智能柜的规格推荐方法、装置、服务器及存储介质.pdf

《智能柜的规格推荐方法、装置、服务器及存储介质.pdf》由会员分享，可在线阅读，更多相关《智能柜的规格推荐方法、装置、服务器及存储介质.pdf（12页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010194949.5 (22)申请日 2020.03.19 (71)申请人 深圳市丰巢科技有限公司 地址 518000 广东省深圳市南山区东滨路 4078号永新汇2号楼16楼 (72)发明人 姜东晓白程宇 (74)专利代理机构 北京品源专利代理有限公司 11332 代理人 孟金喆潘登 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 10/08(2012.01) (54)发明名称 智能柜的规格推荐方法、 装置、 服务器及存 储介质 (57)摘要 本。

2、发明公开了一种智能柜的规格推荐方法、 装置、 服务器及存储介质。 该方法包括： 获取目标 小区的画像信息和营收环境数据； 根据所述画像 信息和营收环境数据构建所述目标小区的特征 向量； 将所述特征向量输入预测模型以获得所述 目标小区的预测日均收件量和预测日均派件量； 根据所述预测日均收件量和预测日均派件量推 荐智能柜的第一投放规格。 根据智能化推荐智能 柜的铺设规格， 使推荐的智能柜铺设数量更加精 准， 提升智能柜铺设的投资回报率的效果。 权利要求书1页 说明书7页 附图3页 CN 111401960 A 2020.07.10 CN 111401960 A 1.一种智能柜的规格推荐方法， 其特。

3、征在于， 包括： 获取目标小区的画像信息和营收环境数据； 根据所述画像信息和营收环境数据构建所述目标小区的特征向量； 将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派 件量； 根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。 2.根据权利要求1所述的智能柜的规格推荐方法， 其特征在于， 所述在根据所述预测日 均收件量和预测日均派件量推荐智能柜的第一规格之后， 还包括： 将目标小区的特征向量输入聚类模型以确认目标小区的相似小区； 根据所述相似小区的智能柜的运行规格确认智能柜第二规格。 3.根据权利要求2所述的智能柜的规格推荐方法， 其特征在于， 所述在根据所述。

4、相似小 区的智能柜的运行规格确认的智能柜第二规格之后， 还包括： 根据第二规格验证第一规格是否推荐准确。 4.根据权利要求1所述的智能柜的规格推荐方法， 其特征在于， 所述根据所述预测日均 收件量和预测日均派件量推荐智能柜的第一规格还包括： 根据第一规格推荐智能柜的型号和/或智能柜的数量。 5.根据权利要求1所述的智能柜的规格推荐方法， 其特征在于， 所述画像信息包括： 房 价、 栋数、 户数、 人口数、 物业费、 物业类别、 建筑面积、 占地面积、 绿化率、 建筑类型和/或建 成时间中的一种或多种。 6.一种智能柜的规格推荐装置， 其特征在于， 包括： 获取模块， 用于获取目标小区的画像信息。

5、和营收环境数据； 特征向量构建模块， 用于根据所述画像信息和营收环境数据构建所述目标小区的特征 向量； 预测模块， 用于将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量 和预测日均派件量； 推荐模块， 用于根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。 7.根据权利要求6所述的智能柜的规格推荐装置， 其特征在于， 还包括： 相似小区确认模块， 用于将目标小区的特征向量输入聚类模型以确认目标小区的相似 小区； 所述推荐模块， 还用于根据所述相似小区的智能柜的运行规格确认智能柜第二规格。 8.根据权利要求6所述的智能柜的规格推荐装置， 其特征在于， 还包括： 优化模块， 。

6、用于根据第一规格推荐智能柜的型号和/或智能柜的数量。 9.一种服务器， 其特征在于， 所述服务器包括： 一个或多个处理器； 存储装置， 用于存储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1-5中任一所述的智能柜的规格推荐方法。 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， 该程序被处理器 执行时实现如权利要求1-5中任一所述的智能柜的规格推荐方法。 权利要求书 1/1 页 2 CN 111401960 A 2 智能柜的规格推荐方法、 装置、 服务器及存储介质 技术领域 0001 本发明实施例涉及智能柜的规。

7、格推荐技术， 尤其涉及一种智能柜的规格推荐方 法、 装置、 服务器及存储介质。 背景技术 0002 智能柜的安装规格作为柜机自身最重要的变量， 极大影响了一个小区潜在需求变 现的程度。 规格过大或过小， 都会直接导致收益的损失。 若一个件量特别多的小区只投放了 较少的格口， 白白损失了应有的收益， 而一个件量较少的小区投放较多的格口， 周转率也只 能一直在低位徘徊， 投资回报率不佳。 目前这一决策过程是由运营人员在单个备选小区进 行详细的件量评估后确定的。 而运营人员由于经验限制， 选择的规格可以能会产生误差， 准 确性差， 导致比必要的损失， 并且人工评估还相对耗时较长。 发明内容 0003。

8、 本发明提供一种智能柜的规格推荐方法、 装置、 服务器及存储介质， 以实现智能化 推荐智能柜的铺设规格。 0004 第一方面， 本发明实施例提供了一种智能柜的规格推荐方法， 包括： 0005 获取目标小区的画像信息和营收环境数据； 0006 根据所述画像信息和营收环境数据构建所述目标小区的特征向量； 0007 将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日 均派件量； 0008 根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。 0009 可选的， 所述在根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规 格之后， 还包括： 0010 将目标小区的特征向量。

9、输入聚类模型以确认目标小区的相似小区； 0011 根据所述相似小区的智能柜的运行规格确认智能柜第二规格。 0012 可选的， 所述在根据所述相似小区的智能柜的运行规格确认的智能柜第二规格之 后， 还包括： 0013 根据第二规格验证第一规格是否推荐准确。 0014 可选的， 所述根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格 还包括： 0015 根据第一规格推荐智能柜的型号和/或智能柜的数量。 0016 可选的， 所述画像信息包括： 房价、 栋数、 户数、 人口数、 物业费、 物业类别、 建筑面 积、 占地面积、 绿化率、 建筑类型和/或建成时间中的一种或多种。 0017 第二方面。

10、， 本发明实施例还提供了一种智能柜的规格推荐装置， 包括： 0018 获取模块， 用于获取目标小区的画像信息和营收环境数据； 0019 特征向量构建模块， 用于根据所述画像信息和营收环境数据构建所述目标小区的 说明书 1/7 页 3 CN 111401960 A 3 特征向量； 0020 预测模块， 用于将所述特征向量输入预测模型以获得所述目标小区的预测日均收 件量和预测日均派件量； 0021 推荐模块， 用于根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规 格。 0022 可选的， 智能柜的规格推荐装置还包括： 0023 相似小区确认模块， 用于将目标小区的特征向量输入聚类模型以确认。

11、目标小区的 相似小区； 0024 所述推荐模块， 还用于根据所述相似小区的智能柜的运行规格确认智能柜第二规 格。 0025 可选的， 智能柜的规格推荐装置还包括： 0026 优化模块， 用于根据第一规格推荐智能柜的型号和/或智能柜的数量。 0027 第三方面， 本发明实施例还提供了一种服务器， 所述服务器包括： 0028 一个或多个处理器； 0029 存储装置， 用于存储一个或多个程序， 0030 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理 器实现上述任一所述的智能柜的规格推荐方法。 0031 第四方面， 本发明实施例还提供了一种计算机可读存储介质， 其上存储有计。

12、算机 程序， 该程序被处理器执行时实现上述任一所述的智能柜的规格推荐方法。 0032 本发明通过过根据所述画像信息和营收环境数据构建所述目标小区的特征向量； 将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日均派件量； 根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格， 解决了在铺设智能柜 时智能柜规格难以确定的问题， 达到了智能化推荐智能柜的铺设规格， 使推荐的智能柜的 规格更加精准， 提升智能柜铺设的投资回报率的效果。 附图说明 0033 下面将通过参照附图详细描述本发明的示例性实施例， 使本领域的普通技术人员 更清楚本发明实施例的上述及其他特征和优点， 附图中。

13、： 0034 图1是本发明实施例一中的智能柜的规格推荐方法的流程图； 0035 图2是本发明实施例二中的智能柜的规格推荐方法的流程图； 0036 图3是本发明实施例三中的智能柜的规格推荐方法的流程图； 0037 图4是本发明实施例三中的智能柜的规格推荐方法的流程图； 0038 图5是本发明实施例四中的智能柜的规格推荐装置的示意图 0039 图6是本发明实施例五中的服务器的示意图。 具体实施方式 0040 下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。 可以理解的 是， 此处所描述的具体实施例仅仅用于解释本发明， 而非对发明的限定。 另外还需要说明的 是， 所描述的实施例仅仅是本发。

14、明一部分实施例， 而不是全部的实施例。 基于本发明中的实 说明书 2/7 页 4 CN 111401960 A 4 施例， 本领域普通技术人员在没有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。 0041 除非另有定义， 本文所使用的所有的技术和科学术语与属于本发明的技术领域的 技术人员通常理解的含义相同。 本文中在本发明的说明书中使用的术语只是为了描述具体 的实施方式的目的， 不是旨在于限制本发明。 本文所使用的术语 “和/或” 包括一个或多个相 关的所列项目的任意的和所有的组合。 0042 此外， 术语 “第一” 、“第二” 等可在本文中用于描述各种方向、 动作、 步。

15、骤或元件等， 但这些方向、 动作、 步骤或元件不受这些术语限制。 这些术语仅用于将第一个方向、 动作、 步 骤或元件与另一个方向、 动作、 步骤或元件区分。 举例来说， 在不脱离本发明的范围的情况 下， 可以将第一规格为第二规格， 且类似地， 可将第二规格称为第一规格。 第一规格和第二 规格两者都是规格， 但其不是同一规格。 术语 “第一” 、“第二” 等而不能理解为指示或暗示相 对重要性或者隐含指明所指示的技术特征的数量。 由此， 限定有 “第一” 、“第二” 的特征可以 明示或者隐含地包括一个或者更多个该特征。 在本发明的描述中，“多个” 的含义是至少两 个， 例如两个， 三个等， 除非另。

16、有明确具体的限定。 0043 在更加详细地讨论示例性实施例之前应当提到的是， 一些示例性实施例被描述成 作为流程图描绘的处理或方法。 虽然流程图将各步骤描述成顺序的处理， 但是其中的许多 步骤可以被并行地、 并发地或者同时实施。 此外， 各步骤的顺序可以被重新安排。 当其操作 完成时处理可以被终止， 但是还可以具有未包括在附图中的附加步骤。 处理可以对应于方 法、 函数、 规程、 子例程、 子程序等等。 0044 实施例一 0045 图1为本发明实施例一提供的智能柜的规格推荐方法的流程图， 本实施例具体包 括如下步骤： 0046 步骤110、 获取目标小区的画像信息和营收环境数据； 0047 。

17、本实施例中， 所述画像信息包括： 房价、 栋数、 户数、 人口数、 物业费、 物业类别、 建 筑面积、 占地面积、 绿化率、 建筑类型和/或建成时间中的一种或多种。 具体的， 画像信息可 以是人工走访时采集的， 也可以是在互联网上收集的数据， 本实施例对此不作限定。 0048 本实施例中， 营收环境数据为目标小区的总营收环境， 具体的， 目标小区的总营收 环境可以根据目标小区地理上邻近的小区总营收进行构造， 还可以是根据预设区域内的所 有小区的营收状况进行构造， 示例性的， 当预设区域内的所有小区的营收平均值为1万元， 则将目标小区的营收环境数据构造为1万元。 0049 步骤120、 根据所述。

18、画像信息和营收环境数据构建所述目标小区的特征向量； 0050 本实施例中， 将目标小区的画像信息和营收环境数据共同构建为特征向量。 0051 步骤130、 将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量 和预测日均派件量； 0052 本实施例中， 预测模型为深度学习模型， 具体的， 将智能柜的周转率在80-120 之间的小区作为预测模型的样本小区， 其中， 周转率为智能柜格口的使用率。 在预测模型的 训练过程中， 将样本小区的样本特征向量作为预测模型的训练样本， 将样本小区的样本日 均收件量和样本日均派件量作为预测模型的训练标记， 其中， 样本特征向量是通过样本小 区的画像信息和。

19、营收数据构建的。 说明书 3/7 页 5 CN 111401960 A 5 0053 本实施例中， 将目标小区的特征向量输入预测模型之后， 预测模型可以输出目标 小区的预测日均收件量和预测日均派件量。 0054 步骤140、 根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。 0055 本实施例中， 由于每个独立的智能柜在出场时就设定好了智能柜的型号以及每个 型号对应的格口数目， 第一规格还包括智能柜的格口总数、 智能柜的型号、 每个型号的智能 柜的数量。 0056 优选的， 第一规格为智能柜的格口总数。 示例性的， 当日均收件量为320件， 日均寄 件量为180件， 则推荐智能柜的。

20、智能柜的格口总数应当不少于500个格口。 0057 本实施例的技术方案通过根据所述画像信息和营收环境数据构建所述目标小区 的特征向量； 将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测 日均派件量； 根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格， 解决了 在铺设智能柜时智能柜规格难以确定的问题， 达到了智能化推荐智能柜的铺设规格， 使推 荐的智能柜的规格更加精准， 提升智能柜铺设的投资回报率的效果。 0058 实施例二 0059 图2为本发明实施例二提供的智能柜的规格推荐方法的流程图， 本实施例具体包 括如下步骤： 0060 步骤210、 获取目标小区的画像信息。

21、和营收环境数据； 0061 本实施例中， 在步骤210之前还包括： 根据预设区域内的所有小区智能柜的营收数 据构建目标小区的总营收环境数据。 示例性的， 当预设区域内的所有小区的营收数据为日 均营收平均值1千元， 则将目标小区的营收环境数据构建为日均营收平均值1千元。 0062 步骤220、 根据所述画像信息和营收环境数据构建所述目标小区的特征向量； 0063 本实施例中， 将目标小区的画像信息和营收环境数据共同构建为特征向量。 0064 步骤230、 将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量 和预测日均派件量； 0065 本实施例中， 将目标小区的特征向量输入预测模型之后。

22、， 预测模型可以输出目标 小区的预测日均收件量和预测日均派件量。 0066 步骤240、 根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。 0067 本实施例中， 第一规格还包括智能柜的格口总数、 智能柜的型号、 每个型号的智能 柜的数量。 0068 步骤250、 根据第一规格推荐智能柜的型号和/或智能柜的数量。 0069 本实施例中， 智能柜的型号为单独一个智能柜的尺寸、 格口数量， 在一些实施例 中， 由于派件量和收件量较大， 单独一个智能柜难以满足要求， 则需要多种规格的智能柜共 同配合使用， 智能柜的数量为每一个型号的智能柜对应的数量。 0070 本实施例中， 根据第一规格。

23、推荐智能柜的型号和/或智能柜的数量还包括根据第 一规格推荐和运营成本最小的智能柜的型号和/或智能柜的数量。 当智能柜存在不同的型 号时， 会存在多个不同的型号智能柜的组合均可以满足预测日均收件量和预测日均派件 量， 但是每一种型号的运营成本不相同， 其中， 运营成本包括生产成本、 安装成本和维护成 本。 和第一规格推荐。 0071 示例性的， A型号智能柜有格口10个， 运营成本为50元； B型号智能柜有格口7个， 运 说明书 4/7 页 6 CN 111401960 A 6 营成本为40元； 当需要30个格口总数时， 可以选择安装3个A型号智能柜， 还可以选择安装1 个A型号智能柜和3个B型。

24、号智能柜， 但是选择安装3个A型号智能柜的运营成本更低， 则将A 型号智能柜， 智能柜数量3个， 则推荐的智能柜的型号为A型号智能柜， 推荐A型号智能柜的 数量为3个。 在其他实施例中， 对第一投放规格进行优化是还需要考虑到限制条件， 示例性 的， 限制条件可以是每个小区至少安装一个B型号的智能柜， 则推荐的智能柜的型号为A型 号智能柜和B型号智能柜， 推荐的A型号智能柜的数量为2个， 推荐的B型号智能柜的数量为1 个。 0072 本实施例的技术方案通过根据第一规格推荐智能柜的型号和/或智能柜的数量， 解决了智能柜投放时成本难以控制的问题， 达到了以最低成本对智能柜进行投放， 达到了 解决成本。

25、的， 提高智能柜收益的效果。 0073 实施例三 0074 图3为本发明实施例三提供的智能柜的规格推荐方法的流程图， 本实施例在上述 实施例的技术之上还包括： 0075 步骤310、 将目标小区的特征向量输入聚类模型以确认目标小区的相似小区； 0076 本实施例中， 聚类模型为K-Means聚类模型， 具体的， 将已经安装过智能柜的小区 作为聚类模型的样本小区， 在构造聚类模型的样本小区的样本特征向量之后， 将所有聚类 模型的样本小区的样本特征向量进行K-Means聚类以获得聚类模型。 将目标小区的特征向 量输入聚类模型之后， 聚类模型将确认目标小区的特征向量最接近的聚类中心， 根据聚类 中心。

26、即可获取到与目标小区最接近的一个或多个相似小区。 其中， 聚类模型的样本特征向 量是通过聚类模型的样本小区的画像信息和营收数据构建的。 0077 步骤320、 根据所述相似小区的智能柜的运行规格确认智能柜第二规格。 0078 本实施例中， 将相似小区的智能柜运行规格确认为第二规格， 优选的， 本步骤之前 还包括获取相似小区的智能柜的周转率。 根据所述相似小区的智能柜的运行规格确认智能 柜第二规格还包括： 将智能柜的周转率在80-120之间的相似小区的智能柜运行规格确 认为第二规格。 其中， 第二规格包括智能柜的格口总数、 智能柜的型号和/或智能柜的数量。 0079 替代实施例中， 参见图4， 。

27、还包括: 0080 步骤330、 根据第二规格验证第一规格是否推荐准确。 0081 本替代实施例中， 根据第二规格验证第一规格具体包括： 获取第二规格与第一规 格差异值； 判断所述差异值是否在预设阈值范围内， 若所述差异值在预设阈值范围内则第 一规格推荐准确。 0082 在替代实施例中， 步骤330之后还包括： 若根据第二规格验证第一规格推荐准确， 则根据第一规格推荐智能柜的型号和/或智能柜的数量。 0083 本实施例中， 根据第一规格推荐智能柜的型号和/或智能柜的数量还包括根据第 一规格推荐和运营成本最小的智能柜的型号和/或智能柜的数量。 当智能柜存在不同的型 号时， 会存在多个不同的型号智。

28、能柜的组合均可以满足预测日均收件量和预测日均派件 量， 但是每一种型号的运营成本不相同， 其中， 运营成本包括生产成本、 安装成本和维护成 本。 0084 本实施例的技术方案， 通过将目标小区的特征向量输入聚类模型以确认目标小区 的相似小区； 根据所述相似小区的智能柜的运行规格确认智能柜第二规格， 解决了在铺设 说明书 5/7 页 7 CN 111401960 A 7 智能柜时智能柜规格难以确定的问题， 达到了根据相似小区的已投放情况对智能柜的投放 进行进一步的验证的效果， 使推荐的智能柜的规格更加具有参考价值。 0085 实施例四 0086 图5为本发明实施例所提供的智能柜的规格推荐装置可执。

29、行本发明任意实施例所 提供的智能柜的规格推荐方法， 智能柜的规格推荐装置4具体包括： 0087 获取模块41， 用于获取目标小区的画像信息和营收环境数据； 0088 其中， 所述画像信息包括： 房价、 栋数、 户数、 人口数、 物业费、 物业类别、 建筑面积、 占地面积、 绿化率、 建筑类型和/或建成时间中的一种或多种。 0089 特征向量构建模块42， 用于根据所述画像信息和营收环境数据构建所述目标小区 的特征向量； 0090 预测模块43， 用于将所述特征向量输入预测模型以获得所述目标小区的预测日均 收件量和预测日均派件量； 0091 推荐模块44， 用于根据所述预测日均收件量和预测日均派。

30、件量推荐智能柜的第一 规格； 0092 其中， 第一优化规格包括智能柜的格口总数、 智能柜的型号和/或智能柜的数量。 0093 替代实施例中， 智能柜的规格推荐装置还包括： 0094 相似小区确认模块， 用于将目标小区的特征向量输入聚类模型以确认目标小区的 相似小区； 0095 所述推荐模块， 还用于根据所述相似小区的智能柜的运行规格确认智能柜第二规 格， 0096 其中， 第二规格包括智能柜的格口总数、 智能柜的型号和/或智能柜的数量。 0097 替代实施例中， 智能柜的规格推荐装置还包括： 0098 验证模块， 用于根据第二规格验证第一规格是否推荐准确。 0099 替代实施例中， 智能柜的。

31、规格推荐装置还包括： 0100 优化模块， 用于优化模块， 用于根据第一规格推荐智能柜的型号和/或智能柜的数 量。 。 0101 本发明实施例所提供的智能柜的规格推荐装置可执行本发明任意实施例所提供 的智能柜的规格推荐方法， 具备执行方法相应的功能模块和有益效果。 0102 实施例五 0103 图6为本发明实施例五提供的一种服务器的结构示意图， 如图6所示， 该服务器包 括处理器51、 存储器52； 服务器中处理器51的数量可以是一个或多个， 图6中以一个处理器 51为例； 服务器中的处理器51、 存储器52可以通过总线或其他方式连接， 图6中以通过总线 连接为例。 0104 存储器52作为一。

32、种计算机可读存储介质， 可用于存储软件程序、 计算机可执行程 序以及模块， 如本发明实施例中的智能柜的规格推荐方法对应的程序指令/模块(例如， 获 取模块、 特征向量构建模块、 预测模块和推荐模块)。 处理器51通过运行存储在存储器52中 的软件程序、 指令以及模块， 从而执行服务器的各种功能应用以及数据处理， 即实现上述的 智能柜的规格推荐方法。 0105 存储器52可主要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 说明书 6/7 页 8 CN 111401960 A 8 统、 至少一个功能所需的应用程序； 存储数据区可存储根据终端的使用所创建的数据等。 此 外， 存储器5。

33、2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。 在一些实例中， 存储器52可进一步 包括相对于处理器51远程设置的存储器， 这些远程存储器可以通过网络连接至服务器。 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。 0106 实施例六 0107 本发明实施例六还提供一种包含计算机可执行指令的存储介质， 所述计算机可执 行指令在由计算机处理器执行时用于执行一种智能柜的规格推荐方法， 该方法包括： 0108 获取目标小区的画像信息和营收环境数据； 0109 根据所述画像信息和营收环。

34、境数据构建所述目标小区的特征向量； 0110 将所述特征向量输入预测模型以获得所述目标小区的预测日均收件量和预测日 均派件量； 0111 根据所述预测日均收件量和预测日均派件量推荐智能柜的第一规格。 0112 当然， 本发明实施例所提供的一种包含计算机可执行指令的存储介质， 其计算机 可执行指令不限于如上所述的方法操作， 还可以执行本发明任意实施例所提供的智能柜的 规格推荐方法中的相关操作。 0113 通过以上关于实施方式的描述， 所属领域的技术人员可以清楚地了解到， 本发明 可借助软件及必需的通用硬件来实现， 当然也可以通过硬件实现， 但很多情况下前者是更 佳的实施方式。 基于这样的理解， 。

35、本发明的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， 如计算机的软盘、 只读存储器(Read-Only Memory,ROM)、 随机存取存储器(Random Access Memory,RAM)、 闪存(FLASH)、 硬盘或光盘等， 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)执行本发明各个实施例所述的方法。 0114 注意， 上述仅为本发明的较佳实施例及所运用技术原理。 本领域技术人员会理解， 本发明不限于这里所述的特定实施例， 对本领域技术人员来说能够进行各种明显的变化、 重新调整和替代而不会脱离本发明的保护范围。 因此， 虽然通过以上实施例对本发明进行 了较为详细的说明， 但是本发明不仅仅限于以上实施例， 在不脱离本发明构思的情况下， 还 可以包括更多其他等效实施例， 而本发明的范围由所附的权利要求范围决定。 说明书 7/7 页 9 CN 111401960 A 9 图1 图2 说明书附图 1/3 页 10 CN 111401960 A 10 图3 图4 图5 说明书附图 2/3 页 11 CN 111401960 A 11 图6 说明书附图 3/3 页 12 CN 111401960 A 12 。