CN107292701A - 订单分组方法和装置 - Google Patents
订单分组方法和装置 Download PDFInfo
- Publication number
- CN107292701A CN107292701A CN201710381082.2A CN201710381082A CN107292701A CN 107292701 A CN107292701 A CN 107292701A CN 201710381082 A CN201710381082 A CN 201710381082A CN 107292701 A CN107292701 A CN 107292701A
- Authority
- CN
- China
- Prior art keywords
- order
- similarity
- grouped
- similarity threshold
- benchmark
- 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.)
- Pending
Links
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种订单分组方法和装置,该方法包括:获取多个订单,确定多个订单彼此之间的相似度;按照预设的多个相似度阈值的递减趋势,结合多个订单彼此之间的相似度,对多个订单进行分组划分。本方案中,基于多个相似度阈值进行订单组划分,首先使用高相似度阈值,能够保证同一订单组内订单的相似性更强,具有很高的平均相似度;逐步降低相似度阈值,在保证同一订单组内订单具有较高相似性的同时,订单组内订单数量也会有所增加,更加靠近订单组的订单容量,从而使得最终划分得到的订单组具有较高的质量,有助于提高订单的配送效率。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种订单分组方法和装置。
背景技术
随着互联网的发展,线上到线下(Online To Offline,简称O2O)服务作为一种新型的电子商务模式,已经大大改变了人们的生活方式,比如人们的出行方式、购物方式。比如网上购物类应用,使得用户足不出户即可获取自己所需的物品。这些应用在便利用户的同时,也面临着物品配送问题即快递配送问题,于是物流调度系统应运而生。
目前的一种物流调度方式是:物流调度系统将收到的多个订单基于相似性度量结果进行分组,将订单以分组的形式分配至某个配送人员进行配送处理。
发明内容
目前,对多个订单进行分组处理过程,简单来说是:首先计算所有订单中两两订单之间的相似度,然后依次对每个订单O寻找与它比较相似的且没被分组的订单Oi,将订单Oi加入到订单O所在的订单组中。其中,“比较相似”是基于订单Oi与订单O之间的相似度与预设的一相似度阈值的比较结果而确定的。另外,为了避免一个订单组内包含了过多数量的订单,降低配送效率,往往会设定订单组的订单容量,以在订单分组过程中,保证一个订单组内的订单数量不超过该订单容量。
在上述的订单分组处理过程中,仅设定一固定的相似度阈值,而且该固定相似度阈值往往是基于人为经验设定的,合理性难以保证,使得分组后得到的订单组质量不佳,即组内订单的相似度不一定较高。
有鉴于此,本发明实施例提供一种订单分组方法和装置,用以提高订单组分组质量,以便有助于提高配送效率。
第一方面,本发明实施例提供一种订单分组方法,包括:
获取多个订单;
确定多个订单彼此之间的相似度;
按照预设的多个相似度阈值的递减趋势,结合所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
可选地,所述获取多个订单,包括:
获取订单总数满足预设数量阈值的所述多个订单,所述多个订单均对应于预设第三方配送运力。
可选地,所述确定多个订单彼此之间的相似度,包括:
根据预设排序策略,对所述多个订单进行排序;
根据所述多个订单的排序,依次确定所述多个订单各自对应的相似度序列。
可选地,所述按照预设的多个相似度阈值的递减趋势,结合所述多个订单彼此之间的相似度,对所述多个订单进行分组划分,包括:
根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单;
针对当前选择出的所述基准未分组订单,迭代执行如下过程,直到满足迭代截止条件:
按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值;
根据所述相似度阈值,遍历所述基准未分组订单对应的相似度序列,以根据相似度比较结果确定所述基准未分组订单本次迭代对应的订单组;
所述迭代截止条件包括:迭代次数达到预设次数,或者,所述订单组内的订单数达到预设容量上限。
可选地,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述多个相似度阈值中的预设基准相似度阈值对当前选择出的所述基准未分组订单进行分组;
若得到的订单组内的订单数未达到所述预设容量上限,则确定待使用的相似度阈值为:所述预设基准相似度阈值以及小于所述预设基准相似度阈值的相似度阈值;
若得到的订单组内的订单数已达到所述预设容量上限,则确定待使用的相似度阈值为:大于所述预设基准相似度阈值的相似度阈值;
所述按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值,包括:
按照所述待使用的相似度阈值的递减顺序,确定当前采用的相似度阈值。
可选地,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述基准未分组订单的订单类型,获取与所述订单类型对应的所述多个相似度阈值。
可选地,所述根据所述相似度阈值,遍历所述基准未分组订单对应的相似度序列,根据相似度比较结果确定所述基准未分组订单当前对应的订单组,包括:
根据所述多个订单的排序,确定所述基准未分组订单当前对应的待加入未分组订单;
判断所述待加入未分组订单与所述订单组内当前包含的订单之间是否满足聚合条件;
若满足所述聚合条件,则根据所述相似度阈值和所述相似度序列中所述待加入未分组订单与所述基准未分组订单间的相似度的比较结果,确定所述待加入未分组订单能否加入所述订单组。
可选地,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述基准未分组订单的订单类型,获取与所述订单类型对应的所述聚合条件。
可选地,所述方法还包括:
若满足所述迭代截止条件时所采用的相似度阈值大于预设值,则调高所述预设容量上限。
第二方面,本发明实施例提供一种订单分组装置,包括:
获取模块,用于获取多个订单;
确定模块,用于确定多个订单彼此之间的相似度;
分组处理模块,用于按照预设的多个相似度阈值的递减趋势,结合所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
在一个可能的设计中,上述订单分组装置的结构中包括处理器和存储器,所述存储器用于存储支持订单分组装置执行上述第一方面中订单分组方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。所述订单分组装置还可以包括通信接口,用于订单分组装置与其他设备或通信网络通信。
第三方面,本发明实施例提供了一种计算机存储介质,用于储存订单分组装置所用的计算机软件指令,其包含用于执行上述第一方面中订单分组方法所涉及的程序。
本发明实施例提供的订单分组方法和装置,采用多个相似度阈值对当前的多个订单进行分组处理,其中,对于这多个相似度阈值的使用是按照多个相似度阈值递减的趋势,逐轮次使用一个相似度阈值。本方案中,基于多个相似度阈值进行订单组划分,首先使用高相似度阈值,能够保证同一订单组内订单的相似性更强,具有很高的平均相似度;逐步降低相似度阈值,在保证同一订单组内订单具有较高相似性的同时,订单组内订单数量也会有所增加,更加靠近订单组的订单容量,从而使得最终划分得到的订单组具有较高的质量,有助于提高订单的配送效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的订单分组方法实施例一的流程图;
图2为本发明实施例提供的订单分组方法实施例二的流程图;
图3为本发明图1所示实施例中步骤103的一种可选实现方式的流程图;
图4为本发明实施例提供的订单分组装置实施例一的结构示意图;
图5为本发明实施例提供的订单分组装置实施例二的结构示意图;
图6为本发明实施例提供的订单分组装置实施例三的结构示意图;
图7为本发明实施例提供的订单分组装置实施例四的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明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,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本发明实施例中可能采用术语第一、第二、第三等来描述XXX,但这些XXX不应限于这些术语。这些术语仅用来将XXX彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一XXX也可以被称为第二XXX,类似地,第二XXX也可以被称为第一XXX。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
图1为本发明实施例提供的订单分组方法实施例一的流程图,本实施例提供的该订单分组方法可以由一订单分组装置来执行,该订单分组装置可以实现为软件,或者实现为软件和硬件的组合,该订单分组装置可以集成设置在物流调度平台侧的设备中,比如服务器中。如图1所示,该方法包括如下步骤:
101、获取多个订单。
102、确定多个订单彼此之间的相似度。
本发明实施例中以外卖场景中产生的配送订单为例进行说明,但是其他行业或领域内的订单配送业务同样可以适用。
在外卖场景中,对于订单的调度多是基于所属商圈进行调度的,即对同一商圈内的订单进行统一调度,因此,上述多个订单可以是对应于同一商圈内的多个订单。具体地,服务器可以以一定时间间隔对一时间段内接收到的订单进行调度,比如每隔5分钟对这5分钟内接收到的订单进行调度。在调度时,由于每个订单一般都会关联有诸如取货地址、送货地址、期望送达时间等参数,因此,可选地,可以首先基于取货地址与商圈的对应关系确定出属于同一商圈的多个订单,进而针对每个商圈对应的多个订单分别进行调度。
针对属于同一商圈的上述多个订单来说,在一可选调度方式中,首先对多个订单进行分组划分,得到多个订单组,继而将得到的各订单组分配给合适的配送人员来完成订单的配送。本实施例中,主要介绍的是多个订单分组的过程。
首先,可以基于一定的相似性度量参数,计算两两订单之间的相似度,其中,相似性度量参数可以包括取货地址之间的距离、送货地址之间的距离、期望送达时间之间的时间差之中的一种或多种参数,并且,每种相似性度量参数可以具有相同的权重,也可以具有不同的权重。
103、按照预设的多个相似度阈值的递减趋势,根据多个相似度阈值和多个订单彼此之间的相似度,对多个订单进行分组划分。
预先设置有多个大小不等的相似度阈值,并按照数值从大到小的顺序排列,任意相邻两个相似度阈值的差值可以相等或不等,其中,最大的相似度阈值可以设置的比较大。
在一可选实现方式中,上述按照预设的多个相似度阈值的递减趋势可以是按照从大到小的顺序依次使用多个相似度阈值,此时,对多个订单进行分组划分的过程可以是:
简单来说,假设当前使用的是最大相似度阈值—阈值1,初始时,假设针对多个订单中的一订单1,其引出一订单组1,基于该订单1与多个订单中其他订单彼此之间的相似度与该阈值1的比较结果,依次向该订单组1中加入相似度大于该阈值1的订单。由于阈值1设置的往往很高,此时得到的订单组1内的订单数量比较少。
之后,使用次于最大相似度阈值的第二个相似度阈值—阈值2,对上述订单1重新进行再一次的分组处理,具体的过程如前所述,此时得到另一分组结果,该分组结果对应的订单组1内的订单数量也可能有所增多。
在该方式中,并非是一定将全部的多个相似度阈值都使用完毕才分组结束,而是可以设定一定的截止条件,该截止条件比如可以是订单组的平均相似度大于一定数值,订单组内订单数量达到预设容量上限,等等。
其中,需要说明的是平均相似度的含义,是指同一订单组内全部订单之间相似度的平均值。举例来说,假设针对上述订单1来说,加入其引出的订单组1内的订单都是基于与订单1之间的相似度与当前使用的相似度阈值的比较结果确定的,比如假设订单2与订单1的相似度大于当前使用的相似度阈值,订单2被加入到订单组1,同样地,假设订单3与订单1的相似度大于当前使用的相似度阈值,订单3也被加入到订单组1,即订单加入一订单组的过程是以订单1为基准来进行的。此时,订单组1对应的平均相似度是其中全部两两订单间的相似度的平均值,即假设订单1与订单2的相似度为a,订单1与订单3的相似度为b,订单2与订单3的相似度为c,则平均相似度为a、b、c的平均值。
另外,由于阈值1设置的往往很高,以订单1为例,很可能遍历完其他订单后订单组1内的订单数量还远没有达到预设容量上限的限制,这样就保证了多个订单中与订单1具有最高相似度的订单能够被并入到订单组1中,而且,当后续采用阈值2时,由于阈值2小于阈值1,满足阈值2要求的订单也会满足阈值1的要求,因此,采用阈值2时得到的订单组1中除了包含有采用阈值1时订单组1中的订单外,还包括有满足阈值2要求的订单,如此,有助于提升了订单组内的相似度均值。
在另一可选实现方式中,上述按照预设的多个相似度阈值的递减趋势对多个订单进行分组划分还可以是并非严格按照多个相似度阈值递减的顺序,依次从大到小使用各相似度阈值而可以是整体遵从由大到小的趋势,但是顺序上可以有间隔。举例来说,假设按照由大到小的顺序依次包括阈值1、阈值2、阈值3,假设针对上述订单1来说,当前使用的是最大的相似度阈值—阈值1,假设基于相似度阈值1得到的订单组1内的订单数量远没有达到预设容量上限,此时,可以确定下一次使用的相似度阈值比如为阈值3,非阈值2。
本实施例中,采用多个相似度阈值对当前的多个订单进行分组处理,其中,对于这多个相似度阈值的使用是按照多个相似度阈值递减的趋势,逐轮次使用一个相似度阈值。本方案中,基于多个相似度阈值进行订单组划分,首先使用高相似度阈值,能够保证同一订单组内订单的相似性更强,具有很高的平均相似度;逐步降低相似度阈值,在保证同一订单组内订单具有较高相似性的同时,订单组内订单数量也会有所增加,更加靠近订单组的订单容量,从而使得最终划分得到的订单组具有较高的质量,有助于提高订单的配送效率。
图2为本发明实施例提供的订单分组方法实施例二的流程图,如图2所示,包括如下步骤:
201、获取订单总数满足预设数量阈值的多个订单,该多个订单均对应于预设第三方配送运力。
本实施例结合如下的外卖订单调度场景对订单分组过程进行说明。
当前的外卖订单调度过程中,订单往往是不均匀分布的,午高峰和晚高峰订单量明显多于其他时段,这就需要更多的配送运力来保证配送效率,以保证用户的配送体验。然而一旦过了高峰期,单量开始下降,多余的配送运力又成为一种浪费,这就意味着如果某物流提供方预先配置过多或过少的配送运力都不是一个好的选择。为此,提供了一种解决方案是:将一部分订单分配给第三方配送运力进行配送。
在一应用场景中,一物流提供方可以将配送运力区分为自己提供的配送运力和第三方提供的配送运力,其中,配送运力可以理解为是配送人员,则自己提供的配送运力可以理解为是全职配送人员,第三方提供的配送运力比如可以是来自社会的兼职配送人员,这部分配送人员比较不稳定,工作时间不能得到很好的保证。因此,在一订单调度策略中,可以根据一定的机制来确定哪些订单分配全职配送人员,哪些订单分配给兼职配送人员,比如按照订单的来源确定对应的配送运力来源。
本实施例中,以使用第三方配送运力进行配送的订单为对象,进行订单分组过程的说明,即本实施例中提及的多个订单是指使用第三方配送运力进行配送的订单。
但是值得说明的是,对于使用自身提供的配送运力进行配送的订单,该订单分组过程同样也可以使用。
由于第三方配送运力的不稳定性,一般地,使用第三方配送运力进行配送的订单量比较少即订单密集度不高。在对订单进行周期性调度时,这也意味着一调度周期内收到的订单量比较,而且订单对应的比如取货地址、送货地址等可能也比较分散,这样往往导致在对一个调度周期内的多个订单进行分组时,每个订单组内包含的订单数量可能很少,且订单组内的订单的相似度往往不高,对配送效率的提高不利。
为此,本实施例中,对于这种对应于第三方配送运力的订单,提供了压单机制,即在对订单进行周期性调度的过程中,如果一个调度周期内接收到的对应于第三方配送运力的订单总数不满足预设数量阈值,则对本调度周期内的接收到的这些订单不进行分组处理,延迟到下一个调度周期。如果本调度周期和下一个调度周期总共接收到的对应于第三方配送运力的订单总数满足预设数量阈值,则对这两个调度周期接收到的这些订单进行分组处理,这些订单即构成本实施例中提及的多个订单。
通过引入压单机制,对相邻调度周期内的订单聚集,提升了进行订单分组时的订单密度,保证更多的相似订单能够分到同一组内。
202、根据预设排序策略,对多个订单进行排序。
203、根据多个订单的排序,依次确定多个订单各自对应的相似度序列。
本实施例中,为便于后续分组处理,可选地,在对多个订单进行相似度的计算过程中,可以先对多个订单进行排序,以基于该排序依次确定多个订单各自对应的相似度序列。
其中,预设排序策略比如可以是按照下单时间先后顺序排序;再比如,可以根据订单对应的用户等级从高到低的顺序排序,对于同一用户等级的订单,按照下单先后顺序再排序。
比如多个订单依次排序为:订单1、订单2、订单3、订单4,订单1对应的相似度序列为[1,2],[1,3],[1,4],订单2对应的相似度序列为[2,1],[2,3],[2,4],依次类推,其中,[x,y]表示的是订单x与订单y之间的相似度,订单x与订单y是多个订单中的任意两个订单。
本实施例中,在根据预设的多个相似度阈值对上述多个订单进行分组处理的过程中,除了前述实施例提供的一种可选实现方式外,还提供了如下的另一种可选实现方式,具体包括如下步骤:
204、根据多个订单的排序,依次从多个订单选择基准未分组订单。
具体地,根据订单的排序结果以及订单的分组状态,选择当前的一个基准未分组订单。初始时,上述多个订单都没有被进行分组处理,都是未分组订单,此时,可以根据排序结果选择排在第一位的订单作为当前的基准未分组订单。
针对当前选择出的基准未分组订单,迭代执行如下过程,直到满足迭代截止条件:
205、根据当前的基准未分组订单的订单类型,获取与该订单类型对应的多个相似度阈值。
上述步骤205为一可选步骤,即可选地,可以预先为不同订单类型设置不同的多个相似度阈值。因为虽然上述多个订单都是对应于第三方配送运力的,但是这多个订单并非一定是同一订单类型的。其中,订单类型可以根据订单的来源确定、根据订单的配送距离确定,等。另外,可选地,除了可以针对不同订单类型设置不同的相似度阈值外,还可以针对不同订单类型设置不同的订单组内订单容量上限,以满足不同订单类型的差异化分组需求。
206、按照多个相似度阈值的递减趋势,确定当前采用的相似度阈值。
207、根据当前采用的相似度阈值,遍历基准未分组订单对应的相似度序列,以根据相似度比较结果确定基准未分组订单本次迭代对应的订单组。
208、判断是否满足迭代截止条件:迭代次数达到预设次数,或者,本次迭代对应的订单组内的订单数达到预设容量上限,若没有满足,则执行步骤206,若满足,则执行步骤209。
209、输出当前的基准未分组订单对应的订单组。
步骤209之后,继续执行步骤204-209,以确定下一个基准未分组订单对应的订单组,直到多个订单全部完成分组处理。
仍以上述举例来说,假设当前的基准未分组订单为订单1,其引出订单组1,假设根据该订单1的订单类型确定的相似度阈值按照数值递减的顺序依次包括阈值1、阈值2、阈值3。可选地,假设此时按照多个相似度阈值的递减趋势即为按照多个相似度阈值的由大到小的顺序,则当前使用的相似度阈值为阈值1,依次遍历订单1对应的相似度序列[1,2],[1,3],[1,4]:假设[1,2]大于阈值1,则将订单2加入订单组1;之后遍历到[1,3],发现[1,3]小于阈值1,订单3不加入订单组1;之后遍历到[1,4],发现[1,4]小于阈值1,订单4不加入订单组1,则本次迭代过程结束时确定订单1对应的订单组1中包括订单1和订单2。假设预设的订单组内订单容量上限为3,预设迭代次数限制为3次,则因为此时订单组1内订单量还没有达到容量上限,当前也没有达到预设迭代次数的限制,则继续执行下一个迭代过程。
在下一个迭代过程中,此时使用的相似度阈值为阈值2。由于执行了下一个迭代过程,说明前一次得到的订单组1是无效的,此时,可选地,订单组1内的订单除了当前作为基准未分组订单的订单1外,其他订单可以清除,以重新为订单组1中添加订单。或者,可选地,由于阈值2小于阈值1,与订单1的相似度大于阈值1的订单,其与订单1的相似度也必然大于阈值2,因此,也可以在除了经阈值1加入到订单组1的订单外的其他未分组订单中,按照订单排序,使用阈值2继续遍历其他未分组订单。比如,在经过阈值1将订单2加入到订单组1的基础上,标记下订单1对应的相似度序列中的[1,2],表示订单2已经被分组到订单组1,之后采用阈值2继续依次遍历订单1对应的相似度序列中的未被标记的相似度:[1,3],[1,4]。若发现[1,3]小于阈值2,订单3不加入订单组1;之后遍历到[1,4],发现[1,4]大于阈值2,订单4加入订单组1,则本次迭代过程结束时确定订单1对应的订单组1中包括订单1、订单2和订单4。此时订单组1内订单数量已经达到预设容量上限3,迭代结束,输出订单组1。
之后,将已经被分组到订单组1中的订单1、订单2和订单4打上已分组标记,以便按照订单排序,选择下一个基准未分组订单,进行该下一个基准未分组订单对应的订单组的划分处理,如此下去,直到上述多个订单都执行了分组处理,得到多个订单组。
另外可选地,在从多个订单选择出当前的基准未分组订单之后,还可以包括如下步骤:
根据多个相似度阈值中的预设基准相似度阈值对当前选择出的所述基准未分组订单进行分组;
若得到的订单组内的订单数未达到预设容量上限,则确定待使用的相似度阈值为:预设基准相似度阈值以及小于预设基准相似度阈值的相似度阈值;
若得到的订单组内的订单数已达到预设容量上限,则确定待使用的相似度阈值为:大于预设基准相似度阈值的相似度阈值。
相应的,步骤206中按照多个相似度阈值的递减趋势确定当前采用的相似度阈值,包括:按照待使用的相似度阈值的递减顺序,确定当前采用的相似度阈值。
也就是说,本实施例中,按照多个相似度阈值的递减趋势对该多个相似度阈值的使用,不限于一定从最大的相似度阈值开始使用。为提高分组处理效率,还可以预先在多个相似度阈值中设定一个基准相似度阈值,该基准相似度阈值比如设定为:按照相似度阈值大小的顺序,设定位于中间位置的相似度阈值为该基准相似度阈值。从而,仍以前述订单1作为基准未分组订单为例来说,如果当前基于该基准相似度阈值对该订单1进行的分组划分,得到的订单组1中的订单数量没有达到预设容量上限,说明已经没有必要采用大于该基准相似度阈值的其他相似度阈值进行针对订单1对应的订单组的划分,此时确定使用多个相似度阈值中小于或等于该基准相似度阈值的其他相似度阈值作为后续针对订单1的分组处理所使用的相似度阈值。相反地,如果当前基于该基准相似度阈值对该订单1进行的分组划分,得到的订单组1中的订单数量已经达到预设容量上限,说明已经没有必要采用小于该基准相似度阈值的其他相似度阈值进行针对订单1对应的订单组的划分,此时确定使用多个相似度阈值中大于该基准相似度阈值的其他相似度阈值作为后续针对订单1的分组处理所使用的相似度阈值。
另外,可选地,针对某基准未分组订单,比如订单1来说,如果在满足迭代截止条件时,其使用的相似度阈值比如阈值2大于一定预设值,则可以对订单组的预设容量上限进行调整,调高该预设容量上限,后续的其他基准未分组订单对应的订单组的划分过程中,将采用该更新后的预设容量上限。之所以调高预设容量上限是因为,如果最后使用的相似度阈值比较高,很可能是预设容量上限设置的比较低,使得一个订单组内的订单数量比较少,用该预设容量上限可能最终会导致产生太多数量的订单组,对配送效率的提高未必有利。
本实施例中,在前述实施例的基础上,对于对应于第三方配送运力的订单,通过压单机制保证了执行订单分组时,有足够数量的订单参与订单分组,以保证同一订单组内订单具有较高相似度;对于不同类型的订单,设置不同的相似度阈值、容量上限,考虑了不同订单的不同分组需求。
图3为本发明图1所示实施例中步骤103的一种可选实现方式的流程图,如图3所示,包括如下步骤:
301、根据多个订单的排序,依次从多个订单选择基准未分组订单。
302、根据当前的基准未分组订单的订单类型,获取与该订单类型对应的多个相似度阈值和聚合条件。
本实施例中,在对订单进行分组处理的过程中,除了考虑订单之间的相似度外,还考虑订单组内订单的聚合性,以进一步提高同一订单组内订单的聚合性。其中,订单间相似度更聚焦于两两订单之间的相似性,而订单组内订单的聚合性更聚焦于订单组内多个订单整体的聚合程度。
不同订单类型对应的聚合条件可以不同,因此,本实施例中,可以预先设置不同订单类型对应的聚合条件。从而,针对当前选择出的一基准未分组订单,可以根据其订单类型,获取对应的聚合条件和多个相似度阈值,以用于分组处理。
303、按照多个相似度阈值的递减趋势,确定当前采用的相似度阈值。
304、根据多个订单的排序,确定基准未分组订单当前对应的待加入未分组订单。
305、判断待加入未分组订单与订单组内当前包含的订单之间是否满足聚合条件,若满述聚合条件,则执行步骤306,否则,执行步骤304。
306、根据所述相似度阈值和相似度序列中待加入未分组订单与基准未分组订单间的相似度的比较结果,确定待加入未分组订单能否加入基准未分组订单对应的订单组,若能加入,则执行步骤307,否则,执行步骤304。
307、将待加入未分组订单加入基准未分组订单对应的订单组。
308、判断是否满足迭代截止条件:迭代次数达到预设次数,或者,本次迭代对应的订单组内的订单数达到预设容量上限,若没有满足,则执行步骤303,若满足,则执行步骤309。
309、输出当前的基准未分组订单对应的订单组。
步骤309之后,再次执行步骤301-309,以确定下一个基准未分组订单对应的订单组,直到多个订单全部完成分组处理。
仍以上述订单1、订单2、订单3和订单4为例,假设当前的基准未分组订单为订单1,其引出订单组1,按照订单排序,假设当前的待加入未分组订单为订单2。其中,待加入的含义可以理解为是等待确定能否加入对应的基准未分组订单—订单1对应的订单组1的订单。在进行聚合条件满足与否的判断时,可以假设已经将订单2加入到订单组1,判断当前订单组1内订单之间的聚合性是否满足聚合条件。在满足聚合条件时,进而再判断订单2与订单1之间的相似度[1,2]是否大于当前采用的相似度阈值—阈值1,若大于,则将订单2加入订单组1。值得说明的是,本实施例中以先判断聚合条件再判断相似度为例进行的说明,但是这两个判断过程没有严格的时序限定,反之亦可。可以理解的是,如果订单2不满足聚合条件或不满足相似度要求,都不会被加入到订单组1。
在确定完订单2能否加入到订单组1之后,如果能加入,则继续判断当前是否满足截止条件;如果不能加入,则更新待加入未分组订单—订单3,对订单3重复进行上述的判断过程。
假设当前订单组内包括了订单1和订单2,在进行订单3能否满足聚合条件的判断时,是判断由订单1、订单2和订单3构成的整体的聚合性能否满足聚合条件。
可选地,上述聚合条件比如可以包括:
当前订单组内订单彼此的期望送达时间间隔小于X1分钟,且当前订单组内订单的最大期望送达时间小于X2分钟,X1小于X2;
当前订单组内订单的送货地址POI数量大于或等于K1时,当前订单组内订单的取货方数量小于N1,且取货地址彼此间的距离小于Y1;
当前订单组内订单的送货地址POI数量小于K1时,当前订单组内订单的取货方数量小于N2,且取货地址彼此间的距离小于Y2,其中,N1小于或等于N2,Y1小于Y2;
当前订单组内订单的订单总数小于Z;
当前订单组内订单的订单总金额小于M。
上述聚合条件中涉及到的比如期望送达时间、送货地址POI、取货方及其地址、订单金额等信息,可以从订单中提取获得。上述聚合条件中包括的各项子条件仅为举例,并非限制。
其中,信息点(Point of Information,简称POI),简单来理解,就是假设两个订单的送货地址不同,比如楼号、单元号不同,但是这两个送货地址比如在同一个小区中,则认为这两个送货地址具有相同的地址POI。
本实施例中,在进行订单分组时,综合考虑了订单间相似度和订单组内订单的聚合性,能够保证划分的订单组内订单具有更高的集聚特征,对于配送效率的提高具有积极作用。
以下将详细描述本发明的一个或多个实施例的订单分组装置。这些订单分组装置可以被实现在服务器的基础架构中,或者实现在客户端与服务器交互过程中服务器的架构中。本领域技术人员可以理解,这些订单分组装置均可使用市售的硬件组件通过本方案所教导的进行配置来构成。
图4为本发明实施例提供的订单分组装置实施例一的结构示意图,如图4所示,该装置包括:获取模块11、确定模块12、分组处理模块13。
获取模块11,用于获取多个订单。
确定模块12,用于确定多个订单彼此之间的相似度。
分组处理模块13,用于按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
图4所示装置可以执行图1所示实施例的方法,本实施例未详细描述的部分,可参考对图1所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1所示实施例中的描述,在此不再赘述。
图5为本发明实施例提供的订单分组装置实施例二的结构示意图,如图5所示,在图4所示实施例基础上,所述获取模块11,具体用于获取订单总数满足预设数量阈值的所述多个订单,所述多个订单均对应于预设第三方配送运力。
可选地,所述确定模块12包括:排序单元121、第一确定单元122。
排序单元121,用于根据预设排序策略,对所述多个订单进行排序。
第一确定单元122,用于根据所述多个订单的排序,依次确定所述多个订单各自对应的相似度序列。
可选地,所述分组处理模块13包括:选择单元131、第一获取单元132、处理单元133、调整单元134。
选择单元131,用于根据所述多个订单的排序,依次从所述多个订单选择的基准订单。
第一获取单元132,用于根据所述基准订单的订单类型,获取与所述订单类型对应的所述多个相似度阈值。
处理单元133,用于针对当前选择出的所述基准未分组订单,迭代执行如下过程,直到满足迭代截止条件:
按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值;根据所述相似度阈值,遍历所述基准订单对应的相似度序列,以根据相似度比较结果确定所述基准订单本次迭代对应的订单组。
所述迭代截止条件包括:迭代次数达到预设次数,或者,所述订单组内的订单数达到预设容量上限。
调整单元134,用于若满足所述迭代截止条件时所采用的相似度阈值大于预设值,则调高所述预设容量上限。
可选地,所述分组处理模块13中还可以包括:
预分组单元135,用于根据所述多个相似度阈值中的预设基准相似度阈值对当前选择出的所述基准未分组订单进行分组。
第二确定单元136,用于若得到的订单组内的订单数未达到所述预设容量上限,则确定待使用的相似度阈值为:所述预设基准相似度阈值以及小于所述预设基准相似度阈值的相似度阈值;若得到的订单组内的订单数已达到所述预设容量上限,则确定待使用的相似度阈值为:大于所述预设基准相似度阈值的相似度阈值。
相应地,所述处理单元133具体用于:按照所述待使用的相似度阈值的递减顺序,确定当前采用的相似度阈值。
图5所示装置可以执行图2所示实施例的方法,本实施例未详细描述的部分,可参考对图2所示实施例的相关说明。该技术方案的执行过程和技术效果参见图2所示实施例中的描述,在此不再赘述。
图6为本发明实施例提供的订单分组装置实施例三的结构示意图,如图6所示,在图5所示实施例基础上,可选地,所述分组处理模块13还包括:第二获取单元137。
第二获取单元137,用于根据所述基准订单的订单类型,获取与所述订单类型对应的所述聚合条件。
可选地,所述处理单元133还用于:
根据所述多个订单的排序,确定所述基准订单对应的当前待加入订单;判断所述待加入订单与所述订单组内当前包含的订单之间是否满足聚合条件;若满足所述聚合条件,则根据所述相似度阈值和所述相似度序列中所述待加入订单与所述基准订单间的相似度的比较结果,确定所述待加入订单能否加入所述订单组。
图6所示装置可以执行图3所示实施例的方法,本实施例未详细描述的部分,可参考对图3所示实施例的相关说明。该技术方案的执行过程和技术效果参见图3所示实施例中的描述,在此不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上描述了订单分组装置的内部功能和结构,在一个可能的设计中,该订单分组装置的结构可实现为服务器,如图7所示,可以包括:处理器31和存储器32。其中,所述存储器32用于存储支持订单分组装置执行上述任一实施例中提供的订单分组方法的程序,所述处理器31被配置为用于执行所述存储器32中存储的程序。
所述程序包括一条或多条计算机指令,其中,所述一条或多条计算机指令供被处理器31执行时可以实现如下步骤:
获取多个订单;确定多个订单彼此之间的相似度;按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
可选地,所述处理器31还用于执行前述各方法实施例中的全部或部分步骤。
其中,所述订单分组装置的结构中还可以包括通信接口33,用于订单分组装置与其他设备或通信网络通信。
另外,本发明实施例提供了一种计算机存储介质,用于储存订单分组装置所用的计算机软件指令,其包含用于执行上述图1至图3所示实施例中订单分组方法所涉及的程序。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
本发明公开A1、一种订单分组方法,包括:
获取多个订单;
确定多个订单彼此之间的相似度;
按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
A2、根据A1所述的方法,所述获取多个订单,包括:
获取订单总数满足预设数量阈值的所述多个订单,所述多个订单均对应于预设第三方配送运力。
A3、根据A1所述的方法,所述确定多个订单彼此之间的相似度,包括:
根据预设排序策略,对所述多个订单进行排序;
根据所述多个订单的排序,依次确定所述多个订单各自对应的相似度序列。
A4、根据A1至A3中任一项所述的方法,所述按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分,包括:
根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单;
针对当前选择出的所述基准未分组订单,迭代执行如下过程,直到满足迭代截止条件:
按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值;
根据所述相似度阈值,遍历所述基准未分组订单对应的相似度序列,以根据相似度比较结果确定所述基准未分组订单本次迭代对应的订单组;
所述迭代截止条件包括:迭代次数达到预设次数,或者,所述订单组内的订单数达到预设容量上限。
A5、根据A4所述的方法,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述多个相似度阈值中的预设基准相似度阈值对当前选择出的所述基准未分组订单进行分组;
若得到的订单组内的订单数未达到所述预设容量上限,则确定待使用的相似度阈值为:所述预设基准相似度阈值以及小于所述预设基准相似度阈值的相似度阈值;
若得到的订单组内的订单数已达到所述预设容量上限,则确定待使用的相似度阈值为:大于所述预设基准相似度阈值的相似度阈值;
所述按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值,包括:
按照所述待使用的相似度阈值的递减顺序,确定当前采用的相似度阈值。
A6、根据A4所述的方法,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述基准未分组订单的订单类型,获取与所述订单类型对应的所述多个相似度阈值。
A7、根据A4所述的方法,所述根据所述相似度阈值,遍历所述基准未分组订单对应的相似度序列,根据相似度比较结果确定所述基准未分组订单当前对应的订单组,包括:
根据所述多个订单的排序,确定所述基准未分组订单当前对应的待加入未分组订单;
判断所述待加入未分组订单与所述订单组内当前包含的订单之间是否满足聚合条件;
若满足所述聚合条件,则根据所述相似度阈值和所述相似度序列中所述待加入未分组订单与所述基准未分组订单间的相似度的比较结果,确定所述待加入未分组订单能否加入所述订单组。
A8、根据A7所述的方法,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述基准未分组订单的订单类型,获取与所述订单类型对应的所述聚合条件。
A9、根据A4所述的方法,所述方法还包括:
若满足所述迭代截止条件时所采用的相似度阈值大于预设值,则调高所述预设容量上限。
本发明公开B10、一种订单分组装置,包括:
获取模块,用于获取多个订单;
确定模块,用于确定多个订单彼此之间的相似度;
分组处理模块,用于按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
B11、根据B10所述的装置,所述获取模块具体用于:
获取订单总数满足预设数量阈值的所述多个订单,所述多个订单均对应于预设第三方配送运力。
B12、根据B10所述的装置,所述确定模块包括:
排序单元,用于根据预设排序策略,对所述多个订单进行排序;
第一确定单元,用于根据所述多个订单的排序,依次确定所述多个订单各自对应的相似度序列。
B13、根据B10至B12中任一项所述的装置,所述分组处理模块包括:
选择单元,用于根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单;
处理单元,用于针对当前选择出的所述基准未分组订单,迭代执行如下过程,直到满足迭代截止条件:
按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值;
根据所述相似度阈值,遍历所述基准订单对应的相似度序列,以根据相似度比较结果确定所述基准订单本次迭代对应的订单组;
所述迭代截止条件包括:迭代次数达到预设次数,或者,所述订单组内的订单数达到预设容量上限。
B14、根据B13所述的装置,所述分组处理模块还包括:
预分组单元,用于根据所述多个相似度阈值中的预设基准相似度阈值对当前选择出的所述基准未分组订单进行分组;
第二确定单元,用于若得到的订单组内的订单数未达到所述预设容量上限,则确定待使用的相似度阈值为:所述预设基准相似度阈值以及小于所述预设基准相似度阈值的相似度阈值;若得到的订单组内的订单数已达到所述预设容量上限,则确定待使用的相似度阈值为:大于所述预设基准相似度阈值的相似度阈值;
所述处理单元具体用于:
按照所述待使用的相似度阈值的递减顺序,确定当前采用的相似度阈值。
B15、根据B13所述的装置,所述分组处理模块还包括:
第一获取单元,用于根据所述基准订单的订单类型,获取与所述订单类型对应的所述多个相似度阈值。
B16、根据B13所述的装置,所述处理单元还用于:
根据所述多个订单的排序,确定所述基准订单对应的当前待加入订单;
判断所述待加入订单与所述订单组内当前包含的订单之间是否满足聚合条件;
若满足所述聚合条件,则根据所述相似度阈值和所述相似度序列中所述待加入订单与所述基准订单间的相似度的比较结果,确定所述待加入订单能否加入所述订单组。
B17、根据B16所述的装置,所述分组处理模块还包括:
第二获取单元,用于根据所述基准订单的订单类型,获取与所述订单类型对应的所述聚合条件。
B18、根据B13所述的装置,所述分组处理模块包括:
调整单元,用于若满足所述迭代截止条件时所采用的相似度阈值大于预设值,则调高所述预设容量上限。
本发明还公开了C19、一种电子设备,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现如A1至A9中任一项所述的订单分组方法。
本发明还公开了D20、一种存储有计算机程序的计算机可读存储介质,所述计算机程序使计算机执行时实现如A1至A9中任一项所述的订单分组方法。
Claims (10)
1.一种订单分组方法,其特征在于,包括:
获取多个订单;
确定多个订单彼此之间的相似度;
按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
2.根据权利要求1所述的方法,其特征在于,所述获取多个订单,包括:
获取订单总数满足预设数量阈值的所述多个订单,所述多个订单均对应于预设第三方配送运力。
3.根据权利要求1所述的方法,其特征在于,所述确定多个订单彼此之间的相似度,包括:
根据预设排序策略,对所述多个订单进行排序;
根据所述多个订单的排序,依次确定所述多个订单各自对应的相似度序列。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分,包括:
根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单;
针对当前选择出的所述基准未分组订单,迭代执行如下过程,直到满足迭代截止条件:
按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值;
根据所述相似度阈值,遍历所述基准未分组订单对应的相似度序列,以根据相似度比较结果确定所述基准未分组订单本次迭代对应的订单组;
所述迭代截止条件包括:迭代次数达到预设次数,或者,所述订单组内的订单数达到预设容量上限。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述多个相似度阈值中的预设基准相似度阈值对当前选择出的所述基准未分组订单进行分组;
若得到的订单组内的订单数未达到所述预设容量上限,则确定待使用的相似度阈值为:所述预设基准相似度阈值以及小于所述预设基准相似度阈值的相似度阈值;
若得到的订单组内的订单数已达到所述预设容量上限,则确定待使用的相似度阈值为:大于所述预设基准相似度阈值的相似度阈值;
所述按照所述多个相似度阈值的递减趋势,确定当前采用的相似度阈值,包括:
按照所述待使用的相似度阈值的递减顺序,确定当前采用的相似度阈值。
6.根据权利要求4所述的方法,其特征在于,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述基准未分组订单的订单类型,获取与所述订单类型对应的所述多个相似度阈值。
7.根据权利要求4所述的方法,其特征在于,所述根据所述相似度阈值,遍历所述基准未分组订单对应的相似度序列,根据相似度比较结果确定所述基准未分组订单当前对应的订单组,包括:
根据所述多个订单的排序,确定所述基准未分组订单当前对应的待加入未分组订单;
判断所述待加入未分组订单与所述订单组内当前包含的订单之间是否满足聚合条件;
若满足所述聚合条件,则根据所述相似度阈值和所述相似度序列中所述待加入未分组订单与所述基准未分组订单间的相似度的比较结果,确定所述待加入未分组订单能否加入所述订单组。
8.根据权利要求7所述的方法,其特征在于,所述根据所述多个订单的排序,依次从所述多个订单选择基准未分组订单之后,还包括:
根据所述基准未分组订单的订单类型,获取与所述订单类型对应的所述聚合条件。
9.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若满足所述迭代截止条件时所采用的相似度阈值大于预设值,则调高所述预设容量上限。
10.一种订单分组装置,其特征在于,包括:
获取模块,用于获取多个订单;
确定模块,用于确定多个订单彼此之间的相似度;
分组处理模块,用于按照预设的多个相似度阈值的递减趋势,根据所述多个相似度阈值和所述多个订单彼此之间的相似度,对所述多个订单进行分组划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381082.2A CN107292701A (zh) | 2017-05-25 | 2017-05-25 | 订单分组方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381082.2A CN107292701A (zh) | 2017-05-25 | 2017-05-25 | 订单分组方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292701A true CN107292701A (zh) | 2017-10-24 |
Family
ID=60094572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710381082.2A Pending CN107292701A (zh) | 2017-05-25 | 2017-05-25 | 订单分组方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292701A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392412A (zh) * | 2017-06-05 | 2017-11-24 | 北京小度信息科技有限公司 | 订单调度方法和装置 |
CN109118137A (zh) * | 2018-08-01 | 2019-01-01 | 北京极智嘉科技有限公司 | 一种订单处理方法、装置、服务器及存储介质 |
CN109242184A (zh) * | 2018-09-06 | 2019-01-18 | 泉州装备制造研究所 | 一种基于层次聚类的订单拣货优化方法 |
CN109934372A (zh) * | 2017-12-19 | 2019-06-25 | 阿里巴巴集团控股有限公司 | 一种路径规划方法、装置及设备 |
CN110189065A (zh) * | 2018-02-23 | 2019-08-30 | 北京京东尚科信息技术有限公司 | 一种确定种子订单的方法和装置 |
CN110348771A (zh) * | 2018-04-02 | 2019-10-18 | 北京京东尚科信息技术有限公司 | 一种对订单进行组单的方法和装置 |
CN111047415A (zh) * | 2019-12-18 | 2020-04-21 | 苏州市伽顿服饰有限公司 | 服饰配件订单处理方法、系统、电子设备及存储介质 |
CN111191982A (zh) * | 2019-12-25 | 2020-05-22 | 北京顺达同行科技有限公司 | 订单分组方法、装置、计算机设备和存储介质 |
CN111311150A (zh) * | 2020-02-10 | 2020-06-19 | 拉扎斯网络科技(上海)有限公司 | 配送任务分组方法、平台、电子设备及存储介质 |
CN111582408A (zh) * | 2020-06-19 | 2020-08-25 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、数据处理装置、存储介质和电子设备 |
CN111598486A (zh) * | 2020-06-09 | 2020-08-28 | 拉扎斯网络科技(上海)有限公司 | 任务分组方法、平台、服务器及存储介质 |
CN111754072A (zh) * | 2020-05-18 | 2020-10-09 | 广州纬纶信息科技有限公司 | 提高板材叠切率的批次组合优化方法、系统 |
CN111815212A (zh) * | 2019-04-11 | 2020-10-23 | 北京三快在线科技有限公司 | 路径规划方法、装置及存储介质 |
CN112053068A (zh) * | 2020-09-09 | 2020-12-08 | 上海有个机器人有限公司 | 一种递送机器人的云端调度方法、装置和服务器 |
WO2021000864A1 (zh) * | 2019-07-01 | 2021-01-07 | 北京三快在线科技有限公司 | 压单处理 |
CN113095553A (zh) * | 2021-03-29 | 2021-07-09 | 北京沃东天骏信息技术有限公司 | 调度方法、装置、电子设备及存储介质 |
CN113222305A (zh) * | 2020-01-21 | 2021-08-06 | 北京三快在线科技有限公司 | 订单调度方法、装置、存储介质和电子设备 |
CN115130858A (zh) * | 2022-06-27 | 2022-09-30 | 上海聚水潭网络科技有限公司 | 一种基于多目标启发式的订单聚合方法及系统 |
CN116611769A (zh) * | 2023-07-19 | 2023-08-18 | 杭州吉客云网络技术有限公司 | 订单聚合方法、装置、计算机设备及存储介质 |
CN117371740A (zh) * | 2023-10-27 | 2024-01-09 | 北京丰赞科技有限公司 | 一种面向团餐配送场景的直送物流智能方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251859A (zh) * | 2008-03-17 | 2008-08-27 | 北京科文书业信息技术有限公司 | 基于购物行为的商品聚类系统及其方法 |
CN102254067A (zh) * | 2011-07-05 | 2011-11-23 | 重庆大学 | 基于下料特征的大规模零件分组优化方法 |
CN105183780A (zh) * | 2015-08-12 | 2015-12-23 | 中国工程物理研究院计算机应用研究所 | 基于改进agnes算法的协议分类方法 |
CN105279965A (zh) * | 2015-09-30 | 2016-01-27 | 百度在线网络技术(北京)有限公司 | 一种基于路况的路段合并方法和装置 |
CN105678607A (zh) * | 2016-01-07 | 2016-06-15 | 合肥工业大学 | 一种基于改进的K-Means算法的订单分批方法 |
CN105719009A (zh) * | 2015-07-24 | 2016-06-29 | 北京小度信息科技有限公司 | 配送任务的处理方法及装置 |
-
2017
- 2017-05-25 CN CN201710381082.2A patent/CN107292701A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251859A (zh) * | 2008-03-17 | 2008-08-27 | 北京科文书业信息技术有限公司 | 基于购物行为的商品聚类系统及其方法 |
CN102254067A (zh) * | 2011-07-05 | 2011-11-23 | 重庆大学 | 基于下料特征的大规模零件分组优化方法 |
CN105719009A (zh) * | 2015-07-24 | 2016-06-29 | 北京小度信息科技有限公司 | 配送任务的处理方法及装置 |
CN105183780A (zh) * | 2015-08-12 | 2015-12-23 | 中国工程物理研究院计算机应用研究所 | 基于改进agnes算法的协议分类方法 |
CN105279965A (zh) * | 2015-09-30 | 2016-01-27 | 百度在线网络技术(北京)有限公司 | 一种基于路况的路段合并方法和装置 |
CN105678607A (zh) * | 2016-01-07 | 2016-06-15 | 合肥工业大学 | 一种基于改进的K-Means算法的订单分批方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392412A (zh) * | 2017-06-05 | 2017-11-24 | 北京小度信息科技有限公司 | 订单调度方法和装置 |
CN109934372A (zh) * | 2017-12-19 | 2019-06-25 | 阿里巴巴集团控股有限公司 | 一种路径规划方法、装置及设备 |
CN110189065A (zh) * | 2018-02-23 | 2019-08-30 | 北京京东尚科信息技术有限公司 | 一种确定种子订单的方法和装置 |
CN110348771A (zh) * | 2018-04-02 | 2019-10-18 | 北京京东尚科信息技术有限公司 | 一种对订单进行组单的方法和装置 |
CN110348771B (zh) * | 2018-04-02 | 2022-04-26 | 北京京东乾石科技有限公司 | 一种对订单进行组单的方法和装置 |
CN109118137A (zh) * | 2018-08-01 | 2019-01-01 | 北京极智嘉科技有限公司 | 一种订单处理方法、装置、服务器及存储介质 |
CN109118137B (zh) * | 2018-08-01 | 2020-01-14 | 北京极智嘉科技有限公司 | 一种订单处理方法、装置、服务器及存储介质 |
CN109242184A (zh) * | 2018-09-06 | 2019-01-18 | 泉州装备制造研究所 | 一种基于层次聚类的订单拣货优化方法 |
CN109242184B (zh) * | 2018-09-06 | 2022-03-22 | 泉州装备制造研究所 | 一种基于层次聚类的订单拣货优化方法 |
CN111815212A (zh) * | 2019-04-11 | 2020-10-23 | 北京三快在线科技有限公司 | 路径规划方法、装置及存储介质 |
WO2021000864A1 (zh) * | 2019-07-01 | 2021-01-07 | 北京三快在线科技有限公司 | 压单处理 |
CN111047415A (zh) * | 2019-12-18 | 2020-04-21 | 苏州市伽顿服饰有限公司 | 服饰配件订单处理方法、系统、电子设备及存储介质 |
CN111047415B (zh) * | 2019-12-18 | 2023-06-16 | 苏州市伽顿服饰有限公司 | 服饰配件订单处理方法、系统、电子设备及存储介质 |
CN111191982A (zh) * | 2019-12-25 | 2020-05-22 | 北京顺达同行科技有限公司 | 订单分组方法、装置、计算机设备和存储介质 |
CN113222305A (zh) * | 2020-01-21 | 2021-08-06 | 北京三快在线科技有限公司 | 订单调度方法、装置、存储介质和电子设备 |
CN111311150A (zh) * | 2020-02-10 | 2020-06-19 | 拉扎斯网络科技(上海)有限公司 | 配送任务分组方法、平台、电子设备及存储介质 |
CN111311150B (zh) * | 2020-02-10 | 2020-12-22 | 拉扎斯网络科技(上海)有限公司 | 配送任务分组方法、平台、电子设备及存储介质 |
CN111754072A (zh) * | 2020-05-18 | 2020-10-09 | 广州纬纶信息科技有限公司 | 提高板材叠切率的批次组合优化方法、系统 |
CN111598486A (zh) * | 2020-06-09 | 2020-08-28 | 拉扎斯网络科技(上海)有限公司 | 任务分组方法、平台、服务器及存储介质 |
CN111598486B (zh) * | 2020-06-09 | 2023-11-10 | 拉扎斯网络科技(上海)有限公司 | 任务分组方法、平台、服务器及存储介质 |
CN111582408A (zh) * | 2020-06-19 | 2020-08-25 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、数据处理装置、存储介质和电子设备 |
CN111582408B (zh) * | 2020-06-19 | 2023-12-29 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、数据处理装置、存储介质和电子设备 |
CN112053068B (zh) * | 2020-09-09 | 2021-08-24 | 上海有个机器人有限公司 | 一种递送机器人的云端调度方法、装置和服务器 |
CN112053068A (zh) * | 2020-09-09 | 2020-12-08 | 上海有个机器人有限公司 | 一种递送机器人的云端调度方法、装置和服务器 |
CN113095553A (zh) * | 2021-03-29 | 2021-07-09 | 北京沃东天骏信息技术有限公司 | 调度方法、装置、电子设备及存储介质 |
CN115130858A (zh) * | 2022-06-27 | 2022-09-30 | 上海聚水潭网络科技有限公司 | 一种基于多目标启发式的订单聚合方法及系统 |
CN115130858B (zh) * | 2022-06-27 | 2024-01-26 | 上海聚水潭网络科技有限公司 | 一种基于多目标启发式的订单聚合方法及系统 |
CN116611769A (zh) * | 2023-07-19 | 2023-08-18 | 杭州吉客云网络技术有限公司 | 订单聚合方法、装置、计算机设备及存储介质 |
CN117371740A (zh) * | 2023-10-27 | 2024-01-09 | 北京丰赞科技有限公司 | 一种面向团餐配送场景的直送物流智能方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292701A (zh) | 订单分组方法和装置 | |
CN107146007A (zh) | 订单调度方法和装置 | |
CN107392412A (zh) | 订单调度方法和装置 | |
Emeç et al. | An adaptive large neighborhood search for an e-grocery delivery routing problem | |
Jiang et al. | Distributed dynamic scheduling for cyber-physical production systems based on a multi-agent system | |
CN107844877A (zh) | 订单分配方法和装置 | |
CN104966214B (zh) | 一种电子券的交互方法和装置 | |
CN108074031A (zh) | 订单组分配方法及装置 | |
CN106529883B (zh) | 分配数据对象的方法及装置 | |
US20170011292A1 (en) | Systems and Methods for Multi-Objective Evolutionary Algorithms with Category Discovery | |
CN107292550A (zh) | 一种物流资源的调度方法、设备及系统 | |
CN107092974A (zh) | 配送压力预测方法及装置 | |
CN107403295A (zh) | 订单调度方法及装置 | |
CN106779526A (zh) | 订单组分配方法及装置 | |
CN107545315A (zh) | 订单处理方法及装置 | |
Bayliss et al. | A two-phase local search with a discrete-event heuristic for the omnichannel vehicle routing problem | |
CN108074164A (zh) | 订单处理方法和装置 | |
CN109345091A (zh) | 基于蚁群算法的整车物流调度方法及装置、存储介质、终端 | |
WO2020205259A1 (en) | Computerized inventory redistribution control system | |
CN104992348A (zh) | 一种信息展示的方法和装置 | |
CN110363476A (zh) | 货物入仓分配处理方法及装置 | |
CN109117980A (zh) | 数据预填方法、装置及设备 | |
CN111985674A (zh) | 一种含物联网优化的智慧供应链管理云系统 | |
CN108171488A (zh) | 数据处理方法、装置和系统 | |
CN106257507A (zh) | 用户行为的风险评估方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |