(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211193007.0 (22)申请日 2022.09.28 (71)申请人 拉扎斯网络科技 （上海） 有限公司 地址 200333 上海市普陀区真北路78 8号 507室 (72)发明人 安杰　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 周嗣勇 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 10/10(2012.01) G06Q 30/06(2012.01) G06N 20/00(2019.01) (54)发明名称 配送轨迹的异常识别方法及装置 (57)摘要 本说明书一个或多个实施例提供一种配送 轨迹的异常识别方法及装置， 所述方法包括： 在 目标配送员针对目标运单进行配送的配送时间 段内的多个采集时刻， 分别采集所述目标配送员 以及与所述目标配送员关联的用户和商家之间 的距离特征数据； 基于所述距离特征数据生成按 照所述采集时刻排序的距离序列特征数据； 将所 述距离序列特征数据输入时间序列模 型， 以由所 述时间序列模型基于所述距离序列特征数据识 别所述目标配送员针对所述目标运单进行配送 的配送轨迹是否异常； 其中， 所述时间序列模型 为基于若干距离序列特征数据样本训练出的机 器学习模型； 所述距离序列特征数据样本被标注 了表示与其对应的配送轨 迹是否异常的标签 。 权利要求书2页 说明书11页 附图4页 CN 115511413 A 2022.12.23 CN 115511413 A 1.一种配送轨 迹的异常识别方法， 所述方法包括： 在目标配送员针对目标运单进行配送的配送时间段内的多个采集 时刻， 分别采集所述 目标配送员以及与所述目标配送员关联的用户和商家之间的距离特 征数据； 基于所述距离特 征数据生成按照所述采集时刻排序的距离序列特 征数据； 将所述距离序列特征数据输入时间序列模型， 以由所述 时间序列模型基于所述距离序 列特征数据识别所述 目标配送员针对所述 目标运单进行配送的配送轨迹是否异常； 其中， 所述时间序列模型为基于若干距离序列特征数据样本训练出的机器学习模 型； 所述距离序 列特征数据样本被标注了表示与其对应的配送轨 迹是否异常的标签。 2.根据权利要求1所述的方法， 与 所述目标配送员关联的用户和商家包括： 所述目标运 单的用户和商家； 和/或， 与所述目标配送员对应的新分配运单的用户和商家； 所述距离特 征数据包括以下示出的一种或多种： 所述目标配送员与所述目标运单的用户之间的距离； 所述目标配送员与所述 新分配运单的用户之间的距离； 所述目标配送员与所述目标运单的商家之间的距离； 所述目标配送员与所述 新分配运单的商家之间的距离； 所述目标运单的用户与所述目标运单的商家之间的距离； 所述目标运单的用户与所述 新分配运单的商家之间的距离； 所述新分配运单的用户与所述目标运单的商家之间的距离； 所述新分配运单的用户与所述 新分配运单的商家之间的距离； 所述目标运单的用户与所述目标运单的商家之间的步行距离； 所述目标运单的用户与所述目标运单的商家之间的骑行距离 。 3.根据权利要求1所述的方法， 所述时间序列模型包括循环神经网络RN N和分类器； 所述将所述距离序列 特征数据输入时间序列模型， 以由所述 时间序列模型基于所述距 离序列特 征数据识别所述目标配送员针对所述目标运单的配送轨 迹是否异常， 包括： 将所述距离序列特征数据输入所述RNN进行计算， 并将所述RNN输出的计算后的特征数 据输入所述分类器进 行分类， 得到表示所述目标配送员针对所述目标运单的配送轨迹是否 异常的分类结果。 4.根据权利要求3所述的方法， 所述方法还 包括： 在所述配送时间段内的多个子时间段内， 分别确定所述目标配送员与最远目标之间的 第一平均距离、 所述 目标配送员前往所述最远目标 的第一速度、 所述 目标配送员与最近目 标之间的第二平均 距离， 以及所述目标配送员前往 所述最近目标的第二速度； 其中， 所述目 标为与所述目标配送员关联的用户或商家； 所述将所述RN N输出的计算后的特 征数据输入所述分类 器进行分类， 包括： 对所述RNN输出的计算后的特征数据进行池化， 并将池化后的特征数据与由所述第一 平均距离、 所述第一速度、 所述第二平均距离和所述第二速度 组成的衍生特征数据进行拼 接； 将拼接后的特 征数据输入所述分类 器进行分类。 5.根据权利要求 4所述的方法， 所述多个子时间段包括以下示出的一种或多种： 从所述目标配送员接到所述目标运单的时刻至所述目标配送员到达所述目标运单的权　利　要　求　书 1/2 页 2 CN 115511413 A 2商家的时刻的时间段； 从所述目标配送员到达所述目标运单的商家至所述目标配送员取得待配送商品的时 刻的时间段； 从所述目标配送员取得待配送商品的时刻至所述目标配送员将所述商品送达所述目 标运单的用户的时刻的时间段。 6.根据权利要求 4所述的方法， 通过以下 方式确定所述第一速度和/或所述第二速度： 基于最小二乘法， 确定所述第一速度和/或所述第二速度。 7.根据权利要求1所述的方法， 所述基于所述距离特征数据生成按照所述采集时刻排 序的距离序列特 征数据， 包括： 确定所述采集时刻的数量是否 达到预设的第二阈值； 如果是， 基于所述距离特征数据， 生成按照所述采集 时刻排序的、 序列长度为所述第二 阈值的距离序列特 征数据； 如果否， 基于所述距离特征数据生成按照所述采集时刻排序的距离序列特征数据， 并 基于预设的数值， 将生 成的距离序列特征数据扩展为序列长度为所述第二阈值的距离序列 特征数据。 8.一种配送轨 迹的异常识别装置， 所述装置包括： 采集模块， 用于在目标配送员针对目标运单进行配送的配送时间段内的多个采集时 刻， 分别采集所述目标配送员以及与所述目标配送员关联的用户和商家之 间的距离特征数 据； 生成模块， 用于基于所述距离特征数据生成按照所述采集 时刻排序的距离序列特征数 据； 识别模块， 用于将所述距离序列特征数据输入时间序列模型， 以由所述时间序列模型 基于所述距离序列特征数据识别所述目标配送员针对所述目标运单进行配送的配送轨迹 是否异常； 其中， 所述时间序列模型为基于若干距离序列特征数据样本训练出 的机器学习 模型； 所述距离序列特 征数据样本被标注了表示与其对应的配送轨 迹是否异常的标签。 9.一种电子设备， 包括： 处理器； 用于存储处理器可执行指令的存 储器； 其中， 所述处理器通过运行所述可执行指令以实现如权利要求1至7中任一项所述的方 法。 10.一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 权利要求1至7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115511413 A 3