但是现有技术中这种对生鲜食品的配送方式相对还比较粗糙，没有实现精细化管理。通常是仅仅把交货地址顺路或相近的生鲜食品交给同一个快递员进行配送，这种配送方式存在的问题之一是没有考虑不同生鲜食品对温度的敏感程度不同，如果把不同的生鲜食品都交给同一个快递员进行配送，在同样的环境温度下，可能在配送的过程中有的生鲜食品已经接近腐败变质的温度极限，而有的生鲜食品还远远没有达到发生腐败变质的温度临界值。为了避免接近腐败变质的温度极限的生鲜食品在送到客户指定的地址前发生变质，现有技术采取的技术手段是将所有的同批次配送的生鲜食品都采用尽可能高的密封保温包装和尽可能多的冰袋，这对于远远没有达到发生腐败变质的温度临界值的生鲜食品来说，实际上是极大的浪费，不仅不环保，还无谓地增加了商品供应商的运营成本。
现有技术中生鲜食品的配送方式存在的另一个问题是过分依赖快递员的数量。由于现有技术中的配送方式主要是依靠快递员将地址相近（例如同一个小区，或者同一个办公楼等）的多个商品集中起来配送，这就导致几乎每个小区附近区域都需要一个快递员来进行投送，每个快递员覆盖的配送面积很小。这种配送方式在人力资源成本低廉的时候还能运行，但是随着全球生育率的低迷，未来预期的人力资源成本会越来越高，一旦人力资源成本超过电商平台能够负担的范围，目前的配送方式将难以正常运行。技术内容
本技术旨在提供一种生鲜食品配送方法，所要解决的技术问题包括如何避免将对温度敏感程度不同的生鲜食品同批次配送，以及如何降低配送过程对人工的依赖，提高配送效率。
为了实现上述目的，本技术提供一种生鲜食品配送方法，包括以下步骤：
第一、汇总订单数据：将同一天收到的所有在线订单中的生鲜食品的种类和重量汇总到生鲜食品订单数据表中；
第二、计算预期配送时间Δt：首先计算生鲜食品订单数据表中的生鲜食品的对数平均温差
ΔT，然后根据对数平均温差ΔT计算生鲜食品订单数据表中的生鲜食品的预期配送时间Δt；
第三、对计算得到的预期配送时间Δt进行排序：选择其中Δt≥N的生鲜食品分为一类，将分为一类的生鲜食品装到同一个运输投递车中；其中N为由用户指定的大于0的数值。优选地，所述生鲜食品订单数据表中的生鲜食品的对数平均温差ΔT的计算公式如下：
其中，Th1为配送日当天的室外最高环境温度；
Th2为配送日当天的室外最低环境温度；
T1为生鲜食品订单数据表中的生鲜食品离开冷库时的温度；
T2为生鲜食品订单数据表中的生鲜食品发生腐败变质的温度临界值；
所述生鲜食品订单数据表中的生鲜食品的预期配送时间Δt的计算公式如下：
其中，C为生鲜食品订单数据表中的生鲜食品的定压比热容；
M为生鲜食品订单数据表中的生鲜食品的质量；K为生鲜食品订单数据表中的生鲜食品的换热系数；F为生鲜食品订单数据表中的生鲜食品的表面积；
生鲜食品的换热系数K按照如下公式计算：
其中，R为经验常数，对于猪肉，R取0.7，对于牛肉或羊肉，R取0.5，对于鸡肉、鸭肉或鹅肉，R取0.2，对于海鲜或淡水水产品，R取0.07；
ρ为生鲜食品订单数据表中的生鲜食品的密度。
优选地，将满足Δt≥N的生鲜食品装到同一个运输投递车中以后，将没有分类的生鲜食品装到另一个运输投递车中，由另一个运输投递车负责配送。进一步优选地，本技术所述的生鲜食品配送方法还包括：
对于满足Δt≥N的生鲜食品，根据预期配送时间Δt进行排序的情况，选择其中预期配送时间Δt最小的生鲜食品作为依据，进行保温包装和冰袋选型；
对于不满足Δt≥N的生鲜食品，按照生鲜食品实际的预期配送时间Δt进行保温包装和冰袋选型。
所述的生鲜食品配送方法还包括：
将同一天收到的所有在线订单中的交货地址确定为交货地址样本集合X，其中，
X={x1，x2，x3，……xn}；其中n为样本总数；
假设电商平台一共有m个库房，则每一个样本至少有m个路径能够到达该电商平台的每一个库房，每一个样本的行矩阵为：
xj={xj1，xj2，xj3，……xjm}；
其中，j=1,2,3……n，m为大于0的正整数；
把样本集合X分为C类，且2≤C≤n，确定约束矩阵U为：
上述约束矩阵的约束条件为：
0≤uij≤1
其中，i=1,2,3……C，j=1,2,3……n，
uij的确定方法如下：
首先计算m个库房中的每一个库房与n个交货地址中的每一个之间的距离之和，将该距离之和按照从小到大的顺序排序；取排在前面的C个距离之和对应的库房，uij的取值为第j个交货地址与经过排序的C个距离之和对应的库房中第i个库房之间的距离与经过排序的C个距离之和中第i个距离之和的比值；
将电商平台所有的库房所在地表示为库房样本集合V，其中，
V={v11，v12，v13，……v1m}；
样本xj与库房样本集合V之间的欧氏距离为：
根据样本xj与库房样本集合V之间的欧氏距离确定最小目标函数G，其中，
选择将所有满足G≤A并同时满足Δt≥N的生鲜食品分为一类，将分为一类的生鲜食品装到同一个运输投递车中；其中A为由用户指定的大于0的数值。
进一步优选地，在将满足G≤A并同时满足Δt≥N的生鲜食品装到同一个运输投递车中以后，将没有分类的生鲜食品的交货地址作为新的交货地址样本集合，重复迭代计算新的最小目标函数，直至所有满足Δt≥N的生鲜食品都完成分类为止。
进一步优选地，所述运输投递车将装入运输投递车的所有生鲜食品的交货地址作为目的地，按照行驶距离最短和/或行驶时间最短的原则进行路径规划。所述的运输投递车为自动驾驶货车。
进一步优选地，所述运输投递车到达预定的地点时，通知与该预定的地点的距离小于预定数值的交货地址所在订单中的用户到该预定的地点取货。
进一步优选地，所述运输投递车从到达预定的地点开始计时，经过预定的时间后，控制所述运输投递车离开预定的地点并向下一个地点出发，同时向没有及时取货的客户发出通知，告知没有及时取货的客户由于没有及时到达指定地点取货，该客户订购的生鲜食品将在第二天继续投递。有益效果
与现有技术相比，本技术的有益效果是：本技术所述的生鲜食品配送方法通过对计算得到的预期配送时间Δt进行排序，选择其中Δt≥N的生鲜食品分为一类，将分为一类的生鲜食品装到同一个运输投递车中，避免将对温度敏感程度不同的生鲜食品同批次配送。对于满足Δt≥N的生鲜食品，根据预期配送时间Δt进行排序的情况，选择其中预期配送时间Δt最小的生鲜食品作为依据，进行保温包装和冰袋选型。
由于只要预期配送时间Δt最小的生鲜食品不会在配送过程中发生腐败变质，满足Δt≥N的其他生鲜食品也都不会在配送过程中发生腐败变质，因此以预期配送时间Δt最小的生鲜食品作为依据，进行保温包装和冰袋选型，就能满足所有满足Δt≥N的生鲜食品的保鲜要求。预期配送时间Δt最小的生鲜食品实际要求的保温包装规格实际上相应地较低，对冰袋数量的要求也最小，因此整体上能够降低配送耗材方面的费用。这与现有技术中采取的将所有的同批次配送的生鲜食品都采用尽可能高的密封保温包装和尽可能多的冰袋完全不同，与现有技术相比，选择预期配送时间Δt最小的生鲜食品作为依据进行保温包装和冰袋选型能够节约80%以上的配送耗材费用。
本技术所述的生鲜食品配送方法还通过交货地址样本集合与库房样本集合之间的欧氏距离确定最小目标函数，进而根据最小目标函数对在线订单中订购的商品进行分类，确定装到同一个运输投递车中的商品，大大提高了自动分拣效率，降低分拣、交货过程对人工的依赖，采用运输投递车和自动驾驶技术自动进行路径规划，自动通知客户到指定地点取货，并在客户没有及时取货的情况下，通知客户下次取货的时间，提高了配送效率。附图说明
生鲜食品配送方法与相关技术
