CN114862299B - 运输路线规划方法以及装置 - Google Patents
运输路线规划方法以及装置 Download PDFInfo
- Publication number
- CN114862299B CN114862299B CN202210332838.5A CN202210332838A CN114862299B CN 114862299 B CN114862299 B CN 114862299B CN 202210332838 A CN202210332838 A CN 202210332838A CN 114862299 B CN114862299 B CN 114862299B
- Authority
- CN
- China
- Prior art keywords
- transportation
- destination
- historical
- route
- site
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013439 planning Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000012545 processing Methods 0.000 claims description 25
- 230000032683 aging Effects 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 235000013311 vegetables Nutrition 0.000 description 33
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000005530 etching Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000012384 transportation and delivery Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 241001229889 Metis Species 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000004308 accommodation Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000001550 time effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供运输路线规划方法以及装置,其中所述运输路线规划方法包括:接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。本方法可以提高运输路线规划的效率和准确性。
Description
技术领域
本说明书实施例涉及计算机技术领域,特别涉及一种运输路线规划方法。
背景技术
随着市场经济的发展和物流专业化水平的提高,运输任务得到了迅速发展。为了提高运输效率,保证运输任务在成本和时效上做到相对平衡,需要进行车辆调度。
现有技术中,主要依靠人工规划运输路线,但该方法智能化水平低,存在运输路线安排不合理、运力资源浪费严重的问题。因此,亟需一种有效的方案以解决上述问题。
发明内容
有鉴于此,本说明书实施例提供了一种运输路线规划方法。本说明书一个或者多个实施例同时涉及一种运输路线规划装置,一种计算设备,一种计算机可读存储介质以及一种计算机程序,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种运输路线规划方法,包括:
接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;
根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;
根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。
根据本说明书实施例的第二方面,提供了一种运输路线规划装置,包括:
接收模块,被配置为接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;
统计模块,被配置为根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;
确定模块,被配置为根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。
根据本说明书实施例的第三方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现上述运输路线规划方法的步骤。
根据本说明书实施例的第四方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现上述运输路线规划方法的步骤。
根据本说明书实施例的第五方面,提供了一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述运输路线规划方法的步骤。
本说明书提供的运输路线规划方法,接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。通过历史运输数据和所述各目的站点的货物运输量,确定目标时间段内目标对象对应的目标运输路线,避免了人工排线带来的差异,可以有效地提高运输路线规划的效率和准确性,通过历史运输数据,可精准地确定运输路线。
附图说明
图1是本说明书一个实施例提供的一种运输路线规划方法的流程图;
图2A是本说明书一个实施例提供的一种运输路线规划方法中运输路线规划平台的处理过程示意图;
图2B是本说明书一个实施例提供的另一种运输路线规划方法的处理过程示意图;
图2C是本说明书一个实施例提供的一种运输路线规划方法的效果示意图;
图2D是本说明书一个实施例提供的另一种运输路线规划方法中运输路线规划平台处理过程示意图;
图2E是本说明书一个实施例提供的一种运输路线规划方法中复刻路线与运输路线的对比图;
图3是本说明书一个实施例提供的一种运输路线规划方法的处理过程流程图;
图4是本说明书一个实施例提供的一种运输路线规划装置的结构示意图;
图5是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
站点,也即物流站点,主要包括加工中心、门店、配送站和仓几类,其中加工中心至生鲜加工中心,仓可以是B2C(Bus iness-to-Consumer)仓、常温仓、冷链仓等。
智能调度:传统意义上的调度是指人工根据经验,编排司机行驶的站点顺序。智能调度是指,根据不同参数,调用算法,输出较优解。
然后,对本说明书提供运输路线规划方法进行简要说明。
随着市场经济的发展和物流专业化水平的提高,运输任务得到了迅速发展。为了提高运输效率,保证运输任务在成本和时效上做到相对平衡,需要进行车辆调度。即货车调度,是为了帮助调度人员规划调度运输任务,保证运输在成本和时效上做到相对平衡。在调度员生成调度计划时,需要充分考虑到该项目场景下,时效与成本的优先。在某些场景下,如B2C或NB(自提业态)链路,需要优先保证运输时效,需要在用户提货时间之前确保送达。而B2B(Business-to-Business)链路,在时效上并没有太大要求,只需要在固定时间段内送达,这时则要优选考虑运输成本,需要提高运输装载率。
现有技术中,主要依靠人工规划运输路线,如使用人工调度的方式,直接进行排线;又如给车辆安装定位器,通过实时调取定位器提供方的接口,获取车辆实时在途信息,车辆司机信息等,并将获取的信息在地图上进行展示;同时还可以调取第三方地图提供商的解耦,获取车辆当前的车速等信息,一并展示到地图上,做到了运输车辆的可视化监测车辆。
然而,在大量运输需求需要满足时,人工手动串点需要耗费大量人力,在点位数量到达一定量级后,人工则无法完成任务,例如在门店运输中,一个城市的站点不超过50个,站点少且固定,货量稳定,人工根据经验可以编排线路,获取较优解,但在某自提业态场景中,一个仓需要配送的站点达到几百上千,每次需要配送的站点不固定,且货量不稳定,人工已经无法完成该排线工作;此外,该方法智能化水平低,过于依赖调度员经验,优秀的调度员与一般的调度员在时效的保证与成本的控制上差距较大,例如人工排线无法将调度经验落在系统上,调度员离职的准点率与成本波动不可控,而优秀调度员在看到货量时,能大致估算出需要多少车辆,运输至几个站点需要多少时间,一般调度员则预估不准。即存在运输路线安排不合理、运力资源浪费严重的问题。
因此,本说明书提供了一种运输路线规划方法,接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。通过历史运输数据和所述各目的站点的货物运输量,确定目标时间段内目标对象对应的目标运输路线,避免了人工排线带来的差异,可以有效地提高运输路线规划的效率和准确性,通过历史运输数据,可精准地确定目标运输路线。
在本说明书中,提供了一种运输路线规划方法,本说明书同时涉及一种运输路线规划装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
参见图1,图1示出了本说明书一个实施例提供的一种运输路线规划方法的流程图,具体包括以下步骤。
步骤102:接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息。
实现运输路线规划方法的执行主体可以是具有运输路线规划功能的计算设备,例如具有运输路线规划功能的服务器、终端等。
具体的,目标对象是指运输货物的事物,可以是运输人员,可以是运输车辆,还可以是货运飞机等等,本说明书对此不做限定;目标时间段是指预先指定的时间段,如未来一天、未来一周等;运输任务是指用户或者公司或者组织对货物有需求时进而购买或者预定货物、又或者退货等,需要配送货物而生成的任务,例如用户通过购物平台购买衣服、又如用户通过跑腿平台配送文件;目的时空信息是指运输任务对应的运输起点、运输终点、预计送达时间(到站时间)、预计发送时间、站点标识等中的至少一个。
实际应用中,接收目标对象在目标时间段内的运输任务的方式有多种,例如,可以是运营人员向执行主体发送运输路线规划的指令,或者发送接收目标对象在目标时间段内的运输任务的指令,相应地,执行主体在接收到该指令后,开始对目标对象在目标时间段内的运输任务进行;也可以是服务器每隔预设时长,自动获取目标对象在目标时间段内的运输任务,例如,经过预设时长后,具有运输路线规划功能的服务器自动获取指定存取区域内的目标对象在目标时间段内的运输任务;或者经过预设时长后,具有运输路线规划功能的终端自动获取存储于本地的目标对象在目标时间段内的运输任务。本说明书对接收目标对象在目标时间段内的运输任务的方式不做任何限定。
需要说明的是,运输任务包括各待运输货物的目的时空信息,如运输任务包括2条裤子和3双袜子,且2条裤子和3双袜子的目的时空信息均为在3月13日从A地送至B地。
步骤104:根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量。
具体的,历史运输数据是指目标对象在执行之前的运输任务时所对应的数据;站点是指运输货物的起点、终点和中转站;目的站点是指某货物需要运输到的最终的站点;货物运输量是指运输到目的站点的货物数量。
实际应用中,在获取了目标对象在目标时间段内的运输任务之后,进一步地,根据运输任务中各待运输货物的目的时空信息,获取与各目的时空信息相关的历史运输数据,例如,目的时空信息中的送货日期为3月15日,根据该送货日期获取2月15日的历史运输数据,又如目的时空信息中的目的地为目的站点A,则获取与目的站点A相关的历史运输数据。并根据目的时空信息统计每个目的站点的货物运输量,例如,根据运输任务中各待运输货物的目的空间信息,确定每个待运输货物所要送达的目的站点,进而确定每个目的站点的货物运输量。其中,目的空间信息是目的时空信息中表征空间的信息。
在本说明书一个或多个可选的实施例中,在根据各待运输货物的目的时空信息获取历史运输数据时,可以将各目的时空信息输入至预设的历史运输数据获取工具中,然后历史运输数据获取工具对各目的时空信息进行识别,得到历史运输数据的标识,然后根据标识从预设的历史运输数据库中获取对应的历史运输数据。如此,可以提高历史运输数据获取的效率。
在本说明书一个或多个可选的实施例中,在根据各待运输货物的目的时空信息获取历史运输数据时,还可以根据各待运输货物的目的时空信息中的目的空间信息来获取历史运输数据。也即在所述目的时空信息包括目的站点标识的情况下,所述根据所述各待运输货物的目的时空信息,获取历史运输数据,具体实现过程可以如下:
根据所述各待运输货物的目的站点标识,确定所述各待运输货物的目的站点;
获取所述各待运输货物的目的站点对应的历史运输数据。
其中,目的站点标识是目的空间信息中表征目的站点的信息,可以是目的站点的名称,可以是目的站点的地理位置,还可以是目的站点的标号,本说明书对此不作限定。
实际应用中,根据各待运输货物的目的时空信息中的目的站点标识,确定出各目的站点标识指向的目的站点,即确定出各待运输货物的目的站点,进而根据目的站点获取目的站点相关的历史运输数据。如此,可以提高历史运输数据获取的准确率。
在本说明书一个或多个可选的实施例中,目的时空信息包括目的站点标识,此时,可以基于各目的时空信息中的目的站点标识,来统计各目的站点的货物运输量。也即在目的时空信息包括目的站点标识情况下,所述根据各所述目的时空信息,统计各目的站点的货物运输量,具体实现过程可以如下:
针对任一目的站点,确定所述目的站点标识表征该目的站点的目的时空信息数量,将所述目的信息数量确定为该目的站点的货物运输量。
具体的,目的站点标识可以是目的站点的名称,可以是目的站点的地理位置,还可以是目的站点的标号,本说明书对此不作限定;目的时空信息数量是指包含某一目的站点标识的目的时空信息的数量。
实际应用中,将各待运输货物的目的时空信息中目的站点标识与各目的站点进行比较,从而确定各目的站点的货物运输量:对于某个目的站点,将各目的时空信息的目的站点标识与该目的站点进行比较,若某个目的时空信息的目的站点标识表征该目的站点,目的时空信息数量加一,则说明该目的时空信息对应的待运输货物需要运输到该目的站点,该目的站点的货物运输量加一,遍历所述目的时空信息,进而确定该目的站点的货物运输量。如此,仅通过目的时空信息的目的站点标识来确定目的时空信息数量,进而确定各目的站点的货物运输量,不仅避免了处理目的时空信息中的其他信息,可以减少数据处理量,提高货物运输量的速率,还可以提高货物运输量的准确率。
例如,有2个目的站点:目的站点A和目的站点B;有5个目的时空信息,其中第一目的时空信息中的目的站点标识为a,第二目的时空信息中的目的站点标识为b,第三目的时空信息中的目的站点标识为b,第四目的时空信息中的目的站点标识为a,第五目的时空信息中的目的站点标识为a。假设目的站点标识a表征目的站点A,目的站点标识b表征目的站点B,则目的站点标识表征目的站点A的目的时空信息数量为3,即目的站点A的货物运输量为3,目的站点标识表征目的站点B的目的时空信息数量为2,即目的站点B的货物运输量为2。
在本说明书一个或多个可选的实施例中,运输任务可以对应不同的运输类型,如对用户的购买货物进行配送运输,再如对用户的购买货物进行退货运输,也即运输任务还包括运输类型标识,在目的时空信息包括目的终点标识或目的起点标识,目的站点为货物运输的目的终点或目的起点时,可以根据时空信息数量确定目的终点或目的起点的货物运输量。也即在所述运输任务还包括运输类型标识,所述目的站点标识包括目的终点标识或目的起点标识,所述目的站点为货物运输的目的终点或目的起点的情况下,所述根据所述各待运输货物的目的时空信息,统计各目的站点的货物运输量,具体实现过程可以如下:
在所述运输类型标识为购货标识的情况下,针对任一目的终点,确定所述目的终点标识所表征的目的终点的目的时空信息数量,将所述目的时空信息数量确定为所述目的终点的货物运输量;
在所述运输类型标识为退货标识的情况下,针对任一目的起点,确定所述目的起点标识所表征的目的起点的目的时空信息数量,将所述目的时空信息数量确定为所述目的起点的货物运输量。
具体的,运输类型标识是指运输任务对应的运输类型的标识;购货标识表征该运输任务是在购货场景下的运输任务;目的站点标识是目的空间信息中表征目的站点的信息,可以是目的站点的名称,可以是目的站点的地理位置,还可以是目的站点的标号,目的终点标识为购货需要送达的目的站点标识,如离购买货物的用户地址最近的目的站点;目的起点标识为购货时发出货物的目的站点标识,也即退货时需要送达的目的站点标识,如离发出货物的商家地址最近的目的站点。
实际应用中,若运输类型标识为购货标识,则说明目标时间段内的运输任务为配送用户购买的货物,针对任一目的终点,将各目的时空信息的目的终点标识与该目的终点进行比较,若某个目的时空信息的目的终点标识表征该目的终点,则目的时空信息数量加一,则说明该目的时空信息对应的待运输货物需要运输到该目的终点,该目的终点的货物运输量加一,遍历所述目的时空信息,进而确定该目的终点的货物运输量。同样地,若运输类型标识为退货标识,则说明目标时间段内的运输任务为配送用户退购的货物,针对任一目的起点,将各目的时空信息的目的起点标识与该目的起点进行比较,若某个目的时空信息的目的起点标识表征该目的起点,则目的时空信息数量加一,则说明该目的时空信息对应的待运输货物需要运输到该目的起点,该目的起点的货物运输量加一,遍历所述目的时空信息,进而确定该目的起点的货物运输量。如此,仅通过目的时空信息的目的终点标识或目的起点标识来确定目的时空信息数量,进而确定各目的终点或目的起点的货物运输量,不仅避免了处理目的时空信息中的其他信息,可以减少数据处理量,提高货物运输量的速率,还可以提高货物运输量的准确率。
步骤106:根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。
具体的,运输路线是指最终确定的目标对象运输待运输货物的路线。
实际应用中,在根据各目的时空信息,获取到历史运输数据和统计到各目的站点的货物运输量之后,进一步地,需要基于历史运输数据和各目的站点的货物运输量进行数据分析和智能排线,从而确定目标对象在目标时间段内完成运输任务所需要行进的路线,也即运输路线。
在本说明书一个或多个可选的实施例中,历史运输数据包括各所述目的站点的历史在站时长和各目的站点之间的历史资源消耗量,且目的时空信息还包括目的到站时间,此时可以基于历史在站时长、各目的站点之间的历史资源消耗量和货物运输量,运输过程中各环节的消耗,进而基于消耗和目的到站时间进行排线以确定运输路线。也即,在历史运输数据包括各所述目的站点的历史在站时长和各所述目的站点之间的历史资源消耗量,所述目的时空信息还包括目的到站时间的情况下,所述根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,具体实现过程可以如下:
根据所述各目的站点的历史在站时长和所述各目的站点的货物运输量,预测得到所述各目的站点在所述目标时间段内的站内消耗时长;
根据所述各目的站点之间的历史资源消耗量,预测得到所述各目的站点在所述目标时间段内的站间资源消耗量;
根据所述目的到站时间、所述站内消耗时长和所述站间资源消耗量,确定所述目标时间段内所述目标对象的运输路线。
具体的,历史在站时长是指目标对象之前运输货物进出某个目的站点所用的时长;历史资源消耗量是指目标对象之前在两个目的站点之间运输货物所消耗的资源值。
实际应用中,针对任意一个目的站点,可以根据该目的站点的历史在站时长和货物运输量,对此次运输任务在目标时间段内,该目的站点的站内消耗时长进行预测,如10分钟、半小时等。遍历各个目的站点,预测出目标时间段内运输任务需要在各目的站点消耗的时长,也即预测各目的站点在目标时间段内的站内消耗时长。然后根据此次运输任务对应的所有目的站点两两之间的历史资源消耗量,对此次运输任务在目标时间段内,各目的站点之间的站间资源消耗量进行预测。进一步地,基于目的到站时间、站内消耗时长和站间资源消耗量进行数据分析并排线,进而确定目标时间段内目标对象的运输路线。如此,先预测目标时间段内各目的站点的站内消耗时长和站间资源消耗量,再基于目的到站时间、站内消耗时长和站间资源消耗量进行排线,确定目标时间段内目标对象的运输路线,可以有效提高排线效率,使运输路线更加精准。
需要说明的是,历史运输数据包括各所述目的站点的历史在站时长和各目的站点之间的历史资源消耗量,此时需要获取各目的站点的历史在站时长和各目的站点之间的历史资源消耗量。也即,在历史运输数据包括各所述目的站点的历史在站时长和各目的站点之间的历史资源消耗量的情况下,所述根据所述各待运输货物的目的时空信息,获取历史运输数据,具体实现过程可以如下:
获取各所述目的站点的历史在站时长,并获取所述目标对象在各所述目的站点之间的历史资源消耗量。
实际应用中,可以从历史在站时长库中获取各目的站点对应的历史在站时长,并从历史资源消耗库中获取各目的站点对之间的历史资源消耗量;还可以根据目的站点,获取到目标对象之前在各目的站点进行运输货物的行程数据,进而根据形成数据计算出目的站点的历史在站时长和目标对象在各目的站点之间的历史资源消耗量。如此,获取各目的站点的历史在站时长和各目的站点之间的历史资源消耗量,来表征历史运输数据,使历史运输数据具有更小的粒度,从而使基于历史运输数据确定的目标运输路线更加精确,使货物运输更加高效,进一步提高用户使用感受,提高用户粘度。
此外,消耗的资源可以是时间,还可以是成本,也可以是时间和成本。也即所述历史资源消耗量包括历史站间消耗时长和/或历史站间成本消耗量;此时获取所述目标对象在各所述目的站点之间的历史资源消耗量时,需要获取所述目标对象在各所述目的站点之间的历史站间消耗时长和/或历史站间成本消耗量。历史站间消耗时长是指目标对象在某两个目的站点之间所消耗的时间长度,历史站间成本消耗量是指目标对象在某两个目的站点之间所耗费的成本。如此获取各目的站点之间的历史站间消耗时长和/或历史站间成本消耗量以表征历史资源消耗量,进一步细化了历史运输数据,也即使历史运输数据的粒度更小,从而使基于历史运输数据确定的目标运输路线更加精确,使货物运输更加高效,进一步提高用户使用感受,提高用户粘度。
在本说明书一个或多个可选的实施例中,历史在站时长包括历史到站时间、历史出站时间,此时可以基于历史到站时间、历史出站时间,以及历史运输数据中的历史货物运输量确定出目的站点处理单位货物的历史处理时长,进一步基于单位货物的历史处理时长和当前的货物运输量,确定目的站点的站内消耗时长。也即在所述历史在站时长包括历史到站时间、历史出站时间,所述历史运输数据还包括各目的站点的历史货物运输量的情况下,所述根据所述各目的站点的历史在站时长和所述各目的站点的货物运输量,预测得到所述各目的站点在所述目标时间段内的站内消耗时长,具体实现过程可以如下:
根据第一目的站点的历史到站时间、历史出站时间以及历史货物运输量,预测得到所述第一目的站点中单位货物的历史处理时长,其中,所述第一目的站点为任一目的站点;
根据所述第一目的站点中单位货物的历史处理时长以及货物运输量,预测得到所述第一目的站点在所述目标时间段内的站内消耗时长。
具体地,历史到站时间是指某次历史运输任务中,目标对象或者其他对象驶入某各目的站点的时间;历史出站时间是指某次历史运输任务中,目标对象或者其他对象驶出某各目的站点的时间;历史货物运输量是指历史到站时间和历史出站时间期间,在该目的站点装卸货物的数量;单位货物的历史处理时长是指处理单个货物或者单位体积的货物所耗费的时长;
实际应用中,针对任一目的站点,根据该目的站点的历史到站时间和历史出站时间,确定在该目的站点的历史耗时,也即历史在站时长,然后根据该目的站点的历史在站时长和历史货物运输量,计算出该目的站点中单位货物的历史处理时长,计算过程如式1所示。进一步地,根据该目的站点中单位货物的历史处理时长和货物运输量,预测出该目的站点此次运输任务在目标时间段内的站内消耗时长,计算过程如式2所示。如此,可以更加精准地确定站内消耗时长,有利于提高路线规划的准确率。
单位货物的历史处理时长=历史在站时长/历史货物运输量
=(历史出站时间-历史到站时间)/历史货物运输量(式1)站内消耗时长=单位货物的历史处理时长*货物运输量(式2)
例如,目的站点A的历史出站时间和历史到站时间分别为10:00和9:00,历史货物运输量为10,则目的站点A的历史在站时长为60分钟,单位货物的历史处理时长为6分钟。若目的站点A的货物运输量为20,则站内消耗时长为120分钟。
在本说明书一个或多个可选的实施例中,站间资源消耗量包括站间消耗时长或者站间成本消耗量,此时可以根据不同的需求,如时效优先或者成本优先,来获取对应的站间资源消耗量,并结合目的到站时间和站内消耗时长,确定此次运输任务的运输路线。也即在所述站间资源消耗量包括站间消耗时长或者站间成本消耗量的情况下,所述根据所述目的到站时间、所述站内消耗时长和所述站间资源消耗量,确定所述目标时间段内所述目标对象的运输路线,具体实现过程可以如下:
接收客户端发送的用户对路线规划方式的选择指令;
在所述选择指令携带时效标识的情况下,根据所述目的到站时间、所述站内消耗时长和所述站间消耗时长,确定所述目标时间段内所述目标对象的运输路线;
在所述选择指令携带成本标识的情况下,根据所述目的到站时间、所述站内消耗时长和所述站间成本消耗量,确定所述目标时间段内所述目标对象的运输路线。
具体的,路线规划方式是指路线规划的需求,如时效优先或者成本优先;选择指令是指用户选择路线规划方式而触发的指令;时效标识是指用户选择时效优先的路线规划方式对应的标识;成本标识是指用户选择成本优先的路线规划方式对应的标识;站间消耗时长是指某两个目的站点之间所消耗的时间长度;站间成本消耗量是指某两个目的站点之间所消耗的成本量。
实际应用中,用户可以通过客户端选择其所述需要的路线规划方式,若用户选择时效优先的路线规划方式,则本地接收的选择指令中携带有时效标识,此时,需要基于目的到站时间、站内消耗时长以及站间消耗时长进行路线规划,确定出时效优先的目标时间段内目标对象的运输路线;若用户选择成本优先的路线规划方式,则本地接收的选择指令中携带有成本标识,此时,需要基于目的到站时间、站内消耗时长以及站间成本消耗量进行路线规划,确定出成本优先的目标时间段内目标对象的运输路线。如此,可以基于客户不同的需求提供对象的运输路线,极大程度上提高了用户粘度。
在本说明书一个或多个可选的实施例中,接收客户端发送的用户对路线规划方式的选择指令之前,需要给用户提供参考以便用户选择路线规划方式。也即在所述接收客户端发送的用户对路线规划方式的选择指令之前,还包括:
根据所述站内消耗时长和所述站间消耗时长,计算各待选择运输路线对应的总消耗时长;
根据所述站间成本消耗量,计算所述各待选择运输路线对应的总成本消耗量;
将所述各待选择运输路线对应的总消耗时长和总成本消耗量发送至客户端进行显示,以供用户根据所述各待选择运输路线对应的总消耗时长和总成本消耗量选择路线规划方式。
具体的,待选择运输路线是指根据各目的站点初步排线得到的多条初始线路;总消耗时长是指目标对象通过某选择运输路线完成目标时间段内的运输任务所需要消耗的总时长;总成本消耗量是指目标对象通过某选择运输路线完成目标时间段内的运输任务所需要消耗的成本量。
实际应用中,可以先基于各待运输货物的目的站点进行初步路线规划,得到多条待选择运输路线,然后根据各目的站点的站内消耗时长和各目的站点之间的站间消耗时长,计算各待选择运输路线对应的总消耗时长,并根据各目的站点之间的站间成本消耗量,计算各待选择运输路线对应的总成本消耗量。然后将各待选择运输路线对应的总消耗时长和总成本消耗量通过客户端进行显示,供用户查看,用户可以根据各待选择运输路线对应的总消耗时长和总成本消耗量选择路线规划方式。
例如,目的站点有三个:目的站点b1、目的站点b2和目的站点b3,其中,目的站点b1为起始站点;假设目的站点b1、目的站点b2和目的站点b3的站内消耗时长分别为10分钟、20分钟和15分钟,目的站点b1与目的站点b2之间的站间消耗时长总时长为25分钟、目的站点b1与目的站点b3之间的站间消耗时长总时长为10分钟、目的站点b2与目的站点b3之间的站间消耗时长总时长为30分钟,目的站点b1到目的站点b2的站间成本消耗量为6、目的站点b1到目的站点b3的站间成本消耗量为8、目的站点b2到目的站点b3的站间成本消耗量为9、目的站点b3到目的站点b2的站间成本消耗量为10。根据目的站点b1、目的站点b2和目的站点b3确定的待选择运输路线有两条:待选择运输路线1为“目的站点b1→目的站点b2→目的站点b3”;待选择运输路线2为“目的站点b1→目的站点b3→目的站点b2”,则待选择运输路线1的总消耗时长为10+20+15+25+30=100分钟,总成本消耗量为6+9=15;待选择运输路线2的总消耗时长为10+20+15+10+30=85分钟,总成本消耗量为8+10=18。然后将待选择运输路线1的总消耗时长100分钟和总成本消耗量15,以及待选择运输路线2的总消耗时长85分钟和总成本消耗量18发送到客户端进行显示。
在本说明书一个或多个可选地实施例中,在运输类型标识为购货标识的情况下,确定为目的终点的货物运输量,或者在运输类型标识为退货标识的情况下,确定目的起点的货物运输量之后,还需要基于目的终点的货物运输量或者目的起点的货物运输量,以及历史运输数据,来确定目标时间段内目标对象的运输路。也即根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,具体实现过程可以如下:
在所述运输类型标识为购货标识的情况下,以仓库站点为起点,根据所述历史运输数据和各目的终点的货物运输量,确定所述目标时间段内所述目标对象的运输路线;
在所述运输类型标识为退货标识的情况下,以仓库站点为终点,根据所述历史运输数据和各目的起点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。
实际应用中,在运输类型标识为购货标识的情况下,初始站点也即仓库站点为货物的出发站点,即起点;此时,以仓库站点为起点,基于历史运输数据和各目的终点的货物运输量进行数据分析和智能排线,从而确定目标对象在目标时间段内完成运输任务所需要行进的路线,也即运输路线,如此可以实现正向排线,从仓库站点将物资送到各目的终点中进行售卖、服务等。在运输类型标识为退货标识的情况下,初始站点也即仓库站点为货物的送达站点,即终点,此时,以仓库站点为终点,基于历史运输数据和各目的起点的货物运输量进行数据分析和智能排线,从而确定目标对象在目标时间段内完成运输任务所需要行进的路线,也即运输路线,如此可以实现逆向排线,从目的起点的物资退货到仓库站点。
需要说明的是,用户可以通过客户端参与路线规划,如添加一些规划需求、对路线进行调整等。也即根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,具体实现过程可以如下:
接收客户端发送的规划附加参数;
根据所述历史运输数据、所述各目的站点的货物运输量以及所述规划附加参数,确定所述目标时间段内所述目标对象的运输路线。
具体的,规划附加参数是指在路线规划中,用户基于规划需求提供的路线规划的参数。
实际应用中,在进行路线规划时,用户可以通过客户端输入一些规划附加参数,或者输入用户需求,客户端根据用户需求转换为规划附加参数,然后将规划附加参数发送到本地。本地在基于历史运输数据、各目的站点的货物运输量以及进行规划附加参数数据分析和智能排线,从而确定目标对象在目标时间段内完成运输任务所需要行进的路线,也即运输路线。如此,基于规划附加参数确定运输路线,能够得到更加符合用户要求的运输路线,也即提高了运输路线的准确率,进而提高货物运输的效率,提高用户粘度。
在本说明书一个或多个可选的实施例中,为了提高确定运输路线的效率和准确率,可以预先训练路线规划模型,然后基于历史运输数据、各目的站点的货物运输量以及路线规划模型,确定目标时间段内目标对象的运输路线。也即所述根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,具体实现过程可以如下:
将所述历史运输数据和所述各目的站点的货物运输量输入预训练的路线规划模型,得到所述目标时间段内所述目标对象的运输路线,其中,所述路线规划模型基于携带有标签路线的样本运输任务训练得到。
具体的,路线规划模型是指预先设置的神经网络模型或者函数;样本运输任务是指预先指定的一些运输任务,可以是历史运输任务,还可以是拟定的运输任务;标签路线是指样本运输任务对应的运输效果较好的路线,如运输时间最短的运输路线,再如运输成本最少的运输路线。
实际应用中,可以预先训练一个路线规划模型:获取一个携带有标签路线的样本运输任务,然后将该样本运输任务输入值预先设置的神经网络模型或者函数,由神经网络模型或者函数输出该样本运输任务的预测运输路线;将该预测运输路线与该样本运输任务携带的标签路线输入预设的损失函数中,确定损失值。进一步地,根据损失值调整该神经网络模型或者该函数的参数,然后继续获取一个携带有标签路线的样本运输任务,开启下一轮训练,直到损失值小于预设阈值或者迭代次数达到预设迭代次数,停止训练,将训练好的神经网络模型或者函数确定为路线规划模型。
此外,在获取到历史运输数据和各目的站点的货物运输量之后,可以将历史运输数据和各目的站点的货物运输量至训练好的路线规划模型,由路线规划模型对历史运输数据和各目的站点的货物运输量进行处理,输出目标时间段内目标对象的运输路线。如此,通过路线规划模型对历史运输数据和各目的站点的货物运输量,实现了自动排布运输路线,节省了人力物力,还提高了确定的运输路线的效率和准确率,能够更好的服务于用户。
在本说明书一个或多个可选的实施例中,为了进一步提高运输路线的精确度,针对不同的运输消耗指标设置了不同的路线规划模型。也即所述将所述历史运输数据和所述各目的站点的货物运输量输入预训练的路线规划模型,得到所述目标时间段内所述目标对象的运输路线之前,具体实现过程可以如下:
接收运输消耗指标,所述运输消耗指标包括运输耗时指标和/或运输成本指标;
确定所述运输消耗指标对应的路线规划模型。
具体的,运输消耗指标是指针对此次运输货物所要达到的消耗指标;运输耗时指标是指针对此次运输货物所要达到的时间消耗指标;运输成本指标是指针对此次运输货物所要达到的成本消耗指标。
实际应用中,显示面板上会有供用户选择的运输消耗指标,如运输耗时指标,又如运输成本指标,再如运输耗时指标和运输成本指标。用户可以根据需求选择对应的运输消耗指标,即接收到运输消耗指标,进而基于接收到的运输消耗指标获取对应的路线规划模型。
例如,运输消耗指标为运输耗时指标,则获取基于运输耗时来确定运输路线的路线规划模型;又如,运输消耗指标为运输成本指标,则获取基于运输成本来确定运输路线的路线规划模型;再如,运输消耗指标为运输耗时指标和运输成本指标,则获取基于运输耗时和运输成本来确定运输路线的路线规划模型。
在本说明书一个或多个可选的实施例中,为了进一步提高运输路线的精确度,针对不同的运输场景设置了不同的路线规划模型。也即所述将所述历史运输数据和所述各目的站点的货物运输量输入预训练的路线规划模型,得到所述目标时间段内所述目标对象的运输路线之前,具体实现过程可以如下:
获取所述目标对象的运输场景标识;
确定所述运输场景标识对应的路线规划模型。
具体的,运输场景标识是指运输场景对应的名称、标号等。
实际应用中,显示面板上会有供用户选择的运输场景标识,如蔬菜运输场景标识,又如衣物运输场景标识,再如同城跑腿场景标识。用户可以根据需求选择对应的运输场景标识,即获取到运输场景标识,进而基于获取到的运输场景标识获取对应的路线规划模型。如此,可以针对不同的运输场景获取不同的路线规划模型,有利于提高目标运输路线的准确性,进而提高货物运输的效率,提高用户粘度。
在本说明书一个或多个可选的实施例中,在确定出了运输路线之后可以从该运输路线展示给用户,用户如果对该运输路线不满意,可以调整该运输路线。也即所述根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线之后,还包括:
将所述运输数据发送至客户端进行显示;
在接收到针对所述运输数据的路线调整指令的情况下,根据所述路线调整指令中携带的调整参数,对所述运输路线进行调整,得到调整后的运输路线。
具体的,路线调整指令是指用户或者用户通过服务器发送的对运输路线进行调整的指令;调整参数是指调整运输路线的参数,以使运输路线得到改善,成为符合用户需求的运输路线。
实际应用中,可以根据历史运输数据和各目的站点的货物运输量,进行智能排线,从而确定目标对象在目标时间段内完成运输任务所需要行进的路线,也即目标时间段内目标对象的运输路线。然后通过客户端向用户显示运输路线,如果接收到对运输路线进行调整的路线调整指令,则根据路线调整指令中的调整参数调整运输路线,得到调整运输路线。
需要说明的是,在接收到路线调整指令的情况下,根据所述路线调整指令中携带的调整参数,对所述运输路线进行调整之后,若再次接收到路线调整指令则需要对调整后的运输路线再次调整。如此,通过对运输路线的调整,能够得到更加符合用户要求的运输路线,也即提高了运输路线的准确率,进而提高货物运输的效率,提高用户粘度。
此外,在确定了运输路线之后,还可以确定运输路线对应的运输指标,进而将运输路线和运输指标展示给用户。也即在所述根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线之后,还需要计算所述运输路线对应的运输指标;将所述运输路线和所述运输指标发送至客户端进行显示。其中,运输指标是指运输路线的参数信息,如达到某目的站点的时间、历程、运行时长、装载率等指标。如此,可以使用户简单直观地查看到运输路线的运输指标,提供与用户的关联度。
参见图2A,图2A示出了本说明书一个实施例提供的一种运输路线规划方法中运输路线规划平台的处理过程示意图:运输管理系统接收到订单,也即在目标时间段内的运输任务,运输任务中包含运输日期、起始点和终点,也即目的时空信息,还可以包括货物属性信息,如需要运输的货物的重量、数量和体积等。然后导入/同步订单至可视化智能排线中,进行规划,由可视化智能排线圈定订单,即圈单,包括送达日期、温层类型和任务线等。进一步地,将所有信息汇总进行货量统计,即根据目的时空信息确定各目的站点的货物运输数量,进一步地根据排线策略,如排线偏好(时效优先和成本优先)、车型规则和截单规则等,基于智能排线自动上生成运输路线,也可以基于人工排线生成运输路线。之后,可以调整运输路线,进而生成运单或导出运输路线。进一步导出/同步运输路线,进行车辆调度,然后根据车辆调度的方案进行货物运输,在监测货物运输过程的同时进行计费。
此外,运输管理系统提供了建设排线基础能力,可以正向排线(如从仓端将物资送到店中进行售卖)、逆向排线(如对于退货相关的任务进行排线)、预排线(如通过预测货量,预测未来几天的运输线路)和追线(在已排的运输线路上,追加站点。提前排线后有部分站点有追加货量。下发仓库作业后,增加作业信息);支持人工干预,将人工排线进行导入,复制之前某天排线,用于地图页面展示;可以提前获取路径数据,供确定运输路线计算使用;支持策略化、白盒化、以及仿真|试算运输路线。
并且,运输路线规划平台沉淀了排线算法能力,可以预测发车节奏、刻画在途导航时长、预测站点作业时长和刻画车辆装载,如根据历史车辆出入某目的站点的时间,计算出历史平均装货时长(历史出站时间-历史到站时间),即预测发车节奏;根据历史导航时间得出平均在途时长;根据(历史出站时间-历史到站时间)/历史货物运输量=历史单件作业时长(单位货物的历史处理时长),以及历史单件作业时长*货物运输量=预计站点作业时长(站内消耗时长);根据历史数据得出某运输车辆最大容积为xxx件/xxx订单等信息。还可以沉淀多种导航方式,进行导航服务,如成本优先与熟路优先供用户选择,也即路网/时效。
运输管理系统还可以搭建排线策略能力,如排线策略化,沉淀出排线相关参数,进行标准化后供用户使用,让用户根据需求修改参数,获取更适配其项目场景的结果;再如指标可视化,将排线结果用指标呈现,也物流网络可视化,明确达到的站点(位置信息、车型约束、时间窗口和容器约束)、路线(距离时效和区块划分)、车型(运载能力和装卸时长)和容量,还可以显示到达时间、里程数、运行时长、装载率等指标。
运输管理系统由一定的平台基础,主要包括租户体系、账户体系、组织架构、权限体系和配置中心。可视化智能排线可以与METIS算法(基于多层次递归二分切分法、多层次K路切分法以及多约束划分机制)平台进行交互,可视化智能排线为METIS算法平台提供规则输入,METIS算法平台基于导航服务提供的路网/时效、可视化智能排线输入的规则、租户注册、策略配置、算法输出以及学习优化等反馈算法输出给可视化智能排线,其中租户注册可以由平台基础为METIS算法平台提供,物流网络可以为METIS算法平台提供基础数据,供METIS算法平台学习优化。
本说明书一个或多个实施例提供的运输路线规划有两个指标产出和两个产品产出,其中两个指标产出为:时效指标,排线下发时间、截单时间、各站计划到达时间、各站计划发车时间、计划就位时间、在途时长以及站内作业时长;成本指标,串点数、总货量、总体积、总重量和装载率。两个产品产出为:智能排线,替代人工排线提高效率;数据分析能力,数据化的展示排线结果,根据结果优化入参。还沉淀出一套智能排线算法:根据站点,货量等数据排出线路;实时调用历史数据,获取站点作业时长与在途时长;滚动发车,车辆可按班次或间隔时长发车。此外,可以精确预测运输时效,使用历史数据,精确反馈出到站出站时间;指导司机、站点作业、提前预备;事后追责,分析管理问题,提升效率。不仅建立了统一的排线数据中心:大量的历史作业数据,站内作业时长,仓出库时长等;排线结果沉淀相关指标数据,排线完成便可一目了然进行分析;使用了、ADB(分析型数据库Mysql)分布式存储,支持全索引查询,并且有超级强大的数据分析能力。能够快速接入新任务的能力,且新项目接入仅需导入基础站点数据即可使用,增加历史作业数据时对接导航可更精准的产出排线结果。
在本说明书一个或多个可选的实施例中,对于不同的运输标识的运输任务,需要采用不同的路线规划方法。也即在所述根据所述各待运输货物的目的时空信息,获取历史运输数据之前,还包括:
识别所述运输任务的运输标识;
相应地,所述根据所述各待运输货物的目的时空信息,获取历史运输数据,包括:
在所述运输标识为动态运输标识的情况下,根据所述各待运输货物的目的时空信息,获取历史运输数据,其中,所述动态运输标识表征所述运输任务与历史运输任务之间的变化量大于预设数值。
具体的,运输标识表征运输任务对应的运输任务场景;动态运输标识表征所述运输任务与历史运输任务之间的变化量大于预设数值,也即每天或者一段时间内的运输线路不固定,变化较大,如自提类的购货,根据客户端用户下单,每天的目的站点不确定,需要每日重新计算运输路线。
实际应用中,在获取到目标对象在目标时间段内的运输任务后,对运输任务的运输标识进行识别,如果运输标识为动态运输标识,则根据运输任务中各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量,进一步根据历史运输数据和各目的站点的货物运输量,确定目标时间段内目标对象的运输路线。如此,基于运输标识选择对应的路线规划方法,可以提高确定运输路线的准确性。
在本说明书一个或多个可选的实施例中,运输标识可以是静态运输标识,此时基于静态运输标识,进行确定运输路线,也即:
在所述运输标识为静态运输标识的情况下,根据所述运输任务获取复刻路线,其中,所述静态运输标识表征所述运输任务与历史运输任务之间的变化量小于或等于预设数值,所述复刻路线为任一历史运输路线;
确定所述复刻路线包含的多个历史站点与各目的站点的相似度;
按照所述相似度对应的路线规划策略,根据所述复刻路线和所述各目的站点,确定所述目标时间段内所述目标对象的运输路线。
具体的,动态运输标识表征运输任务与历史运输任务之间的变化量小于或等于预设数值,也即每天或者一段时间内的运输线路变化较小,如干线运输、点对点运输。
实际应用中,在获取到目标对象在目标时间段内的运输任务后,对运输任务的运输标识进行识别,如果运输标识为静态运输标识,则获取历史运输路线和/或备选运输路线,然后从历史运输路线和/或备选运输路线中选择一条路线作为复刻路线。进一步地,计算复刻路线与个目的站点的相似度,也即复刻路线包含的多个历史站点与各目的站点的相似度。进而选择该相似度对应的路线规划策略,然后按照该路线规划策略,对复刻路线和各目的站点进行分析,也即基于各目的站点对复刻路线进行调整,确定目标时间段内目标对象的运输路线。如此,可以基于复刻路线确定运输路线,可以降低复杂场景下路线规划的耗时,为仓库生产和后续实时运输争取更多时间,同时降低了线路规划的成本与门槛。
需要说明的是,复刻路线可以是从一段时间内的历史运输路线集合中筛选的历史货量与此次运输任务的货量接近且评分较高的多个历史运输路线,并按照加权得分对多个历史运输路线进行排序,然后按照预设条件或者预设参数从中选出一个历史运输路线作为复刻路线。或者采用排线试算等其他方式获得满意的备选运输路线,将备选运输路线作为复刻路线。又或者从多个历史运输路线和备选运输路线中按照预设条件或者预设参数从中选出一个运输路线作为复刻路线。
在本说明书一个或多个可选的实施例中,可以将相似度与预设的相似度阈值,若大于,则选择点对点精准匹配的策略进行路线规划,若不大于,则选择面对点包含匹配的策略进行路线规划。也即所述按照所述相似度对应的路线规划策略,根据所述复刻路线和所述各目的站点,确定所述目标时间段内所述目标对象的运输路线,具体可以如下:
若所述相似度大于预设的相似度阈值,针对任一目的站点,判断所述复刻路线是否包含该目的站点,根据判断结果确定所述目标时间段内所述目标对象的运输路线;
若所述相似度小于或等于所述相似度阈值,确定所述复刻路线对应的运输面,针对任一目的站点,识别所述运输面是否包含该目的站点,根据识别结果确定所述目标时间段内所述目标对象的运输路线。
实际应用中,在计算出复刻路线包含的多个历史站点与各目的站点的相似度后,根据预设的相似度阈值选择不同的路线规划策略。如果相似度大于预设的相似度阈值,则使用点对点精准匹配的策略:针对任一目的站点,判断该目的站点是否存在于复刻线路中,若存在,则将该目的站点添加至运输路线,若不存在,则不添加至运输路线。遍历所有的目的站点,得到目标时间段内目标对象的运输路线。如果相似度不大于预设的相似度阈值,则使用面对点包含匹配的策略:先确定复刻路线对应的运输面,也即凸包,针对任一目的站点,判断该目的站点是否存在于运输面中,若存在,则将该目的站点添加至运输路线,若不存在,则不添加至运输路线。遍历所有的目的站点,得到目标时间段内目标对象的运输路线。如此,可以基于复刻路线确定运输路线,可以降低复杂场景下路线规划的耗时,为仓库生产和后续实时运输争取更多时间,同时降低了线路规划的成本与门槛。
此外,对于相似度不大于预设的相似度阈值的情况,在确定了运输路线后,对于未排站点,也即未添加至运输路线的站点与运输路线的距离,若距离小于预设的容纳阈值,仅需要进一步判断当前站点加入线路后是否能够装下以及能够满足履约时效,若都满足,则将该未排站点添加至运输路线,若不能都满足,则不添加至运输路线。
参见图2B,图2B示出了本说明书一个实施例提供的另一种运输路线规划方法的处理过程示意图:计算出复刻线路与目的站点的相似度,然后判断相似度是否大于相似度阈值。
若是,进行点对点精确匹配:统计复刻路线内的站点集合,然后按照经纬度进行点对点精准匹配,即根据站点集合中各站点的经纬度判断各目的站点是否存在于复刻线路中,针对某目的站点,若存在则纳入到运输线路里,若不存在则不纳入运输线路,遍历所有的目的站点,生成运输路线,之后输出运输路线。
若否,进行面对点包含匹配:需要首先计算复刻线路内站点凸包(最小外接多边形),也即运输面,然后按照图形(凸包)关系进行面与点包含匹配,即将各目的站点逐个匹配是否被当前凸包所包含,若包含则纳入到运输线路,若不包含则不纳入运输线路,遍历所有的目的站点,生成运输路线。为了进一步减轻调度员的工作,完成上述步骤之后,还可以计算未排站点与运输线路的距离,判断距离是否大于容纳阈值,若否,需要计算运输路线的装载容量和预估时效,进一步判断添加该未排站点后是否满足载能和时效,即判断当前站点加入线路后是否能够装下以及能够满足履约时效,若是,则添加该未排站点至运输路线,若否,则不添加该未排站点至运输路线。遍历所有目的站点后,输出运输路线。
参见图2C,图2C示出了本说明书一个实施例提供的一种运输路线规划方法的效果示意图:复刻路线包含了站点1-7,目的站点包含了站点1-5和7-10,其中,站点6不需要排线,站点8、9、10相对于复刻路线为新增站点。对于点对点精准匹配:会逐个比较目的站点是否存在于复刻线路中,若存在则被纳入对应的运输线路,因此站点1-6和7被纳入运输路线,站点8-10未被纳入运输路线,调度员可以手动调整。面对点包含匹配,计算复刻线路的凸包(最小外接多边形,即图3中的多边形),并比较每个目的站点是否被凸包包含,若包含则被纳入运输路线,则站点1-5和7-8被纳入运输路线中,之后计算了未排站点到运输路线的距离,未排站点9与运输路线的距离小于容纳阈值,未排站点10与运输路线的距离大于容纳阈值,则将到站点9纳入到运输路线中,站点10不纳入到运输路线。
参见图2D,图2D示出了本说明书一个实施例提供的另一种运输路线规划方法中运输路线规划平台处理过程示意图:运输路线规划平台包含三个单元,分别是用于推荐合适的优质历史运输路线的运输调度准备单元;实际进行线路复刻、完成排线与调度的路线复刻单元;基于运输路线进行实操,并将实操结果分别统计以反哺下一次排线调度的运输实操及统计单元。
运输调度准备单元:通过运输管理系统接收各目的站点的货物运输量,即接收运输任务,会从一段时间内(如最近2个月)的历史运输路线中寻找货量接近且评分较高的调度结果:如计算与历史货物运输量的第一相似度和历史调度结果评分,然后按照加权得分进行排序,推荐可用于复刻的优质历史运输路线给调度员。调度员在比较之后挑选合适的历史运输路线作为复刻路线,即调度员选取复刻路线;或者调度员在复刻之后找到了更加满意的历史线路,也可以重新发起复刻;除了历史运输路线外,调度员也可以通过排线试算等其他方式获得满意的路线规划结果,即调度员主动选取的路线规划结果,将其导入系统后再发起线路复刻,即调度员选取复刻路线。
路线复刻单元:负责完成对线路的复刻与运力的推荐。在不同的场景,目的站点的数量或者变动可能会存在较大差异。例如在用户线上买菜的场景下,目的站点变化大,非大促场景下目的站点变化小,相似率约70%;在用户线下到店买菜的场景下,由于目的站点覆盖人群较多且均为自营,相似率基本在100%。这样的差异会对线路复核提出不同的要求。因此先计算复刻线路与目的站点的第二相似度,然后判断第二相似度是否大于相似度阈值,若是采用点对点精准匹配的策略,以实现效果较好的复刻效果;若否,如果仍然采用精准匹配策略,会导致大量的站点没有归属运输线路,仍然需要调度员花费大量时间进行调整,因此使用面对点包含匹配的策略,已实现更大的灵活性,减少调度员的工作。之后输出运输路线。获得运输路线之后,还需要进行司机车辆的调度工作,通过获取司机对站点的熟悉度和司机对路线的熟悉度,并加权求和统计到运输线路上之后,得到每个运输线路最匹配的运力信息,即得到推荐司机,进而输出排线调度结果。如此,在某个司机连续数天跑了相同片区之后,后续他对这个片区的熟悉度增加,会继续让司机继续服务于这个片区,提升司机的运输与交接效率。
运输实操及统计单元:在排线调度结果之后,由调度员确定并提交该排线调度结果。进一步地进入运输实操,并在运输实操完结后计算调度结果、计算司机对站点的熟悉度(例如司机实操时每到达一次站点A,则司机对该站点的熟悉度+1)和司机对线路的熟悉度(司机实操时每进行一次站点A到站点B,则司机对路线AB的熟悉度+1),用于在未来的排线调度中提供数据基础。其中,调度结果:对本次运输任务的考核,主要为到站和离站的时效考核。
如此,根据熟悉度选择对路线、站点熟悉的司机执行运输任务,可以避免对司机导航的依赖,减少导航成本;通过复刻路线可以提升调度员效率,减少仓库对专职调度员的依赖,降低调度员门槛,帮助调度员更容易地自行迭代排线结果,并提升排线调度的效果。同时,基于点对点精准匹配或者面对点包含匹配,能够在满足时效的前提下提升车效,降低运输成本,兼容货量波动、站点波动等多种特殊场景。
参见图2E,图2E是本说明书一个实施例提供的一种运输路线规划方法中复刻路线与运输路线的对比图:复刻路线为某市A区-路线5,其中承运商为B公司、司机为小红、车牌号为123456、站点为10个、总里程和正向里程均为12千米、总货量为20件、体积为0.5立方米且重量为25千克,复刻路线中标注有站点配送的顺序,在复制过程中会将原有的顺序保留。运输路线为某市A区-路线5,其中承运商为B公司、司机为小明、车牌号为654321、站点为8个、总里程和正向里程均为10千米、总货量为15件、体积为0.4立方米且重量为20千克,运输路线中标注有站点配送的顺序。
本说明书提供的运输路线规划方法,接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。通过历史运输数据和所述各目的站点的货物运输量,确定目标时间段内目标对象对应的目标运输路线,避免了人工排线带来的差异,可以有效地提高运输路线规划的效率和准确性,通过历史运输数据,可精准地确定运输路线。
此外,通过路线规划模型确定运输路线,可以同时兼顾成本与时效,即根据历史运输数据计算出理论效果较好的值,在保证时效的情况下,能够得出成本最低的排线结果。通过历史运输数据,从中获取历史站点间、历史站内作业时长,即目的站点的历史在站时长和目的站点之间的历史资源消耗量,可较为精准的推算出运输任务的完成时间。通过该时间,反推仓库作业时间,以运驱仓。且结合历史运输数据,定位数据与货车导航接收,预测出在途时长与站内作业时长(站内消耗时长),可实时滚动对未来多线路精准预测,为后续站点收货提货较为准确的预测时间。
下述结合附图3,以本说明书提供的运输路线规划方法在蔬菜运输场景中的应用为例,对所述运输路线规划方法进行进一步说明。其中,图3示出了本说明书一个实施例提供的一种运输路线规划方法的处理过程流程图,具体包括以下步骤。
步骤302:接收目标对象在目标时间段内的蔬菜运输任务,其中,蔬菜运输任务包括各待运输蔬菜的目的时空信息。
步骤304:识别蔬菜运输任务的运输标识。
步骤306:在运输标识为动态运输标识的情况下,根据各待运输蔬菜的目的时空信息中包含的目的站点标识,确定各待运输蔬菜的目的站点。
其中,动态运输标识表征运输任务与历史运输任务之间的变化量大于预设数值。
步骤308:获取各待运输蔬菜的目的站点对应的历史运输数据。
步骤310:根据各待运输蔬菜的目的时空信息,统计各目的站点的蔬菜运输量。
可选地,目的时空信息包括目的站点标识;
根据各待运输蔬菜的目的时空信息,统计各目的站点的蔬菜运输量,包括:
针对任一目的站点,确定目的站点标识表征该目的站点的目的时空信息数量,将目的时空信息数量确定为该目的站点的蔬菜运输量。
可选地,运输任务还包括运输类型标识;目的站点标识包括目的终点标识或目的起点标识,目的站点为蔬菜运输的目的终点或目的起点;
针对任一目的站点,确定目的站点标识表征该目的站点的目的时空信息数量,将数量确定为该目的站点的蔬菜运输量,包括:
在运输类型标识为购货标识的情况下,确定目的终点标识所表征的目的终点的目的时空信息数量,将目的时空信息数量确定为目的终点的蔬菜运输量;
在运输类型标识为退货标识的情况下,确定目的起点标识所表征的目的起点的目的时空信息数量,将目的时空信息数量确定为目的起点的蔬菜运输量。
步骤312:根据各目的站点的历史在站时长和各目的站点的蔬菜运输量,预测得到各目的站点在目标时间段内的站内消耗时长。
可选地,历史在站时长包括历史到站时间、历史出站时间,历史运输数据还包括各目的站点的历史蔬菜运输量;
根据各目的站点的历史在站时长和各目的站点的蔬菜运输量,预测得到各目的站点在目标时间段内的站内消耗时长,包括:
根据第一目的站点的历史到站时间、历史出站时间以及历史蔬菜运输量,预测得到第一目的站点中单位蔬菜的历史处理时长,其中,第一目的站点为任一目的站点;
根据第一目的站点中单位蔬菜的历史处理时长以及蔬菜运输量,预测得到第一目的站点在目标时间段内的站内消耗时长。
步骤314:根据各目的站点之间的历史资源消耗量,预测得到各目的站点在目标时间段内的站间资源消耗量。
步骤316:根据目的到站时间、站内消耗时长和站间资源消耗量,确定目标时间段内目标对象的运输路线。
可选地,站间资源消耗量包括站间消耗时长或者站间成本消耗量;
根据目的到站时间、站内消耗时长和站间资源消耗量,确定目标时间段内目标对象的运输路线,包括:
接收客户端发送的用户对路线规划方式的选择指令;
在选择指令携带时效标识的情况下,根据目的到站时间、站内消耗时长和站间消耗时长,确定目标时间段内目标对象的运输路线;
在选择指令携带成本标识的情况下,根据目的到站时间、站内消耗时长和站间成本消耗量,确定目标时间段内目标对象的运输路线。
可选地,在接收客户端发送的用户对路线规划方式的选择指令之前,还包括:
根据站内消耗时长和站间消耗时长,计算各待选择运输路线对应的总消耗时长;
根据站间成本消耗量,计算各待选择运输路线对应的总成本消耗量;
将各待选择运输路线对应的总消耗时长和总成本消耗量发送至客户端进行显示,以供用户根据各待选择运输路线对应的总消耗时长和总成本消耗量选择路线规划方式。
可选地,根据历史运输数据和各目的站点的蔬菜运输量,确定目标时间段内目标对象的运输路线,包括:
在运输类型标识为购货标识的情况下,以仓库站点为起点,根据历史运输数据和各目的终点的蔬菜运输量,确定目标时间段内目标对象的运输路线;
在运输类型标识为退货标识的情况下,以仓库站点为终点,根据历史运输数据和各目的起点的蔬菜运输量,确定目标时间段内目标对象的运输路线。
步骤318:接收客户端发送的规划附加参数。
步骤320:根据历史运输数据、各目的站点的蔬菜运输量以及规划附加参数,确定目标时间段内目标对象的运输路线。
步骤322:在运输标识为静态运输标识的情况下,根据蔬菜运输任务获取复刻路线。
其中,静态运输标识表征运输任务与历史运输任务之间的变化量小于或等于预设数值,复刻路线为任一历史运输路线;
步骤324:确定复刻路线包含的多个历史站点与各目的站点的相似度。
步骤326:若相似度大于预设的相似度阈值,针对任一目的站点,判断复刻路线是否包含该目的站点。
步骤328:根据判断结果确定目标时间段内目标对象的运输路线。
步骤330:若相似度小于或等于相似度阈值,确定复刻路线对应的运输面。
步骤332:针对任一目的站点,识别运输面是否包含该目的站点,根据识别结果确定目标时间段内目标对象的运输路线。
步骤334:计算运输路线对应的运输指标,将运输路线和运输指标发送至客户端进行显示。
本说明书提供的运输路线规划方法,通过历史运输数据和所述各目的站点的蔬菜运输量,确定目标对象对应的运输路线,避免了人工排线带来的差异,可以有效地提高运输路线规划的效率和准确性,通过历史运输数据,可精准地确定目标运输路线。
与上述方法实施例相对应,本说明书还提供了运输路线规划装置实施例,图4示出了本说明书一个实施例提供的一种运输路线规划装置的结构示意图。如图4所示,该装置包括:
接收模块402,被配置为接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;
统计模块404,被配置为根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;
确定模块406,被配置为根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。
在本说明书一个或多个可选的实施例中,所述目的时空信息包括目的站点标识;
所述统计模块404,还被配置为:
根据所述各待运输货物的目的站点标识,确定所述各待运输货物的目的站点;
获取所述各待运输货物的目的站点对应的历史运输数据。
在本说明书一个或多个可选的实施例中,所述历史运输数据包括各目的站点的历史在站时长以及所述各目的站点之间的历史资源消耗量;所述目的时空信息还包括目的到站时间;
所述确定模块406,还被配置为:
根据所述各目的站点的历史在站时长和所述各目的站点的货物运输量,预测得到所述各目的站点在所述目标时间段内的站内消耗时长;
根据所述各目的站点之间的历史资源消耗量,预测得到所述各目的站点在所述目标时间段内的站间资源消耗量;
根据所述目的到站时间、所述站内消耗时长和所述站间资源消耗量,确定所述目标时间段内所述目标对象的运输路线。
在本说明书一个或多个可选的实施例中,所述历史在站时长包括历史到站时间、历史出站时间,所述历史运输数据还包括各目的站点的历史货物运输量;
所述确定模块406,还被配置为:
根据第一目的站点的历史到站时间、历史出站时间以及历史货物运输量,预测得到所述第一目的站点中单位货物的历史处理时长,其中,所述第一目的站点为任一目的站点;
根据所述第一目的站点中单位货物的历史处理时长以及货物运输量,预测得到所述第一目的站点在所述目标时间段内的站内消耗时长。
在本说明书一个或多个可选的实施例中,所述站间资源消耗量包括站间消耗时长或者站间成本消耗量;
所述确定模块406,还被配置为:
接收客户端发送的用户对路线规划方式的选择指令;
在所述选择指令携带时效标识的情况下,根据所述目的到站时间、所述站内消耗时长和所述站间消耗时长,确定所述目标时间段内所述目标对象的运输路线;
在所述选择指令携带成本标识的情况下,根据所述目的到站时间、所述站内消耗时长和所述站间成本消耗量,确定所述目标时间段内所述目标对象的运输路线。
在本说明书一个或多个可选的实施例中,所述确定模块406,还被配置为:
根据所述站内消耗时长和所述站间消耗时长,计算各待选择运输路线对应的总消耗时长;
根据所述站间成本消耗量,计算所述各待选择运输路线对应的总成本消耗量;
将所述各待选择运输路线对应的总消耗时长和总成本消耗量发送至客户端进行显示,以供用户根据所述各待选择运输路线对应的总消耗时长和总成本消耗量选择路线规划方式。
在本说明书一个或多个可选的实施例中,所述运输任务还包括运输类型标识;所述目的时空信息包括目的终点标识或目的起点标识,所述目的站点为货物运输的目的终点或目的起点;
所述统计模块404,还被配置为:
在所述运输类型标识为购货标识的情况下,针对任一目的终点,确定所述目的终点标识所表征的目的终点的目的时空信息数量,将所述目的时空信息数量确定为所述目的终点的货物运输量;
在所述运输类型标识为退货标识的情况下,针对任一目的起点,确定所述目的起点标识所表征的目的起点的目的时空信息数量,将所述目的时空信息数量确定为所述目的起点的货物运输量。
在本说明书一个或多个可选的实施例中,所述确定模块406,还被配置为:
在所述运输类型标识为购货标识的情况下,以仓库站点为起点,根据所述历史运输数据和各目的终点的货物运输量,确定所述目标时间段内所述目标对象的运输路线;
在所述运输类型标识为退货标识的情况下,以仓库站点为终点,根据所述历史运输数据和各目的起点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。
在本说明书一个或多个可选的实施例中,所述装置还包括识别模块,被配置为:
识别所述运输任务的运输标识;
所述获取模块404,还被配置为:
在所述运输标识为动态运输标识的情况下,根据所述各待运输货物的目的时空信息,获取历史运输数据,其中,所述动态运输标识表征所述运输任务与历史运输任务之间的变化量大于预设数值。
在本说明书一个或多个可选的实施例中,所述装置还包括复刻模块,被配置为:
在所述运输标识为静态运输标识的情况下,根据所述运输任务获取复刻路线,其中,所述静态运输标识表征所述运输任务与历史运输任务之间的变化量小于或等于预设数值,所述复刻路线为任一历史运输路线;
确定所述复刻路线包含的多个历史站点与各目的站点的相似度;
按照所述相似度对应的路线规划策略,根据所述复刻路线和所述各目的站点,确定所述目标时间段内所述目标对象的运输路线。
在本说明书一个或多个可选的实施例中,所述复刻模块,还被配置为:
若所述相似度大于预设的相似度阈值,针对任一目的站点,判断所述复刻路线是否包含该目的站点,根据判断结果确定所述目标时间段内所述目标对象的运输路线;
若所述相似度小于或等于所述相似度阈值,确定所述复刻路线对应的运输面,针对任一目的站点,识别所述运输面是否包含该目的站点,根据识别结果确定所述目标时间段内所述目标对象的运输路线。
本说明书提供的运输路线规划装置,接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息;根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量;根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。通过历史运输数据和所述各目的站点的货物运输量,确定目标时间段内目标对象对应的目标运输路线,避免了人工排线带来的差异,可以有效地提高运输路线规划的效率和准确性,通过历史运输数据,可精准地确定运输路线。
上述为本实施例的一种运输路线规划装置的示意性方案。需要说明的是,该运输路线规划装置的技术方案与上述的运输路线规划方法的技术方案属于同一构思,运输路线规划装置的技术方案未详细描述的细节内容,均可以参见上述运输路线规划方法的技术方案的描述。
图5示出了本说明书一个实施例提供的一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接,数据库550用于保存数据。
计算设备500还包括接入设备540,接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN,Public SwitchedTelephone Network)、局域网(LAN,Local Area Network)、广域网(WAN,Wide AreaNetwork)、个域网(PAN,Personal Area Network)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC,NetworkInterface Controller))中的一个或多个,诸如IEEE802.11无线局域网(WLAN,WirelessLocal Area Network)无线接口、全球微波互联接入(Wi-MAX,WorldwideInteroperability for Microwave Access)接口、以太网接口、通用串行总线(USB,Universal Serial Bus)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC,Near FieldCommunication)接口,等等。
在本说明书的一个实施例中,计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图5所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备500可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
其中,处理器520用于执行如下计算机可执行指令,该计算机可执行指令被处理器执行时实现上述运输路线规划方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的运输路线规划方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述运输路线规划方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述运输路线规划方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的运输路线规划方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述运输路线规划方法的技术方案的描述。
本说明书一实施例还提供一种计算机程序,其中,当所述计算机程序在计算机中执行时,令计算机执行上述运输路线规划方法的步骤。
上述为本实施例的一种计算机程序的示意性方案。需要说明的是,该计算机程序的技术方案与上述的运输路线规划方法的技术方案属于同一构思,计算机程序的技术方案未详细描述的细节内容,均可以参见上述运输路线规划方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (13)
1.一种运输路线规划方法,包括:
接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息,所述目的时空信息包括目的到站时间;
根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量,其中,所述历史运输数据包括各目的站点的历史在站时长以及所述各目的站点之间的历史资源消耗量;
根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,其中,所述根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,包括:根据所述各目的站点的历史在站时长和所述各目的站点的货物运输量,预测得到所述各目的站点在所述目标时间段内的站内消耗时长;根据所述各目的站点之间的历史资源消耗量,预测得到所述各目的站点在所述目标时间段内的站间资源消耗量;根据所述目的到站时间、所述站内消耗时长和所述站间资源消耗量,确定所述目标时间段内所述目标对象的运输路线。
2.根据权利要求1所述的方法,所述目的时空信息包括目的站点标识;
所述根据所述各待运输货物的目的时空信息,获取历史运输数据,包括:
根据所述各待运输货物的目的站点标识,确定所述各待运输货物的目的站点;
获取所述各待运输货物的目的站点对应的历史运输数据。
3.根据权利要求1所述的方法,所述历史在站时长包括历史到站时间、历史出站时间,所述历史运输数据还包括各目的站点的历史货物运输量;
所述根据所述各目的站点的历史在站时长和所述各目的站点的货物运输量,预测得到所述各目的站点在所述目标时间段内的站内消耗时长,包括:
根据第一目的站点的历史到站时间、历史出站时间以及历史货物运输量,预测得到所述第一目的站点中单位货物的历史处理时长,其中,所述第一目的站点为任一目的站点;
根据所述第一目的站点中单位货物的历史处理时长以及货物运输量,预测得到所述第一目的站点在所述目标时间段内的站内消耗时长。
4.根据权利要求1所述的方法,所述站间资源消耗量包括站间消耗时长或者站间成本消耗量;
所述根据所述目的到站时间、所述站内消耗时长和所述站间资源消耗量,确定所述目标时间段内所述目标对象的运输路线,包括:
接收客户端发送的用户对路线规划方式的选择指令;
在所述选择指令携带时效标识的情况下,根据所述目的到站时间、所述站内消耗时长和所述站间消耗时长,确定所述目标时间段内所述目标对象的运输路线;
在所述选择指令携带成本标识的情况下,根据所述目的到站时间、所述站内消耗时长和所述站间成本消耗量,确定所述目标时间段内所述目标对象的运输路线。
5.根据权利要求4所述的方法,在所述接收客户端发送的用户对路线规划方式的选择指令之前,还包括:
根据所述站内消耗时长和所述站间消耗时长,计算各待选择运输路线对应的总消耗时长;
根据所述站间成本消耗量,计算所述各待选择运输路线对应的总成本消耗量;
将所述各待选择运输路线对应的总消耗时长和总成本消耗量发送至客户端进行显示,以供用户根据所述各待选择运输路线对应的总消耗时长和总成本消耗量选择路线规划方式。
6.根据权利要求1所述的方法,所述运输任务还包括运输类型标识;所述目的时空信息包括目的终点标识或目的起点标识,所述目的站点为货物运输的目的终点或目的起点;
所述根据所述各待运输货物的目的时空信息,统计各目的站点的货物运输量,包括:
在所述运输类型标识为购货标识的情况下,针对任一目的终点,确定所述目的终点标识所表征的目的终点的目的时空信息数量,将所述目的时空信息数量确定为所述目的终点的货物运输量;
在所述运输类型标识为退货标识的情况下,针对任一目的起点,确定所述目的起点标识所表征的目的起点的目的时空信息数量,将所述目的时空信息数量确定为所述目的起点的货物运输量。
7.根据权利要求6所述的方法,所述根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,包括:
在所述运输类型标识为购货标识的情况下,以仓库站点为起点,根据所述历史运输数据和各目的终点的货物运输量,确定所述目标时间段内所述目标对象的运输路线;
在所述运输类型标识为退货标识的情况下,以仓库站点为终点,根据所述历史运输数据和各目的起点的货物运输量,确定所述目标时间段内所述目标对象的运输路线。
8.根据权利要求1所述的方法,在所述根据所述各待运输货物的目的时空信息,获取历史运输数据之前,还包括:
识别所述运输任务的运输标识;
所述根据所述各待运输货物的目的时空信息,获取历史运输数据,包括:
在所述运输标识为动态运输标识的情况下,根据所述各待运输货物的目的时空信息,获取历史运输数据,其中,所述动态运输标识表征所述运输任务与历史运输任务之间的变化量大于预设数值。
9.根据权利要求8所述的方法,所述方法还包括:
在所述运输标识为静态运输标识的情况下,根据所述运输任务获取复刻路线,其中,所述静态运输标识表征所述运输任务与历史运输任务之间的变化量小于或等于预设数值,所述复刻路线为任一历史运输路线;
确定所述复刻路线包含的多个历史站点与各目的站点的相似度;
按照所述相似度对应的路线规划策略,根据所述复刻路线和所述各目的站点,确定所述目标时间段内所述目标对象的运输路线。
10.根据权利要求9所述的方法,所述按照所述相似度对应的路线规划策略,根据所述复刻路线和所述各目的站点,确定所述目标时间段内所述目标对象的运输路线,包括:
若所述相似度大于预设的相似度阈值,针对任一目的站点,判断所述复刻路线是否包含该目的站点,根据判断结果确定所述目标时间段内所述目标对象的运输路线;
若所述相似度小于或等于所述相似度阈值,确定所述复刻路线对应的运输面,针对任一目的站点,识别所述运输面是否包含该目的站点,根据识别结果确定所述目标时间段内所述目标对象的运输路线。
11.一种运输路线规划装置,包括:
接收模块,被配置为接收目标对象在目标时间段内的运输任务,其中,所述运输任务包括各待运输货物的目的时空信息,所述目的时空信息包括目的到站时间;
统计模块,被配置为根据所述各待运输货物的目的时空信息,获取历史运输数据,并统计各目的站点的货物运输量,其中,所述历史运输数据包括各目的站点的历史在站时长以及所述各目的站点之间的历史资源消耗量;
确定模块,被配置为根据所述历史运输数据和所述各目的站点的货物运输量,确定所述目标时间段内所述目标对象的运输路线,其中,所述确定模块406,还被配置为:根据所述各目的站点的历史在站时长和所述各目的站点的货物运输量,预测得到所述各目的站点在所述目标时间段内的站内消耗时长;根据所述各目的站点之间的历史资源消耗量,预测得到所述各目的站点在所述目标时间段内的站间资源消耗量;根据所述目的到站时间、所述站内消耗时长和所述站间资源消耗量,确定所述目标时间段内所述目标对象的运输路线。
12.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至10任意一项所述运输路线规划方法的步骤。
13.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至10任意一项所述运输路线规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210332838.5A CN114862299B (zh) | 2022-03-31 | 2022-03-31 | 运输路线规划方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210332838.5A CN114862299B (zh) | 2022-03-31 | 2022-03-31 | 运输路线规划方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114862299A CN114862299A (zh) | 2022-08-05 |
CN114862299B true CN114862299B (zh) | 2025-02-18 |
Family
ID=82630199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210332838.5A Active CN114862299B (zh) | 2022-03-31 | 2022-03-31 | 运输路线规划方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862299B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660244B (zh) * | 2022-12-27 | 2023-09-01 | 北京京东振世信息技术有限公司 | 路线信息生成方法、装置、设备和介质 |
CN116502975B (zh) * | 2023-06-26 | 2023-09-19 | 成都运荔枝科技有限公司 | 一种基于冷链运输场景的门店服务时长预估方法 |
CN117273606B (zh) * | 2023-09-19 | 2024-04-12 | 中油管道物资装备有限公司 | 一种基于智能仓库的无人搬运车调度方法及系统 |
CN120235521A (zh) * | 2023-12-30 | 2025-07-01 | 顺丰科技有限公司 | 物流业务数据分析方法及其装置、电子设备、存储介质 |
CN119784271A (zh) * | 2024-12-16 | 2025-04-08 | 保融(山东)软件服务有限公司 | 一种运输企业信息化管理系统 |
CN119863941A (zh) * | 2025-03-25 | 2025-04-22 | 雷神光电技术(天津)有限公司 | 一种客运路线智能化管理系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308280A (zh) * | 2019-08-02 | 2021-02-02 | 菜鸟智能物流控股有限公司 | 物流调度管理方法、装置、电子设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102719B (zh) * | 2014-07-18 | 2018-02-02 | 百度在线网络技术(北京)有限公司 | 一种轨迹信息的推送方法及装置 |
CN109816151A (zh) * | 2018-12-29 | 2019-05-28 | 天津五八到家科技有限公司 | 运输路线规划、重现方法、服务器及存储介质 |
CN112837001B (zh) * | 2019-11-22 | 2024-11-26 | 顺丰科技有限公司 | 物流网络规划方法、装置及计算机可读存储介质 |
CN114065991A (zh) * | 2020-08-05 | 2022-02-18 | 顺丰科技有限公司 | 物流资源优化方法、装置、系统及计算机可读存储介质 |
CN112862184A (zh) * | 2021-02-04 | 2021-05-28 | 江苏满运物流信息有限公司 | 运输信息预测方法、装置、电子设备及可读存储介质 |
CN113888098A (zh) * | 2021-11-04 | 2022-01-04 | 江苏满运物流信息有限公司 | 车辆信息推荐方法、装置和电子设备 |
-
2022
- 2022-03-31 CN CN202210332838.5A patent/CN114862299B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308280A (zh) * | 2019-08-02 | 2021-02-02 | 菜鸟智能物流控股有限公司 | 物流调度管理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114862299A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114862299B (zh) | 运输路线规划方法以及装置 | |
US11989672B2 (en) | Interactive network and method for securing conveyance services | |
CN112270135B (zh) | 一种物流发运调度智能配送方法、装置、设备及存储介质 | |
US10776750B2 (en) | System and method for fulfilling e-commerce orders from a hierarchy of fulfilment centres | |
Żak et al. | Multiple objective optimization of the fleet sizing problem for road freight transportation | |
JP7462320B2 (ja) | 搬送業界セグメントにおけるインタラクティブリアルタイムシステムおよびそのリアルタイム使用方法 | |
US11797908B2 (en) | Fill modeling for hybrid last-mile delivery | |
US20230090377A1 (en) | System and Method for Optimizing Backhaul Loads in Transportation System | |
CN116050978A (zh) | 配送路线规划方法、装置、服务端设备及存储介质 | |
CN117455338A (zh) | 一种基于eta模型的货物送达时间预估方法及系统 | |
CN116579587A (zh) | 目标对象分配方法以及装置 | |
JP2004326711A (ja) | 配車計画立案方法および装置 | |
CN119721923A (zh) | 一种基于物联网的商品供应链管理方法 | |
US20200410443A1 (en) | Interfaces and logistics tracking for hybrid last-mile delivery | |
JP2021131887A (ja) | 自動販売の販売システムおよび方法 | |
US20230128628A1 (en) | Interactive network and method for securing conveyance services | |
CN111539674A (zh) | 一种用于工程机械租赁场景物流运输的拼单方法 | |
US20200410442A1 (en) | Location modeling for hybrid last-mile delivery | |
Rasini et al. | E-fulfilment in grocery retailing: design insights for a store-based distribution system | |
Prakash et al. | Solution to Multi-Objective GVRP With Genetic Algorithm and Time Window | |
CN119358918A (zh) | 配送运力调度方法以及装置 | |
US20240086831A1 (en) | Information output method, information output apparatus, and recording medium | |
Jing et al. | Reinforcement Learning-Driven Intelligent Truck Dispatching Algorithms for Freeway Logistics | |
Pijkeren | Designing the logistical network for a parcel carrier | |
CN117933857A (zh) | 售后平台的物流订单调度方法、设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |