Con el rápido desarrollo de Internet, las empresas en la industria de la restauración tradicional están cambiando cada vez más hacia el modo Online-to-Offline, ya que las plataformas de entrega de comida a demanda continúan creciendo rápidamente. Dentro de estos sistemas de comida para llevar, los repartidores tienen un papel a lo largo del proceso de cumplimiento de pedidos. Sus comportamientos involucran múltiples puntos clave en el tiempo, y predecir con precisión estos momentos críticos por adelantado es esencial para mejorar tanto la retención de usuarios como la eficiencia operativa en tales plataformas. Este documento propone primero un método de simulación de cadena de tiempo, que simula el cumplimiento de pedidos en segmentos con un proceso incremental al combinar información dinámica y estática en los datos. Posteriormente, se presenta una arquitectura GRU-Transformer, que se basa en el Transformer incorporando las ventajas de la Unidad Recurrente Con Puerta, trabajando en conjunto con la simulación de cadena de tiempo y permitiendo una predicción paralela eficiente antes de la creación del pedido. Experimentos extensos realizados en un conjunto de datos de pedidos de comida para llevar del mundo real demuestran que el Error Cuadrático Medio de los resultados de predicción del GRU-Transformer con simulación de cadena de tiempo se reduce en aproximadamente un 9.78% en comparación con el Transformer. Finalmente, según el análisis de inconsistencia temporal, se puede ver que el GRU-Transformer con simulación de cadena de tiempo aún tiene un rendimiento estable durante los períodos pico, lo cual es valioso para el sistema de comida para llevar inteligente.