推荐方法及装置、电子设备及存储介质与流程

本发明涉及智能调度技术领域，特别涉及一种推荐方法及装置、电子设备及存储介质。

背景技术：

近年来，在线叫餐业务发展迅速，目前平台日均处理订单量已经十分庞大，高峰期的订单处理压力也很大，因而提高智能调度系统的效率是提高平台服务质量的关键。现有技术中一般是将配送运力，例如骑手或者快递员等与商圈绑定，当骑手处于空载状态时，会自动向绑定的商圈聚集；或者，骑手根据自己的经验寻找商圈。

发明人发现相关技术至少存在以下问题：不同商圈的订单量会受到很多因素的影响，有些商圈的订单量变化幅度较大，现有主要依靠骑手自主决定前往的商圈的方式不利于配送资源的充分利用，影响平台整体的配送效率。

技术实现要素：

本发明实施方式的目的在于提供一种推荐方法及装置、电子设备及存储介质，通过将配送运力与商圈的热力等级进行匹配，从而能够更充分地利用配送资源，提高平台整体的配送效率。

为解决上述技术问题，本发明的实施方式提供了一种推荐方法，包括：

获取配送运力的特征数据；

根据商圈的订单量确定商圈的热力等级；

根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈。

本发明的实施方式还提供了一种推荐装置，包括：

获取模块，用于获取配送运力的特征数据；

等级确定模块，用于根据商圈的订单量确定商圈的热力等级；

推荐模块，用于根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈。

本发明的实施方式还提供了一种电子设备，包括：存储器和处理器，存储器存储计算机程序，处理器运行所述计算机程序以实现：

获取配送运力的特征数据；

根据商圈的订单量确定商圈的热力等级；

根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈。

本发明的实施方式还提供了一种存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如上所述的推荐方法。

本发明实施方式相对于现有技术而言，根据商圈的订单量确定商圈的热力等级，并根据配送运力的特征数据与商圈的热力等级为配送运力推荐目标商圈，从而可根据商圈的订单量的大小以及配送运力的特征数据为配送运力推荐商圈，即可以根据实际需求调整配送运力的分配，进而有利于提高配送资源的利用效率，提高平台整体配送效率。

作为一个实施例，所述根据商圈的订单量确定商圈的热力等级，具体包括：通过机器学习预估所述商圈的预设时长内的订单量；根据所述预设时长内的订单量确定所述商圈的热力等级。

作为一个实施例，所述配送运力的特征数据包括：位置信息以及背单能力等级；所述根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈，具体包括：筛选出与所述配送运力的距离小于预设距离且热力等级与所述配送运力的背单能力等级满足预设映射关系的商圈作为目标商圈；将所述目标商圈推荐给所述配送运力。

作为一个实施例，所述目标商圈包括若干个子区域；所述将所述目标商圈推荐给所述配送运力，具体包括：根据各所述子区域内的商户的订单量以及所述目标商圈的订单量计算得到各所述子区域的压力值；按照颜色随着压力值的增大而加深的方式在热力地图上显示所述子区域以推荐所述目标商圈。

作为一个实施例，所述配送运力的特征数据还包括：所述配送运力的画像；所述按照颜色随着压力值的增大而加深的方式在热力地图上显示所述子区域以推荐所述目标商圈，具体包括：根据所述配送运力的画像确定目标推荐子区域；按照颜色随着压力值的增大而加深的方式在热力地图上突出显示所述目标推荐子区域以推荐所述目标商圈。

作为一个实施例，所述配送运力的画像包括：子区域的偏好值；所述根据所述配送运力的画像确定目标推荐子区域，具体包括：将所述子区域的偏好值大于预设值的子区域作为所述目标推荐子区域。

附图说明

图1是根据本发明第一实施方式中的推荐方法流程图；

图2是根据本发明第二实施方式中的推荐方法流程图；

图3是根据本发明第三实施方式中的推荐方法示意图；

图4是根据本发明第四实施方式中的推荐装置示意图；

图5是根据本发明第五实施方式中的电子设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本发明而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本发明所要求保护的技术方案。

本发明的第一实施方式涉及一种推荐方法，本实施方式可以应用于服务器侧。请参阅图1，本实施方式的推荐方法包括步骤101至步骤103。

步骤101：获取配送运力的特征数据。

配送运力包括但不限于骑手、快递员等。配送运力的特征数据包括但不限于：位置信息、背单能力等级、时段内已配送订单量、当日已跑动距离等。配送运力的特征数据例如可以在监测到配送运力处于空载状态时实时获取得到,然不限于此。

步骤102：根据商圈的订单量确定商圈的热力等级。

商圈为一定连续区域内的商业区域，可以包括餐饮中心、办公楼、街道等等。线下很多商户的餐厅可以划分至不同的商圈。商圈的订单量是指商圈内所有商户的订单量。其中，商圈的订单量可以实时在线获取。例如，在步骤101中监测到某个配送运力处于空载状态时，实时读取商圈的订单量。

商圈的热力等级例如可以根据不同商圈的订单量的差异确定，也可以根据关联的其他因素确定，例如将配送运力的特征数据与商圈的热力等级相关联。举例而言，商圈的热力等级可以划分成一至五级，其中，订单量最大的商圈的热力等级可以为一级，以此类推，订单量最小的商圈的热力等级为五级。然不限于此，只要便于表示商圈的热度即可。

步骤103：根据配送运力的特征数据与商圈的热力等级为配送运力推荐目标商圈。

具体地，可以向背单能力等级高、时段内已配送订单量较少的配送运力推荐热力等级高的商圈，例如推荐热力等级为一级的商圈，向背单能力等级高、时段内已配送订单量较多的配送运力推荐热力等级稍微低一点的商圈，例如推荐热力等级为二级的商圈，向背单能力等级低的配送运力推荐热力等级较低的商圈，例如推荐热力等级为三至五级的商圈，然不限于此。也可以类似地将配送运力的背单能力划分成五级，其中，背单能力最强的配送运力的背单能力等级可以为一级，以此类推，背单能力最弱的配送运力的背单能力等级为五级。在推荐目标商圈时，也可以根据背单能力等级与热力等级对应相同的方式进行推荐，即向背单能力等级为一级的配送运力推荐热力等级为一级的商圈，以此类推，向背单能力等级为五级的配送运力推荐热力等级为五级的商圈。

因此，本实施方式通过根据商圈的订单量确定商圈的热力等级，从而可以确定不同的商圈对于配送运力的需求特点，然后根据配送运力的特征数据去匹配出目标商圈，从而为配送运力推荐目标商圈，这样可以根据平台配送压力主动引导调度配送运力，进而可以充分利用配送资源，提高平台整体配送效率。

本发明的第二实施方式涉及一种推荐方法，请参阅如图2，本实施方式包括步骤201至步骤204。

步骤201：获取配送运力的特征数据。

配送运力包括但不限于骑手、快递员等。配送运力的特征数据包括但不限于：位置信息、背单能力等级、时段内已配送订单量、当日已跑动距离等。配送运力的特征数据例如可以在监测到配送运力处于空载状态时实时获取得到,然不限于此。

步骤202：根据商圈的订单量确定商圈的热力等级。

商圈为一定连续区域内的商业区域，可以包括餐饮中心、办公楼、街道等等。线下很多商户的餐厅可以划分至不同的商圈。商圈的订单量是指商圈内所有商户的订单量。其中，商圈的订单量可以实时在线获取。例如，在步骤201中监测到某个配送运力处于空载状态时，实时读取商圈的订单量。

商圈的热力等级例如可以根据不同商圈的订单量的差异确定，也可以根据关联的其他因素确定，例如将配送运力的特征数据与商圈的热力等级相关联。举例而言，商圈的热力等级可以划分成一至五级，其中，订单量最大的商圈的热力等级可以为一级，以此类推，订单量最小的商圈的热力等级为五级。然不限于此，只要便于表示商圈的热度即可。

值得一提的是，在一些例子中，步骤202还可以通过机器学习预估商圈的预设时长内的订单量，并根据预设时长内的订单量确定商圈的热力等级。

在实际应用中，商圈的订单量是不断变化的，本实施方式是根据预估的未来可能的订单量确定商圈的热力等级。其中，预设时长例如是5～8分钟。预设时长可以根据配送运力到达第一个取餐点的时长确定，例如根据历史数据统计得出到达第一个取餐点的平均时长，然后将该平均时长作为预设时长。本实施方式对于预设时长的大小不做具体限制。

本领域技术人员可以采用已知的机器学习算法建立预估模型，从而预估不同商圈在达到预设时长时的订单量。

步骤203：筛选出与配送运力的距离小于预设距离且热力等级与配送运力的背单能力等级满足预设映射关系的商圈作为目标商圈。

其中，不同的商圈可以分别设置不同的预设距离，且预设距离也可以考虑多个商圈的地理位置分布状况。例如，区域面积较小的商圈，预设距离较小，区域面积较大的商圈，预设距离较大。当区域面积较小的商圈毗邻或者环抱于区域面积较大的商圈时，可以适当调大区域面积较小的商圈对应的预设距离，从而使得位于临近商圈的配送运力也可以被调度至该区域面积较小的商圈内。本实施方式对于预设距离的设置方式以及大小均不做具体限制。本实施方式中，商圈的热力等级与配送运力的背单能力等级之间的映射关系可以为：按照背单能力等级与热力等级对应相同的方式进行推荐，即向背单能力等级为一级的配送运力推荐热力等级为一级的商圈，以此类推，向背单能力等级为五级的配送运力推荐热力等级为五级的商圈。然不限于此。

举例而言，当检测到某个配送运力处于空载状态时，在为该配送运力推荐目标商圈时，可以先分别比对该配送运力与其附近的商圈之间的距离是否小于预设距离，若小于预设距离，再继续筛选出热力等级与该配送运力的背单能力等级匹配的商圈作为目标商圈。举例而言，若某个骑手在空载状态时，检测到该骑手与附近的三个商圈之间的距离均小于对应的预设距离，则进一步检测热力等级与该骑手匹配的商圈，例如该骑手的背单能力等级为一级，而检测出三个商圈的热力等级分别为一级、三级以及四级，因此可以向该骑手推荐热力等级为一级的商圈。需要说明的是，本实施方式对于预设距离以及映射关系的比对顺序不做具体限制。在实际应用中，若配送运力附近的商圈的热力等级均为三级，而配送运力的背单能力等级为一级时，则可向配送运力推荐历史上热力等级平均最高的商圈作为目标商圈。

步骤204：将目标商圈推荐给配送运力。

例如，可以向配送运力所持终端推送目标商圈的消息，消息可以为语音信息、短信息等。或者，还可以在配送运力所持终端的app界面，例如地图界面上标识目标商圈。本实施方式对此不作具体限制。

本实施方式在前述实施方式的基础上，兼顾距离以及背单能力等级，从而可以向配送运力推荐距离较为合理，且需求特点更为匹配的商圈，从而有利于进一步提高配送效率。

本发明的第三实施方式涉及一种推荐方法，请参阅图3，本实施方式的推荐方法包括步骤301至步骤305。

步骤301：获取配送运力的特征数据。

步骤302：根据商圈的订单量确定商圈的热力等级。

步骤303：筛选出与配送运力的距离小于预设距离且热力等级与配送运力的背单能力等级满足预设映射关系的商圈作为目标商圈。

其中，步骤301至步骤303可以参考第二实施方式中的步骤201至步骤203，此处不再赘述。

步骤304：根据各子区域内的商户的订单量以及目标商圈的订单量计算得到各子区域的压力值。

其中，商圈可以包括若干个子区域，每个子区域可以包括若干个商户，各子区域的商户的数量例如可以是一家，也可以是多家，例如五家，本实施方式对于子区域内的商户的数量不做具体限制。此外，商圈的子区域的数量可以是两个及以上，例如四个子区域，本实施方式对于商圈内子区域的数量不做具体限制。

子区域的压力值可以等于该子区域内的所有商户的订单量与目标商圈的总订单量的比值，例如可以采用百分比表示，然不限于此。

步骤305：按照颜色随着压力值的增大而加深的方式在热力地图上显示子区域以推荐目标商圈。

即某个子区域内的订单量越大，则该子区域的颜色越深，反之则越浅，从而可以更明确地向配送运力展示订单的分布情况。

具体地，步骤305中，可以将颜色的深度等级划分为五个等级，且五个等级的颜色逐渐加深。其中，子区域的压力值大于0且小于或者等于0.2时，显示的颜色的深度等级为一级，子区域的压力值大于0.2且小于或者等于0.4时，显示的颜色的深度等级为二级，以此类推，子区域的压力值大于0.8时，显示的颜色的深度等级为五级。然不限于此。

在实际应用中，可以根据各子区域的压力值在热力地图中实时显示各子区域的颜色。然不限于此。在一些例子中，还可以针对配送运力的特点，在热力地图中个性化显示目标商圈。举例而言，配送运力的特征数据还可以包括：配送运力的画像。具体地，配送运力的画像可以包括：子区域的偏好值，然不限于此，配送运力的画像还可以包括配送运力的年龄、新骑手或者老骑手等的其他属性，此处不再赘述。

在步骤305按照颜色随着压力值的增大而加深的方式在热力地图上显示子区域以推荐目标商圈具体包括：根据配送运力的画像确定目标推荐子区域，按照颜色随着压力值的增大而加深的方式在热力地图上突出显示目标推荐子区域以推荐目标商圈。突出显示目标推荐子区域可以是不显示目标商圈内的其他子区域(即非目标推荐子区域)，然不限于此。其中，根据配送运力的画像确定目标推荐子区域，具体包括：将子区域的偏好值大于预设值的子区域作为目标推荐子区域。然不限于此。这样，可以仅显示配送运力最有可能去的子区域，从而可以更精准地引用配送运力。

本实施方式与前述实施方式相比，通过热力地图的方式向配送运力推荐目标商圈，可以更方便地引导配送运力，此外，通过个性化地展示目标商圈，可以更精准地引导配送运力，进而可以进一步提高配送资源的利用率。

本发明的第四实施方式涉及一种推荐装置，请参阅图4，本实施方式的推荐装置400包括：

获取模块401，用于获取配送运力的特征数据。

配送运力包括但不限于骑手、快递员等。配送运力的特征数据包括但不限于：位置信息、背单能力等级、时段内已配送订单量、当日已跑动距离等。配送运力的特征数据例如可以在监测到配送运力处于空载状态时实时获取得到,然不限于此。

等级确定模块402，用于根据商圈的订单量确定商圈的热力等级。

商圈为一定连续区域内的商业区域，可以包括餐饮中心、办公楼、街道等等。线下很多商户的餐厅可以划分至不同的商圈。商圈的订单量是指商圈内所有商户的订单量。其中，商圈的订单量可以实时在线获取。例如，在步骤101中监测到某个配送运力处于空载状态时，实时读取商圈的订单量。

商圈的热力等级例如可以根据不同商圈的订单量的差异确定，也可以根据关联的其他因素确定，例如将配送运力的特征数据与商圈的热力等级相关联。举例而言，商圈的热力等级可以划分成一至五级，其中，订单量最大的商圈的热力等级可以为一级，以此类推，订单量最小的商圈的热力等级为五级。然不限于此，只要便于表示商圈的热度即可。

在一些例子中，等级确定模块402还可以用于通过机器学习预估商圈的预设时长内的订单量，并根据预设时长内的订单量确定商圈的热力等级。具体地，在实际应用中，商圈的订单量是不断变化的，本实施方式是根据预估的未来可能的订单量确定商圈的热力等级。其中，预设时长例如是5～8分钟。预设时长可以根据配送运力到达第一个取餐点的时长确定，例如根据历史数据统计得出到达第一个取餐点的平均时长，然后将该平均时长作为预设时长。本实施方式对于预设时长的大小不做具体限制。本领域技术人员可以采用已知的机器学习算法建立预估模型，从而预估不同商圈在达到预设时长时的订单量。

推荐模块403，用于根据配送运力的特征数据与商圈的热力等级为配送运力推荐目标商圈。

具体地，可以向背单能力等级高、时段内已配送订单量较少的配送运力推荐热力等级高的商圈，例如推荐热力等级为一级的商圈，向背单能力等级高、时段内已配送订单量较多的配送运力推荐热力等级稍微低一点的商圈，例如推荐热力等级为二级的商圈，向背单能力等级低的配送运力推荐热力等级较低的商圈，例如推荐热力等级为三至五级的商圈，然不限于此。也可以类似地将配送运力的背单能力划分成五级，其中，背单能力最强的配送运力的背单能力等级可以为一级，以此类推，背单能力最弱的配送运力的背单能力等级为五级。在推荐目标商圈时，也可以根据背单能力等级与热力等级对应相同的方式进行推荐，即向背单能力等级为一级的配送运力推荐热力等级为一级的商圈，以此类推，向背单能力等级为五级的配送运力推荐热力等级为五级的商圈。

在一个例子中，推荐模块403可以用于筛选出与配送运力的距离小于预设距离且热力等级与配送运力的背单能力等级满足预设映射关系的商圈作为目标商圈，并将目标商圈推荐给所述配送运力。

其中，不同的商圈可以分别设置不同的预设距离，且预设距离也可以考虑多个商圈的地理位置分布状况。例如，区域面积较小的商圈，预设距离较小，区域面积较大的商圈，预设距离较大。当区域面积较小的商圈毗邻或者环抱于区域面积较大的商圈时，可以适当调大区域面积较小的商圈对应的预设距离，从而使得位于临近商圈的配送运力也可以被调度至该区域面积较小的商圈内。本实施方式对于预设距离的设置方式以及大小均不做具体限制。本实施方式中，商圈的热力等级与配送运力的背单能力等级之间的映射关系可以为：按照背单能力等级与热力等级对应相同的方式进行推荐，即向背单能力等级为一级的配送运力推荐热力等级为一级的商圈，以此类推，向背单能力等级为五级的配送运力推荐热力等级为五级的商圈。然不限于此。

举例而言，当检测到某个配送运力处于空载状态时，在为该配送运力推荐目标商圈时，可以先分别比对该配送运力与其附近的商圈之间的距离是否小于预设距离，若小于预设距离，再继续筛选出热力等级与该配送运力的背单能力等级匹配的商圈作为目标商圈。举例而言，若某个骑手在空载状态时，检测到该骑手与附近的三个商圈之间的距离均小于对应的预设距离，则进一步检测热力等级与该骑手匹配的商圈，例如该骑手的背单能力等级为一级，而检测出三个商圈的热力等级分别为一级、三级以及四级，因此可以向该骑手推荐热力等级为一级的商圈。需要说明的是，本实施方式对于预设距离以及映射关系的比对顺序不做具体限制。在实际应用中，若配送运力附近的商圈的热力等级均为三级，而配送运力的背单能力等级为一级时，则可向配送运力推荐历史上热力等级平均最高的商圈作为目标商圈。

在一些例子中，推荐模块403还可以用于根据各子区域内的商户的订单量以及目标商圈的订单量计算得到各子区域的压力值，并按照颜色随着压力值的增大而加深的方式在热力地图上显示子区域以推荐目标商圈。

具体地，其中，商圈可以包括若干个子区域，每个子区域可以包括若干个商户，各子区域的商户的数量例如可以是一家，也可以是多家，例如五家，本实施方式对于子区域内的商户的数量不做具体限制。此外，商圈的子区域的数量可以是两个及以上，例如四个子区域，本实施方式对于商圈内子区域的数量不做具体限制。

子区域的压力值可以等于该子区域内的所有商户的订单量与目标商圈的总订单量的比值，例如可以采用百分比表示，然不限于此。

因此，按照颜色随着压力值的增大而加深的方式在热力地图上显示子区域以推荐目标商圈时，某个子区域内的订单量越大，则该子区域的颜色越深，反之则越浅，从而可以更明确地向配送运力展示订单的分布情况。

具体地，推荐模块403，可以将颜色的深度等级划分为五个等级，且五个等级的颜色逐渐加深。其中，子区域的压力值大于0且小于或者等于0.2时，显示的颜色的深度等级为一级，子区域的压力值大于0.2且小于或者等于0.4时，显示的颜色的深度等级为二级，以此类推，子区域的压力值大于0.8时，显示的颜色的深度等级为五级。然不限于此。

在实际应用中，可以根据各子区域的压力值在热力地图中实时显示各子区域的颜色。然不限于此。在一些例子中，还可以针对配送运力的特点，在热力地图中个性化显示目标商圈。举例而言，配送运力的特征数据还可以包括：配送运力的画像。具体地，配送运力的画像可以包括：子区域的偏好值，然不限于此，配送运力的画像还可以包括配送运力的年龄、新骑手或者老骑手等的其他属性，此处不再赘述。

推荐模块403还可以用于：根据配送运力的画像确定目标推荐子区域，并按照颜色随着压力值的增大而加深的方式在热力地图上突出显示各目标推荐子区域以推荐目标商圈。具体地，推荐模块403可以将子区域的偏好值大于预设值的子区域作为目标推荐子区域。然不限于此。这样，可以仅显示配送运力最有可能去的子区域，从而可以更精准地引用配送运力。

本实施方式的推荐装置通过根据商圈的订单量确定商圈的热力等级，从而可以确定不同的商圈对于配送运力的需求特点，然后根据配送运力的特征数据去匹配出目标商圈，从而为配送运力推荐目标商圈，这样可以根据平台配送压力主动引导调度配送运力，进而可以充分利用配送资源，提高平台整体配送效率。并且，还可以通过热力地图的方式向配送运力推荐目标商圈，能够更方便地引导配送运力，此外，通过个性化地展示目标商圈，能够更精准地引导配送运力，进而可以进一步提高配送资源的利用率。

本发明的第五实施方式涉及一种电子设备。本实施方式的电子设备可以是独立的服务器，也可以是服务器群。如图5所示，所述电子设备包括存储器502和处理器501；

其中，所述存储器502存储有可被所述至少一个处理器501执行的指令，所述指令被所述至少一个处理器501执行以实现：

获取配送运力的特征数据；

根据商圈的订单量确定商圈的热力等级；以及

根据配送运力的特征数据与所述商圈的热力等级为配送运力推荐目标商圈。

一个或多个处理器501以及存储器502，图5中以一个处理器501为例。处理器501、存储器502可以通过总线或者其他方式连接，图5中以通过总线连接为例。存储器502作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器501通过运行存储在存储器502中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述推荐方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器502中，当被一个或者多个处理器501执行时，执行上述任意方法实施方式中的推荐方法。

上述设备可执行本发明实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本发明实施方式所提供的方法。

本实施方式通过根据商圈的订单量确定商圈的热力等级，从而可以确定不同的商圈对于配送运力的需求特点，然后根据配送运力的特征数据去匹配出目标商圈，从而为配送运力推荐目标商圈，这样可以根据平台配送压力主动引导调度配送运力，进而可以充分利用配送资源，提高平台整体配送效率。并且，还可以通过热力地图的方式向配送运力推荐目标商圈，能够更方便地引导配送运力，此外，通过个性化地展示目标商圈，能够更精准地引导配送运力，进而可以进一步提高配送资源的利用率。

本发明的第六实施方式涉及一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

本申请实施例公开了a1.一种推荐方法，包括：

获取配送运力的特征数据；

根据商圈的订单量确定商圈的热力等级；

根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈。

a2.如a1所述的推荐方法，所述根据商圈的订单量确定商圈的热力等级，具体包括：

通过机器学习预估所述商圈的预设时长内的订单量；

根据所述预设时长内的订单量确定所述商圈的热力等级。

a3.如a1所述的推荐方法，所述配送运力的特征数据包括：位置信息以及背单能力等级；

所述根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈，具体包括：

筛选出与所述配送运力的距离小于预设距离且热力等级与所述配送运力的背单能力等级满足预设映射关系的商圈作为目标商圈；

将所述目标商圈推荐给所述配送运力。

a4.如a3所述的推荐方法，所述目标商圈包括若干个子区域；

所述将所述目标商圈推荐给所述配送运力，具体包括：

根据各所述子区域内的商户的订单量以及所述目标商圈的订单量计算得到各所述子区域的压力值；

按照颜色随着压力值的增大而加深的方式在热力地图上显示所述子区域以推荐所述目标商圈。

a5.如a4所述的推荐方法，所述配送运力的特征数据还包括：所述配送运力的画像；

所述按照颜色随着压力值的增大而加深的方式在热力地图上显示所述子区域以推荐所述目标商圈，具体包括：

根据所述配送运力的画像确定目标推荐子区域；

按照颜色随着压力值的增大而加深的方式在热力地图上突出显示所述目标推荐子区域以推荐所述目标商圈。

a6.如a5所述的推荐方法，所述配送运力的画像包括：子区域的偏好值；

所述根据所述配送运力的画像确定目标推荐子区域，具体包括：

将所述子区域的偏好值大于预设值的子区域作为所述目标推荐子区域。

本申请实施例还公开了b1.一种推荐装置,包括：

获取模块，用于获取配送运力的特征数据；

等级确定模块，用于根据商圈的订单量确定商圈的热力等级；

推荐模块，用于根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈。

b2.如b1所述的推荐装置,所述等级确定模块具体用于通过机器学习预估所述商圈的预设时长内的订单量；

根据所述预设时长内的订单量确定所述商圈的热力等级。

b3.如b1所述的推荐装置,所述配送运力的特征数据包括：位置信息以及背单能力等级；

所述推荐模块，具体用于：

筛选出与所述配送运力的距离小于预设距离且热力等级与所述配送运力的背单能力等级满足预设映射关系的商圈作为目标商圈；

将所述目标商圈推荐给所述配送运力。

b4.如b3所述的推荐装置,所述目标商圈包括若干个子区域；

所述推荐模块，具体用于：

根据各所述子区域内的商户的订单量以及所述目标商圈的订单量计算得到各所述子区域的压力值；

按照颜色随着压力值的增大而加深的方式在热力地图上显示所述子区域以推荐所述目标商圈。

b5.如b4所述的推荐装置,所述配送运力的特征数据还包括：所述配送运力的画像；

所述推荐模块，具体用于：

根据所述配送运力的画像确定目标推荐子区域；

按照颜色随着压力值的增大而加深的方式在热力地图上突出显示所述目标推荐子区域以推荐所述目标商圈。

b6.如b5所述的推荐装置,所述配送运力的画像包括：子区域的偏好值；

所述推荐模块，具体用于：

将所述子区域的偏好值大于预设值的子区域作为所述目标推荐子区域。

本申请实施例还公开了c1.一种电子设备，包括：存储器和处理器，存储器存储计算机程序，处理器运行所述计算机程序以实现：

获取配送运力的特征数据；

根据商圈的订单量确定商圈的热力等级；

根据所述配送运力的特征数据与所述商圈的热力等级为所述配送运力推荐目标商圈。

c2.如c1所述的电子设备，所述处理器还用于执行如a2至a6中任一项所述的推荐方法。

本申请实施例还公开了d1.一种存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如a1至a6中任一项所述的推荐方法。