a5所述的方法，所述确定步骤包括：

根据不同调度类型对应的判断阈值范围，确定与所述接起意愿值匹配的任一个调度类型。

a7、根据a6所述的方法，所述基于所述任一个调度类型对应的配送人员，分配所述待分配订单包括：

如果所述接起意愿值大于第一判断阈值，基于第一类型的配送人员，分配所述待分配订单；

如果所述接起意愿值小于第一判断阈值且大于第二判断阈值，基于第二类型的配送人员，分配所述待分配订单；

如果所述接起意愿值小于第二判断阈值，基于第三类型的配送人员，分配所述待分配订单。

a8、根据a7所述的方法，所述历史分配订单为历史记录的接起订单；

所述第一判断阈值以及所述第二判断阈值按照如下方式预先确定；

基于所述订单主观属性，构建第一未接起意愿模型；

基于所述订单客观属性，构建第二未接起意愿模型；

基于历史记录的未接起订单的订单主观属性值以及订单客观属性值，关联地训练所述第一未接起意愿模型以及所述第二未接起意愿模型，分别获得所述第一未接起意愿模型以及所述第二未接起意愿模型的模型系数；

基于所述第一接起意愿模型或者所述第二接起意愿模型，计算所述接起订单的参考意愿值；

计算所述接起订单的参考意愿值的平均值，获得第一参考值；

基于所述第一未接起意愿模型或者所述第二未接起意愿模型，计算所述未接起订单的参考意愿值；

计算所述未接起订单的参考意愿值的平均值，获得第二参考值；

基于所述第一参考值和/或所述第二参考值，确定所述第一判断阈值以及所述第二判断阈值。

a9、根据a7所述的方法，所述如果所述接起意愿值大于第一判断阈值，分配所述待分配订单至属于第一类型的配送人员包括：

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值大于第三判断阈值，基于第一类型对应的且配送人员等级大于预设等级的配送人员；分配所述待分配订单；

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值小于所述第三判断阈值，基于第一类型对应的且配送人员等级小于所述预设等级的配送人员，分配所述待分配订单。

a10、根据a7所述的方法，所述第一类型以及所述第二类型对应抢单模式，所述第三类型对应指派模式；所述第一类型的主观接起意愿小于所述第二类型的主观接起意愿；所述第二类型的主观接起意愿小于所述第三类型的主观接起意愿；

所述如果所述接起意愿值大于第一判断阈值，基于第一类型的配送人员分配所述待分配订单之后，还包括：

判断经过第一预设时长之后，所述待分配订单是否被接起；

如果经过所述第一预设时长之后，所述待分配订单未被接起，基于第二类型的配送人员分配所述待分配订单；

判断经过第二预设时长之后，所述待分配订单是否被接起；

如果经过所述第二预设时长之后，所述待分配订单未被接起，基于第三类型的配送人员分配所述待分配订单。

a11、根据a10所述的方法，所述历史记录的接起订单为历史分配至所述第一类型的配送人员的接起订单；

所述历史记录的未接起订单为历史分配至所述第一类型的配送人员的未接起订单。

a12、根据a2所述的方法，所述订单主观属性包括配送收入、配送距离以及配送人员等级；所述订单客观属性包括订单读单率以及订单接起等待时间；

所述待分配订单的配送人员等级按照如下方式确定；

根据所述待分配订单起点地址，确定位于所述起点地址对应区域范围内的配送人员；

将所述区域范围内的配送人员的平均配送人员等级作为所述待分配订单对应的配送人员等级。

a13、根据a5所述的方法，所述基于所述任一个调度类型对应的配送人员，分配所述待分配订单包括：

如果所述任一个调度类型对应指派模式，确定所述任一个调度类型对应的任一个配送人员；

分配所述待分配订单至所述任一个配送人员。

a14、根据a5所述的方法，所述基于所述任一个调度类型对应的配送人员，分配所述待分配订单包括：

如果所述任一个调度类型对应抢单模式，确定所述任一个调度类型对应的至少一个配送人员；

推送所述待分配订单的抢单信息至所述至少一个配送人员对应的客户端；

根据所述至少一个配送人员对应的客户端发送的抢单请求，确定抢单成功的配送人员；

分配所述待分配订单至所述抢单成功的配送人员。

b15、一种订单处理装置，包括：

确定模块，用于确定基于历史分配订单训练获得的第一接起意愿模型；

计算模块，用于基于影响订单被接起概率的订单主观属性，利用所述第一接起意愿模型计算待分配订单的接起意愿值；

分配模块，用于基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

b16、根据b15所述的装置，还包括：

属性确定模块，用于确定影响订单被接起概率的订单主观属性以及订单客观属性；

第一构建模块，用于利用所述订单主观属性，构建第一接起意愿模型；

第二构建模块，用于利用所述订单客观属性，构建第二接起意愿模型；

第一模型训练模块，用于基于历史分配订单的订单主观属性值以及订单客观属性值，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

b17、根据b16所述的装置，所述第一构建模块具体用于：将所述订单主观属性的加权求和公式作为所述第一接起意愿模型；

所述第二构建模块具体用于：将所述订单客观属性的加权求和公式作为所述第二接起意愿模型。

b18、根据b16所述的装置，所述第一模型训练模块具体用于：根据所述第一接起意愿模型以及所述第二接起意愿模型计算结果相等的关联关系，将所述历史分配订单对应的订单主观属性值以及订单客观属性值作为训练样本，关联地训练所述第一接起意愿模型以及所述第二接起意愿模型，以分别获得所述第一接起意愿模型以及所述第二接起意愿模型的模型系数。

b19、根据b15～b18任一项所述的装置，所述分配模块包括：

确定单元，确定匹配所述接起意愿值的任一个调度类型；

分配单元，用于基于所述任一个调度类型对应的配送人员，分配所述待分配订单。

b20、根据b19所述的装置，所述确定单元具体用于：根据不同调度类型对应的判断阈值范围，确定与所述接起意愿值匹配的任一个调度类型。

b21、根据b20所述的装置，所述分配单元具体用于：

如果所述接起意愿值大于第一判断阈值，基于第一类型的配送人员，分配所述待分配订单；

如果所述接起意愿值小于第一判断阈值且大于第二判断阈值，基于第二类型的配送人员，分配所述待分配订单；

如果所述接起意愿值小于第二判断阈值，基于第三类型的配送人员，分配所述待分配订单。

b22、根据b21所述的装置，所述历史分配订单为历史记录的接起订单；

所述装置还包括：

第三构建模块，用于基于所述订单主观属性，构建第一未接起意愿模型；

第四构建模块，用于基于所述订单客观属性，构建第二未接起意愿模型；

第二模型训练模块，用于基于历史记录的未接起订单的订单主观属性值以及订单客观属性值，关联地训练所述第一未接起意愿模型以及所述第二未接起意愿模型，分别获得所述第一未接起意愿模型以及所述第二未接起意愿模型的模型系数；

阈值确定模块，用于基于所述第一接起意愿模型或者所述第二接起意愿模型，计算所述接起订单的参考意愿值；计算所述接起订单的参考意愿值的平均值，获得第一参考值；基于所述第一未接起意愿模型或者所述第二未接起意愿模型，计算所述未接起订单的参考意愿值；计算所述未接起订单的参考意愿值的平均值，获得第二参考值；基于所述第一参考值和/或所述第二参考值，确定所述第一判断阈值以及所述第二判断阈值。

b23、根据b21所述的装置，所述分配单元如果所述接起意愿值大于第一判断阈值，基于第一类型的配送人员，分配所述待分配订单具体是：

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值大于第三判断阈值，基于第一类型对应的且配送人员等级大于预设等级的配送人员；分配所述待分配订单；

如果所述接起意愿值大于第一判断阈值，且所述接起意愿值小于所述第三判断阈值，基于第一类型对应的且配送人员等级小于所述预设等级的配送人员，分配所述待分配订单。

b24、根据b21所述的装置，所述第一类型以及所述第二类型对应抢单模式，所述第三类型对应指派模式；所述第一类型的主观接起意愿小于所述第二类型的主观接起意愿；所述第二类型的主观接起意愿小于所述第三类型的主观接起意愿；

所述装置还包括：

第一判断模块，用于在基于第一类型的配送人员分配所述待分配订单之后，判断经过第一预设时长之后，所述待分配订单是否被接起；

第一重配模块，用于在所述第一判断模块判断结果为是时，基于第二类型的配送人员分配所述待分配订单；

第二判断模块，用于在基于第二类型的配送人员分配所述待分配订单之后，经过第二预设时长之后，所述待分配订单是否被接起；

第二重配模块，用于在所述第二判断模块判断结果为是时，基于第三类型的配送人员分配所述待分配订单。

b25、根据b24所述的装置，所述历史记录的接起订单为历史分配至所述第一类型的配送人员的接起订单；

所述历史记录的未接起订单为历史分配至所述第一类型的配送人员的未接起订单。

b26、根据b16所述的装置，所述订单主观属性包括配送收入、配送距离以及配送人员等级；所述订单客观属性包括订单读单率以及订单接起等待时间；

所述装置还包括：

等级确定模块，用于根据所述待分配订单起点地址，确定位于所述起点地址对应区域范围内的配送人员；将所述区域范围内的配送人员的平均配送人员等级作为所述待分配订单对应的配送人员等级。

b27、根据b19所述的装置，所述分配单元具体用于：如果所述任一个调度类型对应指派模式，确定所述任一个调度类型对应的任一个配送人员；分配所述待分配订单至所述任一个配送人员。

b28、根据b19所述的装置，所述分配单元具体用于：如果所述任一个调度类型对应抢单模式，确定所述任一个调度类型对应的至少一个配送人员；推送所述待分配订单的抢单信息至所述至少一个配送人员对应的客户端；根据所述至少一个配送人员对应的客户端发送的抢单请求，确定抢单成功的配送人员；分配所述待分配订单至所述抢单成功的配送人员。

c29、一种服务器，包括存储器以及处理器；

所述存储器存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理器调用执行；

所述处理器用于：

基于影响订单被接起概率的订单主观属性，计算待分配订单的接起意愿值；

基于匹配所述接起意愿值的配送人员，分配所述待分配订单。

d30、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序；

所述计算机程序使计算机执行时实现如上述a1～a14任一项所述的订单处理方法。