CN109146348A - 一种物流数据处理方法及装置 - Google Patents
一种物流数据处理方法及装置 Download PDFInfo
- Publication number
- CN109146348A CN109146348A CN201710501639.1A CN201710501639A CN109146348A CN 109146348 A CN109146348 A CN 109146348A CN 201710501639 A CN201710501639 A CN 201710501639A CN 109146348 A CN109146348 A CN 109146348A
- Authority
- CN
- China
- Prior art keywords
- dispatching
- waiting time
- ground
- order
- person
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本文公开了一种物流数据处理方法及装置;上述物流数据处理方法包括:获取一个或多个配送员的一个或多个订单的配送地等待时间信息;根据一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。如此,通过挖掘配送区域与配送地等待时长的关系,提高预估配送地等待时长的准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种物流数据处理方法及装置。
背景技术
随着移动互联网的兴起,各种基于用户地理位置信息的应用应运而生,其中一个典型应用就是外卖送餐。不同于传统网上购物,外卖对配送时效性要求很高。其中,配送地等待时长是影响配送效率的一个因素。目前,配送员可以通过点击操作应用程序(APP,Application)记录订单的配送等待开始时刻和配送完成时刻,以统计配送地等待时长。
然而,上述方式增加了配送员的操作成本,而且配送员执行上述操作的意愿较低,导致无法有效统计配送地等待时长。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本申请实施例提供一种物流数据处理方法及装置,能够提高配送地等待时长的预估准确性,进而提高配送效率。
本申请实施例提供一种物流数据处理方法,包括:
获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
其中,所述获取一个或多个配送员的一个或多个订单的配送地等待时间信息,可以包括:
根据一个或多个配送员在多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息。
其中,所述根据一个或多个配送员在多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息,可以包括:
针对任一配送员,根据所述配送员在多个时间点的定位数据,确定所述配送员的一个或多个驻留地和所述驻留地的驻留时间信息;
根据所述配送员已完成配送的订单数据,从所述配送员的驻留地中筛选出一个或多个订单的配送等待驻留地,并确定所述配送等待驻留地的配送地等待时间信息。
其中,所述根据所述配送员在多个时间点的定位数据,确定所述配送员的一个或多个驻留地和所述驻留地的驻留时间信息,可以包括:
根据所述配送员在多个时间点的定位数据,计算任两个连续的时间点之间的移动速度;
在检测到连续第一数目的时间点中任两个连续的时间点对应的移动速度均小于或等于第一预设值,且所述第一数目满足第一条件时,根据所述第一数目的时间点对应的定位数据,确定一个驻留地和所述驻留地的驻留时间信息。
其中,所述根据所述配送员已完成配送的订单数据,从所述配送员的驻留地中筛选出一个或多个订单的配送等待驻留地,并确定所述配送等待驻留地的配送地等待时间信息,可以包括:
确定任一个驻留地的位置编码信息;
从所述配送员的驻留地中筛选出满足以下条件的驻留地作为配送等待驻留地:
驻留地的位置编码信息匹配所述配送员已完成的订单数据中至少一个订单的配送目的地的位置编码信息,且根据所述驻留地的驻留时间信息确定的驻留时间范围在所述订单的配送时间范围内。
其中,所述根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系,可以包括:
根据一个或多个订单的配送地等待时间信息,确定一个或多个订单对应的配送区域、配送地等待时长以及配送环境;
针对任一个配送区域,统计所述配送区域在任一种配送环境下的配送地等待时长;针对任一种配送环境,根据所述配送区域在所述配送环境下的配送地等待时长,确定满足第二条件的配送地等待时长作为所述配送区域在所述配送环境下的配送地等待时长。
其中,所述确定配送区域与配送地等待时长的关系之后,上述方法还可以包括:根据待分配订单的信息以及所述配送区域与配送地等待时长的关系,预估所述待分配订单的配送地等待时长。
本申请实施例还提供一种调度方法,包括:
根据一配送员的待配送或正在配送的订单的信息,通过查询配送区域与配送地等待时长的关系,预估所述配送员配送所述订单的配送地等待时长;
根据所述配送地等待时长,预估所述配送员能够接受下一个订单的时间。
本申请实施例还提供一种调度方法,包括:
根据待分配订单的信息、配送区域与配送地等待时长的关系,预估候选配送员执行所述待分配订单的配送地等待时长;
将所述待分配订单分配给所述配送地等待时长满足设定条件的候选配送员。
本申请实施例还提供一种物流数据处理装置,包括:
第一处理模块,用于获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
第二处理模块,用于根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
其中,所述第一处理模块,可以用于根据一个或多个配送员在多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息。
其中,上述装置还可以包括:第三处理模块,用于根据待分配订单的信息以及所述第二处理模块确定的配送区域与配送地等待时长的关系,预估所述待分配订单的配送地等待时长。
本申请实施例还提供一种物流数据处理装置,包括:存储器以及处理器;其中,所述存储器用于存储用于物流数据处理的程序;该用于物流数据处理的程序在被所述处理器读取执行时,执行以下操作:
获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
本申请实施例还提供一种计算机可读介质,存储有物流数据处理程序,所述物流数据处理程序被处理器执行时实现上述的物流数据处理方法的步骤。
本申请实施例中,获取一个或多个配送员的一个或多个订单的配送地等待时间信息;根据一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。如此,通过挖掘配送区域与配送地等待时长的关系,进而提高预估配送地等待时长的准确性。
一些实现方式中,通过配送员在多个时间点的定位数据和已完成配送的订单数据,挖掘配送区域与配送地等待时长的关系,从而提高准确性。
一些实现方式中,通过实时查询配送区域与配送地等待时长的关系,预估待分配订单的配送地等待时长,作为分配待分配订单的重要决策依据,以提高配送效率,有效节省运力成本。
当然,实施本申请的任一产品不一定需要同时达到以上所有优点。
附图说明
图1为本申请实施例一提供的物流数据处理方法的流程图;
图2为应用本申请实施例一的物流数据处理方法的系统架构示意图;
图3为本申请实施例一的实例示意图;
图4为本申请实施例二提供的物流数据处理装置的示意图一;
图5为本申请实施例二提供的物流数据处理装置的示意图二;
图6为本申请实施例三提供的调度方法的流程图;
图7为本申请实施例三的示例图;
图8为本申请实施例四提供的调度方法的流程图;
图9为本申请实施例四的示例图。
具体实施方式
以下结合附图对本申请实施例进行详细说明,应当理解,以下所说明的实施例仅用于说明和解释本申请,并不用于限定本申请。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
需要说明的是,如果不冲突,本申请实施例以及实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
一些实施方式中,执行物流数据处理方法或调度方法的计算设备可包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存(memory)。
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(flashRAM)。内存是计算机可读介质的示例。内存可能包括模块1,模块2,……,模块N(N为大于2的整数)。
计算机可读介质包括永久性和非永久性、可移动和非可移动存储介质。存储介质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非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
实施例一
本实施例提供一种物流数据处理方法,本实施例的物流数据处理方法可以应用于对物流配送时效性要求较高的业务场景,比如,外卖配送场景。
其中,配送员可以采用电动车或者自行车等两轮交通工具进行配送,也可以采用汽车进行配送。然而,本申请对此并不限定。
本实施例提供的物流数据处理方法可以基于可靠、真实的定位数据和订单数据,挖掘配送区域与配送地等待时长的关系。其中,配送地等待时长指配送员在目标配送地点(比如,订单上的客户取件地点)等待客户取件的时长。比如,外卖配送员在送餐目的地等待客户取餐的时长。
如图1所示,本实施例提供的物流数据处理方法,包括以下步骤:
S101:获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
S102:根据一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
本实施例的物流数据处理方法可以用于统计不同配送区域的配送地等待时长,以便于后续可以参考S102确定的配送区域与配送地等待时长的关系,预估待分配订单的配送地等待时长,进而可以根据预设策略选择合适的配送员处理待分配订单,或者,可以预估一个配送员接收下一个订单的时间。如此,提高配送效率,有效节省运力成本。
本实施例的物流数据处理方法可以应用于服务端,其中,服务端可以指服务端计算设备(例如,服务器)或者服务端计算设备上运行的虚拟机。然而,本申请对此并不限定。
一些实现方式中,S101中,可以针对多个配送员,分别根据设定时长内每个配送员在多个时间点的定位数据和已完成配送的订单数据,确定任一个配送员的一个或多个订单的配送地等待时间信息;在S102中,可以根据多个配送员的一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系,即最终确定的配送区域与配送地等待时长的关系可以适用于多个配送员。
或者,在S101中,可以仅根据一个配送员在多个时间点的定位数据和已完成配送的订单数据,确定该配送员的一个或多个订单的配送地等待时间信息;在S102中,根据该配送员的配送地等待时间信息,确定该配送员相关的配送区域与配送地等待时长的关系,即最终确定的配送区域与配送地等待时长的关系可以仅适用于一个配送员。然而,本申请对此并不限定。
其中,配送员携带的移动终端(比如,智能手机或者车载终端)可以通过全球定位系统(GPS,Global Positioning System)获取自身的定位数据。然而,本申请对于移动终端获取自身的定位数据所采用的定位方式并不限定。
比如,移动终端可以实时获取自身的定位数据,并按照设定周期(比如,10s、15s或20s)向服务端返回一次定位数据;或者,移动终端可以按照设定周期获取自身的定位数据,并向服务端返回一次定位数据。
由于移动终端在一个或多个时间点返回的定位数据可能存在异常值或定位数据缺失,因此,服务端可以从移动终端返回的多个时间点的定位数据中,筛选出在设定时长内的多个时间点的定位数据,以得到一组或多组的连续时间点的定位数据。
其中,两个相邻时间点之间的间隔时长可以为固定时长,比如,设定周期的长度;或者,任意两个时间点之间的间隔时长可以为固定时长的倍数,比如,固定时长为10s,则任意两个时间点之间的间隔时长可以为10s、20s、30s等。
其中,时间点与定位数据一一对应,即一个时间点对应一个定位数据。定位数据可以包括:经度数据和纬度数据。
本实施例中,配送员已完成配送的订单数据可以由业务平台系统(比如,订餐平台系统)提供。订单数据可以至少包括:订单配送目的地信息、配送员标识、派单时间点、配送完成时间点。然而,本申请对此并不限定。
一些实现方式中,订单数据还可以包括:配送员的熟练程度级别。其中,配送员的熟练程度级别可以根据以下信息进行划分:配送员的注册时长、配送员自注册之后的第一订单完成率、配送员在订单数据对应的配送区域的第二订单完成率。其中,第一订单完成率可以根据配送员自注册之后所成功完成配送的订单数与自注册之后接收到的总订单数的比值确定;第二订单完成率可以根据配送员自注册之后在相应的配送区域所成功完成配送的订单数与自注册之后接收到的在该配送区域的总订单数的比值确定。其中,配送员在规定时长内完成订单配送可以认为成功完成订单配送。其中,每个配送员在不同配送区域的熟练程度级别可能不同。熟练程度级别可以分成两个级别(比如,熟练、不熟练),或者,可以分成三个或更多的级别。本申请对此并不限定。
一些实现方式中,在S102之后,可以存储得到的配送区域与配送地等待时长的关系。而且,本实施例的S101和S102可以周期性执行,以定时更新存储的配送区域与配送地等待时长的对应关系。
应用本实施例的物流数据处理方法的一个系统架构如图2所示,包括:移动终端(比如,车载终端或智能手机)201、数据处理系统202以及业务平台系统203;其中,一个或多个配送员携带的移动终端201可以周期性向数据处理系统202返回定位数据,数据处理系统202可以从移动终端201返回的定位数据中,筛选出设定时长内的多个时间点的定位数据;数据处理系统202还可以从业务平台系统203获取一个或多个配送员已完成配送的订单数据;数据处理系统202可以对获取的数据进行分析,确定配送区域与配送地等待时长的关系。
其中,数据处理系统202可以包括:
第一处理模块,用于执行S101;
第二处理模块,用于执行S102。
其中,数据处理系统202的第二处理模块在确定配送区域与配送地等待时长的关系之后,可以存储配送区域与配送地等待时长的关系(比如,通过MySQL或Redis数据库进行存储)。
其中,数据处理系统202与业务平台系统203可以部署在服务端,比如,部署在一个服务器上,或者,部署在存在连接关系的两个或多个服务器上。
在一些实现方式中,可以由数据处理系统202负责待分配订单的调度,则数据处理系统202在调度待分配订单时,可以参照存储的配送区域与配送地等待时长的关系,确定待分配订单的配送地等待时长,并按照预设策略,选择合适的配送员配送该待分配订单,以提高物流配送效率。
在一些实现方式中,可以由业务平台系统203负责待分配订单的调度,则业务平台系统203在调度待分配订单时,可以参照数据处理系统202存储的配送区域与配送地等待时长的关系,确定待分配订单的配送地等待时长,并按照预设策略,选择合适的配送员配送该待分配订单,以提高物流配送效率。
在一些实现方式中,业务平台系统203可以接收配送员携带的移动终端201周期性返回的定位数据,数据处理系统202可以根据业务平台系统203提供的配送员在设定时长内的多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息,然后确定并存储配送区域与配送地等待时长的关系。
在一些实现方式中,应用本实施例的物流数据处理方法的一个系统还可以包括:订单调度系统204;其中,可以由订单调度系统204负责待分配订单的调度;订单调度系统204在调度待分配订单时,可以参照数据处理系统202存储的配送区域与配送地等待时长的关系,确定待分配订单的配送地等待时长,并按照预设策略,选择合适的配送员配送该待分配订单。其中,订单调度系统204、数据处理系统202以及业务平台系统203可以部署在一个服务器或者部署在存在连接关系的两个或多个服务器,本申请对此并不限定。
需要说明的是,图2所示系统架构仅为示例,本申请对此并不限定。
一些实现方式中,S101之前,本实施例的物流数据处理方法还可以包括:
S100、预处理设定时长内配送员所有时间点的定位数据,得到配送员在多个时间点的定位数据。
其中,设定时长可以根据需要确定,比如,一个月或者三个月,或者,也可以是一个月内每天的工作时长。即设定时长可以是连续的一段时长,也可以包括不连续的多段时长。本申请对此并不限定。
其中,S100可以包括以下至少之一:
从配送员在设定时长内的所有时间点的定位数据中,删除异常的定位数据;
完善设定时长内局部缺失的定位数据。
其中,由于定位数据与时间点是一一对应的,因此,可以根据时间点与定位数据之间的关系、相邻时间点对应的定位数据之间的关系来判断是否存在异常的定位数据。比如,配送员采用电动车进行物流配送,相邻时间点之间的时长为10s(即每隔10s记录一次定位数据),若相邻两个时间点对应的定位数据表明两个时间点之间的距离达到阈值(比如500米以上),由于在10s内移动超过阈值的距离认为是不合理的,则可以认为后一个时间点的定位数据存在异常,可以删除该时间点的定位数据。
其中,局部缺失指两个时间点之间间隔一个时间点,且该时间点缺少对应的定位数据的情况。比如,针对配送员A,以时间点之间的间隔时长为10s为例,在时间点n1的定位数据为m1,在时间点n3的定位数据为m3,时间点n3和n1之间的间隔时长为20s,即,可以认为缺失了时间点n1和时间点n3之间的时间点n2的定位数据,则时间点n2的定位数据m2可以根据定位数据m1和m3确定。比如,定位数据m2为定位数据m1和m3对应地点连线的中点的经度和纬度数据。需要说明的是,当两个时间点之间缺失两个或多个时间点时,则可以不进行局部填充处理。
一些实现方式中,在S101之前,本实施例的物流数据处理方法还可以包括:预处理配送员已完成配送的订单数据;比如,从配送员已完成配送的订单数据中,筛选出至少包括以下信息的订单数据:订单配送目的地信息、配送员标识、派单时间点、配送完成时间点。
一些实现方式中,S101可以包括:
S1011:针对任一配送员,根据该配送员在多个时间点的定位数据,确定该配送员的一个或多个驻留地和该驻留地的驻留时间信息;
S1012:根据该配送员已完成配送的订单数据,从该配送员的驻留地中筛选出一个或多个订单的配送等待驻留地,并确定任一个配送等待驻留地的配送地等待时间信息。
其中,S1011可以包括:
根据配送员在多个时间点的定位数据,计算任两个连续的时间点之间的移动速度;
在检测到连续第一数目的时间点中任两个连续的时间点对应的移动速度均小于或等于第一预设值,且第一数目满足第一条件时,根据第一数目的时间点对应的定位数据,确定一个驻留地和该驻留地的驻留时间信息。
其中,连续的时间点指时间点之间的间隔时长均为固定时长(比如,10s、15s或20s)的时间点。
其中,针对两个连续的时间点,可以根据这两个连续的时间点对应的定位数据,确定两个地点,并计算这两个地点之间的球面距离(比如,单位为米),然后,根据计算得到的球面距离和这两个时间点之间的间隔时长(比如,10s、15s或20s),计算这两个连续的时间点之间的移动速度(比如,单位为m/s)。
其中,第一预设值可以根据配送员所采用的交通工具进行确定。比如,配送员使用电瓶车进行配送时,第一预设值可以为1m/s。
其中,第一条件可以为大于或等于第一数值、小于或等于第二数值,第一数值小于或等于第二数值,比如,第一条件可以为大于3且小于60;或者,第一条件可以为大于或等于第一数值。然而,本申请对此并不限定。
其中,一个驻留地对应一个驻留时间点序列,该驻留时间点序列中包括一个或多个时间点,一个时间点对应有一个定位数据;该驻留地的驻留时间信息可以包括该驻留时间点序列的起始时间点和结束时间点;根据该驻留时间点序列的起始时间点和结束时间点可以确定在该驻留地的驻留时长。
以一组连续的时间点包括时间点a1至a11为例,若根据时间点a4和a5、a5和a6、a6和a7、a7和a8对应的定位数据计算得到的移动速度均小于第一预设值(比如,1m/s),此时,第一数目为5(即包括:a4至a8),若第一条件为大于3且小于60,则可以将时间点序列a4至a8确定为一个驻留时间点序列,根据该驻留时间点序列对应的定位数据,可以确定一个驻留地。
其中,S1012可以包括:
确定配送员的任一个驻留地的位置编码信息;
从该配送员的驻留地中筛选出满足以下条件的驻留地作为该配送员的配送等待驻留地:
驻留地的位置编码信息匹配该配送员已完成的订单数据中的至少一个订单的配送目的地的位置编码信息,且根据该驻留地的驻留时间信息确定的驻留时间范围在该订单的配送时间范围内。
其中,确定任一个驻留地的位置编码信息,可以包括:
针对任一个驻留地,计算该驻留地的驻留时间范围中的任一个时间点的定位数据对应的位置编码信息;
将在该驻留时间范围中的占比超过第二预设值的位置编码信息,确定为该驻留地的位置编码信息。
其中,在S1011可以确定配送员的一个或多个驻留时间点序列;由于任一个驻留时间点序列包括一个或多个时间点,且一个时间点对应有一个定位数据,因此,在将定位数据转换得到位置编码信息之后,可以得到任一个驻留时间点序列对应一个或多个位置编码信息。在S1012中,可以从一个驻留时间点序列对应的位置编码信息中,确定占比超过第二预设值(比如,60%)的位置编码信息作为该驻留时间点序列的位置编码信息,即一个驻留地的位置编码信息。
其中,位置编码信息可以包括一个字符串,通过该字符串可以表示经度和纬度两个坐标。位置编码信息可以为GeoHash7编码信息、GeoHash8编码信息或者POI(Point ofInterest,兴趣点)信息。然而,本申请对此并不限定。需要说明的是,将经度数据和纬度数据转换为GeoHash7编码信息、GeoHash8编码信息或者POI信息的方式为本领域技术人员常用的,故于此不再赘述。
其中,以GeoHash7编码信息为例,通过GeoHash7编码信息可以将一定区域采用相同的编码信息表示,因此,一个GeoHash7编码信息可以对应多个配送地点。
其中,驻留时间点序列对应一组连续的时间点,因此,可以得到驻留时间点序列的驻留时间范围,即驻留时间点序列的起始时间点至结束时间点。配送员已完成配送的订单数据中的每个订单包括:派单时间点和配送完成时间点,因此,可以确定每个订单的配送时间范围,即该订单的派单时间点至配送完成时间点。若驻留时间点序列的起始时间点晚于或等于订单的派单时间点,且该驻留时间点序列的结束时间点早于或等于该订单的配送完成时间点,则可以认为该驻留时间点序列的时间范围在该订单的配送时间范围内,即该驻留地的驻留时间范围在该订单的配送时间范围内。
其中,在驻留地的位置编码信息和驻留时间范围均满足上述条件时,可以将该驻留地作为配送员的一个配送等待驻留地。该驻留地的驻留时间信息即为该配送等待驻留地的配送地等待时间信息。一个配送等待驻留地对应一个配送等待驻留时间点序列,该配送等待驻留地对应的配送等待驻留时间点序列即为筛选出的满足上述条件的一个驻留地对应的驻留时间点序列。
一些实现方式中,S102可以包括:
根据一个或多个订单的配送地等待时间信息,确定一个或多个订单对应的配送区域、配送地等待时长以及配送环境;
针对任一个配送区域,统计该配送区域在任一种配送环境下的配送地等待时长;针对任一种配送环境,根据该配送区域在该配送环境下的配送地等待时长,确定满足第二条件的配送地等待时长作为该配送区域在该配送环境下的配送地等待时长。
其中,一个配送等待驻留地的配送地等待时长可以根据该配送等待驻留地对应的配送等待驻留时间点序列确定。比如,配送等待驻留时间点序列的时间长度为tw,则该配送等待驻留时间点序列对应的配送地等待时长可以为tw+tp,其中,tp为上述两个采集定位数据的时间点的间隔时长(比如,10s、15s或20s等)。
其中,配送区域可以采用位置编码信息标记。具有相同位置编码信息的配送等待驻留时间点序列所对应的配送区域相同。
其中,配送环境可以包括一个或多个配送特征;配送特征可以包括以下至少之一:配送员的熟练程度级别(比如,熟练、不熟练)、是否为高峰时段、是否为节假日、是否出现设定天气情况。其中,高峰时段例如包括:上午11:00至下午13:00、晚上17:00至19:00;设定天气情况可以是对物流配送存在较大影响的天气情况,比如,降雪、降雨等。设定天气情况可以根据实际应用场景确定。
比如,配送环境可以为:配送员的熟练程度级别为熟练、非高峰时段、非节假日、不出现设定天气情况;或者,配送环境可以为:配送员的熟练程度级别为熟练、高峰时段、非节假日。然而,本申请对此并不限定。在实际应用中,可以根据实际情况确定配送环境。
其中,针对任一个配送员的任一个配送等待驻留时间点序列,可以根据配送等待驻留时间点序列的时间范围,确定该配送等待驻留时间点序列是否为节假日、是否为高峰时段、是否会出现设定天气情况。可以根据配送等待驻留时间点序列匹配的订单携带的配送员的熟练程度级别,确定该配送等待驻留时间点序列对应的配送员的熟练程度级别。
其中,第二条件可以包括以下之一:
配送区域在配送环境下的配送等待驻留时间点序列对应的配送地等待时长的中位数;
配送区域在配送环境下的配送等待驻留时间点序列对应的配送地等待时长的平均值;
配送区域在配送环境下的配送等待驻留时间点序列对应的配送地等待时长中,占比超过第三预设值的配送地等待时长。
比如,针对任一个配送区域,确定一种配送环境下多个配送员的全部配送等待驻留时间点序列,然后,统计这些配送等待驻留时间点序列的配送地等待时长的中位数(或者,平均值),将该中位数或平均值作为该配送环境下该配送区域的配送地等待时长。其中,中位数指按顺序排列在一起的一组数据中居于中间位置的数据,即在这组数据中,有一半的数据比中位数大,有一半的数据比中位数小。
例如,针对一个配送区域,在配送环境包括:节假日、高峰时段、未出现设定天气情况、配送员为熟练级别时,可以筛选出配送等待驻留时间点序列的数目为M个,则可以将这M个配送等待驻留时间点序列按照配送地等待时长从小到大的顺序排列,取排序处于中间位置的配送地等待时长作为该配送区域在该配送环境下的配送地等待时长。
比如,针对任一个配送区域,可以确定在一种配送环境下多个配送员的全部配送等待驻留时间点序列,然后,统计这些配送等待驻留时间点序列对应的占比超过第三预设值(比如,80%)的配送地等待时长,将确定的该配送地等待时长作为该配送环境下该配送区域的配送地等待时长。
例如,针对一个配送区域,在配送环境包括:节假日、高峰时段、未出现设定天气情况、配送员为熟练级别时,可以筛选出配送等待驻留时间点序列的数目为M个,且这M个配送等待驻留时间点序列对应的配送地等待时长中占比为90%的为配送地等待时长A,则将配送地等待时长A作为该配送区域在该配送环境下的配送地等待时长。
一些实现方式中,S102之后,本实施例的物流数据处理方法还可以包括:
根据待分配订单的信息以及配送区域与配送地等待时长的关系,预估待分配订单的配送地等待时长。
其中,根据待分配订单的信息可以确定待分配订单的配送区域,参照S102确定的配送区域与配送地等待时长的关系,可以预估待分配订单的配送地等待时长。
其中,在配送区域与配送地等待时长的关系体现为在不同配送环境下两者之间的关系时,可以根据待分配订单的信息,确定待分配订单对应的配送区域以及配送环境,然后,查询不同配送环境下配送区域与配送地等待时长的关系,预估待分配订单在相应的配送环境下对应的配送地等待时长。
下面参照图3通过一个实例对本申请进行举例说明。
本实例的物流数据处理方法应用于物流数据处理系统,用于基于可靠、真实的定位数据和订单数据,挖掘配送区域与配送地等待时长的关系。
本实例以外卖配送场景为例,配送员(也可以称为骑手)可以采用电动车进行外卖配送。配送员的电动车上安装有车载终端,车载终端可以按照设定周期(比如,10s)向物流数据处理系统返回定位数据。
其中,定位数据可以包括:经度数据和纬度数据。
如图3所示,本实例的物流数据处理方法包括以下步骤:
S301:预处理数据;
在本步骤中,可以对海量的历史订单数据进行清洗,筛选出的订单数据可以包括:订单配送目的地信息、配送员标识、派单时间点、配送完成时间点以及配送员的熟练程度级别。检测一个或多个配送员的车载终端周期性返回的定位数据,对异常的定位数据进行筛除,对局部缺失的定位数据进行填充,得到多个时间点的定位数据。
其中,任意两个时间点之间的间隔时长可以为固定时长的倍数,比如,固定时长为10s,则任意两个时间点之间的间隔时长可以为10s、20s、30s等。
S302:提取配送员的驻留时间点序列;其中,前述的一个驻留地对应一个驻留时间点序列;
在本步骤中,针对任一个配送员,遍历设定时长内该配送员经过预处理后的定位数据,在检测到该配送员的连续n个时间点对应的移动速度均低于1m/s时,则提取此连续n个时间点作为该配送员的一个驻留时间点序列;其中,n可以为大于3且小于60的整数。
S303:筛选配送员的配送等待驻留时间点序列;其中,前述的一个配送等待驻留地对应一个配送等待驻留时间点序列;
在本步骤中,从S302提取得到的配送员的驻留时间点序列中,筛选该配送员的配送等待驻留时间点序列;其中,针对任一个配送员,计算该配送员的驻留时间点序列中所有时间点的定位数据对应的GeoHash7编码信息(对应于上述的位置编码信息),将一个驻留时间点序列对应的GeoHash7编码信息中占比超过60%的GeoHash7编码信息作为该驻留时间点序列的GeoHash7编码信息,若该驻留时间点序列的GeoHash7编码信息与该配送员的订单数据中的至少一个订单的配送目的地的GeoHash7编码信息相同,且该驻留时间点序列的时间范围在该订单的配送时间范围内,则将该驻留时间点序列确定为该配送员的配送等待驻留时间点序列。
S304:确定配送区域与配送地等待时长的关系;
在本步骤中,根据配送员的配送等待驻留时间点序列的起始时间点和结束时间点,计算该配送等待驻留时间点序列的时长(比如记为tw),并可以确定该配送等待驻留时间点序列对应的配送地等待时长为tw+tp,其中,tp为两个采集定位数据的时间点之间的间隔时长(比如,10s)。
在本步骤中,可以从配送员的配送等待驻留时间点序列匹配的订单中,提取配送员的熟练程度级别;根据配送等待驻留时间点序列的起始时间点和结束时间点,确定是否对应节假日、是否对应高峰时段、是否出现设定天气情况。
比如,配送等待驻留时间点序列的起始时间点为t1,结束时间点为t2,则根据t1和t2对应的日期,确定是否对应节假日;根据t1和t2以及高峰时段的设定判断是否与高峰时段存在重合;还可以根据t1和t2以及天气预报信息,判断配送等待驻留时间点序列对应的时段与设定天气情况的出现时段是否有重合。其中,设定天气情况可以是对外卖配送存在较大影响的天气情况,比如,降雪、降雨等。
在本实例中,对任一个GeoHash7编码信息表示的配送区域,可以根据不同的配送环境(比如,包括以下至少一项:是否节假日、是否高峰时段、是否出现设定天气情况、骑手熟练程度级别),统计该配送区域内多个配送等待驻留时间点序列对应的配送地等待时长的中位数作为该配送环境下的配送地等待时长。
如表1所示,针对任一个GeoHash7编码信息表示的配送区域,可以计算得到不同配送环境下的配送地等待时长。
在表1中,“配送员的熟练程度”为1,则表示熟练的配送员,“配送员的熟练程度”为0,则表示不熟练的配送员,即熟练程度级别分成两个级别;“是否节假日”的取值为1,则表示为节假日,若为0,则为工作日;“是否高峰时段”的取值为1,则表示为高峰时段,若为0,则为非高峰时段;“是否出现设定天气情况”的取值为1,则表示降雨量大于设定值,若为0,则表示降雨量小于或等于设定值。
表1
需要说明的是,表1仅为示例,为了简单说明,因此,表1中所有特征取值均简化为二分类。然而,本申请对此并不限定。在实际应用中,可以根据实际情况,确定任一个配送特征的取值范围以及配送环境的情况。
S305:预估待分配订单的配送地等待时长;
在本步骤中,物流数据处理系统在接收到待配送订单之后,可以根据待配送订单的信息,确定送餐目的地、所需送餐时间是否为节假日、是否为高峰时段、是否会出现设定天气情况;并根据确定的信息可以查询S304确定的配送区域与配送地等待时长的关系,从而预估待配送订单对应的配送地等待时长。
比如,在S305中,可以将根据待配送订单的信息确定的配送区域和配送环境采用查询码表示,查询表1存储的配送地等待时长。例如,待配送订单的查询码为<wx4g0ec,1,1,0,1>,则根据表1,可以预估待配送订单的配送地等待时长为b1。
综上可知,本实施例采用来源可靠的定位数据和覆盖率高的海量历史订单数据,挖掘配送员在配送区域的多因素影响下的配送地等待时长,并且可以进行离线存储和定时更新,而且可以用于实时预估待分配订单的配送地等待时长,作为待分配订单派送任务分配的重要决策依据,以提高配送效率,有效节省运力成本。
实施例二
本实施例提供一种物流数据处理装置,如图4所示,包括:
第一处理单元401,用于获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
第二处理单元402,用于根据一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
其中,第一处理模块401可以用于通过以下方式获取一个或多个配送员的一个或多个订单的配送地等待时间信息:根据一个或多个配送员在多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息。
其中,如图5所示,第一处理单元401可以包括:
第一子处理单元4011,用于针对任一配送员,根据该配送员在多个时间点的定位数据,确定该配送员的一个或多个驻留地和任一驻留地的驻留时间信息;
第二子处理单元4012,用于根据该配送员已完成配送的订单数据,从该配送员的驻留地中筛选出一个或多个订单的配送等待驻留地,并确定该配送等待驻留地的配送地等待时间信息。
其中,第一子处理单元4011可以用于根据该配送员在多个时间点的定位数据,确定该配送员的一个或多个驻留地和任一驻留地的驻留时间信息:
根据该配送员在多个时间点的定位数据,计算任两个连续的时间点之间的移动速度;在检测到连续第一数目的时间点中任两个连续的时间点对应的移动速度均小于或等于第一预设值,且第一数目满足第一条件时,根据第一数目的时间点对应的定位数据,确定一个驻留地和该驻留地的驻留时间信息。
其中,第二子处理单元4012可以用于通过以下方式根据该配送员已完成配送的订单数据,从该配送员的驻留地中筛选出一个或多个订单的配送等待驻留地,并确定任一配送等待驻留地的配送地等待时间信息:
确定任一个驻留地的位置编码信息;从该配送员的驻留地中筛选出满足以下条件的驻留地作为该配送员的配送等待驻留地:驻留地的位置编码信息匹配该配送员已完成的订单数据中的至少一个订单的配送目的地的位置编码信息,且根据该驻留地的驻留时间信息确定的驻留时间范围在该订单的配送时间范围内。
其中,第二处理模块402可以用于通过以下方式根据一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系:
根据一个或多个订单的配送地等待时间信息,确定一个或多个订单对应的配送区域、配送地等待时长以及配送环境;针对任一个配送区域,统计该配送区域在任一种配送环境下的配送地等待时长;针对任一种配送环境,根据该配送区域在该配送环境下的配送地等待时长,确定满足第二条件的配送地等待时长作为该配送区域在该配送环境下的配送地等待时长。
一些实现方式中,如图5所示,本实施例的物流数据处理装置还可以包括:第三处理模块403,用于根据待分配订单的信息以及第二处理模块402确定的配送区域与配送地等待时长的关系,预估待分配订单的配送地等待时长。
一些实现方式中,本实施例的物流数据处理装置还可以包括:预处理模块,用于预处理设定时长内配送员的定位数据,得到配送员在多个时间点的定位数据。
另外,关于本实施例提供的物流数据处理装置的相关操作可以参照实施例一的物流数据处理方法的相关描述,故于此不再赘述。
此外,本申请实施例还提供一种物流数据处理装置,包括:存储器以及处理器;其中,存储器用于存储用于物流数据处理的程序;该用于物流数据处理的程序在被处理器读取执行时,执行以下操作:
获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
根据一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
本实施例中,用于物流数据处理的程序在被处理器读取执行时,所执行的操作对应于实施例一中的S101至S102;该程序所执行的操作的其它细节可参见实施例一,故于此不再赘述。
实施例三
本实施例提供一种调度方法,如图6所示,包括:
S601、根据配送员的待配送或正在配送的订单的信息,通过查询配送区域与配送地等待时长的关系,预估该配送员配送该订单的配送地等待时长;
S602、根据该配送地等待时长,预估该配送员能够接受下一个订单的时间。
在本实施例中,配送区域与配送地等待时长的关系可以根据实施例一所述的物流数据处理方法得到。故于此不再赘述。
下面参照图2和图7说明本申请的外卖送餐场景的一个示例。本示例中,基于图2的系统架构,以订单调度系统204执行订单调度为例进行说明。数据处理系统202采用实施例一所述的物流数据处理方法得到配送区域与配送地等待时长的关系之后,存储配送区域与配送地等待时长的关系。在本示例中,以给任一个配送员分别确定配送区域与配送地等待时长的关系为例进行说明,即数据处理系统202会存储任一个配送员对应的配送区域与配送地等待时长的关系。
如图7所示,配送员P正在配送送餐订单d1,订单调度系统204可以预估订单d1的配送结束时间点,以便给配送员P分配新订单。其中,订单调度系统204可以根据订单d1的信息,确定订单d1的配送目的地;根据订单d1的配送目的地,查询配送员P的配送区域与配送地等待时长的关系,预估订单d1的配送地等待时长,比如,订单d1的配送地等待时长为T。然后,订单调度系统204可以结合订单d1的当前配送情况以及预估得到的配送地等待时长T,预估配送员P配送订单d1的结束时间点,即配送员P能够接受下一个订单的时间点。在本示例中,订单调度系统204可以根据预估的订单d1的结束时间点,给配送员P分配一个新订单d2,其中,订单d2的配送时间要求与订单d1的配送时间并不冲突。如此,配送员P在结束订单d1的配送之后,可以直接进行订单d2的取餐和配送操作,从而提升了配送效率。
实施例四
本实施例提供一种调度方法,如图8所示,包括:
S801、根据待分配订单的信息、配送区域与配送地等待时长的关系,预估候选配送员执行该待分配订单的配送地等待时长;
S802、将该待分配订单分配给配送地等待时长满足设定条件的候选配送员。
在示例性实施方式中,设定条件可以包括:配送地等待时长最短。然而,本申请对此并不限定。在其他实现方式中,设定条件可以根据实际场景需求设置,比如结合路上配送时长等综合考量。
下面参照图2和图9说明本申请的外卖送餐场景的一个示例。本示例中,基于图2的系统架构,以订单调度系统204执行订单调度为例进行说明。数据处理系统202采用实施例一所述的物流数据处理方法得到配送区域与配送地等待时长的关系之后,存储配送区域与配送地等待时长的关系。在本示例中,数据处理系统202存储的配送区域与配送地等待时长的关系例如实施例一中的表1所示。
在本示例中,待分配订单D的信息可以包括:订单配送目的地信息、待配送时间。其中,根据订单配送目的地信息可以确定配送区域的GeoHash7编码信息为wx4g0ec;根据待配送时间可以确定配送环境包括:是节假日、不是高峰时段、未出现设定天气情况。如此,可以确定待分配订单D在表1的查询码为<wx4g0ec,1,1,0,0>和<wx4g0ec,0,1,0,0>,则待分配订单D由熟练配送员进行配送时,预估的配送地等待时长为a1,待分配订单D由不熟练配送员进行配送时,预估的配送地等待时长为a0,其中,a1小于a0。
在本示例中,如图9所示,候选配送员包括配送员G1、G2及G3。候选配送员可以是综合考量多个配送员的出餐等待时长、路上配送时长后筛选得到的。其中,配送员G1为熟练配送员,配送员G2和G3为不熟练配送员,则可以预估配送员G1配送订单D的配送地等待时长为a1,配送员G2和G3配送订单D的配送地等待时长均为a0。于此,在a1小于a0的情况下,可以选择配送员G1配送订单D。在其他实现方式中,还可以综合考量多个候选配送员的出餐等待时长、路上配送时长、配送地等待时长,然后选择最合适的配送员。需要说明的是,本申请并不限定出餐等待时长、路上配送时长、配送地等待时长中一项或多项的考量方式。在实际应用中,可以根据实际情况进行设置。
此外,本申请实施例还提供一种计算机可读介质,存储有物流数据处理程序,该物流数据处理程序被处理器执行时实现实施例一提供的物流数据处理方法的步骤。
此外,本申请实施例还提供一种计算机可读介质,存储有调度程序,该调度程序被处理器执行时实现实施例三或实施例四提供的调度方法的步骤。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器)完成,所述程序可以存储于计算机可读介质中,如只读存储器、磁盘或光盘等。在示例性实施方式中,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,例如通过集成电路来实现其相应功能,也可以采用软件功能模块的形式实现,例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本申请不限制于任何特定形式的硬件和软件的结合。
以上显示和描述了本申请的基本原理和主要特征和本申请的优点。本申请不受上述实施例的限制,上述实施例和说明书中描述的只是说明本申请的原理,在不脱离本申请精神和范围的前提下,本申请还会有各种变化和改进,这些变化和改进都落入要求保护的本申请范围内。
Claims (14)
1.一种物流数据处理方法,其特征在于,包括:
获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
2.根据权利要求1所述的方法,其特征在于,所述获取一个或多个配送员的一个或多个订单的配送地等待时间信息,包括:
根据一个或多个配送员在多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息。
3.根据权利要求2所述的方法,其特征在于,所述根据一个或多个配送员在多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息,包括:
针对任一配送员,根据所述配送员在多个时间点的定位数据,确定所述配送员的一个或多个驻留地和所述驻留地的驻留时间信息;
根据所述配送员已完成配送的订单数据,从所述配送员的驻留地中筛选出一个或多个订单的配送等待驻留地,并确定所述配送等待驻留地的配送地等待时间信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述配送员在多个时间点的定位数据,确定所述配送员的一个或多个驻留地和所述驻留地的驻留时间信息,包括:
根据所述配送员在多个时间点的定位数据,计算任两个连续的时间点之间的移动速度;
在检测到连续第一数目的时间点中任两个连续的时间点对应的移动速度均小于或等于第一预设值,且所述第一数目满足第一条件时,根据所述第一数目的时间点对应的定位数据,确定一个驻留地和所述驻留地的驻留时间信息。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述配送员已完成配送的订单数据,从所述配送员的驻留地中筛选出一个或多个订单的配送等待驻留地,并确定所述配送等待驻留地的配送地等待时间信息,包括:
确定任一个驻留地的位置编码信息;
从所述配送员的驻留地中筛选出满足以下条件的驻留地作为配送等待驻留地:
驻留地的位置编码信息匹配所述配送员已完成的订单数据中至少一个订单的配送目的地的位置编码信息,且根据所述驻留地的驻留时间信息确定的驻留时间范围在所述订单的配送时间范围内。
6.根据权利要求1所述的方法,其特征在于,所述根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系,包括:
根据一个或多个订单的配送地等待时间信息,确定一个或多个订单对应的配送区域、配送地等待时长以及配送环境;
针对任一个配送区域,统计所述配送区域在任一种配送环境下的配送地等待时长;针对任一种配送环境,根据所述配送区域在所述配送环境下的配送地等待时长,确定满足第二条件的配送地等待时长作为所述配送区域在所述配送环境下的配送地等待时长。
7.根据权利要求1所述的方法,其特征在于,所述确定配送区域与配送地等待时长的关系之后,所述方法还包括:
根据待分配订单的信息以及所述配送区域与配送地等待时长的关系,预估所述待分配订单的配送地等待时长。
8.一种调度方法,其特征在于,包括:
根据一配送员的待配送或正在配送的订单的信息,通过查询配送区域与配送地等待时长的关系,预估所述配送员配送所述订单的配送地等待时长;
根据所述配送地等待时长,预估所述配送员能够接受下一个订单的时间。
9.一种调度方法,其特征在于,包括:
根据待分配订单的信息、配送区域与配送地等待时长的关系,预估候选配送员执行所述待分配订单的配送地等待时长;
将所述待分配订单分配给所述配送地等待时长满足设定条件的候选配送员。
10.一种物流数据处理装置,其特征在于,包括:
第一处理模块,用于获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
第二处理模块,用于根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
11.根据权利要求10所述的装置,其特征在于,所述第一处理模块,用于根据一个或多个配送员在多个时间点的定位数据以及已完成配送的订单数据,确定一个或多个订单的配送地等待时间信息。
12.根据权利要求10所述的装置,其特征在于,所述装置还包括:第三处理模块,用于根据待分配订单的信息以及所述第二处理模块确定的配送区域与配送地等待时长的关系,预估所述待分配订单的配送地等待时长。
13.一种物流数据处理装置,其特征在于,包括:存储器以及处理器;其中,所述存储器用于存储用于物流数据处理的程序;该用于物流数据处理的程序在被所述处理器读取执行时,执行以下操作:
获取一个或多个配送员的一个或多个订单的配送地等待时间信息;
根据所述一个或多个订单的配送地等待时间信息,确定配送区域与配送地等待时长的关系。
14.一种计算机可读介质,其特征在于,存储有物流数据处理程序,所述物流数据处理程序被处理器执行时实现如权利要求1至7中任一项所述的物流数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710501639.1A CN109146348A (zh) | 2017-06-27 | 2017-06-27 | 一种物流数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710501639.1A CN109146348A (zh) | 2017-06-27 | 2017-06-27 | 一种物流数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146348A true CN109146348A (zh) | 2019-01-04 |
Family
ID=64805073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710501639.1A Pending CN109146348A (zh) | 2017-06-27 | 2017-06-27 | 一种物流数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146348A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020207430A1 (zh) * | 2019-04-09 | 2020-10-15 | 北京嘀嘀无限科技发展有限公司 | 订单派发方法、装置、电子设备及计算机可读存储介质 |
CN112802269A (zh) * | 2020-12-31 | 2021-05-14 | 成都希福生物科技有限公司 | 一种冰粉在线销售系统及方法 |
CN113743845A (zh) * | 2020-05-29 | 2021-12-03 | 京东城市(北京)数字科技有限公司 | 配送区域划分方法及装置、电子设备、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218442A (zh) * | 2013-04-22 | 2013-07-24 | 中山大学 | 一种基于移动设备传感器数据的生活模式分析方法及系统 |
US20150262114A1 (en) * | 2014-03-14 | 2015-09-17 | Kabi Llc | Works timing |
CN105701564A (zh) * | 2016-01-07 | 2016-06-22 | 北京京东尚科信息技术有限公司 | 运单配送提醒方法和装置 |
CN105894232A (zh) * | 2016-03-31 | 2016-08-24 | 北京小度信息科技有限公司 | 物流配送方法和装置 |
CN106779958A (zh) * | 2016-12-28 | 2017-05-31 | 苏州亮磊知识产权运营有限公司 | 一种基于集中区域的促使联合下单方法及其系统 |
-
2017
- 2017-06-27 CN CN201710501639.1A patent/CN109146348A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218442A (zh) * | 2013-04-22 | 2013-07-24 | 中山大学 | 一种基于移动设备传感器数据的生活模式分析方法及系统 |
US20150262114A1 (en) * | 2014-03-14 | 2015-09-17 | Kabi Llc | Works timing |
CN105701564A (zh) * | 2016-01-07 | 2016-06-22 | 北京京东尚科信息技术有限公司 | 运单配送提醒方法和装置 |
CN105894232A (zh) * | 2016-03-31 | 2016-08-24 | 北京小度信息科技有限公司 | 物流配送方法和装置 |
CN106779958A (zh) * | 2016-12-28 | 2017-05-31 | 苏州亮磊知识产权运营有限公司 | 一种基于集中区域的促使联合下单方法及其系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020207430A1 (zh) * | 2019-04-09 | 2020-10-15 | 北京嘀嘀无限科技发展有限公司 | 订单派发方法、装置、电子设备及计算机可读存储介质 |
CN111798283A (zh) * | 2019-04-09 | 2020-10-20 | 北京嘀嘀无限科技发展有限公司 | 订单派发方法、装置、电子设备及计算机可读存储介质 |
US20220027822A1 (en) * | 2019-04-09 | 2022-01-27 | Beijing Didi Infinity Technology And Development Co., Ltd. | Method, apparatus, electronic device, and computer-readable storage medium for distributing orders |
CN113743845A (zh) * | 2020-05-29 | 2021-12-03 | 京东城市(北京)数字科技有限公司 | 配送区域划分方法及装置、电子设备、存储介质 |
CN112802269A (zh) * | 2020-12-31 | 2021-05-14 | 成都希福生物科技有限公司 | 一种冰粉在线销售系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11620592B2 (en) | Systems and methods for planning transportation routes | |
JP2019215896A (ja) | 運輸サービスの料金を求める方法及びシステム | |
US10371542B2 (en) | System and methods for performing multivariate optimizations based on location data | |
TW201541393A (zh) | 計程車管理設備及計程車管理系統 | |
US20190019040A1 (en) | Method of data visualization and data sorting | |
CN101243478A (zh) | 利用蜂窝数据用于运输规划和工程的方法和系统 | |
EP2556335A2 (en) | Public transport optimization | |
WO2015177644A1 (en) | Method and system for balancing rental fleet of movable assets | |
CN106779845A (zh) | 一种公交车优惠计费系统和方法 | |
CN105117790A (zh) | 车费预估方法及装置 | |
CN101814201A (zh) | 一种出租车费用计算方法和导航设备 | |
CN109146348A (zh) | 一种物流数据处理方法及装置 | |
AU2014324087A1 (en) | Determining network maps of transport networks | |
Shen et al. | Exploring the effect of the telephone/online booking system on taxi service: Case study of Suzhou City in China | |
Meland et al. | The effects of removing the Trondheim toll cordon | |
CN110197290A (zh) | 车辆管理设备、车辆管理方法和非瞬态计算机可读介质 | |
CN109242464A (zh) | 一种共享交通工具兼容管理方法及系统 | |
CN111667083A (zh) | 网约车预估价确定方法和装置 | |
CN111815344A (zh) | 汽车加油推荐方法、电子设备及存储介质 | |
Dong et al. | Revealing New York taxi drivers' operation patterns focusing on the revenue aspect | |
CN110223514A (zh) | 城市交通运行状态分析方法、装置及电子设备 | |
Zakharenko | Pricing shared vehicles | |
CN110119955A (zh) | 订单成交率预估方法及装置 | |
CN109961344A (zh) | 一种汽车服务选址方法和装置 | |
CN114417167A (zh) | 一种停车时段推荐方法及装置 |
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: 20190104 |