3.根據權利要求2所述的基于大數據與人工智能的智能配送方法，其特征在于，還包括建立所述目標時間-溫度對應關系的步驟，該步驟包括：

獲取所述環境溫度信息下的多個歷史時間溫度信息組，其中，每一個歷史時間溫度信息組包括一條歷史時間信息和一條歷史溫度下降信息；

基于每一個所述歷史時間溫度信息組的生成時間信息，按照時間從前到后的順序，對所述多個歷史時間溫度信息組進行排序處理，形成時間溫度信息組序列；

針對所述時間溫度信息組序列包括的多個歷史時間溫度信息組，以第一個歷史時間溫度信息組為起點、以最后一個歷史時間溫度信息組為終點，按照預設數量長度進行滑窗處理，得到多個時間溫度信息組子序列，其中，每一個所述時間溫度信息組子序列包括的歷史時間溫度信息組的數量長度為該預設數量長度，每相鄰兩個該時間溫度信息組子序列之間在對應排序位置的歷史時間溫度信息組在所述時間溫度信息組序列中相鄰；

針對每一個所述時間溫度信息組子序列，基于該時間溫度信息組子序列包括的多個歷史時間溫度信息組中的歷史時間信息和歷史溫度下降信息進行曲線擬合處理，得到該時間溫度信息組子序列對應的歷史時間-歷史溫度對應關系；

針對每一個所述歷史時間-歷史溫度對應關系，基于該歷史時間-歷史溫度對應關系，對該歷史時間-歷史溫度對應關系對應的時間溫度信息組子序列的后一個時間溫度信息組子序列中的最后一個歷史時間溫度信息組中的歷史時間信息進行預測計算處理，得到該歷史時間信息對應的預測溫度下降信息；

針對每一個所述預測溫度下降信息，計算該預測溫度下降信息與該預測溫度下降信息對應的歷史時間信息所在的歷史時間溫度信息組中的歷史溫度下降信息之間的預測溫度誤差值；

針對每一個所述預測溫度誤差值，基于預設的權重系數計算規則對該預測溫度誤差值的權重系數進行計算處理，得到該預測溫度誤差值的權重系數，其中，該權重系數計算規則包括相鄰兩個時間溫度信息組子序列中前一個時間溫度信息組子序列對應的預測溫度誤差值的權重系數小于后一個時間溫度信息組子序列對應的預測溫度誤差值的權重系數，且全部的該權重系數的和為1；

基于每一個所述預測溫度誤差值和對應的每一個所述權重系數，進行加權求和計算處理，得到對應的預測溫度總誤差值；

判斷所述預測溫度總誤差值是否大于預設的誤差閾值；

若所述預測溫度總誤差值小于或等于所述誤差閾值，則基于所述時間溫度信息組序列包括的多個歷史時間溫度信息組中的歷史時間信息和歷史溫度下降信息進行曲線擬合處理，得到該時間溫度信息組序列對應的歷史時間-歷史溫度對應關系，并將該歷史時間-歷史溫度對應關系作為所述目標時間-溫度對應關系。