本申请涉及计算机技术领域，特别是涉及一种智能配送方法、装置、计算机设备和存储介质。
背景技术：
随着计算机技术的发展，电商也越来越普及。电商发展迅速，用户对电商也日益依赖，因此用户收取快递逐渐成为一个日常问题。快递配送量的激增，则导致越来越多的问题逐渐显现。快递员在配送快递时经常会遇到无人在家的情况，这会严重影响到快递的配送效率，后续将会导致快递的堆积。
传统技术中采取的解决方案是由快递员多次给用户拨打电话约定快递的配送时间，但通常情况下，快递员或用户都有很大可能无法在约定时间完成配送和签收，快递员多次给用户打电话的行为也给用户带来了骚扰。对此采取的解决方案是建立固定的快递点，例如建立社区快递柜或者小区快递驿站代收，但这些解决方案也存在显著的缺点，比如快递将不会配送上门，需要用户自行进行搬运，或者用户会忘记取快递，以及小区快递驿站晚上休息无法提供服务等问题，因此这种快递配送的方式存在很大的局限性。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高快递配送的便利性的智能配送方法、装置、计算机设备和存储介质。
一种智能配送方法，所述方法包括：
获取用户在预设区域的当前活动信息以及历史行为轨迹信息；
根据所述当前活动信息与所述历史行为轨迹信息得到第一判断结果；
获取所述用户的家用设备信息；
根据所述用户对应的通用知识库与所述设备信息得到第二判断结果；
根据所述第一判断结果与所述第二判断结果确定所述用户的当前状态；
当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
一种智能配送装置，所述装置包括：
第一数据获取模块，用于获取用户在预设区域的当前活动信息以及历史行为轨迹信息；
第一判断模块，用于根据所述当前活动信息与所述历史行为轨迹信息得到第一判断结果；
第二数据获取模块，用于获取所述用户的家用设备信息；
第二判断模块，用于根据所述用户对应的通用知识库与所述设备信息得到第二判断结果；
状态确认模块，用于根据所述第一判断结果与所述第二判断结果确定所述用户的当前状态；
快递配送模块，用于当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
一种计算机设备，包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取用户在预设区域的当前活动信息以及历史行为轨迹信息；
根据所述当前活动信息与所述历史行为轨迹信息得到第一判断结果；
获取所述用户的家用设备信息；
根据所述用户对应的通用知识库与所述设备信息得到第二判断结果；
根据所述第一判断结果与所述第二判断结果确定所述用户的当前状态；
当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取用户在预设区域的当前活动信息以及历史行为轨迹信息；
根据所述当前活动信息与所述历史行为轨迹信息得到第一判断结果；
获取所述用户的家用设备信息；
根据所述用户对应的通用知识库与所述设备信息得到第二判断结果；
根据所述第一判断结果与所述第二判断结果确定所述用户的当前状态；
当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
上述智能配送方法、装置、计算机设备和存储介质，通过获取到用户在预设区域的当前活动信息以及历史行为轨迹信息，根据当前活动信息与历史行为轨迹信息得到第一判断结果，并获取到用户的家用设备信息，根据用户对应的通用知识库与设备信息得到第二判断结果，服务器可以根据第一判断结果与第二判断结果确定用户的当前状态，当服务器确定用户的当前状态为可接收快递时，可以发送配送指令至配送终端，以进行快递配送，这种智能配送方法，通过结合社区设备采集到的活动信息和用户家中的家用设备信息，对用户的状态进行准确的判断，从而可以确认出适合配送快递的时间，在不骚扰用户的情况下就可以实现在用户家门口完成快递签收的流程，对用户和快递员而言都是一种极大的便利性，同时，也很好的规避了快递柜或者快递驿站代收带来的一系列问题。
附图说明
图1为一个实施例中智能配送方法的应用环境图；
图2为一个实施例中智能配送方法的流程示意图；
图3为一个实施例中智能配送方法的示意图；
图4为一个实施例中智能配送装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的智能配送方法，可以应用于如图1所示的应用环境中。其中，社区设备102和家用设备104均可以通过网络与服务器106通过网络进行通信。社区设备102通过网络通信上传用户在社区内的活动信息至服务器106，家用设备104也通过网络通信上传用户家里的家用设备信息至服务器106。其中，社区设备102可以但不限于是人脸识别门禁、手机nfc门禁、二维码门禁、硬件感应门禁、社区停车场车牌识别设备、部署在社区的摄像头、在智慧社区运营的无人通勤车、社区送货机器人、接入智慧社区的其他社区商业机构等。家用设备104可以但不限于是热水器、空调、音箱、灯具、窗帘、电视、扫地机器人、智能开关等。服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种智能配送方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤201，获取用户在预设区域的当前活动信息以及历史行为轨迹信息。
步骤202，根据当前活动信息与历史行为轨迹信息得到第一判断结果。
预设区域是指预先设定的某个固定区域，预设区域可以是指用户住所所在的社区。服务器可以获取到用户在其住处所在社区的当前活动信息以及该用户在社区内的历史行为轨迹信息。具体的，服务器可以获取到社区内的多个社区设备采集到的用户当前的活动行为信息，以及该用户以前在社区内的历史活动行为信息，即用户的历史行为轨迹信息。社区内的社区设备包括人脸识别门禁、手机nfc门禁、二维码门禁、硬件感应门禁、社区停车场车牌识别设备、部署在社区的摄像头、在智慧社区运营的无人通勤车、社区送货机器人、接入智慧社区的其他社区商业机构等。社区设备在检测到该用户的活动信息后，会将用户当前的活动行为信息上传至服务器，实现用户的数据收集操作，在这一过程中，社区设备不会触发其余的动作，可以只进行数据上传的处理。
服务器在获取到当前活动信息与所述历史行为轨迹信息后，可以对这两种数据进行处理，从而判断出用户是否已经在家或者即将到家，可以将这一判断结果称为第一判断结果。
在一个实施例中，根据当前活动信息与历史行为轨迹信息得到第一判断结果，包括：提取当前活动信息的数据特征，作为活动信息特征；提取历史行为轨迹信息的数据特征，作为轨迹信息特征；将活动信息特征与轨迹信息特征输入至预先训练好的分类模型中；获取分类模型输出的预设概率；将预设概率最高对应的结果作为第一判断结果。
服务器在根据当前活动信息与历史行为轨迹信息得到第一判断结果时，可以运用训练好的分类模型进行结果确认。具体的，可以先提取出当前活动信息的数据特征作为活动信息特征，同时提取出历史行为轨迹信息的数据特征作为轨迹信息特征。在提取出各个数据的数据特征后，可以将数据特征输入至分类模型中，并获取到分类模型输出的各个分类结果及每个分类结果对应的预测概率。服务器可以选取预测概率值最高的分类结果作为分类模型的预测结果，可将预测结果称之为第一判断结果。
步骤203，获取用户的家用设备信息。
步骤204，根据用户对应的通用知识库与设备信息得到第二判断结果。
服务器还可以获取到用户的家用设备信息，家用设备包括用户家中的各种智能电器设备，智能电器设备可以将其当前的使用状态等信息上传至服务器，服务器则可获取到用户的家用设备信息。智能电器设备包括热水器、空调、音箱、灯具、窗帘、电视、扫地机器人、智能开关等。同时，服务器还可以获取到用户对应的通用知识库。在通用的知识库中，可以包括有人类起居活动适宜时间段、各地的气候和天气资料、社区周边设施的地理位置、人类或者车辆在市区移动的平均速度、当地的风俗习惯等。这些知识库可以在实际运行中逐步整理和丰富。比如，根据用户的个人信息可知，该用户是某广场舞团队的一员，而根据通用知识库可知，该用户在星期日上午8点整需要去小区周边的公园参加其团体的广场舞训练活动，而用户去该公园的步行时间为20分钟，因此服务器可据此判断用户需要在10分钟内离家。
在一个实施例中，根据用户对应的通用知识库与设备信息得到第二判断结果，包括：将设备信息与用户对应的通用知识库进行比对；当比对一致率达到预设比对阈值时，将通用知识库对应的判断结果作为第二判断结果；当比对一致率未达到预设比对阈值时，将设备信息对应的判断结果作为第二判断结果。
服务器在根据用户对应的通用知识库与设备信息得到第二判断结果时，可以将用户家中的设备信息，与服务器获取到的与该用户对应的通用知识库进行比对。当这两种数据的比对一致率达到预设比对阈值时，则说明用户的行为与其对应的通用知识库是基本一致的，通用知识库的结论是可信的，因此可以将通用知识库对应的判断结果作为第二判断结果；反之，当比对一致率未达到预设比对阈值时，则说明通用知识库的结论不可以准确预测到这个用户即将产生的行为，因此可以将设备信息对应的判断结果作为第二判断结果。
步骤205，根据第一判断结果与第二判断结果确定用户的当前状态。
步骤206，当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
服务器在得到第一判断结果和第二判断结果后，可以将这两个结果进行结合，以最终确定用户的当前状态。具体的，服务器可以获取到第一判断结果对应的判断概率以及第二判断结果对应的判断概率，并选择概率值最高的判断结果作为最终的判断结果，并根据最终的判断结果确定用户的当前状态，若确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送，比如即确定用户是在家状态、即将到家状态，还是未在家状态。其中，用户有一些状态属于可接收快递的状态，比如用户在家状态，即将到家状态，还可以更具体，比如用户在家处于未休息状态，且用户不会即将离家等。
当服务器确定了用户的当前状态为即将到家或已经在家时，则可以发送配送指令至配送终端，配送终端即可安排相关人员进行快递配送。配送终端可以安排快递员或者智能配送机器人进行快递配送，也就是说，快递既可以由快递员来进行人工配送，也可以由智能配送机器人进行配送。智能配送机器人的装货方式可以是人工，也可以是机械臂等自动方式。引入智能配送机器人配送的目的是扩展可送货时间，智能配送机器人打通社区门禁、停车场抬杆设备和电梯梯控等设备，从而可以将快递送到用户家门口。
在一个实施例中，当确定用户的当前状态为即将到家或已经在家时，发送配送指令至配送终端，以进行快递配送，包括：当确定用户的当前状态为即将到家或已经在家时，获取用户的快递配送信息，快递配送信息包括配送地址信息及快递物品信息；根据配送地址信息及快递物品信息确定快递的配送方式；根据配送方式发送配送指令至配送终端，以使配送终端根据配送方式进行快递配送处理。
服务器在发送配送指令至配送终端时，可以根据用户的快递配送信息确定该快递的配送方式。具体的，服务器可以获取到该用户的快递配送信息，快递配送信息中包含有用户的配送地址信息以及待配送的快递物品信息。服务器可以根据配送地址信息及快递物品信息确定快递的配送方式。比如当服务器检测到该配送地址属于智能配送机器人的配送范围，那么服务器可以确定该快递的配送方式为机器配送；或者，当服务器检测到待配送的快递物品信息为大快件，需要多人才能配送时，服务器则可以确定该快递的配送方式为多人配送。配送方式可以根据实际需要进行多样配置，服务器则可以根据配送地址信息以及待配送的快递物品信息，从预先配置的配送方式中确定出最合适的配送方式。
在一个实施例中，当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递物品配送，包括：当确定用户处于在家的状态时，根据历史行为轨迹信息与通用知识库判断用户是否处于在休息或不方便收快递的状态；当用户处于在休息或不方便收快递的状态的概率值低于第一预设阈值时，判断用户是否即将离家；当用户即将离家的概率低于第二预设阈值时，确定用户的当前状态为可接收快递，发送配送指令至配送终端，以进行快递物品配送。
服务器在根据社区内的社区设备上传的用户的当前活动信息及用户的家用设备信息确定出用户的当前状态为已经在家后，还可以对用户即将出现的状态进行进一步的判断。也就是说，当服务器确定用户的当前状态为已经在家时，服务器还可以根据用户的历史行为轨迹信息与通用知识库确定用户处于在休息或不方便收快递状态的概率值。具体的，服务器可以结合用户在小区内的当前活动信息与用户在小区内的历史行为轨迹信息，以及用户家中的家用设备信息与用户对应的通用知识库来确定用户是否处于在休息或不方便收快递的状态。当确定所述用户处于在休息或不方便收快递的状态的概率值低于第一预设阈值时，服务器可以进一步判断所述用户是否即将离家，并可以通过第二预设阈值对用户是否即将离家进行判定。同样的，服务器也可以结合用户在小区内的当前活动信息与用户在小区内的历史行为轨迹信息，以及用户家中的家用设备信息与用户对应的通用知识库来确定用户是否处于即将离家的状态。当用户即将离家的概率低于第二预设阈值时，则可以确定所述用户的当前状态为可接收快递，发送配送指令至配送终端，以进行快递物品配送。
进一步的，在一个实施例中，上述方法还包括：当确定用户未处于在家的状态时，根据历史行为轨迹信息与通用知识库判断用户是否处于即将到家的状态；当用户即将到家的概率高于第三预设阈值时，则判定用户即将到家，进入判断用户是否即将离家的步骤；当用户即将到家的概率低于第三预设阈值时，则判定用户不会即将到家，则不发送配送指令至配送终端。
服务器在根据社区内的社区设备上传的用户的当前活动信息及用户的家用设备信息确定用户不处于在家状态后，还可以进一步对用户是否即将到家的状态进行判断确认。具体的，服务器可以结合用户在小区内的当前活动信息与用户在小区内的历史行为轨迹信息，以及用户家中的家用设备信息与用户对应的通用知识库来确定用户是否处于即将到家的状态。当用户即将到家的概率高于第三预设阈值时，服务器则判定用户即将到家，则可以进入下一个判断用户是否即将离家的步骤；反之，若是用户即将到家的概率低于第三预设阈值，则说明用户不会即将到家，则不需要进行快递的配送。
如图3所示，用户在社区内的活动信息被社区内的社区设备发现后，社区设备会将用户的活动信息上传至服务器，服务器可以获取到用户在社区内的历史行为轨迹信息，对用户的状态进行判断。同时，用户在家里的活动信息也会被用户家中的智能电器设备上传至服务器，服务器则可以结合获取到的通用知识库对用户的状态进行判断，最终确定出用户是否处于在家或者即将到家的状态。服务器首先会对用户是否在家进行判定，当判定用户在家，则进一步判断用户是否处于在休息或不方便收取快递的状态。具体的，可以根据实际需求预先设定一个概率阈值，可以称之为第一预设阈值，用于判断用户是否处于在休息或不方便收快递的状态。当服务器判断为用户处于在休息或不方便收取快递的状态的概率值高于第一预设阈值时，服务器则判定为用户处于在休息或不方便收取快递的状态，则不会发送快递配送的指令；若是服务器判断为处于在休息或不方便收取快递的状态的概率值低于第一预设阈值，则继续判断用户是否即将离家。同样的，也可以设置一个第二预设阈值，用于判断用户是否即将离家。若服务器判断为用户即将离家的概率值高于第二预设阈值，则不进行快递的配送；反之，若是服务器判定用户即将离家的概率值低于第二预设阈值，则可以发送快递配送的指令。同样的，若是一开始服务器判定用户不在家，则可以判断用户是否即将到家，在判断用户是否即将到家时，也可以预先设置一个阈值进行判断，即第三预设阈值。若是服务器判定用户即将到家的概率值高于第三预设阈值，服务器则可以判定用户即将到家，则可以同样进行下一步的判断，即判断用户是否即将离家；若是判定为用户即将离家的概率值高于第二预设阈值，则不进行快递的配送；反之，若是服务器判定用户即将离家的概率值低于第二预设阈值，则可以发送快递配送的指令。若是服务器判定用户即将到家的概率低于第三预设阈值，则可以确定不进行快递的配送。当配送终端接收到服务器发送的配送指令后，配送终端可以立即安排进行快递配送，并根据配送的快递资源选择人力或者送货机器人对快递进行配送。若是选择的送货机器人进行配送，则可以通过电话呼叫或者特定应用软件对用户发起呼叫，提示用户快递已经送到，请对快递进行确认签收。并且，服务器会采集到这一过程中用户的用户行为数据，并将用户行为数据保存至数据库，对用户对应的历史行为轨迹信息进行更新，以便下一次对用户的行为进行更为准确的判断。用户签收事件也可以同步记录到用户历史行为轨迹中，作为后续判断的依据来源之一。
在一个实施例中，在发送配送指令至配送终端，以进行快递配送之后，方法还包括：采集用户的用户行为数据；将用户行为数据保存至数据库，对用户对应的历史行为轨迹信息进行更新。
在服务器发送了配送指令至配送终端，以使配送终端安排了快递配送之后，服务器还可以对用户的用户行为数据进行采集，并将采集到的用户行为数据保存至数据库中，以此方式对该用户的历史行为轨迹信息进行更新。在下一次对用户是否在家以及是否方便收取快递的状态等进行判断时，则可以对用户当时的状态进行更为精准的判断。
上述智能配送方法中，通过获取到用户在预设区域的当前活动信息以及历史行为轨迹信息，根据当前活动信息与历史行为轨迹信息得到第一判断结果，并获取到用户的家用设备信息，根据用户对应的通用知识库与设备信息得到第二判断结果，服务器可以根据第一判断结果与第二判断结果确定用户的当前状态，当服务器确定用户的当前状态为即将到家或已经在家时，则可以发送配送指令至配送终端，以进行快递配送，这种智能配送方法，通过结合社区设备采集到的活动信息和用户家中的家用设备信息，对用户的状态进行准确的判断，从而可以确认出适合配送快递的时间，在不骚扰用户的情况下就可以实现在用户家门口完成快递签收的流程，对用户和快递员而言都是一种极大的便利性，同时，也很好的规避了快递柜或者快递驿站代收带来的一系列问题。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种智能配送装置，包括：第一数据获取模块、第一判断模块、第二数据获取模块、第二判断模块、状态确认模块和快递配送模块，其中：
第一数据获取模块401，用于获取用户在预设区域的当前活动信息以及历史行为轨迹信息。
第一判断模块402，用于根据当前活动信息与历史行为轨迹信息得到第一判断结果。
第二数据获取模块403，用于获取用户的家用设备信息。
第二判断模块404，用于根据用户对应的通用知识库与设备信息得到第二判断结果。
状态确认模块405，用于根据第一判断结果与第二判断结果确定用户的当前状态。
快递配送模块406，用于当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
在一个实施例中，快递配送模块406还用于当根据历史行为轨迹信息与通用知识库确定用户处于在家的状态时，判断用户是否处于在休息或不方便收快递的状态；当用户处于在休息或不方便收快递的状态的概率值低于第一预设阈值时，判断用户是否即将离家；当用户即将离家的概率低于第二预设阈值时，确定用户的当前状态为可接收快递，发送配送指令至配送终端，以进行快递物品配送。。
在一个实施例中，快递配送模块406还用于当确定用户处于在家的状态时，根据历史行为轨迹信息与通用知识库判断用户是否处于在休息或不方便收快递的状态；当用户处于在休息或不方便收快递的状态的概率值低于第一预设阈值时，判断用户是否即将离家；当用户即将离家的概率低于第二预设阈值时，确定用户的当前状态为可接收快递，发送配送指令至配送终端，以进行快递物品配送。
在一个实施例中，快递配送模块406还用于当确定用户未处于在家的状态时，根据历史行为轨迹信息与通用知识库判断用户是否处于即将到家的状态；当用户即将到家的概率高于第三预设阈值时，则判定用户即将到家，进入判断用户是否即将离家的步骤；当用户即将到家的概率低于第三预设阈值时，则判定用户不会即将到家，则不发送配送指令至配送终端。
在一个实施例中，第一判断模块402还用于提取当前活动信息的数据特征，作为活动信息特征；提取历史行为轨迹信息的数据特征，作为轨迹信息特征；将活动信息特征与轨迹信息特征输入至预先训练好的分类模型中；获取分类模型输出的预测概率；将预测概率最高对应的结果作为第一判断结果。
在一个实施例中，第二判断模块404还用于将设备信息与用户对应的通用知识库进行比对；当比对一致率达到预设比对阈值时，将通用知识库对应的判断结果作为第二判断结果；当比对一致率未达到预设比对阈值时，将设备信息对应的判断结果作为第二判断结果。
在一个实施例中，上述智能配送装置还包括数据采集模块(图中未示出)，用于采集用户的用户行为数据；将用户行为数据保存至数据库，对用户对应的历史行为轨迹信息进行更新。
关于智能配送装置的具体限定可以参见上文中对于智能配送方法的限定，在此不再赘述。上述智能配送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户在预设区域的当前活动信息以及历史行为轨迹信息、用户对应的通用知识库与用户在家里的设备信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种智能配送方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取用户在预设区域的当前活动信息以及历史行为轨迹信息；根据当前活动信息与历史行为轨迹信息得到第一判断结果；获取用户的家用设备信息；根据用户对应的通用知识库与设备信息得到第二判断结果；根据第一判断结果与第二判断结果确定用户的当前状态；当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
在一个实施例中，当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递物品配送，包括：当确定用户处于在家的状态时，根据历史行为轨迹信息与通用知识库判断用户是否处于在休息或不方便收快递的状态；当用户处于在休息或不方便收快递的状态的概率值低于第一预设阈值时，判断用户是否即将离家；当用户即将离家的概率低于第二预设阈值时，确定用户的当前状态为可接收快递，发送配送指令至配送终端，以进行快递物品配送。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当确定所述用户未处于在家的状态时，根据所述历史行为轨迹信息与所述通用知识库判断用户是否处于即将到家的状态；当所述用户即将到家的概率高于第三预设阈值时，则判定所述用户即将到家，进入所述判断所述用户是否即将离家的步骤；当所述用户即将到家的概率低于第三预设阈值时，则判定所述用户不会即将到家，则不发送配送指令至配送终端。
在一个实施例中，当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送，包括：当确定用户的当前状态为即将到家或已经在家时，获取用户的快递配送信息，快递配送信息包括配送地址信息及快递物品信息；根据配送地址信息及快递物品信息确定快递的配送方式；根据配送方式发送配送指令至配送终端，以使配送终端根据配送方式进行快递配送处理。
在一个实施例中，根据当前活动信息与历史行为轨迹信息得到第一判断结果，包括：提取当前活动信息的数据特征，作为活动信息特征；提取历史行为轨迹信息的数据特征，作为轨迹信息特征；将活动信息特征与轨迹信息特征输入至预先训练好的分类模型中；获取分类模型输出的预测概率；将预测概率最高对应的结果作为第一判断结果。
在一个实施例中，根据用户对应的通用知识库与设备信息得到第二判断结果，包括：将设备信息与用户对应的通用知识库进行比对；当比对一致率达到预设比对阈值时，将通用知识库对应的判断结果作为第二判断结果；当比对一致率未达到预设比对阈值时，将设备信息对应的判断结果作为第二判断结果。
在一个实施例中，在发送配送指令至配送终端，以进行快递配送之后，处理器执行计算机程序时还实现以下步骤：采集用户的用户行为数据；将用户行为数据保存至数据库，对用户对应的历史行为轨迹信息进行更新。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取用户在预设区域的当前活动信息以及历史行为轨迹信息；根据当前活动信息与历史行为轨迹信息得到第一判断结果；获取用户的家用设备信息；根据用户对应的通用知识库与设备信息得到第二判断结果；根据第一判断结果与第二判断结果确定用户的当前状态；当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
在一个实施例中，当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递物品配送，包括：当确定用户处于在家的状态时，根据历史行为轨迹信息与通用知识库判断用户是否处于在休息或不方便收快递的状态；当用户处于在休息或不方便收快递的状态的概率值低于第一预设阈值时，判断用户是否即将离家；当用户即将离家的概率低于第二预设阈值时，确定用户的当前状态为可接收快递，发送配送指令至配送终端，以进行快递物品配送。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当确定所述用户未处于在家的状态时，根据所述历史行为轨迹信息与所述通用知识库判断用户是否处于即将到家的状态；当所述用户即将到家的概率高于第三预设阈值时，则判定所述用户即将到家，进入所述判断所述用户是否即将离家的步骤；当所述用户即将到家的概率低于第三预设阈值时，则判定所述用户不会即将到家，则不发送配送指令至配送终端。
在一个实施例中，当确定用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送，包括：当确定用户的当前状态为即将到家或已经在家时，获取用户的快递配送信息，快递配送信息包括配送地址信息及快递物品信息；根据配送地址信息及快递物品信息确定快递的配送方式；根据配送方式发送配送指令至配送终端，以使配送终端根据配送方式进行快递配送处理。
在一个实施例中，根据当前活动信息与历史行为轨迹信息得到第一判断结果，包括：提取当前活动信息的数据特征，作为活动信息特征；提取历史行为轨迹信息的数据特征，作为轨迹信息特征；将活动信息特征与轨迹信息特征输入至预先训练好的分类模型中；获取分类模型输出的预测概率；将预测概率最高对应的结果作为第一判断结果。
在一个实施例中，根据用户对应的通用知识库与设备信息得到第二判断结果，包括：将设备信息与用户对应的通用知识库进行比对；当比对一致率达到预设比对阈值时，将通用知识库对应的判断结果作为第二判断结果；当比对一致率未达到预设比对阈值时，将设备信息对应的判断结果作为第二判断结果。
在一个实施例中，在发送配送指令至配送终端，以进行快递配送之后，计算机程序被处理器执行时还实现以下步骤：采集用户的用户行为数据；将用户行为数据保存至数据库，对用户对应的历史行为轨迹信息进行更新。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
1.一种智能配送方法，所述方法包括：
获取用户在预设区域的当前活动信息以及历史行为轨迹信息；
根据所述当前活动信息与所述历史行为轨迹信息得到第一判断结果；
获取所述用户的家用设备信息；
根据所述用户对应的通用知识库与所述设备信息得到第二判断结果；
根据所述第一判断结果与所述第二判断结果确定所述用户的当前状态；
当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
2.根据权利要求1所述的方法，其特征在于，所述当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递物品配送，包括：
当确定所述用户处于在家的状态时，根据所述历史行为轨迹信息与所述通用知识库判断用户是否处于在休息或不方便收快递的状态；
当所述用户处于在休息或不方便收快递的状态的概率值低于第一预设阈值时，判断所述用户是否即将离家；
当所述用户即将离家的概率低于第二预设阈值时，确定所述用户的当前状态为可接收快递，发送配送指令至配送终端，以进行快递物品配送。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当确定所述用户未处于在家的状态时，根据所述历史行为轨迹信息与所述通用知识库判断用户是否处于即将到家的状态；
当所述用户即将到家的概率高于第三预设阈值时，则判定所述用户即将到家，进入所述判断所述用户是否即将离家的步骤；
当所述用户即将到家的概率低于第三预设阈值时，则判定所述用户不会即将到家，则不发送配送指令至配送终端。
4.根据权利要求1所述的方法，其特征在于，所述当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送，包括：
当确定所述用户的当前状态为即将到家或已经在家时，获取所述用户的快递配送信息，所述快递配送信息包括配送地址信息及快递物品信息；
根据所述配送地址信息及所述快递物品信息确定所述快递的配送方式；
根据所述配送方式发送配送指令至配送终端，以使所述配送终端根据所述配送方式进行快递配送处理。
5.根据权利要求1所述的方法，其特征在于，根据所述当前活动信息与所述历史行为轨迹信息得到第一判断结果，包括：
提取所述当前活动信息的数据特征，作为活动信息特征；
提取所述历史行为轨迹信息的数据特征，作为轨迹信息特征；
将所述活动信息特征与所述轨迹信息特征输入至预先训练好的分类模型中；
获取所述分类模型输出的预测概率；
将所述预测概率最高对应的结果作为第一判断结果。
6.根据权利要求1所述的方法，其特征在于，根据所述用户对应的通用知识库与所述设备信息得到第二判断结果，包括：
将所述设备信息与所述用户对应的通用知识库进行比对；
当比对一致率达到预设比对阈值时，将所述通用知识库对应的判断结果作为第二判断结果；
当所述比对一致率未达到预设比对阈值时，将所述设备信息对应的判断结果作为第二判断结果。
7.根据权利要求1所述的方法，其特征在于，在发送配送指令至配送终端，以进行快递配送之后，所述方法还包括：
采集所述用户的用户行为数据；
将所述用户行为数据保存至数据库，对所述用户对应的历史行为轨迹信息进行更新。
8.一种智能配送装置，其特征在于，所述装置包括：
第一数据获取模块，用于获取用户在预设区域的当前活动信息以及历史行为轨迹信息；
第一判断模块，用于根据所述当前活动信息与所述历史行为轨迹信息得到第一判断结果；
第二数据获取模块，用于获取所述用户的家用设备信息；
第二判断模块，用于根据所述用户对应的通用知识库与所述设备信息得到第二判断结果；
状态确认模块，用于根据所述第一判断结果与所述第二判断结果确定所述用户的当前状态；
快递配送模块，用于当确定所述用户的当前状态为可接收快递时，发送配送指令至配送终端，以进行快递配送。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
技术总结