CN113128744A

CN113128744A - 配送规划方法和装置

Info

Publication number: CN113128744A
Application number: CN202010043857.7A
Authority: CN
Inventors: 姜盛乾; 许涵博
Original assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Wodong Tianjun Information Technology Co Ltd
Current assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Wodong Tianjun Information Technology Co Ltd
Priority date: 2020-01-15
Filing date: 2020-01-15
Publication date: 2021-07-16
Anticipated expiration: 2040-01-15
Also published as: CN113128744B

Abstract

本发明公开了一种配送规划方法和装置，涉及计算机技术领域。该方法包括：根据待配送的订单信息构建配送网络模型；其中，所述配送网络模型由节点、以及节点之间的边组成；所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系；对所述配送网络模型中的节点进行聚类，以得到多个聚簇；将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。通过以上步骤，能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。

Description

配送规划方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种配送规划方法和装置。

背景技术

在物流配送场景中，需要划分配送区域，并为各个配送区域指定相应的配送人员。在现有技术中，配送区域在划分好之后往往保持固定不变，快递员根据分配的配送区域进行货物分拣和配送。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：第一、由于各个配送区域内的订单数量是动态变化的，因此，很可能出现不同配送区域的配送单量和配送时间极不平衡的情况，甚至有些快递员之间的配送时间差达到2至3小时。第二、在当前配送过程中，快递员往往是根据经验确定配送路径。当配送范围较小时，按照经验进行配送可能对配送效率的影响不大。但是，当配送范围变大时，按照经验进行配送就会出现配送路径规划不合理、配送效率低等问题。

发明内容

有鉴于此，本发明提供一种配送规划方法和装置，能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。进一步，基于启发式算法在划分后的配送区域内进行路径规划，能够进一步提高配送效率。

为实现上述目的，根据本发明的一个方面，提供了一种配送规划方法。

本发明的配送规划方法包括：根据待配送的订单信息构建配送网络模型；其中，所述配送网络模型由节点、以及节点之间的边组成；所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系；对所述配送网络模型中的节点进行聚类，以得到多个聚簇；将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

可选地，所述根据待配送的订单信息构建配送网络模型包括：将订单的配送点坐标转化为配送网络模型中的节点，将订单配送点之间的连接关系转化为节点之间的边，并将订单配送点之间的物流配送难度综合评分转化为节点之间的边的权重。

可选地，所述对所述配送网络模型中的节点进行聚类，以得到多个聚簇包括：确定K个聚簇中心点的初始位置；计算所述配送网络模型中每个节点与各个聚簇中心点的距离，并将所述节点分配至所述距离最小的聚簇中，以实现聚簇的更新；计算更新后的聚簇中心点的位置，直至满足迭代停止条件；其中，K为大于1的整数。

可选地，所述计算所述配送网络模型中每个节点与各个聚簇中心点的距离包括：根据所述配送网络模型中一个节点至一个聚簇中心点之间的各条边的权重、以及各条边对应的真实路径长度，计算该节点至该聚簇中心点之间的距离。

可选地，所述方法包括：在得到多个配送区域之后，根据启发式算法在所述配送区域内进行订单配送路径规划，并将规划出的订单配送路径返回至用户终端。

可选地，所述根据启发式算法在所述配送区域内进行订单配送路径规划包括：确定所述配送区域内的一条候选订单配送路径，根据该候选订单配送路径对应的总派车成本和总行驶成本计算该候选配送路径的配送总成本；以所述配送总成本最小为目标函数，对所述候选订单配送路径进行优化，直至得到规划出的订单配送路径。

可选地，所述方法包括：根据以下至少一个影响因素确定所述订单配送点之间的物流配送难度综合评分：订单配送点之间的真实路径长度、订单配送点之间的道路条件、订单配送点之间的停车难易情况、在订单配送点之间的车载货物重量。

为实现上述目的，根据本发明的另一个方面，提供了一种配送规划装置。

本发明的配送装置包括：构建模块，用于根据待配送的订单信息构建配送网络模型；其中，所述配送网络模型由节点、以及节点之间的边组成；所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系；聚类模块，用于对所述配送网络模型中的节点进行聚类，以得到多个聚簇；还用于将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

为实现上述目的，根据本发明的再一个方面，提供了一种电子设备。

本发明的电子设备，包括：一个或多个处理器；以及，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本发明的配送规划方法。

为实现上述目的，根据本发明的又一个方面，提供了一种计算机可读介质。

本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明的配送规划方法。

上述发明中的一个实施例具有如下优点或有益效果：通过根据待配送的订单信息构建配送网络模型，对所述配送网络模型中的节点进行聚类，以得到多个聚簇，将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域这些步骤，能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明第一实施例的配送规划方法的主要流程示意图；

图2是根据本发明第二实施例的配送规划方法的主要流程示意图；

图3是根据本发明实施例构建的配送网络模型的结构示意图；

图4是根据本发明实施例的节点与聚簇中心点的位置关系示意图；

图5是根据本发明第三实施例的配送规划装置的主要模块示意图；

图6是根据本发明第四实施例的配送规划装置的主要模块示意图；

图7是本发明实施例可以应用于其中的示例性系统架构图；

图8是适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明第一实施例的配送规划方法的主要流程示意图。如图1所示，本发明实施例的配送规划方法包括：

步骤S101、根据待配送的订单信息构建配送网络模型。

其中，所述配送网络模型由节点、以及节点之间的边组成；所述节点用于表示订单的配送点(所述订单配送点也可称为“订单收货地点”、或者“快递收货地点”等)，所述节点之间的边用于表示订单配送点之间的连接关系。另外，所述节点之间的边还可设有对应的权重值。

在一个示例中，所述配送网络模型可表示为G＝(V,E)。其中，V表示配送网络模型中的节点集合，E表示配送网络模型中的节点之间的边的集合。

在另一个示例中，为了便于计算，所述配送网络模型还可通过邻接矩阵A表示。在邻接矩阵A中，元素A_ij的取值为1或0。其中，A_ij的取值为1表示节点i与节点j之间存在连接关系(即节点i与节点j之间存在边)，A_ij的取值为0表示节点i与节点j之间无连接关系(即节点i与节点j之间不存在边)。

在再一个示例中，为了便于计算，所述配送网络模型还可通过权重邻接矩阵A'表示。在权重邻接矩阵A'中，元素A'_ij的取值为权重值ω_ij或0。其中，A_ij的取值为权重值时表示节点i与节点j之间存在边，且该边的权重值为ω_ij，A_ij的取值为0表示节点i与节点j之间无连接关系(即节点i与节点j之间不存在边)。

在构建配送网络模型时，从理论上来说，在各个订单配送点之间都可连线。在具体实施时，为了简化网络模型，对于同一小区或是同一片区内的订单配送点来说，可选取距其最近的n(n可以根据需求进行设置，比如设置为2或者3)个订单配送点进行连线，并且在两个小区或是两个片区之间进行连线，比如可选择两个片区之间距离最短的两个订单配送点进行连线。

步骤S102、对所述配送网络模型中的节点进行聚类，以得到多个聚簇；将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

示例性地，可采用k-means(k均值)聚类算法或者其他聚类算法对所述配送网络模型中的节点进行聚类。

在一个可选实施方式中，采用k均值聚类算法对所述配送网络模型中的节点进行聚类，以得到多个聚簇包括：确定K个聚簇中心点的初始位置；计算所述配送网络模型中每个节点与各个聚簇中心点的距离，并将所述节点分配至所述距离最小的聚簇中，以实现聚簇的更新；计算更新后的聚簇中心点的位置，直至满足迭代停止条件。其中，K为大于1的整数。具体实施时，K的取值可灵活设置。比如，可根据待配送的订单总量、以及历史区域配送量平均值确定K的取值。

在本发明实施例中，通过根据待配送的订单信息构建配送网络模型，对所述配送网络模型中的节点进行聚类，以得到多个聚簇，将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域这些步骤，能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。

图2是根据本发明第二实施例的配送规划方法的主要流程示意图。如图2所示，本发明实施例的配送规划方法包括：

步骤S201、根据待配送的订单信息构建配送网络模型。

如图3所示，本发明实施例构建的配送网络模型由节点、以及节点之间的边组成。其中，所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系。另外，所述节点之间的边还可设有对应的权重值。

进一步，为了便于计算，所述配送网络模型可通过权重邻接矩阵A'表示。在权重邻接矩阵A'中，元素A'_ij的取值为权重值ω_ij或0。其中，A_ij的取值为权重值时表示节点i与节点j之间存在边，且该边的权重值为ω_ij，A_ij的取值为0表示节点i与节点j之间无连接关系(即节点i与节点j之间不存在边)。

在一个可选示例中，步骤S201可具体包括：将订单的配送点坐标转化为配送网络模型中的节点，将订单配送点之间的连接关系转化为节点之间的边，并将订单配送点之间的物流配送难度综合评分转化为节点之间的边的权重。

其中，所述订单配送点之间的物流配送难度综合评分可根据以下至少一个影响因素确定：订单配送点之间的真实路径长度、订单配送点之间的道路条件、订单配送点之间的停车难易情况、在订单配送点之间的车载货物重量。比如，在一个具体示例中，可根据订单配送点之间的真实路径长度、订单配送点之间的道路条件、订单配送点之间的停车难易情况、以及在订单配送点之间的车载货物重量这四个影响因素确定订单配送点之间的物流配送难度综合评分。表1示出了这四个影响因素的评分情况。

表1

进一步，在该具体示例中，这四种影响因素的权重分别为w_i(i＝1,2,3,4)，且

每个影响因素的评分为c_i(i＝1,3,5)，进而，订单配送点i与订单配送点j之间的物流配送难度综合评分为

具体实施时，这四种影响因素的权重的取值可根据应用场景灵活设置。

步骤S202、对所述配送网络模型中的节点进行聚类，以得到多个聚簇；将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

在一个可选示例中，步骤S202具体包括：步骤1至步骤3。

步骤1、确定K个聚簇中心点的初始位置。

在该步骤中，可从订单配送点集合X＝{x_i|x_i∈R,i＝1,2,...,N}中随机抽取K个点作为聚簇中心点z₁,z₂,...,z_k，这K个聚簇可记为W₁,W₂,...,W_k。其中，K为大于1的整数。具体实施时，K的取值可灵活设置。比如，可根据待配送的订单总量、以及历史区域配送量平均值确定K的取值。此外，在确定K个聚簇中心点的初始位置后，可选取距离聚簇中心点最近的m个订单配送点(m的取值可以根据需求进行设置，比如设置为2或者3)与该聚簇中心点进行连线。

步骤2、计算所述配送网络模型中每个节点与各个聚簇中心点的距离，并将所述节点分配至所述距离最小的聚簇中，以实现聚簇的更新。

示例性地，在该步骤中，可根据所述配送网络模型中一个节点至一个聚簇中心点之间的各条边的权重、以及各条边对应的真实路径长度，计算该节点至该聚簇中心点之间的距离。

在该示例的一个可选实施方式中，当某一节点i与一个聚簇中心点k之间只存在一条连通道路(该连通道路是指由存在的各条边构成的道路)时，则可根据如下公式计算节点i至该聚簇中心点k之间的距离：

其中，d_ik为节点i至该聚簇中心点k之间的距离，l_r为节点i至该聚簇中心点k之间存在的第r条边的真实路径长度，C_r为节点i至该聚簇中心点k之间存在的第r条边的权重。进一步，当某一节点i与一个聚簇中心点k之间存在两条或两条以上连通道路时，可通过上述公式计算出多个距离，并将所述多个距离中的最小值作为节点i至该聚簇中心点k之间的距离。

在计算出每个节点与各个聚簇中心点的距离之后，可将该节点分配至所述距离最小的聚簇中。例如，假设共有三个聚簇a、b、c，节点1至聚簇a的中心点的距离为35，节点1至聚簇b的中心点的距离为25，节点1至聚簇c的中心点的距离为40，则将节点1划分至聚簇b中。

步骤3、计算更新后的聚簇中心点的位置，直至满足迭代停止条件。

在该步骤中，可根据更新后的聚簇中的各个节点的坐标计算聚簇中心点的位置，具体可采用如下公式：

其中，z_k为聚簇中心点的位置，n_k为更新后的聚簇中所包含的节点数量，x表示聚簇W_k中的任意一个节点。

其中，所述迭代停止条件可灵活设置。比如，可将迭代停止条件设置为：不存在节点分给不同聚簇中心的情况；还可将所述迭代停止条件设置为：聚簇中心点的位置不变或者误差小于规定阈值等。

步骤S203、根据启发式算法在所述配送区域内进行订单配送路径规划。

示例性地，所述根据启发式算法在所述配送区域内进行订单配送路径规划包括：确定所述配送区域内的一条候选订单配送路径，根据该候选订单配送路径对应的总派车成本和总行驶成本计算该候选配送路径的配送总成本；以所述配送总成本最小为目标函数，对所述候选订单配送路径进行优化，直至得到规划出的订单配送路径。具体实施时，可采用模拟退火算法、变领域分散搜索算法等启发式算法进行订单配送路径规划。

在一个实际应用场景中，在进行订单配送的同时，还需满足客户的退货需求和寄件需求。针对这一实际应用场景进行配送路径规划时，可设置如下目标函数：

进一步，针对这一实际应用场景进行配送路径规划时，可设置如表2所示的约束条件。

表2

以下对目标函数和约束条件中涉及的参数、以及约束条件的含义进行说明。其中，

V：表示配送快递的点集，V＝V'∪{0},V'＝(1,2,...n)。

i,j：表示订单配送点的索引。

k：表示配送车的索引。

K_t：表示配送车辆的类型t的集合。

T：表示配送车辆集合。

t：表示配送车辆类型的索引。

Q_t：表示配送车类型t的车容量。

Z_tk：表示配送车类型t的第k辆车的派车成本。

e_ij：表示订单配送点i与订单配送点j的驾驶成本。

p_i：表示订单配送点i对应的客户的逆向需求量(即退货需求量)。

d_i：表示订单配送点i对应的客户i的寄件需求量。

α_ijtk：表示配送车类型为t的第k辆车配送完订单配送点i后继续去订单配送点j为1，反之为0。

γ_itk：表示配送车类型t的第k辆车负责订单配送点i为1，反之为0。

ε_i：表示订单配送点i与订单配送点j的配送车取货量。

：表示订单配送点i与订单配送点j的配送车送货量。

其中，目标函数表示希望得到区域派车成本和行驶成本之和最小的订单配送路径。约束条件(1)用于保证客户均有配送车辆服务；约束条件(2)用于保证点i与点j之间只有一辆车服务；约束条件(3)用于保证配送车辆不会超载；约束条件(4)和(5)用于对送货、取货车载量进行约束；约束条件(6)用于保证配送车辆执行完成配送任务后回到配送中心；约束条件(7)用于对配送车辆总数的约束；约束条件(8)至(11)用于表示符号范围。

步骤S204、将规划出的订单配送路径返回至用户终端。

示例性地，所述规划出的订单配送路径可包括：按照配送先后顺序排列的各个待配送订单的序列。例如，假设某配送区域内的待配送订单为200个，配送车辆有4辆，则可将规划出的每台配送车辆负责的、按照配送先后顺序排列后的订单序列返回至用户终端。

具体实施时，在快递员完成配送任务回到终端终点，或者遇到客户拒收等情况，可通过用户终端输入触发指令，以再次执行步骤S203，重新进行路径规划。

在本发明实施例中，通过以上步骤能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。进一步，基于启发式算法在划分后的配送区域内进行路径规划，能够进一步提高配送效率。

图4是根据本发明实施例的节点与聚簇中心点的位置关系示意图。以下结合图4对如何计算节点与聚簇中心点之间的距离进行详细说明。

如图4所示，配送网络模型中的节点3与图中所示聚簇中心点之间存在两条连通道路，一条连通道路由节点3与节点1之间的边、节点1与聚簇中心点之间的边组成，另一条连通道路由节点3与节点2之间的边、以及节点2与聚簇中心点之间的边组成。在计算节点3与聚簇中心点之间的距离时，可采用如下公式：

d_3z＝min{l₃₁·C₃₁+l_1z·C_1z,l₃₂·C₃₂+l_2z·C_2z}

其中，d_3z表示节点3与该聚簇中心点的距离，l₃₁表示节点3与节点1之间的边的真实路径长度，C₃₁表示节点3与节点1之间的边的权重，l_1z表示节点1与该聚簇中心点的边的真实路径长度，C_1z表示节点1与该聚簇中心点的边的权重，l₃₂表示节点3与节点2之间的边的真实路径长度，C₃₂表示节点3与节点2之间的边的权重，l_2z表示节点2与该聚簇中心点的边的真实路径长度，C_2z表示节点2与该聚簇中心点的边的权重。以上公式表示；将两条连通道路中的距离最小值作为节点3与聚簇中心点之间的距离d_3z。

图5是根据本发明第三实施例的配送规划装置的主要模块示意图。如图5所示，本发明实施例的配送规划装置500包括：构建模块501、聚类模块502。

构建模块501，用于根据待配送的订单信息构建配送网络模型。

具体实施时，为了简化网络模型，对于同一小区或是同一片区内的订单配送点来说，可选取距其最近的n(n可以根据需求进行设置，比如设置为2或者3)个订单配送点进行连线，并且在两个小区或是两个片区之间进行连线，比如可选择两个片区之间距离最短的两个订单配送点进行连线。

聚类模块502，用于对所述配送网络模型中的节点进行聚类，以得到多个聚簇；将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

在一个可选实施方式中，聚类模块502采用k均值聚类算法对所述配送网络模型中的节点进行聚类，以得到多个聚簇包括：聚类模块502确定K个聚簇中心点的初始位置；聚类模块502计算所述配送网络模型中每个节点与各个聚簇中心点的距离，并将所述节点分配至所述距离最小的聚簇中，以实现聚簇的更新；聚类模块502计算更新后的聚簇中心点的位置，直至满足迭代停止条件。其中，K为大于1的整数。具体实施时，K的取值可灵活设置。比如，可根据待配送的订单总量、以及历史区域配送量平均值确定K的取值。

在本发明实施例的装置中，通过构建模块根据待配送的订单信息构建配送网络模型，通过聚类模块对所述配送网络模型中的节点进行聚类，以得到多个聚簇，将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域以得到多个配送区域，能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。

图6是根据本发明第四实施例的配送规划装置的主要模块示意图。如图6所示，本发明实施例的配送规划装置600包括：构建模块601、聚类模块602、路径规划模块603。

构建模块601，用于根据待配送的订单信息构建配送网络模型。

本发明实施例构建的配送网络模型由节点、以及节点之间的边组成。其中，所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系。另外，所述节点之间的边还可设有对应的权重值。

在一个可选示例中，构建模块601根据待配送的订单信息构建配送网络模型可具体包括：构建模块601将订单的配送点坐标转化为配送网络模型中的节点，构建模块601将订单配送点之间的连接关系转化为节点之间的边，并将订单配送点之间的物流配送难度综合评分转化为节点之间的边的权重。

其中，所述订单配送点之间的物流配送难度综合评分可根据以下至少一个影响因素确定：订单配送点之间的真实路径长度、订单配送点之间的道路条件、订单配送点之间的停车难易情况、在订单配送点之间的车载货物重量。比如，在一个具体示例中，可根据订单配送点之间的真实路径长度、订单配送点之间的道路条件、订单配送点之间的停车难易情况、以及在订单配送点之间的车载货物重量这四个影响因素确定订单配送点之间的物流配送难度综合评分。

聚类模块602，用于对所述配送网络模型中的节点进行聚类，以得到多个聚簇；还用于将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

在一个可选示例中，聚类模块602对所述配送网络模型中的节点进行聚类以得到多个聚簇具体包括：步骤1至步骤3。

步骤1、聚类模块602确定K个聚簇中心点的初始位置。

在该步骤中，聚类模块602可从订单配送点集合X＝{x_i|x_i∈R,i＝1,2,...,N}中随机抽取K个点作为聚簇中心点z₁,z₂,…,z_k，这K个聚簇可记为W₁,W₂,…,W_k。其中，K为大于1的整数。具体实施时，K的取值可灵活设置。比如，可根据待配送的订单总量、以及历史区域配送量平均值确定K的取值。此外，在确定K个聚簇中心点的初始位置后，可选取距离聚簇中心点最近的m个订单配送点(m的取值可以根据需求进行设置，比如设置为2或者3)与该聚簇中心点进行连线。

步骤2、聚类模块602计算所述配送网络模型中每个节点与各个聚簇中心点的距离，并将所述节点分配至所述距离最小的聚簇中，以实现聚簇的更新。

示例性地，在该步骤中，聚类模块602可根据所述配送网络模型中一个节点至一个聚簇中心点之间的各条边的权重、以及各条边对应的真实路径长度，计算该节点至该聚簇中心点之间的距离。

在该示例的一个可选实施方式中，当某一节点i与一个聚簇中心点k之间只存在一条连通道路(该连通道路是指由存在的各条边构成的道路)时，则聚类模块602可根据如下公式计算节点i至该聚簇中心点k之间的距离：

其中，d_ik为节点i至该聚簇中心点k之间的距离，l_r为节点i至该聚簇中心点k之间存在的第r条边的真实路径长度，C_r为节点i至该聚簇中心点k之间存在的第r条边的权重。进一步，当某一节点i与一个聚簇中心点k之间存在两条或两条以上连通道路时，聚类模块602可通过上述公式计算出多个距离，并将所述多个距离中的最小值作为节点i至该聚簇中心点k之间的距离。

步骤3、聚类模块602计算更新后的聚簇中心点的位置，直至满足迭代停止条件。

在该步骤中，聚类模块602可根据更新后的聚簇中的各个节点的坐标计算聚簇中心点的位置，具体可采用如下公式：

路径规划模块603，用于根据启发式算法在所述配送区域内进行订单配送路径规划，并将规划出的订单配送路径返回至用户终端。

示例性地，路径规划模块603根据启发式算法在所述配送区域内进行订单配送路径规划包括：路径规划模块603确定所述配送区域内的一条候选订单配送路径，根据该候选订单配送路径对应的总派车成本和总行驶成本计算该候选配送路径的配送总成本；以所述配送总成本最小为目标函数，对所述候选订单配送路径进行优化，直至得到规划出的订单配送路径。具体实施时，路径规划模块603可采用模拟退火算法、变领域分散搜索算法等启发式算法进行订单配送路径规划。

在本发明实施例的装置中，通过构建模块、聚类模块能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。进一步，通过路径规划模块基于启发式算法在划分后的配送区域内进行路径规划，能够进一步提高配送效率。

图7示出了可以应用本发明实施例的配送规划方法或配送规划装置的示例性系统架构700。

如图7所示，系统架构700可以包括终端设备701、702、703，网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备701、702、703通过网络704与服务器705交互，以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用，例如物流配送管理类应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器705可以是提供各种服务的服务器，例如对用户利用终端设备701、702、703所浏览的物流配送管理类应用或网站提供支持的后台管理服务器。后台管理服务器可以对接收到的配送规划请求等数据进行分析等处理，并将处理结果(例如配送区域划分结果)反馈给终端设备。

需要说明的是，本发明实施例所提供的配送规划方法一般由服务器705执行，相应地，配送规划装置一般设置于服务器705中。

应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图8，其示出了适于用来实现本发明实施例的电子设备的计算机系统800的结构示意图。图8示出的计算机系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括构建模块、聚类模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，构建模块还可以被描述为“构建配送网络模型的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：根据待配送的订单信息构建配送网络模型；其中，所述配送网络模型由节点、以及节点之间的边组成；所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系；对所述配送网络模型中的节点进行聚类，以得到多个聚簇；将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

根据本发明实施例的技术方案，通过根据待配送的订单信息构建配送网络模型，对所述配送网络模型中的节点进行聚类，以得到多个聚簇，将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域这些步骤，能够根据待配送的订单信息动态、合理地划分配送区域，使得各个配送区域内的配送单量趋于平衡，进而有助于从整体上提高配送效率。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims

1.一种配送规划方法，其特征在于，所述方法包括：

根据待配送的订单信息构建配送网络模型；其中，所述配送网络模型由节点、以及节点之间的边组成；所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系；

对所述配送网络模型中的节点进行聚类，以得到多个聚簇；将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

2.根据权利要求1所述的方法，其特征在于，所述根据待配送的订单信息构建配送网络模型包括：

将订单的配送点坐标转化为配送网络模型中的节点，将订单配送点之间的连接关系转化为节点之间的边，并将订单配送点之间的物流配送难度综合评分转化为节点之间的边的权重。

3.根据权利要求2所述的方法，其特征在于，所述对所述配送网络模型中的节点进行聚类，以得到多个聚簇包括：

确定K个聚簇中心点的初始位置；计算所述配送网络模型中每个节点与各个聚簇中心点的距离，并将所述节点分配至所述距离最小的聚簇中，以实现聚簇的更新；计算更新后的聚簇中心点的位置，直至满足迭代停止条件；其中，K为大于1的整数。

4.根据权利要求3所述的方法，其特征在于，所述计算所述配送网络模型中每个节点与各个聚簇中心点的距离包括：

根据所述配送网络模型中一个节点至一个聚簇中心点之间的各条边的权重、以及各条边对应的真实路径长度，计算该节点至该聚簇中心点之间的距离。

5.根据权利要求1所述的方法，其特征在于，所述方法包括：

在得到多个配送区域之后，根据启发式算法在所述配送区域内进行订单配送路径规划，并将规划出的订单配送路径返回至用户终端。

6.根据权利要求5所述的方法，其特征在于，所述根据启发式算法在所述配送区域内进行订单配送路径规划包括：

确定所述配送区域内的一条候选订单配送路径，根据该候选订单配送路径对应的总派车成本和总行驶成本计算该候选配送路径的配送总成本；以所述配送总成本最小为目标函数，对所述候选订单配送路径进行优化，直至得到规划出的订单配送路径。

7.根据权利要求2所述的方法，其特征在于，所述方法包括：根据以下至少一个影响因素确定所述订单配送点之间的物流配送难度综合评分：订单配送点之间的真实路径长度、订单配送点之间的道路条件、订单配送点之间的停车难易情况、在订单配送点之间的车载货物重量。

8.一种配送规划装置，其特征在于，所述配送规划装置包括：

构建模块，用于根据待配送的订单信息构建配送网络模型；其中，所述配送网络模型由节点、以及节点之间的边组成；所述节点用于表示订单的配送点，所述节点之间的边用于表示订单配送点之间的连接关系；

聚类模块，用于对所述配送网络模型中的节点进行聚类，以得到多个聚簇；还用于将所述多个聚簇中的每一个所覆盖的范围作为一个配送区域，以得到多个配送区域。

9.一种电子设备，其特征在于，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1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。